這個年代有一件事很容易被誤會，以為工具用久了就會越用越懂你。

三個月前，你們花了一個下午把公司的報價邏輯跟 AI 講清楚。哪類客戶可以放多少折扣、哪幾家一定要老闆點頭、哪個產品線的毛利不能動。那天它答得很好，好到會議室裡有人說這東西真的可以用。三個月後，同一個問題再問一次，答案卻泛泛得像從沒聊過。折扣建議是通用的，客戶分級是它自己編的，毛利那條線它完全沒提。中間那個下午，像沒發生過。

沒有人做錯什麼。只是那個下午的內容，被存在一個會被關掉的地方。

01它從來沒有記過

這裡有個前提常被跳過：它本來就沒打算替你記。模型沒有變笨，工具也沒有買錯。

業界有一張把 AI 記憶能力分成六級的圖，從 L0 排到 L5。L0 是每次都是第一次見面，重複提問、重複解釋，會話結束就失憶。L1 記得住這場對話，視窗一關、換一台裝置就沒了。L2 記得住你的偏好與身分，像一份用戶畫像，換個話題還調得出來。那張圖在 L2 那格畫了一行紅字，說九成的產品停在這裡，卻宣傳自己擁有長期記憶。

再往上才是你真正想要的東西。L3 叫語義記憶，知識沉澱下來，跨任務跨對話都調得回同一套認知；L4 記得住具體事件的來龍去脈，回答得出「為什麼會這樣」；L5 能從過去的結果主動調整下次的做法，那張圖把這一級標成「真正的 Agent」。同一張圖還附了逐級自檢的問法，其中 L3 那一題最適合拿去問你們公司現在的狀況。跨任務時，它能複用之前的知識嗎？

原圖右下角有一句批註值得抄下來：

記憶的價值不在於記住了多少，而在於過去如何參與並塑造未來。

翻成老闆聽得懂的版本大概是這樣：你們現在用的 AI 大概停在「記得住這場會議」的層次，而你要的是三個月後新來的同事一問，就拿得到那天的結論。中間隔的是一層還沒有人蓋的東西，跟模型強不強沒什麼關係。

02你買的是次數，不是能力

換個角度算這筆帳。

假設一家二十人的公司全員開了付費帳號。第一個月大家確實省下時間，郵件寫得快，簡報草稿也有了，連客訴回覆都不用從零開始，老闆看報表覺得划算。到了第六個月，帳單一樣，體感卻沒有更好。原因不難找。業務調出來的那套開場話術，行政不知道；行政試出來的那份請款說明，財務沒看過；那位最會問的同事離職，他調了半年的問法跟著離職證明一起走出大門。

這個現象有人用十頁手繪圖講過，講得比誰都直白，標題就叫「企業都用上 AI 了，為什麼沒給老闆賺更多錢」。它畫了三個員工各自用 AI 寫文案、做圖、改話術，每個人都變快了，中間卻用一個等號連回老闆那張沒什麼變化的利潤表。作者管這種用法叫點狀用 AI：單點動作快了，整條業務鏈路還是老樣子，而卡住的地方永遠是同樣三件事，資料散、經驗留在腦子裡、復盤不沉澱。

所以癥結在別的地方。二十個人省下的那些時間是真的，只是省下時間的方法沒有一份留在公司裡，第七個月還是得從頭問起。

03「我們有知識庫」不等於答得出來

多數公司聽到這裡會說，知識庫我們有。共用資料夾、內部維基、雲端硬碟，檔案幾千份，分類還算整齊。這確實是好事，只是它回答的是另一個問題。

有一篇拆解企業 AI 為什麼用不起來的整理，把這件事對照成一張表。左欄是知識庫在做的：資料存在哪個文件夾、關鍵詞搜不搜得到、誰傳的誰負責。右欄是 AI 要用起來還缺的四個答案，而多數公司一個都給不出。

同一件事有三份文件，信哪一份。 報價政策的舊版、修訂版、業務自己整理的懶人包同時躺在資料夾裡。人會憑經驗挑最新那份。AI 不會，它三份都讀，然後把三份混起來回答你。那篇整理舉的例子很有畫面。老闆問一句上個月哪個客戶回款慢，AI 答得像模像樣，一核對全是錯的。它其實沒有編，是銷售部、財務部、老闆報表裡的口徑本來就是三個數，它拿到哪個都不算錯，但沒有一個能拿去開會。

這個人能看到哪些。 權限沒人管，敢用的場景就只剩閒聊。薪資結構、客戶名單、成本明細，只要沒有人明確畫過線，最後多半是全部關起來了事，導入就停在這裡。

這條規則還生效嗎。 去年的出貨流程，今年三月改過一次、六月又改回來。檔案都還在，沒有一份標了作廢。人知道要問一聲，AI 不會問。

老手的經驗怎麼留。 做了十五年的採購知道哪家廠商雨季一定延交，這件事沒有寫在任何一份檔案裡。七月那篇〈你的 AI 沒有原料〉整篇談的就是這個缺口，系統裡留下的都是最後那個結論，當初怎麼判斷出來的沒人寫。

這四個問題要是能一題一題答出來，那層可調用的知識就算存在了。答不出來，那幾千份檔案還只是一個放得很整齊的檔案櫃。

04檔案櫃跟答案的差別

檔案櫃的比喻來自另一則整理，談的是知識庫為什麼沒人用。它開頭先替員工說了句公道話，說大家其實都查過，只是查到的東西不像答案。

它舉的例子很日常。員工搜「報銷」，跳出來的是報銷制度 V1.0.pdf、報銷流程圖.jpg、報銷常見問題.docx、差旅報銷說明.pdf 四個檔案。他還得自己讀完、自己判斷哪份有效、自己拼出步驟。文件太多不知道看哪個，內容太長找不到重點，格式不統一看著就頭大，搜了還是不確定。到這一步，多數人選擇去 @那位一定知道的同事。

而「像答案」的版本是這樣。可以報銷，流程是提交報銷單、上傳發票和憑證、部門審批、財務審核、打款，附一份報銷單模板，旁邊還有一鍵複製。

同樣一批資料，兩種形態。前者要人自己完成最後那道整合，後者已經整合完了。所謂「可調用的一層」，做的就是把整合這個動作，從每次有人問的時候，往前挪到知識寫進去的時候。

工程上這件事有一組名字，最常聽到的那個叫 RAG。不過名字幫不上老闆的忙，能驗的東西才幫得上。八月那篇〈模型是租來的，那你到底擁有什麼〉用過一個判準，這裡剛好也適用：一段全新的對話、一個全新的同事，只憑你留在公司的那些檔案，能不能把這件事接手辦完。這題答不出來，那一層就還沒有蓋起來。

05從哪裡開始，跟不要從哪裡開始

這一層聽起來很大。實際做起來，它不是一個要蓋半年的專案。

寫給企業的整理方法裡，順序被排成五步。先收集既有資料，產品說明、服務流程、常見問題、內部制度、歷史工單都算；接著清掉重複、過期、互相矛盾的內容；然後按業務場景分類，照檔案格式分出來的那種目錄樹幫不上忙；再設訪問權限，明確哪些崗位可查詢、可修改；最後規定 AI 的回答邊界，沒有依據不要編造，無法判斷要說出來，重要的事轉人工確認。

順序不能反。權限還沒設就先開放查詢，等於給 AI 開了全公司的門。

範圍也要小。前面那篇拆解企業 AI 的整理給的節奏是先診斷規劃，再挑一個燈塔場景用真實資料打穿，跑出一本可核對的帳，才往其他崗位複製；反過來做基本都要返工。落到中小企業身上，燈塔場景通常就是客服最常被問的那十題，或業務最常查的那份報價政策。用真實的問題跑一輪，跑順了再往其他部門搬。一上來就全公司全量，多半會停在整理資料這一步，然後不了了之。

同一篇還點名三類事該先放一放，分別是規則本身還沒定清楚的、資料還留在紙本上的、做錯了沒辦法回滾的。它另外給了三個一分鐘自檢題，很適合在下次主管會議上直接唸出來。同一個數有幾個口徑？AI 現在能看到哪些資料？它做過的事有沒有記錄？

過去 公司的資產是設備、客戶名單、一套跑得動的流程

現在 多了一樣看不見的：一層別人問得到、AI 調得動、離職帶不走的知識

回到那個下午

八月那篇〈AI 讀不懂你的 SOP〉談的是原料要寫成什麼形狀，七月那篇談的是原料本來就不在檔案裡。這一篇談的是備好之後放在哪。位置對了，後面的累積才疊得起來。

回到最前面那個下午。如果當時的結論被寫回一個公司自己的地方，今天再問，答案不會是泛泛的，而且會比三個月前更準。因為這中間又多了幾筆成交，出過幾次例外，也否決過幾個折扣，全都疊在同一層上。

這也是我們做 AI 流程診斷時真正在看的東西。我們看的是那四個問題你答不答得出來，以及答案寫在檔案裡，還是只在某個人的記憶裡。用哪一顆模型反而不是重點。

讓 AI 加速，讓人定錨。工具可以換，累積不行。

為品牌築根，為數位開路。