當團隊用工具名稱管理 AI，能力會隨帳號、模型與負責人一起流失。把管理單位改成可驗收、可授權、可替換的能力，才能把個人技巧變成企業長期資產。
▋ Belief：擁有很多 AI，不等於擁有企業能力
許多公司導入 AI 的方式，是先問員工用了 ChatGPT、Gemini、Claude 還是其他平臺，再統計購買了多少帳號。這種盤點看似清楚，實際上只看見執行工具，沒有看見工作是否能穩定完成。
一份近期的三大代理人清單曾列出 Antigravity 的三十八項技能、龍蝦的四條任務車道，以及 Hermes 的二十七個技能分類，合計六十九項。數字很壯觀，卻也暴露一個治理問題：如果能力以代理人名稱、模型品牌或安裝位置命名，工具一換、目錄一搬或負責人離開，團隊就很難回答「哪些工作仍然可用」。
工具是執行面，能力才是企業資產；英雄能救火，系統才能防止每天失火。
例如「AI 股票週報研究」是一項能力，它需要追蹤名單、可信來源、分析規則與固定輸出。至於由哪個模型搜尋、哪個代理人整理、哪個程式發布，都只是可替換的執行面。若把能力直接叫做「某模型週報」，未來換模型時，連驗收標準也可能一起消失。
單點故障往往藏在最能幹的人身上
當老闆或資深員工知道所有步驟，表面上效率很高；但他請假、生病或離職時，流程立刻停擺。AI 若只是模仿這個人的臨時操作，沒有明確輸入、輸出、權限與驗收規則，也只是在製造新的數位英雄。
真正的轉型不是把「小王會做報表」改成「某個 AI 會做報表」，而是把報表能力拆成資料來源、計算規則、例外處理、審核責任與交付格式。這樣即使換人、換模型或換平臺，能力仍能被重建。
▋ Desire：企業真正渴望的是可交接、可衡量、可替換
企業主不需要知道每個代理人的所有技能名稱。他真正關心的是：每週報告能否準時產生、客戶資料是否安全、錯誤能否被攔下、員工能否接手，以及投入的訂閱費和維護時間是否換回可觀察成果。
因此，一項成熟的能力至少應回答五個問題：輸入是什麼？輸出是什麼？誰可以執行？怎樣算通過？失敗時由誰接手？只要其中一題答不出來，團隊擁有的就可能只是個人技巧，而不是組織能力。
Capability Library：把公司會做的事變成可治理清單
能力庫不是另一份漂亮的工具目錄，而是一張營運地圖。每一筆能力都應對應真實工作，例如課前資料盤點、會議摘要、客戶需求分類、文章發布前檢查、網站健康巡檢或每週產業研究。
每項能力再連結可用的執行面。某項研究工作可以由不同模型完成，發布檢查也可以由本地程式或雲端代理人執行。這種設計讓企業保留選擇權，不會因單一供應商漲價、停用功能或改變政策，就被迫重建全部流程。
▋ Intention：用六個欄位建立第一版企業能力庫
-
1，能力名稱：用業務成果命名，例如「每週客戶流失風險摘要」，不要用「某模型自動化」。名稱要讓非技術主管一看就知道它替公司完成什麼。
-
2，主要輸入：列出必要資料、格式、來源與更新頻率。若輸入依賴某位員工手動提供，也要明確標記，因為那就是潛在單點故障。
-
3，主要輸出：定義交付物、接收者、時限與格式。輸出不能只寫「完成分析」，而要寫清楚是報告、表格、警示還是待核准草稿。
-
4，可用執行面：列出主要與備援方案，包括代理人、模型、本地程式或人工流程。至少保留一條可接受的降級路徑，避免服務中斷時全線停工。
-
5，驗收標準：設定可觀察條件，例如資料日期正確、來源可追溯、敏感資訊已遮蔽、連結可用、數值通過抽查。沒有驗收標準，就無法比較人與 AI 的品質。
-
6，權限與生命週期：記錄誰能啟動、誰能核准、多久複查一次，以及何時淘汰。能力不是永久收藏品；長期沒人使用、無法驗收或成本高於價值的項目，應被合併或停用。
不要一次治理六十九項，先找三個營運痛點
能力治理最容易失敗的方式，是花數週建立巨大清冊，卻沒有改善任何工作。先挑選三項符合以下條件的流程：重複頻率高、交接痛苦明顯、輸入輸出可界定。這三項最適合做為示範，因為團隊能快速看見改造前後的差異。
第一週只記錄現況：由誰完成、花多少時間、等待發生在哪裡、錯誤如何被發現。第二週再把步驟標準化，建立驗收表與備援執行面。第三週才加入 AI，避免把原本混亂的流程自動化後，只是更快地產生混亂。
▋ CFO 視角：別用技能數量衡量投資報酬
六十九項技能不等於六十九份價值。真正的投資報酬應看每項能力是否降低工時、縮短等待、減少錯誤、降低知識流失，或提高可服務的客戶量。若缺乏基準數據，就先量測兩至四週，不要捏造漂亮的節省比例。
成本也不能只看模型費用。完整成本包含訂閱、整合、測試、監控、人工覆核、員工學習與未來遷移。某個便宜工具若沒有匯出能力、權限紀錄與替代方案，長期總成本可能反而更高。
可以用一個簡單決策原則：先投資高頻、高風險、高交接價值的能力；延後低頻、低影響、只為展示新奇的自動化。企業不是在收集 AI 功能，而是在購買更穩定的營運結果。
▋ 從工具治理走向能力治理的九十天路線
前三十天：盤點與命名
訪談實際工作者，從行事曆、交付物與例外事件找出公司真正重複做的事。用業務語言命名，合併同義流程，並標出目前依賴單一人員、單一帳號或單一供應商的能力。
第三十一至六十天：標準化與驗收
為優先能力補齊輸入、輸出、權限、檢查表與失敗處理。先讓另一名員工依說明完成一次，若仍必須頻繁詢問原負責人，表示知識尚未真正被封裝。
第六十一至九十天：自動化與替代測試
在流程穩定後導入 AI，並實際測試主要執行面失效時能否切換。保留人工核准與操作紀錄，確保效率提升不會犧牲資料安全與責任歸屬。
▋ 結語：把老闆腦中的經驗，變成公司可以重複使用的能力
真正有價值的 AI 轉型，不是員工學會更多提示詞，也不是公司的工具清單愈來愈長。它是把散落的知識、重複的工作與資深員工的判斷，轉化成可重複執行、可持續治理的系統。
今天先問一個 QBQ 問題：如果目前最懂這項工作的人明天無法上班，我們留下了什麼，能讓下一個人或下一個代理人繼續完成？答案若只是一個人的名字，就代表能力庫該開始建立了。
