公司的资料都给了AI，为什么它还是不懂业务？丨ANC再认识业务上下文
公司把业务资料交给AI以后，员工仍然经常需要补充：“这个时间客户已经确认了”“这次来的人不一样”“上次能那么做，是因为他们有基础”。AI找到了可以参考的资料，但与当前项目有关的情况还散在沟通记录和员工经验里。等员工把这些情况补上，原先的安排又得调整。
一｜同一份好方案，换一批人就不合适了
设想一家为企业组织岗位培训的服务公司。客户把培训交给它，希望从课程安排、讲师协调到课后补学，都有人跟进，直到约定的培训完成。持续组织这些工作，是这家公司赢得客户、获得收入的主要方式。
为了让AI参与这些工作，公司整理了课程介绍、讲师资料、项目操作说明和以往方案。眼前要为一批门店员工安排培训，AI很快找出一份曾经获得客户认可的销售情景演练方案，照着提出了课程安排。
项目负责人看完却发现，这次来的是刚入职的新人，连产品基础都还没学完，直接演练销售场景，很难跟上。而且，客户已确认培训要分批进行，配合门店的工作时间，也不能直接采用旧方案的集中安排。
这些情况，负责人在此前的项目沟通中已经了解，但相关记录没有与AI这次使用的材料联系起来。旧项目总结也只写了演练受到认可，没有交代参训员工当时已有产品基础，可以直接练习怎样回应顾客。
于是，负责人又把新人的学习情况、客户确认的时间，以及旧方案当时为什么适用，重新讲了一遍。那份方案本身没有问题，缺的是判断它能否用在这次培训上的依据。
二｜知道这些情况以后，培训才能往下安排
补充说明以后，AI重新核对课程的前置要求。情景演练需要员工先掌握产品特点和基本使用方法，它便把基础学习排在前面，再按照客户确认的分批时间，查找能够配合的讲师。旧方案中的演练方式，留到员工具备相应基础以后采用。课程和时间确认后，它继续联系讲师、通知参训员工，并把确认的安排记入项目记录。
这里把AI处理一项业务时需要理解的相关情况，以及这些情况之间的关系，称为“业务上下文”。一份课程介绍说明教什么；联系到当前项目，还要知道谁来学、已经学过什么，以及客户确认了怎样的安排。历史方案也要带着当时的条件一起理解，才有参考价值。
培训开始后，这些情况还会变化。第一轮基础课结束，讲师反馈：员工已经熟悉产品特点，但对使用中的常见问题仍然不清楚。AI准备后续课程时，就应读到这项反馈，继续向讲师核实需要补学的内容，在客户已确认的时间内协调补学，再根据讲师后续评价安排演练。
在这家公司，从课程协调到后续补学，主要由AI根据项目进展推进，讲师负责授课和专业评价。这正是我们所说的AI Native Company：
AI Native Company，是以AI Agency为主力实现核心价值创造的公司。
Agency要继续组织这项培训，就需要查到已经完成的课程。如果它下次再看这个项目，仍然只知道“新人尚未完成基础学习”，就会依据已经过时的情况重新安排。最初补上的说明，需要随着培训进展一起更新。
我们之前的文章「企业给AI设定目标以后，为什么还必须让它得到业务反馈？丨ANC重新理解AI原生建设」解释过，AI需要根据行动后的变化决定下一步。在这次培训中，讲师确认了哪些内容已经掌握，便会影响后续还要教什么。
公司可以通过知识库、项目系统和工具，让Agency找到这些记录；遇到不清楚的地方，它也可以主动询问、核实，并把得到的确认保存下来。员工不必在每次排课前重新准备一整套背景。需要观察的是，后续安排是否更符合这批员工的情况，是否减少了无效重排，培训能否顺利继续。
三｜从员工反复解释的地方着手
管理者可以请项目负责人回看最近几次对AI的补充。哪句话一说，安排就明显不同了？沿着这句话去找，通常更容易看清接下来该改什么。
比如，“这批新人还没学完产品基础”，就应该放在当前项目的学习记录里，并标明哪些内容待完成。Agency准备课程时就能查到这批员工学到了哪里。课程结束后，再根据实际学习情况更新这项记录，负责人便不用一直重复介绍这批人。
对于“客户已经确认过这个时间”，要让AI查到对应的确认记录。公司可以把客户确认的安排与相应项目放在一起，让Agency在排课和联系讲师前查询。以后客户确认了新的时间，也要更新当前安排，不能让几份先后不同的记录同时被当成有效要求。
历史方案需要补的又是另一件事。项目负责人当初为什么判断可以直接演练？把“参训员工已有产品基础”写进方案的适用说明，以后AI找到它时，就有依据继续核对这次的员工是否具备同样条件。只保留“客户满意”这个结论，下一次仍然需要有人解释原因。
回看时也要注意：如果相关信息当时已经提供给AI，它仍然理解或判断错误，就要检查它怎样使用了这些信息，不能把重复添加同类资料当作解决办法。
改动有没有用，可以在下一次安排中看见。Agency是否自己查到了最新进展，负责人是否少解释了一遍，课程安排是否减少了返工。员工因此省下的跟进和返工时间，也是公司评估这项改进是否值得保留的依据。
ANC视角
企业要让AI做好业务，就要让它在处理具体事情时，能够获得当下的业务情况、已经作出的承诺，以及过去经验适用的条件，并随着业务变化持续更新这些信息。
当Agency成为日常业务的主力，项目情况的记录和更新也要成为公司的日常工作。业务人员作出确认、讲师补充学习评价以后，这些信息应当能被Agency及时查询和使用。
写在最后
员工这次补上的情况，能在下一次业务中继续派上用场，改进才真正留下来了。
来源与限制
- Anthropic于2025年9月29日发布的《Effective context engineering for AI agents》讨论了Agent在运行时按需取得相关信息，以及通过持续记录保留长期任务进展。本文仅引用这些技术背景；上述厂商工程经验不能证明培训服务的实际效果。
- 文中的企业培训服务公司、历史方案、新员工项目和后续补学均为综合设想，不对应真实企业或产品。通过员工补充发现信息缺口、保留经验适用条件并持续更新项目记录，是ANC提出的企业实践判断。
- 信息充分不保证AI判断正确，也不保证培训效果或经营收益改善。本文提供发现和改进业务信息缺口的思路，仍需观察实际培训安排和返工情况，并结合服务成本与客户认可评估效果，不构成完整技术实施方法。
感谢你看到最后，如果你觉得有启发，随手点个赞、在看、转发吧，如果想第一时间收到推送，也可以给我加个星标⭐我们下期见。
我是「AioGeoLab」主理人塔迪Tardi，AioGeoLab是深度洞察AI第一性原理和应用实践的前瞻性研究实验室，目前有两个主要研究方向：
「塔迪AI工程系列」FDE落地工程、ANC：AI Native Company未来公司系列、GEO、AI判断工程。
「塔迪硅基禅心」是传统东方智慧、未来AI前沿、当下应用实践，深层共鸣的探索。不是用AI解读经典，也不是用经典指导AI。 这是一场跨越2500年的对话，在算法与古老智慧之间，照见意识、智能与存在的本质。
塔迪的微信 - tardyai2025。