Model 決定 AI 多聰明，Harness 決定它能不能把服務做完

看企業給客戶用的 AI 服務，大家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。

但真的進到企業場景後，真正重要的，往往是模型外面那一層 Harness。

一個健康管理的問題

用健康管理來說就很明顯。今天一個使用者問 AI：

「我的血壓最近有點高，我該怎麼辦？」

模型本身可能答得很好。它知道一般的生活建議，知道該提醒使用者留意哪些狀況，語氣也可以很溫和。

但企業要解決的，不是只有「回答得好不好」。AI 還要知道：

• 這個人過去的健康資料是什麼。
• 哪些資料可以讀，哪些不能讀。
• 現在是不是高風險情境。
• 該提供一般健康建議，還是應該停止回答並轉人工。
• 需不需要觸發後續任務、提醒、服務或追蹤。

這些都不是模型自己會知道的。

什麼是 Harness

所以企業裡真正能工作的 AI，其實是：

Model + Context + Tools + Rules + Permission + Workflow + Guardrails

這整套，就是 Harness。

我自己會這樣理解每一塊：

• Model：負責理解與生成，是大腦。
• Context：這個人、這個情境的脈絡。
• Tools：能查資料、能建立提醒、能接到其他系統。
• Rules：公司的服務規範與判斷邏輯。
• Permission：能讀什麼、能做什麼。
• Workflow：回答完之後，接下來要發生什麼。
• Guardrails：哪些情境一定要停、一定要交給人。

Harness 這個字原本有「馬具」的意思。我很喜歡這個比喻：馬再強壯，沒有馬具就拉不了車；有了馬具，牠的力氣才能變成往某個方向前進的力量。

沒有 Harness，會發生什麼

如果沒有 Harness，AI 可能很聰明，但：

• 同樣的問題，每次回答不一定一致。
• 知道健康知識，卻不知道這個人現在真正該做的下一步。
• 可以給建議，卻不知道哪些情境其實不該繼續回答。
• 甚至做完一次互動之後，後面的流程完全沒有接上。

最後很容易變成：

AI 回答了問題，但健康管理並沒有真的發生。

這是我覺得最可惜的狀況。使用者問完、得到一段不錯的回答，然後就沒有然後了。從體驗上看很好，從服務上看等於沒有發生。

把企業的邏輯放到 AI 周圍

這也是 Harness 最重要的地方：它不是讓模型變聰明，而是把企業自己的健康管理邏輯、流程、權限、風險邊界與服務能力，放到 AI 周圍。

讓 AI 不只是「會回答」，而是知道：什麼時候該做什麼，做到哪裡，什麼時候該停。

其中「什麼時候該停」，在健康相關的服務裡尤其重要。AI 提供的是一般性的健康資訊與服務引導，不是診斷，也不能取代醫療專業的判斷。把這條邊界清楚地設計進 Harness，比讓模型多答對幾題重要得多。

我們現在怎麼看企業 AI

所以我們現在看企業 AI，不會只問用了哪個模型。更在意的是：有沒有把自己的 Know-how 變成一套可執行、可治理、可持續累積的 Harness。

• 可執行：不只是文件，而是真的跑在系統裡。
• 可治理：知道 AI 做了什麼、為什麼這樣做，出問題能追溯。
• 可持續累積：每一次修正，都讓整套系統變得更好，而不是每次重來。

因為模型會一直換，但企業真正的競爭力，最後會留在 Harness 裡。

最後

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

選模型是一個採購決策，建 Harness 是一個經營決策。前者幾個月就可以重做一次，後者才是真正需要時間累積的東西。