Asana ने AI एजेंट बनाए जो आपकी पूरी कंपनी में मेमोरी साझा करते हैं, लेकिन गोपनीय जानकारी सुरक्षित रखते हैं
इस प्रोजेक्ट-मैनेजमेंट कंपनी की नई प्रणाली AI टीम के साथियों को हर काम से सीखने देती है, लेकिन उन्हें गोपनीय जानकारी उन लोगों तक पहुंचाने से रोकती है जिन्हें इसे देखने की अनुमति नहीं है।
मुख्य बिंदु
- Asana ने एजेंटिक वर्क मैनेजमेंट (AWM) लॉन्च किया, एक ऐसी प्रणाली जहां AI एजेंट एक ही उपयोगकर्ता से जुड़े व्यक्तिगत सहायकों की बजाय पूरी कंपनी के साझा टीम के सदस्य के रूप में काम करते हैं।
- AWM को Asana के 18 साल पुराने Work Graph डेटाबेस पर बनाया गया है, जो व्यक्तिगत कार्यों को कंपनी-व्यापी लक्ष्यों से एक साझा बहीखाते में जोड़ता है।
- FedEx और CoreWeave जल्दी अपनाने वाली एंटरप्राइज कंपनियों में से हैं जो पहले से ही AWM का उत्पादन में उपयोग कर रही हैं।
- Asana ने एक्सेस कंट्रोल इंजीनियर किए हैं ताकि AI एजेंट एक गोपनीय प्रोजेक्ट से ज्ञान को ऐसे कर्मचारी तक न पहुंचा सके जिसके पास उस प्रोजेक्ट को देखने की अनुमति नहीं है।
- AWM प्रति कार्य एक निश्चित मूल्य लेता है ताकि कंपनियां लागत का पूर्वानुमान लगा सकें, भले ही कुछ कार्यों के लिए अन्य की तुलना में कहीं अधिक AI कंप्यूटिंग शक्ति की आवश्यकता हो।
अधिकांश AI सहायकों को एक गंभीर मेमोरी समस्या है। एक चैटबॉट को मार्केटिंग योजना तैयार करने के लिए कहें, और यह मान जाएगा। उसी चैटबॉट से अगली सुबह पूछें कि यह कल के काम से क्या सीखा है, या आपके सहकर्मी ने इसे एक घंटे पहले क्या कहा है, तो यह खाली हो जाता है। हर बातचीत शून्य से शुरू होती है।
Asana का जवाब एक उत्पाद है जिसे वह एजेंटिक वर्क मैनेजमेंट, या AWM कहता है। प्रोजेक्ट-मैनेजमेंट सॉफ्टवेयर कंपनी ने VB Transform 2026 सम्मेलन में इसके बारे में बताया, एक बातचीत पहले VentureBeat द्वारा रिपोर्ट की गई थी।
AWM वास्तव में कैसे काम करता है?
AWM AI एजेंटों को, ऐसा सॉफ्टवेयर जो बहु-चरणीय कार्य स्वयं निष्पादित कर सकता है, एक टीम के स्थायी सदस्यों के रूप में मानता है न कि अस्थायी सहायकों के रूप में। महत्वपूर्ण बात यह है कि Work Graph, एक डेटाबेस जो Asana 18 वर्षों से बना रहा है जो हर कार्य को एक प्रोजेक्ट से, हर प्रोजेक्ट को एक पोर्टफोलियो से, और हर पोर्टफोलियो को एक कंपनी के लक्ष्य से जोड़ता है।
जब AWM के अंदर एक AI एजेंट एक कार्य पूरा करता है, तो यह केवल एक उत्तर लौटाता है और गायब नहीं हो जाता है। सिस्टम यह रिकॉर्ड करता है कि क्या हुआ, क्या काम ने प्रोजेक्ट को आगे बढ़ाया, और इसने उच्च-स्तरीय लक्ष्यों को कैसे प्रभावित किया। यह रिकॉर्ड एक साझा मेमोरी का हिस्सा बन जाता है जिस पर कंपनी का कोई भी मानव या AI टीम मेट बाद में आकर सकता है।
"यह पूरी कंपनी के लिए उस साझा बहीखाते से काम कर रहा है," Asana के मुख्य उत्पाद अधिकारी अर्णब बोस ने इस आयोजन में कहा।
AI को गोपनीय जानकारी लीक करने से क्या रोकता है?
साझा मेमोरी एक स्पष्ट जोखिम बनाती है। एक कार्यकारी जो एक गुप्त अधिग्रहण की योजना बनाने के लिए AI एजेंट का उपयोग करता है वह एजेंट को कुछ संवेदनशील सिखाया है। यदि कोई कनिष्ठ कर्मचारी बाद में उसी एजेंट से मदद मांगता है, तो Asana को यह सुनिश्चित करना होगा कि एजेंट गलती से क्या जानता है यह न बताए।
Asana ने एक्सेस कंट्रोल का एक सेट इंजीनियर किया है जो शासन करता है कि सिस्टम कब एक मेमोरी बनाता है बनाम जब यह केवल एक कार्य निष्पादित करता है। एजेंट जांचता है कि अनुरोध करने वाले व्यक्ति को उस प्रोजेक्ट को देखने की अनुमति है या नहीं जिसने प्रासंगिक ज्ञान उत्पन्न किया था। यदि वह नहीं है, तो वह ज्ञान उनके लिए अदृश्य रहता है।
बोस ने स्पष्ट रूप से कहा: यदि आपने एक गोपनीय विलय प्रोजेक्ट के लिए वर्कफ़्लो बनाने के लिए AI का उपयोग किया, तो उस प्रोजेक्ट तक पहुंच नहीं रखने वाले सहकर्मी को AI ने वहां क्या सीखा इससे लाभ नहीं उठाना चाहिए।
सिस्टम स्वचालित रूप से मॉडल चयन को भी संभालता है। एक बड़ा भाषा मॉडल, ChatGPT और Claude जैसे चैटबॉट के पीछे की प्रौद्योगिकी, विभिन्न आकारों में आता है। बड़े मॉडल अधिक कठोर सोचते हैं लेकिन अधिक खर्च करते हैं। AWM प्रत्येक कार्य की जटिलता को पढ़ता है और उपयोगकर्ता को चुनने की आवश्यकता के बिना इसे सही मॉडल में भेजता है। सरल कार्य तेज़, सस्ते मॉडल में जाते हैं। जटिल लोग Anthropic के Claude Opus या OpenAI के मॉडल जैसे भारी विकल्पों में जाते हैं। मूल्य निर्धारण प्रति कार्य निश्चित है चाहे कोई भी हो, इसलिए कंपनियां भविष्य कथन के साथ बजट बना सकती हैं।
व्यवहार में यह कैसा दिखता है?
CoreWeave में, एक क्लाउड कंप्यूटिंग कंपनी, उत्पाद प्रबंधकों को जब भी वह एक नया उत्पाद लॉन्च करते थे तो विस्तृत फॉर्म हाथ से भरने होते थे। मानव समीक्षकों ने उन फॉर्मों को पढ़ते थे और मैनुअल रूप से वित्त, विपणन और हार्डवेयर टीमों को कार्य सौंपते थे।
AWM के तहत, एक उत्पाद प्रबंधक एक मानक दस्तावेज़ लिखता है। एक AI इसे पढ़ता है, प्रोजेक्ट संरचना बनाता है, और कार्य सौंपता है। एक एजेंट समग्र प्रगति की निगरानी करता है और देरी को चिह्नित करता है। दूसरा आधारभूत ढांचे की लागत का पूर्वानुमान लगाता है और जब संख्याएं ऐतिहासिक मानदंडों से बाहर गिरती हैं तो चेतावनी देता है। लोग AI के आउटपुट की समीक्षा करते हैं और ऐसे निर्णय लेते हैं जो महत्वपूर्ण होते हैं।
बिजी काम मशीन की ओर चला जाता है। निर्णय मानव के साथ रहता है।
क्या कर्मचारियों को प्रतिस्थापन के बारे में चिंता करनी चाहिए?
बोस ने AWM को एक ऐसे उपकरण के रूप में प्रस्तुत किया जो दिनचर्या समन्वय को संभालता है ताकि लोग उन निर्णयों पर ध्यान केंद्र कर सकें जिनमें वास्तविक सत्र की आवश्यकता है। CoreWeave का उदाहरण इसका समर्थन करता है: मनुष्य अभी भी लागतों को मंजूरी देते हैं और AI की सिफारिशों का मूल्यांकन करते हैं।
ईमानदार तनाव यह है कि Anthropic और OpenAI जैसी कंपनियां, जो AWM को शक्ति देने वाले अंतर्निहित मॉडल की आपूर्ति करती हैं, अपने स्वयं के एजेंट उत्पाद भी बना रहीं हैं जो सीधे Asana से प्रतिस्पर्धा करते हैं। बोस ने इसे स्वीकार किया। उनका तर्क है कि 18 वर्षों के वर्कफ़्लो डेटा और विशिष्ट उद्योगों के लिए पूर्व-निर्मित प्रक्रियाएं AWM को कुछ ऐसा देती हैं जो कच्चा AI मॉडल जल्दी से दोहरा नहीं सकता।
देखने के लिए: यदि आपकी कंपनी साझा कंपनी डेटा से जुड़े AI एजेंट का उपयोग करना शुरू करती है, तो अपनी IT टीम से पूछें कि एक्सेस कंट्रोल कैसे काम करते हैं। एक अच्छी तरह से निर्मित सिस्टम सीमित करेगा कि एजेंट आपको क्या बता सकता है इस बात के आधार पर कि आप क्या देखने के लिए अधिकृत हैं। यदि कोई भी इस प्रश्न का स्पष्ट रूप से उत्तर नहीं दे सकता, तो सुरक्षा अभी तक पूरी तरह से लागू नहीं की गई हो सकती हैं।
