Sentra 创始人 Ashwin Gopinath 分享了构建 Company Brain 一年的核心教训。这不是理论探讨，是真实的创业实践。
从创始人痛点出发
项目起源是创始人自己的痛点：想了解公司内部真实发生的事，但不想依赖状态更新、二手总结、以及在会议、消息、文档和人之间追逐上下文的能力。
最初的想法很天真：让 Agent 每天联系所有人，问问发生了什么，给创始人一个组织的实时画面。
但这个想法很快崩溃了，因为人们不想每天向 Agent 汇报。更重要的是，公司真相不是通过轮询人产生的。真相已经在工作本身里了：客户风险在某次会议中变得真实、变通方案在 Slack 线程中被接受、承诺在邮件中被做出、产品决策在电话中改变、所有这些被简化到工单的几个字段里。
第一课很简单，但花了很长时间才内化：公司记忆必须从工作本身涌现。
会议、消息、邮件、电话是公司现实的未经提炼版本
文档、工单、仪表板和工作流很重要，但它们通常是下游的。决策、异议、权衡、承诺、抱怨和交接发生在 artifact 被整理之前。
这些交互是组织的思维链（chain of thought）——不是字面意义上的模型推理链，而是人类意义上的。它们是公司在写下决策之前推理的地方。
这把问题从"转录"变成了"记忆"。不是记录更多文字，而是理解什么应该被记住。转录告诉你说了什么，但记忆必须理解为什么重要、对谁重要、因此改变了什么、以及接下来应该发生什么。
Ontology（本体论）变得核心
我们不是因为想要更干净的数据模型才走到这里的。是因为同一段对话对公司不同部分总是意味着不同的事情。
一通客户电话就是好例子。销售可能听到续约风险、PM 可能听到路线图信号、支持负责人可能听到升级、律师可能听到义务。Artifact 是同一个，但有用的记忆取决于视角。
LLM 可以帮助理解说了什么；本体论决定它在公司内部意味着什么。
记忆基底必须是通用的，但不能强制一个通用解释。 这句话花了很长时间才得出。有用的 Company Brain 需要一个单一记忆基底，能保存相同的底层 artifact，同时允许对它们有不同的有效视角。
CEO 看一封客户邮件不应该和支持负责人、PM 或客户经理看到的一样。他们应该都在看同一个记忆，但通过不同的本体论透镜。
记忆追踪让系统能构建公司的世界模型
记忆追踪很重要，因为它们让系统开始构建公司的世界模型。这里的世界模型不是什么神秘的东西，而是对工作如何流动的学习表征：哪些信号先于风险出现、哪些承诺通常会拖延、哪些交接会失败、哪些决策创造下游工作、哪些行动解决问题。
这是记忆对企业 AI 重要的更深层原因。没有记忆，Agent 只能从当下给定的上下文行动。有了记忆追踪、决策追踪和行动追踪，系统可以开始从结果中学习。
如果某种升级模式反复导致流失、某个交接总是失败、或某类客户请求通常预示路线图变化，系统应该学会。
这是从结果中学习。技术类比是在公司内部开始强化学习：追踪、行动、结果和反馈回路。
信息延迟的压缩
在一个客户成功团队的案例中，客户成功人员与客户交谈时，对话中浮现了流失风险的迹象。系统没有等待每周账户审查或整理好的 CRM 笔记。它在对话还新鲜时就标记给了 CTO，CTO 立即开始调查。
有趣的不是 CTO 学到了他们原本永远学不到的东西。他们可能最终会发现。有趣的是延迟。通常需要通过一连串总结、会议和升级才能传递的信号，几乎在发生时就出现了。
当信息移动得那么快，问题就变成了谁应该看到它、如何呈现、以及系统应该要求人类接下来做什么。
产品不应该只是"去问 AI"
接口不能停在"去问 AI"。这有用，但不是终态。更好的体验是正确的上下文、记忆或行动在工作需要时出现。
对 CEO 来说，这意味着回答几乎没人能回答好的问题：公司内部实际发生了什么？不是美化版本或仪表板版本，而是运营现实。
对领导层来说，这意味着看战略是否正在变成工作。对经理来说，这意味着在不持续询问更新的情况下理解阻塞点、承诺和交接。对 IC 来说，这意味着上下文随任务一起来，曾经消失在会议和消息中的工作可以变得可见，而不会把公司变成监控机器。
最重要的教训
当 AI 开始足够理解公司整体时，动态的变化方式从外部看并不明显。明显的担忧是任务自动化，但更大的变化是节奏。信号移动更快、误解更早出现、协作开始感觉不同，因为公司可以注意到更多自己的运动。
我们从 Enterprise General Intelligence 的雄心开始。一年后，我认为更清晰的原语是 Company Brain。雄心没有变小。路径变清晰了：记忆基底必须先行。
我相信的企业 AI 版本不是围绕工具本地记忆构建的。它围绕共享的语义公司状态构建：交互变成记忆、记忆变成世界模型、世界模型帮助人类和 Agent 在上下文中行动。
这就是我们在 Sentra 正在构建的东西。