Coworker OM2：给企业 AI 一块会持续改写的组织记忆
每次会话从零拼公司上下文，又慢又贵。OM2 想当「组织记忆层」：连上工具就开始学，检索时只走已经硬化过的路径。
2026 年 9 月 3 日，Coworker AI 介绍 OM2（Organizational Memory）。写给已经在 Claude / ChatGPT / 自建 agent 上跑业务的公司：模型本身不懂你的组织，靠 MCP 临时灌上下文，或靠向量 RAG / 传统知识图谱，都会烧大量 token，还容易漏权限和「没出现」这类信号。
他们怎么测
官方把 Claude + OM2 MCP，和 Claude + 现成原生连接器对比，固定 agent 外壳，只换上下文层。题目来自真实客户工作负载，共 114 题、七类业务，接 Google Drive、Gmail、日历、HubSpot、GitHub、Jira、Slack、Notion、Stripe 等。质量用盲测人类两两偏好。
- 成本：OM2 侧便宜约 66%；叠加 Coworker Learning 后检索类可到约 89% 更便宜。
- 速度：约 20% 更快；学习打开后检索类约 64% 更快。
- 质量偏好：约 84.5% 更偏向 OM2 答案。
文中写的「约 9 倍更便宜、64% 更快」对应这套对比口径；若再加他们的 Optimized Routing，成本节省数字会再往上写——那是另一层路由，不是 OM2 单独做到的。
落地方式
接 MCP 或 API，可在 Claude、ChatGPT、Gemini、Perplexity 或自定义 agent 里用。权限随源系统走，答案可追溯。数据单租户 / VPC，SOC 2 Type 2、GDPR、CASA Tier 2。文中提到已服务 300+ 公司，客户包括 Harness、RapidSOS、Harri、Column。
主要依据 Coworker 官方博文 Introducing OM2: Organizational Memory for AI（2026-09-03）。文中成本 / 速度 / 偏好数字均来自该文公布的基准说明。