最近 AI 模型換得很快。
今天覺得 AI 助手 好用，過幾天 ChatGPT 多一個功能，Gemini 又把 Gmail、YouTube 串進來。只看 benchmark，第一名的位置常常坐不久。
但真的把 AI 放進工作和生活後，我開始覺得，排行榜可能不是最難搬的東西。
比較麻煩的是這些：它知不知道你手上的事情做到哪、哪些資料可以看、你平常怎麼做決定、什麼事情不要替你決定、哪個檔案才是最新版。
Ben Thompson 9 月 28 日在 Stratechery 的〈Apps, Agents, and Aggregation〉裡，提出一個我很認同的觀察：模型能力會持續追趕、替換，但 Agent 用得愈久，會累積愈多關於你的 context、檔案、登入狀態與工作環境。這些東西一旦累積起來，換掉 Agent 的成本就開始變高。
這個黏性，跟以前換一個聊天機器人已經不是同一回事了。
換模型很容易，重新教一遍很煩
現在換模型，技術上真的不難。
同一個問題丟給 ChatGPT、AI 助手、Gemini，幾分鐘就知道哪個答案比較合胃口。API 更直接，model name 換掉就能測。
可是一旦 Agent 開始替你做事，麻煩就來了。
你讓它整理信箱、排會議、追專案、找資料、做研究，甚至在你沒盯著的時候自己把工作往前推，它需要知道的事情會愈來愈多。這些事不可能靠一輪對話交代完。
Microsoft 最近的新 Copilot 很能代表這個方向。官方介紹 Autopilot 時直接寫到，它會有自己的 identity、memory、computer 和 workspace，可以看 Teams、Outlook、聊天、文件，還能隔幾天把之前沒做完的工作接起來。
Anthropic 也在做很像的事。AI 助手 Tag 會從 Slack 頻道持續累積工作脈絡，知道團隊前面討論過什麼、哪些工具可以用、哪些資料有權限看。Anthropic 自己用的說法很直白：使用者不用每次都從頭解釋。
Meta 的 Muse 則把 Agent 配上一台持續存在的專屬虛擬電腦和瀏覽器，讓它可以替你上網操作、填表、處理預約。
三家公司做法不同，但方向已經很清楚：AI 正從「回答這一題」走向「知道事情前因後果，然後繼續幫你做」。
記憶開始變成產品本身
以前聊 AI，memory 很像加分功能。
記得你喜歡什麼語氣、上次問過什麼，使用起來比較順而已。
現在不太一樣。
OpenAI 今年 6 月介紹新版 ChatGPT memory時，直接把偏好、專案與限制列成記憶系統要長期保留的東西。目的很實際：下一次對話不用重新自我介紹，也不用每次把同一個專案背景貼回去。
Google 更直接。Gemini 的個人化智慧服務可以連 Gmail、YouTube、搜尋等服務，把不同地方的資料拼在一起。例如你問一趟旅行，它可以從信箱抓訂單，再參考過去的使用紀錄給建議。
這裡開始出現一個很有意思的變化。
以前軟體黏住使用者，靠的是檔案格式、資料庫、操作習慣，或者大家都在同一個平台上。
Agent 多了一層：它對你的理解也會變成轉換成本。
一個用了半年、知道你工作脈絡的 Agent，和一個剛註冊五分鐘的新 Agent，就算底下模型跑分差不多，使用感受也可能差很多。
真正讓人懶得重來的，是那一大堆「不用再解釋」的東西。聊天紀錄反而只是其中一小部分。
對投資人來說，護城河要多看一層
這也會改變我看 AI 公司的方式。
模型能力當然還是重要，但只盯 benchmark，很容易漏掉另一塊正在變大的資產：誰有機會長期待在使用者旁邊。
Microsoft 手上有 Office、Teams、Outlook、企業帳號與權限體系。Google 有 Gmail、搜尋、YouTube、相簿和 Android。Meta 有 WhatsApp、Instagram、Facebook 這些每天都會打開的入口。
這些產品過去代表 distribution，現在還多了一個用途：提供 Agent 理解使用者的 context。
當然，入口大不代表一定贏。AI 產品還是可能因為效果差、價格貴、權限太煩或信任感不足被換掉。而且 Agent 愈深入信箱、文件與公司資料，安全和治理的門檻只會更高。
但如果兩個模型能力差距已經小到一般人沒什麼感覺，一邊每天都得重新解釋，另一邊知道你昨天做到哪，選擇其實很現實。
這也是 Thompson 那篇文章讓我最有感的地方。
未來 App 可能還是在，只是很多時候人不會親自打開。Agent 接到你的需求後，自己去叫服務、操作網站、產生臨時介面。當使用者的意圖先進到 Agent 手裡，後面的 App 就更像供應商。
如果這條路真的走下去，AI 產業最值錢的位置會慢慢從「誰做出最好用的單一 App」，往「誰站在使用者和所有 App 中間」移。
越懂你，出錯時也會更麻煩
「認識你」聽起來很美好，但這裡有一個很現實的副作用：它也可能記錯你。
OpenAI 在新版 memory 的說明裡，就把過時、正確性和規模列成記憶系統必須處理的問題。Google 也特別提醒「過度個人化」：例如信箱裡出現很多高爾夫用品收據，Gemini 可能以為你很愛高爾夫，實際上那些東西只是買來送人的。
這種錯誤放在聊天裡，頂多覺得它不懂你。
放進 Agent 就不太一樣了。當它可以訂東西、排事情、寄信、改文件，一個錯的偏好或過期的背景資料，可能真的會被拿去執行。
所以我反而覺得，記得愈多不一定就愈強。
好的 Agent 還得讓你看得見它記了什麼、改得掉、刪得掉，也要知道哪些事情只能參考，哪些事情真的有權限替你做。
這些看起來不像模型 benchmark 那麼刺激，卻很可能決定大家最後敢不敢把生活和工作交給它。
最難搬走的，是那堆「不用再說一次」
模型榜單還是會每天變。
今天這家比較快，明天另一家推理比較強，下個月又多一個更便宜的選擇。這場競爭不會停。
但當某個 Agent 已經知道你怎麼工作、資料放哪裡、哪些權限能用、哪些事情不要碰，換家的感覺就開始不同。
你得重新接工具、重新授權、重新整理專案，再花一段時間讓它理解那些原本已經不用說的事情。
這種成本很不起眼，累積起來卻很黏。
所以接下來看 Agent，我會少問一點「它這次 benchmark 贏多少」，多看一件事：
它能不能在不讓人覺得可怕的前提下，愈用愈懂你。
這可能才是 Agent 時代最難複製的資產。
參考資料
- Ben Thompson｜Apps, Agents, and Aggregation｜Stratechery｜2026-09-28
- Microsoft｜Introducing the new Copilot with Home, Code and Autopilot｜2026-09-25
- Meta｜Muse: Your personal AI agent
- OpenAI｜Dreaming: Better memory for a more helpful ChatGPT｜2026-06-04
- Anthropic｜Introducing AI 助手 Tag｜2026-06-23
- Google｜Gemini 個人化智慧服務正式在台推出：讓 AI 成為最懂你的生活助手｜2026-04-14