最需要管理的，是「我們還不知道什麼」

最近關注 91APP 的資安事件，看了官方公布的事件時間線，蠻有感觸的。

從 10 月初接獲異常通報、展開調查，到後來逐步找到更多線索，並在 10/14 確認資料庫遭到非法存取。整個過程反映了一件事：

在問題發生的當下，我們通常沒有事後看起來那麼完整的資訊。

這篇不是要評論別人的事件，而是想借它回頭看自己的管理現場。

做過跨系統問題的人，應該都很有感

客戶反映資料有問題，但初步查詢卻對不上。系統出現異常，Log 看起來又沒有明顯錯誤。某個流程出了狀況，但各系統的檢查結果都顯示正常。

這些情況，未必代表有人疏忽。很多時候，就是資訊還不夠完整，必須一邊調查、一邊排除可能性。

我自己的習慣，是快速分析問題、辨識風險，再找出最可能的原因與解決方案。這個習慣在很多時候很有用。但工作做久了，我慢慢體會到：

分析能力再好，也不代表第一次判斷就一定正確。

尤其大型系統牽涉不同團隊、第三方服務、既有架構與歷史資料，問題往往比表面上看到的複雜。第一個浮現的答案，很可能只是第一個「看起來合理」的答案。

最需要管理的，是「我們還不知道什麼」

我們很習慣管理已知的問題：有 bug 就修、有風險就列。但真正讓事情變嚴重的，常常是那些我們還沒意識到自己不知道的部分。

所以這次我想得最多的是：當答案還不清楚的時候，團隊要怎麼繼續往前走？

三件我想一直做好的事

① 把「目前的判斷」和「已確認的事實」分開。

當我們認為問題可能來自某個環節，這是合理的初步假設。但同時也應該記錄：

• 目前有哪些證據？
• 還有哪些事情沒確認？
• 什麼新資訊會讓我們改變判斷？

好的分析，不是只找支持自己想法的證據，也要留給新證據推翻它的空間。

② 即使還沒找到原因，風險仍然需要被管理。

「目前沒有發現異常」與「已經確認沒有異常」，其實是兩件不同的事。

尤其涉及客戶資料、交易或重要服務時，在原因尚未釐清之前，仍可以依風險程度評估是否加強監控、限制部分權限，或採取必要的預防措施。不一定要等到所有答案都出來，才開始管理風險。

③ 讓重新檢視判斷，成為團隊的正常工作。

調查過程中，誰負責彙整新證據？出現什麼訊號，需要擴大調查？如果原本的假設不成立，能不能快速調整方向？

這些機制，比要求每個人第一次就判斷正確實際得多。因為「第一次就對」是運氣，「發現錯了能馬上改」才是能力。

AI 讓假設變快，但不能讓懷疑變慢

現在 AI 可以協助分析 Log、整理大量資料、找出異常模式，甚至提出可能的根因。這些能力確實很有幫助，我們也在用。

但 AI 提供的推論，仍然需要證據驗證。它給出的根因，本質上也是一個假設，而且常常是一個講得很有自信的假設。

AI 可以讓我們更快形成假設，但不應該讓我們更快失去懷疑假設的能力。

最後

回到管理本身，我不認為好的團隊應該永遠不犯錯，也不可能在第一時間掌握所有資訊。真正重要的是：當新證據出現時，我們有沒有能力調整原本的判斷，並且持續管理尚未釐清的風險。

處理複雜問題，難免會有不知道答案的時候。好的管理，不是要求團隊永遠知道正確答案，而是即使答案還不清楚，也知道如何繼續往前走。

系統越來越複雜，AI 也越來越常參與判斷，這大概是最值得一直練的能力。