模型是零件

模型半年换一代

模型半年换一代，更强的、更便宜的，每隔一段时间就出来一个。如果公司的流程、岗位和数据都焊死在一个模型上，每换一代就得重做一遍。拿对账岗位来说：今天用的模型，明年未必最合适；对账的流程、要读的单据和审批的权限，明年还是这一套。

模型本身是公共品，别人几个月后也能用上同一代。真正属于这家公司的，是模型之外的东西：岗位、流程、资料，以及它们沉淀下来的经验。

Engine 是 AIDC 的模型层，把模型单独做成一层。哪个岗位用哪个模型、模型跑在谁的机器上、每一次调用花了多少钱，都在这一层决定；上面的一切，不跟着模型动。

换的只是那颗脑子

一位数字员工，是一个岗位加上它的流程、资料和权限，再配一颗用来思考的脑子。换模型，只换最后这一样。

所以出了更好或更便宜的模型，在 Engine 里一处切换，全公司生效：数字员工照常上班，做事的方式和边界不变。选形态、配模型、换模型、看账，这四件事都只发生在这一层。

反过来想：如果换一次模型就要重配岗位、重写流程、重新授权，公司就会被锁在一个模型上，好模型出来了也不敢换。模型单独成一层，换模型才变成一件小事。

零件也可以是你自己的。已经采购或自建的模型接进来，和公有云模型一样按岗位派发，上面的流程看不出区别。

训练改的是什么

今天说「训练数字员工」，改的不是模型本身，而是模型之外的那一层：岗位说明、资料、记忆、流程、工具和权限。让数字员工越来越懂这家公司的，正是这一层。

这几样各管一件事：岗位说明写清它管什么、不管什么；资料决定它答得准不准；记忆让它记住做过的事和被纠正过的地方；流程让它每次做法一致；工具和权限决定它能动什么。

这也是模型可以放心换的原因：训练的成果不在模型里，换了模型也留得住。

数字员工常见的六种失败里，五种出在资料、口径、记忆、职责和流程上，当周就能修好、复验；只有一种是模型确实做不到，要收缩任务或等模型升级。把它单独列出来，是为了不把组织能修的问题误判成「AI 不行」。答错了，先别急着换模型。

模型是零件，不是你的系统。