Anthropic 的雙層槓桿：核心 FDE 攻堅，夥伴複製，Harness 跟著模型升級

先看結論：企業買的不是模型，而是完成工作的能力

Anthropic 的路徑同時解兩個規模問題：FDE 交付如何擴張，以及 Harness 如何不被模型進步淘汰。前線端由 Anthropic 核心 FDE 處理戰略客戶與複雜 Agent 系統，再透過大型資訊服務夥伴複製；報告提到 DXC 計畫培訓數萬名 Claude 認證 FDE。執行端則把 Harness 視為『模型目前還不能穩定完成什麼』的假設集合，模型升級後重新測試並刪除不再必要的元件。

這個題目值得獨立拆解，因為企業 AI 已經走到第二個階段。第一階段比的是模型能不能回答，第二階段比的是系統能不能在資料不完整、權限複雜、流程跨部門的環境裡，穩定交付可衡量結果。Anthropic 的雙層槓桿：核心 FDE 攻堅，夥伴複製，Harness 跟著模型升級不是技術名詞的排列組合，而是一個組織、工程與財務必須同時成立的問題。

運作機制：把人的經驗翻成 Agent 可執行的規則

Anthropic FDE 的交付物包含 MCP Server、子 Agent 與技能模組，天然可進入後續 Harness。DXC 先在自身約11.5萬名員工組織中使用 Claude，並表示其 OASIS 平台超過95%的程式碼與 Claude 協作完成，再向銀行、航空、保險、製造與政府客戶推廣。長任務方面，Anthropic 以初始化 Agent、程式 Agent 與結構化產出物跨工作階段傳遞脈絡，解決過早結束與狀態丟失。

不同廠商的共同方向，是讓少數核心 FDE 攻克複雜現場，再用平台、夥伴與客戶自助擴大覆蓋。差別在於資產沉澱在哪裡：Palantir 放進本體模型與 AIP，模型公司放進技能與執行框架，雲端業者放進 Agent 平台與夥伴交付工具，企業軟體公司則把多年流程與權限直接寫進底座。

實務上應先畫出原有流程的輸入、判斷、工具、輸出與例外，再決定哪些環節交給 Agent、哪些需要人工核准。這個順序很重要：若先拿模型找題目，團隊容易做出技術可行但商業低頻的功能；若先找出高成本、高等待或高錯誤的流程，再設計資料與執行環境，投資報酬率才有機會被驗證。

財務視角：從專案收入走向能力複製

夥伴模式可以快速擴大覆蓋並利用既有客戶關係，但會分出服務收入，也增加品質一致性風險。Anthropic 必須讓夥伴使用共通技能、工具、評估與認證，才能讓部署成果回到模型用量與平台黏著。Harness 動態刪減則直接影響成本：模型自己能做的規劃若仍被外部 Agent 重複，會產生不必要的模型呼叫與延遲。

財務長應把成本拆成五層：場景診斷、資料與系統串接、模型推論、執行框架、上線後的人工作業。初期毛利偏低不必然代表模式失敗，因為第一批客戶可能同時支付產品學習成本；但下一批同類客戶若沒有明顯縮短交付週期，代表知識沒有資產化。最重要的曲線，是每一元新增收入需要多少新增工程人力與模型成本。

收入品質也要分開看。一次性顧問費能證明客戶願意付錢，訂閱與用量收入則更能反映系統已進入日常流程；成果分成若能建立清楚基線，可能提高上限，但也會帶來歸因與合約爭議。健康的商業組合通常是以前期服務完成導入，再讓軟體、技能模組與執行量成為後續擴張主體。

執行方法：從一個高價值流程開始

企業採用夥伴交付時，應要求原廠、夥伴與客戶三方有共同技術與業務指標，並確保 MCP、技能、測試與權限資產可移交。Harness 版本則要隨模型升級做回歸與消融測試，而不是把舊架構永久保留。每次模型換版都應回答：哪些元件可刪、哪些風險仍需外部控制、總成本是否下降。

導入時應先定義成功與失敗。成功不只包含平均任務時間下降，也包括錯誤率、人工覆核、法遵事件與使用者採用；失敗則要能被分成模型、資料、權限、工具、流程或組織責任。分類清楚後，每次錯誤才會變成測試資料與產品改進，而不是群組裡又多一張『AI 怎麼又壞了』的截圖。

反方論證：重交付也可能只是昂貴的人力生意

夥伴大量認證不等於交付品質。若培訓偏重產品功能，缺少產業流程、資料治理與變革管理，FDE 仍可能只是更會操作 Claude 的顧問。DXC 自身案例也屬公司揭露，95%程式碼比例不代表95%價值由 AI 創造；需要搭配上線品質、維護成本與客戶成果。

廠商案例多半是公司或報告選出的成功樣本，不能直接外推到所有客戶。閱讀時要分清楚已上線的實際成果、合作公告、產品規畫與券商推論；尤其 2026 年的新組織與新平台仍需時間驗證續約、毛利與複用程度。案例可以提供路線，不能替財務證據簽名。

此外，報告整理的數據包含企業調查、公司案例、產品公告與研究判斷，可信度與時間點並不完全相同。本文保留原始頁碼，並把已發生事實、廠商所述規畫與延伸分析分開呈現。對快速變動的 Agent 市場而言，最危險的不是判斷暫時錯，而是把尚未驗證的規畫寫成已經實現的財務成果。

台灣企業可以怎麼用：先做流程資產負債表

台灣系統整合商可從單純導入模型，升級為提供產業 MCP、技能與測試資產；模型供應商則可用認證與共用評估確保品質。企業買方要避免被綁在單一夥伴，應要求資產採開放介面、版本可追蹤，並保留模型替換與客戶自主管理能力。

接下來可固定追蹤：1、認證 FDE 的實際交付品質；2、夥伴專案轉成平台用量；3、模型升級後 Harness 元件刪減；4、MCP 與技能資產的可攜性。這些指標同時涵蓋技術、流程與財務，能避免團隊只挑對自己有利的數字。對台灣企業而言，最務實的起點通常不是成立一支龐大 AI 部門，而是選一條跨資料、跨系統、又能直接衡量成本或營收的流程，讓小型 FDE 團隊與業務負責人共同完成第一個生產閉環。

最後要記住，真正的護城河不是 Prompt 數量，而是企業願不願意把規則、失敗案例與決策邊界持續沉澱。模型會升級、單價會下降、工具名稱也會換季；留在公司裡的本體模型、測試資料集、連接器、技能模組、權限設計與營運紀錄，才是能在下一輪技術變化中繼續複利的資產。