你有沒(méi)有想過(guò)，為什么公司一旦超過(guò) 50 人，就像突然變了一家公司？那些曾經(jīng)在午餐時(shí)就能同步的信息，現(xiàn)在需要三個(gè)會(huì)議才能對(duì)齊。那些所有人都清楚的決策邏輯，突然就沒(méi)人記得了。更糟糕的是，當(dāng)你問(wèn)"我們當(dāng)初為什么這么做"時(shí)，得到的答案往往是"可能要問(wèn)問(wèn)當(dāng)時(shí)負(fù)責(zé)的那個(gè)人，但他三個(gè)月前離職了"。

這不是管理問(wèn)題，而是一個(gè)規(guī)模化帶來(lái)的必然現(xiàn)象。就在最近，一家叫 Sentra 的創(chuàng)業(yè)公司完成了 500 萬(wàn)美元的種子輪融資，由 a16z speedrun 和 Together Fund 共同領(lǐng)投。參與投資的還有 Parable、Precursor Ventures、Inovia、Backwards Capital、Antigravity Capital，以及一眾來(lái)自微軟、Dropbox、Salesforce 和 Slack 的前高管。這家公司正在做一件極其大膽的事：他們想給企業(yè)裝一個(gè)真正的大腦，一個(gè)能夠記住、理解并學(xué)習(xí)的組織記憶系統(tǒng)。

當(dāng)我深入了解 Sentra 后，我發(fā)現(xiàn)他們觸及了一個(gè)所有成長(zhǎng)型公司都會(huì)遇到但很少有人真正解決的核心問(wèn)題：上下文衰減。而他們提出的解決方案，不是又一個(gè)文檔工具或知識(shí)庫(kù)，而是一種全新的企業(yè)智能形態(tài)。這讓我重新思考了一個(gè)根本性問(wèn)題：在 AI 時(shí)代，企業(yè)到底應(yīng)該如何"思考"？

規(guī)?；绾未輾ЫM織的認(rèn)知能力

我觀察到一個(gè)有趣的現(xiàn)象：公司的崩潰點(diǎn)總是以可預(yù)測(cè)的方式出現(xiàn)。當(dāng)團(tuán)隊(duì)只有 20 人時(shí)，你會(huì)失去在午餐時(shí)同步信息的能力。50 人時(shí)，產(chǎn)品和工程的協(xié)調(diào)開始出現(xiàn)裂痕。150 人時(shí)，跨職能的上下文完全蒸發(fā)。500 人時(shí)，高管們實(shí)際上在管理一家他們已經(jīng)不再真正理解的公司。

這個(gè)問(wèn)題的本質(zhì)在于，人類大腦的社交認(rèn)知能力有上限。鄧巴數(shù)字告訴我們，一個(gè)人能維持穩(wěn)定社交關(guān)系的人數(shù)大約是 150 人。超過(guò)這個(gè)數(shù)字，你根本無(wú)法記住每個(gè)人在做什么，更別說(shuō)理解他們的決策邏輯了。但公司的規(guī)?；潜厝坏模谑俏覀儼l(fā)明了各種"補(bǔ)償機(jī)制"來(lái)應(yīng)對(duì)這個(gè)問(wèn)題。

傳統(tǒng)的解決方案是什么？更多的站會(huì)、更多的狀態(tài)文檔、更多的儀表盤。每增加一層流程，都在增加摩擦的同時(shí)降低真正的理解。Notion 頁(yè)面在幾周內(nèi)就過(guò)時(shí)了，Confluence 變成了文檔墓地。結(jié)果是，組織能夠追蹤關(guān)于"發(fā)生了什么"的一切，卻完全不理解"為什么會(huì)這樣"。

我曾經(jīng)在一家快速增長(zhǎng)的創(chuàng)業(yè)公司工作，六個(gè)月內(nèi)團(tuán)隊(duì)從 30 人擴(kuò)張到 120 人。我親眼看到知識(shí)是如何流失的。一個(gè)工程團(tuán)隊(duì)花了整整一個(gè)月時(shí)間為某個(gè)功能構(gòu)建支持，結(jié)果發(fā)現(xiàn)另一個(gè)團(tuán)隊(duì)在三個(gè)月前就已經(jīng)廢棄了這個(gè)功能，沒(méi)人告訴他們。這不是溝通問(wèn)題，而是上下文衰減的必然結(jié)果。當(dāng)信息分散在數(shù)百個(gè)對(duì)話中，當(dāng)決策的背景只存在于某些人的腦海里，這種浪費(fèi)就無(wú)法避免。

Sentra 的 CEO Jae Gwan Park 在他的公告中提到了同樣的觀察："當(dāng)你只有 3 個(gè)創(chuàng)始人時(shí)，每個(gè)人都知道一切。但幾個(gè)月內(nèi)擴(kuò)展到 50 或 100 人時(shí)，你甚至很難記住每個(gè)人的名字，更別說(shuō)保持同步了。人們不再知道為什么要做這些決策，或者更糟的是，人們根本不知道做了什么決策。"這段話精準(zhǔn)地描述了每一家成長(zhǎng)型公司都會(huì)面臨的困境。

為什么現(xiàn)有的解決方案都失敗了

面對(duì)這個(gè)問(wèn)題，我們嘗試了各種方法。更多的文檔、更多的會(huì)議、更多的工具。但這些方法從根本上都是錯(cuò)誤的，因?yàn)樗鼈儼褑?wèn)題理解成了"信息存儲(chǔ)"問(wèn)題，而不是"認(rèn)知"問(wèn)題。

想想你公司里的 Google Drive。10TB 的文件，數(shù)千個(gè)文檔，但這不代表公司"有知識(shí)"，這只是在囤積。知識(shí)不等于存檔。存檔只是靜態(tài)的文物，等待被搜索。一個(gè)擁有 10TB Google Drive 的公司不是一個(gè)有知識(shí)的公司，而是一個(gè)囤積者。真正的記憶是理解、連接和持續(xù)學(xué)習(xí)的能力。

打個(gè)比方，圖書館收藏書籍，但學(xué)者閱讀這些書，在不同卷冊(cè)之間建立聯(lián)系，并隨著時(shí)間發(fā)展出判斷力。我們今天所謂的"機(jī)構(gòu)記憶"，實(shí)際上是有良好歸檔的機(jī)構(gòu)失憶癥。文檔躺在那里，但沒(méi)人知道它們之間的關(guān)系，沒(méi)人記得為什么當(dāng)初要這么寫，更沒(méi)人在這些文檔基礎(chǔ)上形成新的理解。

再看看我們依賴的那些碎片化的 SaaS 工具。它們需要持續(xù)的人工喂養(yǎng)。我們?cè)跒檫@些工具服務(wù)，而不是它們?yōu)槲覀兎?wù)。我們更新工單、記錄通話、填寫表格，這些工具不是在幫助我們，而是在索取貢獻(xiàn)。每個(gè)工具都是一個(gè)孤島，它們之間不交流，不理解彼此的上下文。

我認(rèn)為，這種方法從一開始就注定失敗，因?yàn)樗?組織的認(rèn)知能力"簡(jiǎn)化成了"數(shù)據(jù)的存儲(chǔ)和檢索"。就像你不能通過(guò)給大腦增加硬盤容量來(lái)提高智力一樣，你也不能通過(guò)增加文檔數(shù)量來(lái)提高組織的智能。真正的智能不在于存儲(chǔ)了多少信息，而在于能否理解這些信息、連接這些信息，并基于這些信息做出更好的決策。

Sentra 提出了一個(gè)根本性的轉(zhuǎn)變：從存檔到記憶。他們的目標(biāo)不是構(gòu)建一個(gè)更好的搜索引擎，而是構(gòu)建一個(gè)真正能夠理解、學(xué)習(xí)和推理的組織大腦。這在以前是不可能的，但現(xiàn)在技術(shù)突破讓它成為可能。

三個(gè)技術(shù)突破讓組織記憶成為可能

為什么這個(gè)問(wèn)題以前沒(méi)有被解決？因?yàn)橹钡阶罱?，AI 還只是檢索工具，而不是推理工具。它能找到一個(gè)文件，但無(wú)法理解一家公司。Sentra 的聯(lián)合創(chuàng)始人 Ashwin Gopinath 是前 MIT 教授，他在 2023 年發(fā)表了一篇很有影響力的論文 Reflexion，探討了 AI agent 如何通過(guò)反饋進(jìn)行自我改進(jìn)。這個(gè)研究為更具適應(yīng)性的 AI 系統(tǒng)奠定了基礎(chǔ)。

我認(rèn)為有三個(gè)關(guān)鍵的技術(shù)突破改變了游戲規(guī)則，讓組織記憶系統(tǒng)從科幻變成現(xiàn)實(shí)。

第一個(gè)突破是暗物質(zhì)的數(shù)字化。過(guò)去，口頭決策、走廊談判、臨時(shí)頭腦風(fēng)暴會(huì)在發(fā)生的那一刻就蒸發(fā)掉。這些才是真正重要的東西，真正的決策往往發(fā)生在非正式的對(duì)話中，而不是正式的會(huì)議紀(jì)要里。但這些對(duì)話從來(lái)沒(méi)有被記錄下來(lái)，它們就像暗物質(zhì)一樣，存在但不可見?，F(xiàn)在，隨著視頻會(huì)議、即時(shí)通訊工具的普及，這些"暗物質(zhì)"開始可以被捕獲了。Sentra 正是利用這個(gè)機(jī)會(huì)，將這些非正式但關(guān)鍵的對(duì)話轉(zhuǎn)化為可理解的組織記憶。

第二個(gè)突破是上下文窗口的爆炸性增長(zhǎng)。從 4K tokens 到超過(guò) 1M tokens，這不僅僅是數(shù)量級(jí)的變化，而是質(zhì)的飛躍。這意味著 AI 現(xiàn)在可以對(duì)整個(gè)組織的歷史進(jìn)行推理，而不僅僅是搜索它。你可以問(wèn)"為什么我們?cè)谌ツ?Q3 做了這個(gè)定價(jià)決策"，AI 不是簡(jiǎn)單地找到相關(guān)文檔，而是理解當(dāng)時(shí)的背景、考慮的替代方案、參與討論的人員、最終的權(quán)衡邏輯，并將這些碎片化的信息整合成一個(gè)連貫的敘述。

第三個(gè)突破是持續(xù)記憶修訂。Sentra 維護(hù)著一個(gè)關(guān)于你組織的活態(tài)狀態(tài)，這個(gè)狀態(tài)隨著決策的發(fā)生而更新，不需要模型重新訓(xùn)練。這是關(guān)鍵的區(qū)別。傳統(tǒng)的知識(shí)庫(kù)是靜態(tài)的，需要人工更新。而 Sentra 的記憶是動(dòng)態(tài)的，它會(huì)自動(dòng)捕獲新的決策、更新相關(guān)的上下文、重新連接相關(guān)的信息。這就像人類大腦的工作方式：你不需要"重啟"大腦來(lái)記住新的東西，記憶是自然而然地持續(xù)更新的。

Sentra 的 CTO Andrey Starenky 解釋說(shuō)："Sentra 充當(dāng)你業(yè)務(wù)的大腦，實(shí)時(shí)真正理解你的團(tuán)隊(duì)在做什么。它優(yōu)化組織思維，使大規(guī)模有效領(lǐng)導(dǎo)成為可能，在這種規(guī)模下，對(duì)齊至關(guān)重要，清晰度會(huì)復(fù)合增長(zhǎng)。"這段話揭示了他們的核心洞察：組織需要的不是更好的存儲(chǔ)系統(tǒng)，而是一個(gè)真正的認(rèn)知系統(tǒng)。

System 3：從個(gè)體智能到集體智能的躍遷

Sentra 提出了一個(gè)我認(rèn)為非常深刻的概念框架，借用了 Daniel Kahneman 的思維系統(tǒng)理論。Kahneman 說(shuō)人類思維有兩種模式：System 1 是快速、直覺(jué)的思維，System 2 是緩慢、理性的思維。Sentra 將這個(gè)框架應(yīng)用到組織層面，提出了一個(gè)創(chuàng)新的觀點(diǎn)。

在組織中，System 2 是結(jié)構(gòu)化輸出：Jira 工單、產(chǎn)品需求文檔、季度報(bào)告。這些是正式的、可見的、有格式的。但 System 1 是原始認(rèn)知：會(huì)議和對(duì)話中的談判，決策真正發(fā)生的地方。大多數(shù)工具只捕獲 System 2，但 System 2 是衍生的。當(dāng)某件事變成工單時(shí)，真正的思考已經(jīng)在別處發(fā)生了。

我深有體會(huì)。作為產(chǎn)品經(jīng)理，當(dāng)我寫 PRD 時(shí)，真正重要的決策往往已經(jīng)在前一周的幾次非正式討論中完成了。PRD 只是這些討論的總結(jié)，而那些討論中的權(quán)衡、爭(zhēng)論、妥協(xié)，才是真正的決策邏輯。但這些往往不會(huì)被記錄，它們存在于參與者的記憶中，隨著時(shí)間流逝而消失。

Sentra 直接捕獲 System 1，構(gòu)建對(duì)決策如何做出、項(xiàng)目如何演變、上下文如何在公司中流動(dòng)的真正理解。這已經(jīng)很強(qiáng)大了，但 Sentra 更進(jìn)一步。當(dāng) AI 將 System 1 和 System 2 在整個(gè)公司范圍內(nèi)編織在一起時(shí)，會(huì)出現(xiàn)新的東西。他們稱之為 System 3：組織層面的集體智能。

System 3 不是個(gè)體優(yōu)化工作流程的單人游戲，而是多人認(rèn)知游戲。組織不再只是存儲(chǔ)它的思考，而是作為一個(gè)連貫的實(shí)體真正地思考，而不僅僅是試圖保持一致的個(gè)人集合。這是一個(gè)質(zhì)的飛躍。想象一下，一個(gè)公司就像一個(gè)有機(jī)體一樣思考，每個(gè)部門都是這個(gè)有機(jī)體的一部分，它們通過(guò)一個(gè)共享的神經(jīng)系統(tǒng)連接在一起，信息自由流動(dòng)，決策基于整體的理解而非局部的視角。

這聽起來(lái)很抽象，但實(shí)際應(yīng)用場(chǎng)景非常具體。一個(gè)工程師問(wèn)"為什么架構(gòu)是這樣的"，立即得到完整的決策歷史，不需要找人喝咖啡，不需要在舊的 PRD 中考古。一個(gè) VP 剛加入公司，一周內(nèi)就能問(wèn) Sentra "為什么 Q3 的定價(jià)決策是這樣的，誰(shuí)不同意，之后發(fā)生了什么變化"，這些上下文過(guò)去需要六個(gè)月的走廊對(duì)話才能獲得。一個(gè)創(chuàng)始人周一早上醒來(lái)，得到一個(gè)跨工程、銷售和運(yùn)營(yíng)的綜合報(bào)告，不是需要協(xié)調(diào)的狀態(tài)文檔，而是一個(gè)連貫的敘述，風(fēng)險(xiǎn)已經(jīng)浮出水面。一個(gè) COO 注意到偏離，不需要四個(gè)會(huì)議來(lái)三角定位，而是得到完整的決策歷史、障礙，以及誰(shuí)需要在場(chǎng)。

我認(rèn)為這種轉(zhuǎn)變的意義不亞于從個(gè)人電腦到互聯(lián)網(wǎng)的跨越。個(gè)人電腦讓個(gè)體變得更強(qiáng)大，互聯(lián)網(wǎng)讓個(gè)體連接起來(lái)。而 System 3 讓組織作為一個(gè)整體變得更智能。協(xié)調(diào)稅被削平，流程變得可選，因?yàn)橄到y(tǒng)本身理解上下文，自動(dòng)傳播相關(guān)信息。

這對(duì)企業(yè)意味著什么

當(dāng)我深入思考 Sentra 的影響時(shí)，我意識(shí)到這不只是一個(gè)工具，而是一種新的組織運(yùn)作模式。它改變了企業(yè)的基本能力邊界。

今天的 AI agent 確實(shí)令人印象深刻，但從根本上說(shuō)是單人游戲。Claude Code、Copilot、Operator，它們擅長(zhǎng)一個(gè)人可以向一臺(tái)計(jì)算機(jī)描述的任務(wù)。它們不理解組織。我們要解決的問(wèn)題不是"如何自動(dòng)化我的個(gè)人工作"，而是"當(dāng)上下文每天在數(shù)百次對(duì)話中碎片化時(shí)，如何讓 50 個(gè)人保持一致"。

Glean 搜索文檔，Copilot 總結(jié)你面前的內(nèi)容。但它們都不構(gòu)建記憶，都不會(huì)將三月的對(duì)話、六月的決策和九月的后果連接起來(lái)。為什么它們做不到？因?yàn)檫@是一個(gè)研究問(wèn)題，而不只是工程問(wèn)題。

讓數(shù)百萬(wàn) tokens 的組織上下文產(chǎn)生連貫意義需要新的科學(xué)。Sentra 的團(tuán)隊(duì)在 MIT 構(gòu)建了 Reflexion，現(xiàn)在他們將其擴(kuò)展為"操作強(qiáng)化"：通過(guò)維護(hù)錯(cuò)誤形成時(shí)的短期記憶，他們實(shí)現(xiàn)了實(shí)時(shí)修正，大大提高了性能。他們展示了用這種方法微調(diào)的 40 億參數(shù)模型在編碼基準(zhǔn)上與 GPT-3.5 和 GPT-4o 相匹配。他們正在將這些能力擴(kuò)展到增加上下文長(zhǎng)度、改進(jìn)時(shí)間推理，以及建模決策如何在組織中傳播。

這帶來(lái)了一個(gè)重要的護(hù)城河。隨著時(shí)間推移，Sentra 在一家公司內(nèi)運(yùn)行的每一個(gè)月，都變得更難被替換。關(guān)于這個(gè)特定組織如何溝通的學(xué)習(xí)上下文是不可導(dǎo)出的。OpenAI 在 2027 年從頭開始，對(duì)你的公司零歷史上下文。這種護(hù)城河隨著使用時(shí)間的增長(zhǎng)而加深，就像人類專家的經(jīng)驗(yàn)一樣。

從商業(yè)價(jià)值角度看，Sentra 解決的是一些非常實(shí)際的痛點(diǎn)。新員工入職時(shí)間從幾周縮短到幾天，因?yàn)?關(guān)于 X 我應(yīng)該問(wèn)誰(shuí)"有了答案。狀態(tài)更新和決策日志是自動(dòng)化的，不再需要追著人要。領(lǐng)導(dǎo)者每周得到一個(gè)關(guān)于團(tuán)隊(duì)在哪里偏離、什么需要注意的綜合報(bào)告。這些都直接轉(zhuǎn)化為成本節(jié)省和效率提升。

但更深層的價(jià)值在于，它改變了組織的能力上限。過(guò)去，公司的規(guī)模受限于創(chuàng)始人或領(lǐng)導(dǎo)者能夠直接管理的復(fù)雜度。Paul Graham 說(shuō)過(guò)"創(chuàng)始人模式"，意思是創(chuàng)始人需要深入?yún)⑴c細(xì)節(jié)。但當(dāng)公司到了幾百人規(guī)模，創(chuàng)始人不可能參與每個(gè)會(huì)議，了解每個(gè)決策。Sentra 改變了這個(gè)限制：創(chuàng)始人可以在 200 人規(guī)模保持創(chuàng)始人模式，不是因?yàn)樗麄儏⒓用總€(gè)會(huì)議，而是因?yàn)樗麄冇幸粋€(gè) agent 參加并真正理解它聽到的內(nèi)容。

組織的暗知識(shí)與決策痕跡

Sentra 觸及了一個(gè)我認(rèn)為被嚴(yán)重低估的問(wèn)題：組織的暗知識(shí)。在任何公司里，真正運(yùn)行企業(yè)的是一個(gè)缺失的層：決策痕跡。例外、覆蓋、先例和推理，這些目前存在于 Slack 線程和人們的腦海中。

一個(gè) VP 在 Zoom 上批準(zhǔn)了一個(gè)折扣。一個(gè)支持主管基于三個(gè)系統(tǒng)的綜合分析進(jìn)行升級(jí)。連接數(shù)據(jù)和行動(dòng)的推理從未被當(dāng)作數(shù)據(jù)對(duì)待。當(dāng) Sentra 捕獲這些時(shí)，先例變得可搜索。一次性例外變成了機(jī)構(gòu)知識(shí)。

想象一下這個(gè)場(chǎng)景。銷售團(tuán)隊(duì)給一個(gè)大客戶特殊折扣，這個(gè)決策在一次視頻會(huì)議中口頭批準(zhǔn)了。沒(méi)有正式文檔，沒(méi)有記錄，只有參與會(huì)議的幾個(gè)人知道。三個(gè)月后，另一個(gè)銷售代表遇到類似情況，但不知道有這個(gè)先例，要么給了不一致的答案，要么重新走一遍審批流程。這種信息不對(duì)稱每天都在發(fā)生，浪費(fèi)時(shí)間、造成不一致、降低效率。

通過(guò) Sentra，這個(gè)口頭決策被捕獲、理解并整合到組織記憶中。下次類似情況出現(xiàn)，相關(guān)的先例會(huì)自動(dòng)浮現(xiàn)。這不只是搜索，而是理解上下文、識(shí)別相似性、連接相關(guān)決策的能力。

這種能力的影響是深遠(yuǎn)的。OKR 反映實(shí)際發(fā)生的事情，而不是理想中應(yīng)該發(fā)生的事情。項(xiàng)目狀態(tài)自動(dòng)更新，因?yàn)橄到y(tǒng)理解進(jìn)展和障礙。那個(gè)默默解決三個(gè)團(tuán)隊(duì)障礙的工程師終于被看見，因?yàn)橄到y(tǒng)捕獲了他的貢獻(xiàn)。CRM 條目從對(duì)話中自動(dòng)填充，銷售代表不再需要手動(dòng)記錄每次交流。

當(dāng)有人問(wèn)"我們?yōu)槭裁催@樣做"時(shí)，有一個(gè)答案，不是猜測(cè)，而是實(shí)際的決策痕跡。這種透明度對(duì)于組織學(xué)習(xí)至關(guān)重要。只有當(dāng)你理解過(guò)去的決策邏輯時(shí)，你才能做出更好的未來(lái)決策。

結(jié)尾

也歡迎大家留言討論，分享你的觀點(diǎn)！

覺(jué)得內(nèi)容不錯(cuò)的朋友能夠幫忙右下角點(diǎn)個(gè)贊，分享一下。您的每次分享，都是在激勵(lì)我不斷產(chǎn)出更好的內(nèi)容。

歡迎關(guān)注深思圈，一起探索更大的世界。

- END -

兩個(gè)“特別坑”的AI產(chǎn)品創(chuàng)業(yè)方向，你知道嗎

速度將成為AI時(shí)代唯一的護(hù)城河

a16z重磅預(yù)測(cè)：Vibe coding贏者通吃？錯(cuò)了，垂直專業(yè)化才是未來(lái)