某大型電力公司導入生成式 AI 自動產生發電機組維護報告。某份報告建議「該機組應立即停機檢修」，但廠務主管檢視報告後，只看到一段完整的建議內容，卻不清楚 AI 為何提出此建議，也不知道哪些檢測數值促成此判斷，因此不敢直接依據報告安排停機檢修。若要提升系統的可解釋性（Explainability），技術團隊應優先採取下列何種作法？
答案 （D）
核心概念
要讓主管知道「為什麼」，就把支持建議的具體依據跟著報告一起標出來。
主管的問題很具體：不知道哪些檢測數值促成「立即停機」這個建議。可解釋性（Explainability）要回答的正是「依據是什麼」。產報告時同步列出異常的檢測數值、對應的維護作業規範，主管才能判斷建議合不合理，敢不敢照做。
答題技巧
快速判斷技巧：可解釋性題找「標出依據、數值、規則」的選項。 ・附上支持建議的具體數值與規範 → 可解釋性（Explainability） ・標註 AI 生成 → 透明度（Transparency），只揭露來源、沒解釋原因 ・換更大的模型、加排程資訊 → 跟解釋無關
易錯陷阱：(A) 「資訊揭露」聽起來也是負責任的做法。 關鍵差異：揭露來源回答「誰做的」，可解釋性回答「為什麼」，主管要的是後者。