【設備分析 ③】後續實際引用: 一個「人做不到」的能力上線後，被拿去做了什麼?

D19 講了人在面對設備的兩道牆: 一份設備狀態檔(工程師常說的 dump,也就是 show tech-support 的完整輸出)幾萬行，讀不完;就算讀到了，少了跨領域的腦袋也看不懂。D20 把這兩道牆翻過去——做出「丟一份設備狀態檔進去、幾分鐘拿回一份掃一眼就懂的專家報告」的能力。

一個系統做得出來，不等於它真的改變了什麼。今天這篇講上線之後: 這份能力被誰用、換來了什麼、改變了什麼工作方式。而它的去向，老實說，跟我一開始想的不太一樣。

上線後第一個發現: 最值錢的，不是拿來修自己的設備

我常常在說，通常採購一台設備有三個人會最在乎它:

• 工程師: 因為他負責設定跟安裝。
• 業務: 因為他賣的。
• 負責的客戶窗口: 因為他買的。

這份能力真正的價值，不在「修好一台設備」，在於「你能隨時、對任何一台設備，端出一份別人端不出的判讀」。 一開始的假設很直覺: 拿來搞懂、維護自家在管的設備嘛。但上線後發現——它最值錢的位置，反而是客戶關係。

因為對客戶來說，「幾分鐘就有一份專家級的設備健康分析」是一件他平常拿不到的東西: 要嘛他自己沒有那種橫跨多領域的腦袋(D19 那道知識頻譜牆)，要嘛他有、但沒有人有空把幾萬行的設備狀態檔從頭讀完(規模牆)。你能穩定地給出這個，對他就是價值。

這裡想特別點一件事: AI 做出了能力，但「這是一張對客戶的王牌，哪個資訊有用」這個判斷，是人下的。 系統不會自己知道自己該擺去哪裡發揮——是人用業務理解，把一個技術能力，看成一個商業差異化的切入點。這一刀，切在 AI 到不了的地方。

它到底被用在哪?——客戶最需要「IT 存在感」的時刻

它被用在客戶最需要「被看到 IT 值不值得」的那些時刻。 具體來說，是幾種特殊時期:

• 新建廠、新環境建置: 一批新設備剛上線，客戶最想知道「這套環境現在到底健不健康」。這時候交給他一份逐台的專家級分析，是很硬的第一印象。
• 例行維護: 維護不再只是「我來過、看起來沒事」，而是附上一份「這台現在什麼狀況、有哪些風險、建議先動哪個」的報告——維護的價值被看得見了。

舉個具體的例子， D19的Port-Channel 偏諧: 流量該在成員埠間均分、卻全擠到單一一條，而且不吐任何 Log——客戶自己巡檢，幾乎不可能發現。這種藏在幾萬行裡、又要跨領域才看得懂的異常，系統在一份設備狀態檔裡幾分鐘就標得出來。當你能在客戶的設備上，指出一個連他自己都還沒察覺的問題，那份「這家看得比我深」的存在感，是別的服務給不出的。

沒有規則/門檻可以觸發 = 告警系統、監控腳本全都不會響。是 AI 讀懂流量分佈的數字、注意到全擠在單一成員埠、推論這異常且講出為什麼要緊。

換句話說，這份能力把 IT 服務從「你相信我有做事」變成「你看得到我做了什麼、而且是別人做不出來的深度」。

因為這種深度分析本身有成本(它是一連串的 LLM 判讀)，所以資源會優先投到最能發揮價值的客戶關係上——策略客戶、關鍵專案期。這不是把誰排除在外，是把一個高價值的能力，先放到它最派得上用場的地方。

上線後，長出了哪些「原本沒有」的東西?

這套系統上線後，最有意思的不是它省了什麼，是它長出了什麼原本不存在的東西。 三樣:

1. 一個專門的服務團隊，圍繞它成形: 因為有了這個能夠對客戶輸出價值的能力，自然需要有人去經營「用它服務客戶」這件事。這個位置以前沒有。
2. 跟客戶多了一條 AI 互動的線: 客戶看到你真的把 AI 用在他的設備上、產出有用的東西，對後續的 AI 應用合作，就有了更多的對話機會。這條線以前沒有。
3. 對友商拉開了差異化: 這是別人端不出來的服務——不是「我們也有做監控」那種你有我也有，而是「這份深度判讀，你去別家拿不到」。這個差距以前沒有。

注意這三樣的共同點: 它們都不是「把某個人原本的工作自動化、然後省下來」——是憑空多出來的。 這一點，直接帶到下一段。

那這算「取代人」嗎?

這是這系列走到現在，最乾淨的一個「不是取代人」的例子——因為這件事，本來就沒有人在做。

回想一下: 一份幾萬行的設備狀態檔、要跨領域才看得懂的異常——這在 AI 之前，人根本做不到(D19 那兩道牆)。做不到，意味著這塊疆域一直是空的、沒有人站在上面。所以當 AI 補上它，它不是把某個維運人員擠下位子，是去了一塊本來沒有人、也不可能有人的地方。

沒有誰的舊工作被吃掉。相反地，它在旁邊長出了新的位置: 去經營客戶服務的團隊、去接客戶 AI 合作的人、去把「技術能力」翻譯成「商業差異化」的判斷。AI 去了人到不了的地方，人因此多了可以站的地方。

筆者備註: 每個人都是贏家的世界。(只有AI受傷的世界)

這就是這套系統版本的「不取代人」: 不是「AI 讓某個人被釋放去做別的」(那句話的前提底下是『他原本那份工作被拿走了』的暗示); 是AI 把餅做大了。

至於你手上那塊被 AI 補上的空白疆域，會替你或替你的團隊長出什麼——這篇不替你寫答案，你會比我更清楚需求在哪。

篇尾總結

• 系統做得出來 ≠ 真的改變了什麼: 要看它上線後被誰用、換來什麼——這才是「做完」和「有用」的分界。
• AI 給能力，人給商業判斷: 同一個能力擺錯地方就只是 demo; 看出「它值錢在客戶關係」靠的是人的業務理解，那一刀切在 AI 到不了的地方。
• 最乾淨的「不取代人」，是「本來沒人做」: AI 補上一塊人做不到、一直空著的疆域，沒把任何人擠下來。
• 新能力會長出新位置: 專門服務團隊、客戶 AI 互動、對友商差異化——三樣都是憑空多出來的，不是省下來的。
• 把餅做大，多的那塊是人的: 這是承諾「不取代人」在組織層級的樣子。

設備分析三部曲到這裡收完: 人做不到(D19)→ 做給你看(D20)→ 上線後長出新戰場(D21)。 共通的形狀是——AI 去接人到不了的規模，人守住判斷、也長出原本沒有的位置。

明天換第二個系統: 每日 CVE 通報。同一種形狀，換一塊疆域——這次撞的牆是「沒有人能每天讀完全球新增的漏洞」，規模乘上時效，又是一道人力天生跨不過去的線。