過去兩年，我在公司裡被問最多次的問題是：「我們該用哪一個模型？」
問這個問題的人通常已經做了功課。他們知道哪一家的評測分數比較高、哪一家的價格比較便宜、哪一家最近發表了什麼。
而我的答案通常讓他們有點失望：用哪一個都可以，那不是重點。
因為就我在公司裡的觀察，同一個模型在不同人手上的效果差距，遠大於不同模型之間的差距。
而造成那個差距的，不是使用技巧，是這個 AI 知不知道你們公司的事。
一個很小的對照
舉一個真的發生過的例子。
兩個同事都拿 AI 來寫客戶回覆信。
第一個人的做法：打開對話框，貼上客戶的問題，說「幫我寫一封回覆」。
拿到的東西：一封語法正確、語氣專業、內容空洞的信。他得改二十分鐘。
第二個人的做法：貼上客戶的問題，加上我們的產品說明文件、過去三封類似案例的回覆、以及公司對這類問題的處理原則。
拿到的東西：一封可以直接送出去的信。他改三分鐘。
模型一樣。差別在後者給了 context。
問題是——第二個人花在整理那些附件上的時間，其實比省下來的多。
所以真正的問題不是「要不要給 context」，是怎麼讓給 context 這件事變成免費的。
這是一個組織問題，不是技術問題
想通這一點之後，我的工作方向就變了。
我原本以為自己在做的是「導入 AI 工具」。
後來我發現我實際在做的是：把公司變成一個 AI 讀得懂的地方。
這兩件事的差別很大。前者是採購和教學，幾個月可以做完。後者是整理，而且永遠做不完。
具體來說有三件事。
一、把散在人腦裡的東西寫下來
每一家公司都有大量的隱性知識。
哪一種客戶特別需要盯、哪一條合約條款最容易出事、哪一個流程的例外狀況要怎麼處理、上次那個專案為什麼失敗。
這些東西通常存在三個地方：某個資深員工的腦子裡、某個 Slack 頻道的第 4,000 則訊息裡、以及沒有人記得的某封信裡。
AI 讀不到這三個地方。
而更麻煩的是，這件事在 AI 出現之前就已經是問題了。新人上手慢、老鳥離職帶走一切、同樣的錯誤每兩年重犯一次——這些都是同一個病。
AI 只是讓這個病的代價變得非常明顯。
以前你可以說「反正大家做久了就會知道」。現在你會很具體地看到：因為這件事沒有寫下來，所以 AI 給了一個錯的答案，而那個答案被送到客戶面前了。
二、讓寫下來這件事有回報
知識管理這件事，每一家公司都做過，而且每一家公司都做失敗過。
失敗的原因永遠一樣：寫文件的人得不到好處。
你花兩小時把一個流程寫清楚，好處歸給未來的某個新人。而那個新人可能根本不會找到你寫的東西。
AI 改變了這個算式，而這是我覺得最有意思的部分。
當公司的文件被整理成 AI 讀得到的形式之後，寫文件的人自己就是第一個受益者。因為他下次問 AI 的時候，AI 會拿他自己寫的東西回答他。
我在公司看過幾次這個循環啟動的樣子。一個部門把他們的處理原則整理進去，兩週之後他們自己用得最爽，然後他們開始主動整理更多。
這不是我推的。是他們自己發現划算。
所以我現在推知識管理，不講「為了團隊」，我講「為了你下個月的自己」。
前者是道德勸說，後者是誘因設計。經濟系教我的東西裡，這一條最好用。
三、把流程封裝成可以重複呼叫的東西
第三件事比較技術一點，但概念很簡單。
如果一件事會重複做、步驟穩定、而且要串好幾個工具，那就不該每次重新交代。它應該被封裝成一個東西，喊一聲名字就能用。
我在公司推的是內部的 skill 分享平台——同事把自己做的工作流封裝起來，放上去給別人用。
這件事的價值不在省時間，在把個人的方法變成組織的方法。
法務那個合約審閱工具就是這樣。它本來只是某個人自己在用的流程。放上去之後，整個部門都在用，每人每週省四到五個小時。
而那個原本只存在一個人腦子裡的判斷——哪一種條款要特別看——現在變成了公司資產。
我犯過的錯
講點失敗的。
第一個錯：一開始想做得太完整。
我最早的規劃是先建一個完整的知識庫，把所有文件都整理好，然後再開放 AI。
這個順序是錯的。因為「整理所有文件」是一個沒有終點的專案，而在它完成之前，沒有人看得到任何好處，所以沒有人會投入。
後來我改成反過來：先讓大家用，用到痛了，痛的地方自然會被整理。
痛點會自己標示出優先順序，比我坐在會議室裡排的準。
第二個錯：以為文件寫得愈多愈好。
不是。過期的文件比沒有文件更糟，因為 AI 會很有自信地引用它。
我們遇過一次：某個部門的舊流程文件沒有下架，AI 照著它回答，結果指引了一個已經廢止兩年的做法。
所以現在每一份進到知識庫的東西都要有負責人和有效期限。沒有人維護的東西寧可不要放。
第三個錯：忘了權限。
這個最危險。
當你把公司的資料整理成 AI 讀得到的形式，你也讓「不該看到的人看到不該看到的東西」變得容易很多。
薪資、人事評議、還沒公布的財務數字——這些東西如果混進去，出事的規模跟一般的資料外洩不一樣，因為 AI 會很樂意地把它整理成摘要講給你聽。
所以我們的規則是：先確定權限邊界，再談內容。 這一條沒有商量餘地，也是我在推廣的時候會花一半時間講資安的原因。
為什麼我覺得這件事的優先順序被搞反了
回到開頭那個問題：該用哪一個模型？
我的看法是，模型會一直變強，而且會愈來愈像水電——你不會為了自來水的品牌開會。
但你們公司的知識是誰也複製不走的東西。
兩家公司用同一個模型，一家的 AI 很好用，一家的很難用，差別幾乎全在這裡。
所以如果我只能給一個建議，我會說：不要花太多時間比較模型。花時間去問一個更土的問題——
如果現在有一個絕頂聰明、但完全不認識我們公司的新人來上班，他需要讀什麼才能開始做事？
那份清單，就是你們該整理的東西。
而有意思的是，這份清單在 AI 出現之前就該存在了。它叫做「新人訓練教材」。
（我們公司當初那份，最後更新是三年前。）