Figena
複雜系統必須保持可理解性
當智慧從說明轉向工作流程時，研究變得重要。於金融、組織與營運系統中，決策很少僅憑乾淨資料或單一目標而成。它們往往來自部分紀錄、人類動機、制度規則、經濟限制、權限與責任。方格Research探索智慧系統如何在不隱匿的情況下組織複雜性：保留證據、讓假設易讀、尊重人類判斷，且將具意義的行動維持在可檢視、可治理且可信賴的邊界內。
人類情境
系統是由注意力有限、先前期待、習慣、壓力與記憶不完整的使用者所詮釋。研究必須考量人類實際如何理解資訊，而非僅僅機器的分類方式。
經濟現實
決策受稀缺性、激勵、時機、風險、機會成本與競爭優先順序影響。實用的系統應保留決策背後的限制，而非將現實簡化為單一最佳化輸出。
計算邊界
智慧系統需要對可讀、推論、建議、草稿或執行的範圍設定邊界。可理解性取決於權限、狀態、來源、失敗處理與稽核。
受治理的行動
更深層的問題不是自動化能否行動，而是何時應該停止。受治理的行動研究確保AI協助的工作流程在成為最終結果前可被審核、可逆且負責任。
從情境到受治理的行動
情境建模
我們檢視如何將碎片化的紀錄、帳戶、事件、角色、時序與決策組織成可用的情境，且不會被平面化為不透明的類別或斷層的摘要。
證據與來源
我們探討詮釋如何保留紀錄、假設、未確定性與背後的推理路徑，使摘要與建議仍可追溯至產生它們的來源。
行為訊號
我們研究習慣、注意、偏好、摩擦與重複選擇如何在真實資料中顯現。目標不是將行為簡化為預測，而是了解決策產生的條件。
經濟結構
我們調查稀缺性、激勵、時機、機會成本、義務與制度限制如何形塑行動。實用的系統必須保留這些經濟條件，而非將決策視為孤立事件。
受治理的介面
我們研究智慧系統應如何在明確授權的邊界、可見狀態與可審查的介面規則內，發現工具、請求資料、準備變更並啟動行動。
評估與可觀測性
我們檢視AI協助的工作流程如何透過失敗狀態、結構化稽核事件、人為回饋與操作訊號，於時間軸上持續評估，使可靠性可觀測。
更廣闊的研究生態系
有些研究從產品問題出發，但不止步於產品。圍繞交易、工作流程或自動化行動的提問，常常會延伸成更大的議題：記錄如何成為情境，人們如何在限制下做決策，系統如何持續保留證據，以及智慧工具應當如何在結果產生前行動。安森信研究保留了這片更廣闊的探索空間。方格是其中的應用面向，呈現情境、經濟行為、受治理自動化與可信系統等理念，在真實產品條件下如何交會。工作在協議、模型、介面與實驗之間穿梭，目的不是讓系統在未經審視時代替人類行動，而是幫助人們在不確定性、責任與控制依然可見的前提下做出判斷。
