TLDR
- 2026 年起 Claude、ChatGPT、Gemini 嘅 prompt 容錯一直喺度升，會用 AI 嘅技術門檻已經拉平。MIT NANDA 2025 年數據話 95% 嘅企業生成式 AI 試點冇得到可衡量回報，樽頸已經唔喺工具側。
- Skill 工程師（教識 AI 做某類任務）唔等於 Prompt 工程師（用 AI 做一次任務）。前者將領域專家嘅隱性判斷結構化、編碼成可重用嘅 skill；後者只係單次調用。
- Wayne InsightSpring 喺中小企業 AI 諮詢項目入面睇到：跨領域背景（產品 / 設計 / 寫作）嘅 Skill 工程師起步速度快過純程序員，因為核心能力係「定義問題」唔係「實現功能」。
點解會用 AI嘅人太多會教 AI嘅人先值錢
技術門檻一直喺度跌，認知門檻反而越嚟越凸出。
2024 至 2026 年，主流 AI 工具嘅 prompt 設計容錯一直喺度好咗。求其寫兩句都出到結果，呢個係事實。但 MIT NANDA 2025 年訪 52 個高管、跟 300 個公開部署案例之後，得出個結論係：95% 嘅企業生成式 AI 試點冇可衡量 P&L 回報。差距唔喺工具，喺人有冇能力定義問題、餵上下文、判斷輸出。
即係話，會用 AI 嘅人太多 — 真正難搵嘅，係識將一個領域專家嘅判斷邏輯抽出嚟、教畀 AI 重複做嘅人。
舉個例。一個資深外科醫生一日只做到 5 台手術。但如果有人將佢嘅初步診斷邏輯抽出嚟，訓練 100 個 AI 助手做病人初篩，佢就可以將時間集中喺最複雜嘅 10% 案例。呢度嘅樽頸唔係 AI，係邊個識做「抽取」呢一步。
專家自己冇時間做，亦都唔熟 AI 嘅能力邊界。純程序員識技術，但唔一定識專家點諗嘢。最啱嘅人喺兩者中間 — Wayne InsightSpring 將呢類角色叫 Skill 工程師。
Skill 工程師同 Prompt 工程師有咩根本唔同
Prompt 工程師想做嘅，係「用好 AI 做一次任務」。
Skill 工程師想做嘅，係「教識 AI 做一類任務」。
唔同就喺重複性。Prompt 係單次調用，今次寫得好，下次同類問題你又要重新寫過。Skill 係將判斷邏輯結構化、編碼，做完一次之後組織入面其他人都可以調用，而且質素穩定。
呢個差別決定咗價值定位。Prompt 工程師係 AI 嘅熟手用戶，Skill 工程師係 AI 嘅老師。前者搞個人效率，後者起組織能力。中小企業 AI 培訓真正要培養嘅，係後者。
Skill 工程師要邊三項核心能力
第一，分清楚邊度可以編碼。
維特根斯坦喺《邏輯哲學論》命題 7 寫過：「凡是不可言說的，必保持沉默。」呢句話喺 Skill 工程上面有實際用法 — 唔係所有專家知識都可以編碼。
外科醫生嘅手感，編碼唔到。外科醫生嘅診斷流程，編碼到。律師對案件嘅直覺，編碼唔到。律師審合同嘅 checklist，編碼到。第一項能力就係分清楚兩者，將精力放喺「可以講得出」嘅嗰邊。
第二，一直改一直 iterate 嘅工程能力。
第一版 skill 嘅準確率通常得 60-70%。真正嘅價值喺：搵到邊界情況 → 改規則 → 重測 → 再改。Roland Wayne 自己整嘅第一個生產級 skill，改咗 15 次先去到 90% 準確率。
呢個唔係「寫得啱唔啱」嘅問題，係「測試密度同問題敏感度」嘅問題。Skill 工程師唔係寫完就走，係要長期跟住使用情況做質量管理。
第三，使用密度 × 問題敏感度。
最叻嘅 Skill 工程師，首先係 Skill 嘅重度用戶。你自己日日用，先察覺到邊度邏輯唔嚴密、邊度漏咗邊界情況。一個從來唔用 skill 嘅人寫嘅 skill，多數係空中樓閣。
醫學經濟學嘅評估方法論喺呢度有遷移價值 — 評估一個干預有冇效，從來唔係淨係睇干預本身，係睇干預對象嘅基線同使用密度。Wayne InsightSpring 將呢套思路攞嚟用喺企業 AI 諮詢，係因為 AI 工具係干預，員工嘅元認知能力 + 使用密度先係基線。
點解跨領域人才比純程序員更啱做 Skill 工程師
呢點最反直覺。
純程序員叻喺「how」（點樣實現）。產品經理叻喺「what」（用戶要咩）。設計師叻喺「flow」（體驗流程）。作家叻喺「precision」（語言精確度）。
Skill 工程師要嘅，係後三者嘅能力 — 因為核心唔係「實現功能」，係「定義問題」。AI 已經識實現大部分功能，缺嘅係邊個識將模糊嘅業務目標拆到 AI 識做嘅細節。
Wayne InsightSpring 喺幾單中小企業 AI 培訓項目入面睇到：純程序員背景嘅學員，第一周進度快（佢哋識寫 prompt），但去到 skill 設計階段就停住，因為佢哋習慣諗「點實現」唔係「點定義」。產品 / 設計 / 寫作背景嘅學員啱啱相反，第一周慢（要學基本 AI 工具），但去到 skill 設計階段加速度快，最後成個過程更快到頂。
呢個唔係話程序員唔得，而係話純技術背景唔等於核心優勢。AI 時代嘅權力轉移，係由「識寫代碼」轉去「識講清楚問題」。
20262028Skill 工程師嘅機會窗口點解只有 23 年
講真：呢個角色嘅高溢價窗口可能就 2-3 年。
原因係 AI 自我學習能力一直喺度行。2026 年嘅 AI 仲要人手教 skill，到 2028 年之後 AI 可能會越嚟越識自己從實踐入面抽規則、整 skill。到嗰陣 Skill 工程師嘅技術部分價值會降。
但係呢段窗口期，第一批 Skill 工程師會起到兩種長期資產：
第一，跨領域元認知框架 — 你做完 5 個唔同領域嘅 skill 之後，會睇到「專家點樣諗嘢」呢件事本身有結構，唔係靠經驗堆嘅黑盒。呢種能力就算 AI 再勁都好難取代。
第二，組織級嘅 skill 庫資產。一間中小企業如果喺 2026-2027 年儲到 50-100 個自己業務相關嘅 skill，呢個資產會變成競爭壁壘 — AI 可以幫人寫 skill，但寫唔到「呢間公司過去 10 年嘅判斷積累」。
時間窗口短，但建立期落到嘅資產長。
中小企業點樣開始
Wayne InsightSpring 嘅實操建議：
第一步，揀一個你業務入面重複度最高、判斷標準最穩定嘅環節（例如客戶投訴分類、合規 checklist 審查、初步報價）。重複度高代表 ROI 算得清，判斷標準穩定代表可以編碼。
第二步，由業務專家口述判斷邏輯，由 Skill 工程師結構化做第一版 skill。第一版準確率 60-70% 收貨，唔好一開頭就追求完美。
第三步，畀業務團隊用 2 周，記低所有「AI 答錯」嘅案例。每個案例對應一條規則更新，做第二版。
第四步，重複改到準確率穩定喺 90% 以上。呢個 skill 就變成公司嘅資產，新員工入嚟即用，員工流失都帶唔走。
FAQ
Q Skill 工程師係咩
A: Skill 工程師係專門將領域專家嘅判斷邏輯結構化、編碼做 AI 可重用 skill 嘅角色。同 Prompt 工程師根本唔同：Prompt 工程師用好 AI 做一次任務，Skill 工程師教識 AI 做一類任務。前者搞個人效率，後者起組織能力。Wayne InsightSpring 喺中小企業 AI 諮詢項目入面，將呢個角色定義做 2026-2028 年企業 AI 落地嘅關鍵稀缺人才。
Q Skill 工程師同 Prompt 工程師有咩唔同
A: 兩個目標完全唔同。Prompt 工程師寫單次指令，下次同類問題仲要重新寫過。Skill 工程師將判斷邏輯抽象做可重用嘅 skill，做完一次之後組織入面其他人都可以調用。Prompt 係個人技能，Skill 係組織資產。
Q 中小企業點樣培養 Skill 工程師
A: 唔好淨係教 prompt 技巧。要練三項能力：分清邊啲專家知識可以編碼（維特根斯坦邊界）、一直改（第一版 60% 準確率改到 90%）、使用密度（自己係 skill 嘅重度用戶）。揀重複度高、判斷標準穩定嘅業務環節做試點，由業務專家口述邏輯，由 Skill 工程師結構化，2-4 周一個改版週期。
Q 程序員可唔可以轉型做 Skill 工程師
A: 可以，但唔係天然優勢。Skill 工程師核心係「定義問題」，純程序員習慣諗「實現功能」。Wayne InsightSpring 睇到產品經理 / 設計師 / 寫作背景嘅學員喺 skill 設計階段加速度快過純程序員。程序員轉型要刻意練問題定義、上下文管理、輸出判斷三件事，唔好停喺 prompt 編寫層。
Q AI 越嚟越勁會唔會取代 Skill 工程師
A: 2028 年之後 AI 自己抽 skill 嘅能力會升，技術側價值會降。但 Skill 工程師喺 2026-2028 窗口期起到嘅兩種資產長期有效：跨領域元認知框架（睇得明唔同領域專家嘅判斷結構），同組織級 skill 庫（公司過去經驗嘅判斷積累，AI 寫唔到呢個）。技術會被取代，判斷力同積累唔會。
來源
- MIT NANDA: The GenAI Divide — State of AI in Business 2025（Fortune 報導） — 95% 試點冇可衡量 ROI
- BCG: AI Adoption in 2024 — 74% of Companies Struggle to Achieve and Scale Value — 1,000 位 CxO，4% 持續產出顯著價值
- Ludwig Wittgenstein, Tractatus Logico-Philosophicus（1921）命題 7：「凡是不可言說的，必保持沉默」 — Skill 工程師可編碼邊界嘅理論依據