A Asana construiu agentes de IA que partilham memória em toda a sua empresa, com um muro à volta dos segredos

Pontos principais

• A Asana lançou a Agentic Work Management (AWM), um sistema em que agentes de IA trabalham como colegas partilhados em toda a empresa, em vez de funcionarem como assistentes pessoais ligados a um único utilizador.
• A AWM é construída sobre a Work Graph da Asana, uma base de dados de 18 anos que liga tarefas individuais aos objetivos da empresa num único registo partilhado.
• FedEx e CoreWeave estão entre os primeiros clientes empresariais que já executam AWM em produção.
• A Asana desenvolveu controlos de acesso para que um agente de IA não possa transmitir conhecimento de um projeto confidencial a um funcionário que não tenha permissão para o ver.
• A AWM cobra um preço fixo por tarefa, para que as empresas possam prever custos, mesmo quando algumas tarefas exigem muito mais poder computacional de IA do que outras.

A maioria dos assistentes de IA tem um grave problema de memória. Peça a um chatbot para redigir um plano de marketing, e ele obedecerá. Peça ao mesmo chatbot na manhã seguinte o que aprendeu com o trabalho de ontem, ou o que o seu colega lhe pediu há uma hora, e ele fica em branco. Cada conversa começa do zero.

A resposta da Asana é um produto que chama Agentic Work Management, ou AWM. A empresa de software de gestão de projetos revelou como funciona na conferência VB Transform 2026, numa apresentação divulgada pela primeira vez pela VentureBeat.

Como funciona realmente a AWM?

A AWM trata agentes de IA, software que pode executar tarefas de múltiplos passos de forma autónoma, como membros permanentes de uma equipa e não como auxiliares temporários. A chave está na Work Graph, uma base de dados que a Asana constrói há 18 anos e que liga cada tarefa a um projeto, cada projeto a um portfólio, e cada portfólio a um objetivo da empresa.

Quando um agente de IA dentro da AWM completa uma tarefa, não se limita a devolver uma resposta e desaparecer. O sistema regista o que aconteceu, se o trabalho fez avançar o projeto, e como afetou objetivos de nível superior. Esse registo torna-se parte de uma memória partilhada na qual qualquer colega humano ou de IA da empresa pode depois basear-se.

"Está a funcionar a partir desse registo partilhado para toda a empresa", disse Arnab Bose, diretor de produto da Asana, no evento.

O que impede a IA de vazar informações confidenciais?

A memória partilhada cria um risco óbvio. Um executivo que usa o agente de IA para planear uma aquisição secreta ensinou ao agente algo sensível. Se um funcionário mais jovem posteriormente pedir ajuda ao mesmo agente, a Asana precisa de garantir que o agente não revela acidentalmente o que sabe.

A Asana desenvolveu um conjunto de controlos de acesso que determinam quando o sistema cria uma memória versus quando simplesmente executa uma tarefa. O agente verifica se a pessoa que faz o pedido tem permissão para ver o projeto que originalmente gerou o conhecimento relevante. Se não tiver, esse conhecimento permanece invisível para ela.

Bose foi claro: se usou a IA para construir fluxos de trabalho para um projeto de fusão confidencial, um colega sem acesso a esse projeto não deveria conseguir aproveitar o que a IA aprendeu lá.

O sistema também lida automaticamente com a seleção de modelos. Um modelo de linguagem grande, a tecnologia por trás de chatbots como ChatGPT e Claude, vem em diferentes tamanhos. Os modelos maiores pensam mais profundamente mas custam mais. A AWM lê a complexidade de cada tarefa e encaminha-a para o modelo certo sem o utilizador precisar de escolher. As tarefas simples vão para modelos mais rápidos e baratos. As complexas vão para opções mais pesadas como o Claude Opus da Anthropic ou os modelos da OpenAI. O preço é fixo por tarefa, independentemente, para que as empresas possam fazer orçamentos de forma previsível.

Como é isto na prática?

Na CoreWeave, uma empresa de computação em nuvem, os gestores de produto tinham de preencher formulários detalhados à mão sempre que lançavam um novo produto. Os revisores humanos liam esses formulários e atribuíam manualmente tarefas às equipas de finanças, marketing e hardware.

Com a AWM, um gestor de produto escreve um documento padrão. Uma IA lê-o, constrói a estrutura do projeto e atribui tarefas. Um agente monitoriza o progresso geral e assinala atrasos. Outro prevê custos de infraestrutura e assinala quando os números saem fora das normas históricas. As pessoas reveem os resultados da IA e tomam as decisões que importam.

O trabalho rotineiro passa para a máquina. O julgamento fica com o ser humano.

Deverão os trabalhadores estar preocupados em serem substituídos?

Bose enquadrou a AWM como uma ferramenta que lida com a coordenação rotineira para que as pessoas se possam concentrar em decisões que exigem julgamento real. O exemplo CoreWeave corrobora isto: os humanos continuam a aprovar custos e a avaliar as recomendações da IA.

A tensão honesta é que empresas como a Anthropic e a OpenAI, que fornecem os modelos subjacentes que alimentam a AWM, também estão a construir os seus próprios produtos de agentes que competem diretamente com a Asana. Bose reconheceu-o. O seu argumento é que 18 anos de dados de fluxo de trabalho e processos pré-construídos para indústrias específicas dão à AWM algo que um modelo de IA bruto não consegue replicar rapidamente.

Fique atento a: Se a sua empresa começar a usar um agente de IA ligado a dados partilhados da empresa, pergunte à sua equipa de TI como funcionam os controlos de acesso. Um sistema bem construído limitará o que o agente lhe pode dizer com base no que está autorizado a ver. Se ninguém conseguir responder claramente a essa pergunta, as proteções podem ainda não estar implementadas.