過去一人照顧數台,未來一台由團隊照顧。

Body Scanner Vet想改變的,是機器與支援它的人之間的關係。這裡的團隊並不是增聘的人手,而是共同處理一台機器問題的多個sub-agent。

需求 — 改變被整備追著跑的時間

一個人支援多台掃描機。出了問題,就得調查狀態、找過去的脈絡、處理狀況,再確認結果。光是整備與維護,就可能耗掉一個人好幾天。

這樣的負擔,很難一直靠個人的努力吸收。我想要的是:當其中一台出了問題,就能迅速組成一支為它看診的團隊。

兩條箭頭連接 DocQuater 與 Vet:知識與開發資訊傳向 Vet,診斷結果回傳 DocQuater。Scanner P 角色呈現從一人支援多台,到團隊共同照看一台的轉變。
從負擔集中在一人,到知識聚集於一台 — 插圖: Enzoviz — conceptual diagram with AI-generated Scanner P character

開啟原尺寸圖

困難 — 只有症狀,還不足以理解那台機器

眼前的症狀與機器過去的經歷,往往分散在不同地方。只調查現在的狀態,或只翻閱舊資料,都不足以湊齊判斷所需的資訊。

我希望把DocQuater累積的組織知識,與Vet面對的現場狀態結合起來,讓每次調查都不必重新挖掘某一個人的記憶。

解決方式 — 為一台機器組成診療團隊

把Vet想成掃描機的診所,就很容易理解:初診先認識這台機器,健檢與看診確認狀況,處理之後再確認。機器不再只是「這次修好就算了」的對象,而是有自己經歷的個體。

一台出了問題,就由sub-agent分工調查:檢視狀態、查對知識、整理判斷依據。把這些視角帶回來討論,很像不同專業一起看同一位病人的病例討論會。

我把調查工作交給團隊分擔,同時仍把實機上的處置與結果確認視為工作的一部分。產生一段看似合理的回答,並不代表看診已經結束。

以共享知識連結初診、診察、處置確認與病例紀錄的診所概念圖
經驗支援下一次看診 — 插圖: Enzoviz — clinic metaphor / conceptual diagram

開啟原尺寸圖

自我學習 — 讓一次看診,成為下一次的起點

我希望Vet培養的能力,是把一次處理得到的經驗,用在下一個問題上。發生了什麼、確認過什麼、線索在哪裡;把驗證過的發現留下來,下一次就能接著這些經驗出發。

用診所來比喻,DocQuater提供共享知識與病例背景,Vet則是診察眼前這台機器的團隊。經驗不再只留在某個人的腦中,也能交給另一個代理接手。這是我所培養的「會自我學習的Vet」。

與 DocQuater 的關係不只是取得知識與開發資訊。Vet 也會將診斷結果回傳 DocQuater,讓這些經驗成為支援下一次診察的知識。

成果 — 幾週之內,應對方式改變了

經過幾週的開發與導入,原本由一個人耗費數天、疲於整備的情況,轉變成一台有問題,就能由sub-agent迅速投入處理的體制。

對我而言,重要的改變不只是某個步驟變快了,而是原本由一個人依序承擔的調查,可以分工,讓那台機器所需要的知識與視角聚集起來。從隨著機器數量增加人手,轉向為一台機器組成團隊,這正是我感受到的Vet價值。

下一步 — 讓第二大腦成為現場的力量

在DocQuater的文章中,我談的是讓組織記憶成為可以提問的知識。到了Vet,我把這份記憶接到現場,支援真正需要幫忙的一台機器。

我希望繼續磨練這個循環:每次看診都累積知識,再支援下一次處理。從機器越多、人越疲憊,走向經驗越多、診療團隊越可靠。這就是我想建立的維護方式。

DocQuater — 讓組織記憶成為可以提問的知識

橫幅是參考掃描器外觀製作的 AI 概念圖。說明圖將 Scanner P 化為小角色,以機器作為病人、代理作為診療團隊。