模型會換，留下來的是 know-how

1. 01我原本怎麼想

   看企業的 AI 服務，很容易把注意力放在模型：哪個模型更強、回答更準、推理更快；也花很多力氣在調 Prompt。

2. 02發現什麼問題

   真的要上線服務客戶，問題很快變成：AI 現在應該知道哪些資料？哪些情況可以回答、哪些要停？什麼時候轉真人？回答完，下一步接什麼服務？

   使用者問「我最近很容易累，要補充什麼？」模型很容易回答；難的是它知不知道這個人的健檢結果、過去紀錄、風險狀況，以及公司本身的服務規則。

3. 03為什麼改變判斷

   沒有模型外面那一層 Harness，AI 回答了問題，但健康管理並沒有真的發生。

   模型會一直換，企業真正能累積下來的，是自己的 know-how。

4. 04後來怎麼做

   看一個 AI 專案，我已經不太先問「你們用哪個 Model？」，而是問「這個 AI 到底懂不懂你們公司怎麼做事？」

   把散在人腦、SOP、系統和流程裡的經驗，整理成 AI 在對的時間用得到的脈絡，再做成一套跑得起來、管得住、能一直累積的 Harness：Model + Context + Tools + Rules + Permission + Workflow + Guardrails。

「Model 決定 AI 有多聰明，Harness 決定 AI 能不能真的把服務做完。」

— 原文