来自神经科学的分裂（皮层 vs 海马体）是我在解释AI代理为何在真实公司工作中失败时找到的最佳解释

有一个来自神经科学的分裂我一直在思考，认为这是AI代理在公司内部失败的真正原因。将其视为类比，而非字面主张，但它一直成立。你的大脑运行两个记忆系统（互补学习系统理论，McClelland et al. 1995）。新皮层学习缓慢，掌握一般的、世界性的知识。海马体学习快速：它捕获特定事件，然后将重复发生的事件巩固为持久、可重复使用的流程。一个预训练的LLM基本上就是新皮层。它阅读了互联网，掌握了世界的通用知识。但它没有的是海马体：那种快速的、公司特定的记忆，它能观察到你的团队去年春天实际如何处理退款，并将其转化为可重复的流程。所以，你把这个聪明的皮层放到你的公司，它即兴发挥，而即兴的自动化在生产中失败了。真正的流程从来不在帮助文档里。它存在于你团队的对话中、几个人的脑子里，以及一个现在每个人都悄悄复制的例外情况。这也解释了为什么常规工具无法修复它。检索和搜索只是海马体的一半：它们回忆文档，但不将分散的事件整合成真正的流程，而且文档往往自信地错误。代理平台让你在他们的技术栈上运行他们的代理。我一直在思考的解决方案版本：以只读方式连接团队已经在使用的工具，挖掘工作实际如何发生（包括没人写下的例外情况），并将重复事件整合为有引用、经人类批准、版本化的“技能”，现有代理可以通过MCP运行，对任何敏感内容进行人类签字。治理（引用、审批、审计跟踪）必须成为重点，因为“你的AI发起了退款，谁授权的？”是让人突然停下的问题。我希望能得到反驳：* 对你来说，“代理不了解我们的实际流程”是真正的障碍吗，还是其他原因（信任、安全、工作不够重复）？* 你会为了实现这一点而连接团队对话和文档的只读访问吗，还是坚决不？* 如果你已经部署了代理在真实工作流上，是什么让它们足够可信而被启用？真心希望你们中的一些人告诉我哪里出了问题。