角色： 陳志豪（IT 主管）
場景： 每天早上 8:30 打開 Arova Dashboard，掌握全局、追蹤反覆問題、管理 AI Agent 績效
橫跨模組： Dashboard → Incident → Analytics → AI Native → AI Copilot

---

背景

陳志豪是泰國廠 IT 主管，管理一個 8 人的 IT 團隊。他不需要親自處理事件，但要掌握團隊運作狀況、識別潛在風險、決定 AI Agent 的自動化程度。每天早上 8:30 打開 Arova 是他的固定習慣。

---

旅程步驟

Stage 1：早晨概覽（2-3 分鐘）

陳志豪登入 Arova，Dashboard 自動顯示 AI 每日簡報：

陳志豪不用問任何人，2 分鐘內就掌握：昨天發生什麼、團隊表現如何、有什麼潛在風險。

使用者情緒： 🟢 不用問人就知道昨天發生什麼，AI 主動提醒潛在風險

涉及模組： Dashboard（DB-001, DB-014, DB-015）、AI Native（AIN-001）、Analytics（AN-001, AN-007）

→ Wireframe： page-dashboard（AI 每日摘要區 + KPI 概覽）

---

Stage 2：深入檢查（5 分鐘，有需要時）

陳志豪注意到 AI 簡報裡的警示：DB-PROD-01 過去 7 天出現 3 次 CPU 飆升。這不是單次事件，而是反覆發生的模式。

使用者情緒： 🟢 AI 幫他看到工程師忙於解決個別事件時看不到的全局趨勢

涉及模組： Incident（IN-004, IN-007）、AI Native（AIN-015）、AI Copilot（AIC-003）

→ Wireframe： page-incidents → page-detail

---

Stage 3：管理決策（偶爾）

每週一：MTTR 趨勢檢視

涉及模組： Analytics（AN-001, AN-004, AN-007）

每月：AI Agent 績效評估

使用者情緒： 🟢 AI 不是黑箱，績效可量化、信任等級可漸進調整

涉及模組： AI Native（AIN-017, AIN-022）、Settings

→ Wireframe： page-reports + page-settings

---

旅程摘要

頻率	動作	花費時間	模組
每天	AI 簡報掌握全局	2-3 分鐘	Dashboard + AI Native
有需要時	深入檢查反覆問題，開追蹤事件	5 分鐘	Incident + AI Native
每週	檢視 MTTR 趨勢，報告績效改善	5 分鐘	Analytics
每月	評估 AI Agent 績效，調整信任等級	10 分鐘	AI Native + Settings

---

核心價值

面向	使用 Arova 前	使用 Arova 後
掌握全局	開早會問工程師昨天發生什麼（30 分鐘）	AI 簡報 2 分鐘看完（↓93%）
發現趨勢	月底看報表才知道反覆問題（延遲數週）	AI 即時偵測反覆模式（即時）
團隊績效	手動統計 Excel（每月 1 次）	AI 每日自動計算（即時）
AI 管控	不適用	績效可量化、信任等級可漸進調整
向上報告	手動做 PPT（2-3 小時）	截圖趨勢圖 + AI 摘要（5 分鐘）