AI 工具一直換，企業的 AI 能力該累積在哪裡？
直接答案
會翻篇的是模型、工具、介面，而且越翻越快。留得下來的是四樣東西：工作契約、技能、流程與關卡、數據。把團隊的 AI 能力累積在這四樣上，換工具就只是搬家；如果能力綁在某一個工具或某一個人身上，每一次翻篇都要重來。
企業的 AI 能力要累積在留得下來的四樣東西上：工作契約、技能、流程與關卡、數據；不是綁在會翻篇的模型、工具、介面。
半年前，我在一場分享裡花了半場時間介紹一個 AI 工具。現在，我完全不用它了。不是它不好，它還在更新、社群還在長；是更適合我的東西出來了。這種事，以後只會更頻繁。
現在的節奏有多快？
幾乎每兩週就會有新的模型或工具發佈，追趕技術很辛苦。這是我專業上的體感，不是可以查證的統計；我把它叫做「每兩週一個世代」。
重點不是追上每一個發布。重點是：如果你的團隊每次都要跟著新工具重學一次，那你們永遠在追，追不到累積。所以問題不是「該用哪個工具」，是「能力該放在哪裡，才不會跟著工具一起翻篇」。
什麼會翻篇？什麼留得下來？
| 會翻篇 | 留得下來 |
|---|---|
| 模型 | 工作契約 |
| 工具 | 技能 |
| 介面 | 流程與關卡 |
| 數據 |
左邊的東西越翻越快，右邊的東西越用越厚。能力放在右邊，翻篇時你只是換一個工具；放在左邊，翻篇時你要重新學一遍。
留得下來的四樣東西，各自長什麼樣？
工作契約。 開工前先講清楚的那份東西：為什麼做、誰拍板、分幾輪做、什麼不能碰。它跟工具無關，換了工具也照它走；四條各該寫什麼，見《有了 AI，產品經理還需要寫 PRD 嗎？》。
技能。 把一件事的做法、判斷與檢查點，寫成 AI 能照著執行的說明。一個人的好做法，變成所有人都用得到的能力；蒸餾的是經驗，不是人。我們把這件事做成了 SkillHub，在案例頁可以看到。
流程與關卡。 把 SOP 寫成 AI 照著走的步驟，也定出誰在什麼時候做判斷。AI 跑階段，人守關卡。這套分工不因為換了模型就改變，我們在 Agent Harness（AI 作業環境）那一頁把規範、知識、流程、防護四層說得很細。
數據。 整理成 AI 讀得到、用得上的狀態。這是四樣裡最花時間、也最值錢的一樣，因為任何模型來了都要用它。
一個例子：規則看得懂、改得動
利居百貨 Rikyu 的排班，原本全憑經驗。現在是系統依「預期營收 × 近期出勤 × 工作量平衡」的規則評分推薦，規則看得懂、改得動。
這件事的價值不在用了哪個模型，在規則被寫下來了。明天換一個模型、換一個工具，規則還在，組織對排班的理解也還在。這就是能力放在右邊的樣子。
被翻篇的工具，留下了什麼？
回到開頭那個我不再用的工具。它其實留下兩樣東西，已經長進我現在的工作方式裡：一、工作能自動往前推進，不必每一步都有人推；二、AI 能靠記憶與脈絡做判斷，不用每次從頭講。
工具翻篇了，工作方式留下來。面對翻篇，該做的只有一件事：不是押對某一個工具，是每次都問一句，有什麼留下來了？
一個檢查問題
你們公司的 AI 能力，現在累積在左邊還是右邊？
如果答案是左邊，先不要急著換工具。先把一件事的契約寫下來、把一個人的做法寫成技能、把一段流程的關卡定出來、把一份數據整理成 AI 讀得到的狀態。這四件事做一件，就往右邊搬了一步。從哪裡開始，企業 AI 轉型診斷會排出順序；想先看整體的三階，讀《AI-Enable 和 AI-Native 有什麼差別？》。
常見追問
AI 工具那麼多，中小企業該怎麼選？
不要追每一個新工具或新模型，要有自己的篩選節奏。每次看到新東西先問一句：它會不會改變我們的工作方式？不會，就等下一個；會，才花時間評估。
怎麼知道我們的 AI 能力現在綁在哪裡？
做一個思想實驗：如果明天換掉現在用的 AI 工具，哪些東西要重做？要重做的，就是綁在工具上的；不用重做的，才是累積下來的能力。
這裡說的「技能」是什麼？
不是指某個人會用 AI，而是一份寫下來的做法：這件事怎麼做、在哪裡要判斷、完成前要檢查什麼。寫下來之後全公司的 AI 都能照著跑；人調動了、忙了，經驗還留在公司。