上週很開心回到 AppWorks 的 AI Founder Circle,和一群 Founder 聊聊 Company Brain (公司大腦) 這個題目 🙌
從今年 1 月開始玩 OpenClaw(龍蝦),到後來自己養了一群 AI Agent 協作、一路踩坑研究 Agent Memory,我們就一直在思考一件事,當 AI 變成日常工作的一部分之後,公司裡的知識、決策跟經驗到底該怎麼累積下來?這次剛好趁著準備投影片的機會,把這段時間對 AI-native 組織跟 Company Brain 的理解做了一次比較完整的整理。
現在大家對 Company Brain 的定義其實不太一樣,有人當作持續更新的知識庫,有人看成跨工具的 AI 搜尋,也有人從 Agent Memory 的角度切入。這些方向都有它的價值,單看每間公司的工作方式跟當下想解決的問題是什麼。
這次分享我先從 AI-native 公司的日常運作開始帶大家想像。當業務、產品、客服都有 AI 幫忙,甚至開始讓 Agent 獨立負責一部分工作時,如果每個 Agent 單兵作戰都很強,卻不知道其他部門做過什麼決定、答應過客戶什麼、進度推到哪裡,那最後還是得靠人一直在中間重新交代跟傳話 😅 要解決這個問題,光把 Slack、CRM 和文件接在一起是不夠的,整個組織需要的是一份會持續更新、能共享,而且大家敢放心相信的工作脈絡。
我把理想中的 Company Brain 拆成五個層次:
- 捕捉脈絡:把散落在 Slack、會議、文件與日常工作裡的資訊收進來,不用每次都靠人手動整理。
- 保留原因:不只記下最後決定做什麼,還要留住當初為什麼這樣決定、中間淘汰過哪些選項。
- 追蹤承諾:知道誰答應了什麼事、什麼時候要交,以及目前卡在哪裡。
- 保持最新:當方向或決策轉彎時,能分辨哪個才是現在算數的版本,不會讓新舊資訊混在一起。
- 權限與治理:不同員工跟 Agent 有不同的權限,誰能看、誰能改,還有誰說了才算公司的正式決策,都得管好。
前面三件事做完,其實就已經是一個蠻完整的 Knowledge Base 了。但如果要讓整間公司真的敢依賴這些資訊做事,最難的反而是後面兩件「保持最新」跟「權限治理」,這也是我們在研究 Agent Memory 時一直撞牆的可靠性 (Reliability) 問題。
舉個日常很容易碰到的例子,有人在 Slack 裡問了一句:「我們是不是可以把交期延到下週二?」這到底只是一句隨口提議,還是已經拍板的決定?如果後來真的改期了,AI 要怎麼知道現在該聽哪個版本的?誰又有權限把這個改動寫進整個團隊都要遵守的共識裡?更麻煩的是,如果 AI 把一個錯誤、過期或早就作廢的資訊記進腦袋裡,下次它還是會很認真地照著做 🫠
當然也不是每間公司現在都得馬上蓋出一套完整的 Company Brain。剛開始導入 AI 的團隊,先把 SOP 跟知識庫整理乾淨就很有幫助了;等到工作開始跨部門、跨多個 Agent,需要彼此交接、回頭查決策原因的時候,這套共同記憶要怎麼維護跟除錯,痛點就會全部浮出來。
我們自己在 Cairn 長期做的是 Agent Memory,跟完整的 Company Brain 不完全一樣,不過當越來越多 Agent 走進組織,這兩塊在記憶的可靠性、更新維護跟共享權限上,踩到的坑還真的都差不多。
很謝謝 AppWorks 提供這次交流的機會,很開心能把這段時間一路實作跟研究的經驗整理出來跟大家分享,有在弄類似題目的朋友也歡迎交流,需要簡報的話再留言XD