Asana создала ИИ-агентов, которые обмениваются памятью по всей компании, но защищают конфиденциальную информацию
Новая система компании по управлению проектами позволяет ИИ-коллегам учиться на основе каждой задачи, которую они выполняют, но препятствует передаче конфиденциальной информации людям, которые не должны её видеть.
Ключевые моменты
- Asana запустила Agentic Work Management (AWM) — систему, где ИИ-агенты работают как общие члены команды по всей компании, а не как персональные помощники одного пользователя.
- AWM построена на базе данных Work Graph компании Asana, которой 18 лет, она связывает отдельные задачи с целями компании в единый общий реестр.
- FedEx и CoreWeave — среди ранних корпоративных клиентов, которые уже запустили AWM в боевом режиме.
- Asana разработала механизмы контроля доступа, которые предотвращают передачу ИИ-агентом информации из конфиденциального проекта сотруднику, не имеющему прав на просмотр этого проекта.
- AWM взимает фиксированную плату за задачу, что позволяет компаниям предсказывать расходы, даже когда некоторые задачи требуют значительно больше вычислительных ресурсов ИИ, чем другие.
Большинство ИИ-помощников страдают от серьёзных проблем с памятью. Попросите чатбот составить план маркетинга — он сделает это. Спросите того же чатбота на следующее утро, что он узнал из вчерашней работы или что попросил у него коллега час назад — и он не вспомнит ничего. Каждый разговор начинается с нуля.
Asana предложила своё решение — продукт под названием Agentic Work Management, или AWM. Компания по управлению проектами представила, как это работает, на конференции VB Transform 2026, и об этом первым рассказал VentureBeat.
Как именно работает AWM?
AWM рассматривает ИИ-агентов, программное обеспечение, которое может выполнять многоэтапные задачи самостоятельно, как постоянных членов команды, а не как временные помощники. Ключевым элементом является Work Graph — база данных, которую Asana разработала за 18 лет и которая связывает каждую задачу с проектом, каждый проект с портфелем, а каждый портфель с целью компании.
Когда ИИ-агент внутри AWM завершает задачу, он не просто возвращает ответ и исчезает. Система записывает, что произошло, продвинула ли работа проект вперёд и как это повлияло на высокоуровневые цели. Эта запись становится частью общей памяти, на которую позже могут опираться любые коллеги — люди или ИИ.
«Это работает на основе единого реестра для всей компании», — сказал на мероприятии главный менеджер по продуктам Asana Arnab Bose.
Что препятствует утечке конфиденциальной информации?
Общая память создаёт очевидный риск. Руководитель, который использует ИИ-агента для планирования секретного поглощения компании, обучает этого агента чему-то конфиденциальному. Если позже младший сотрудник попросит помощь у того же агента, Asana должна убедиться, что агент случайно не раскроет то, что он знает.
Asana разработала набор механизмов контроля доступа, которые определяют, когда система создаёт память, а когда просто выполняет задачу. Агент проверяет, имеет ли человек, делающий запрос, право доступа к проекту, который изначально создал соответствующие знания. Если нет, эти знания остаются для него невидимыми.
Bose выразился ясно: если вы использовали ИИ для построения рабочих процессов по конфиденциальному проекту слияния, коллега без доступа к этому проекту не должен иметь возможность использовать то, чему ИИ там научился.
Система также автоматически выбирает модель. Большая языковая модель, технология, лежащая в основе чатботов типа ChatGPT и Claude, имеет разные размеры. Большие модели думают глубже, но стоят дороже. AWM читает сложность каждой задачи и маршрутизирует её к нужной модели без участия пользователя. Простые задачи идут на более быстрые и дешёвые модели. Сложные — на более мощные варианты, такие как Claude Opus от Anthropic или модели от OpenAI. Стоимость фиксирована за задачу, поэтому компании могут планировать бюджет предсказуемо.
Как это выглядит на практике?
В CoreWeave, компании облачных вычислений, менеджеры продукта раньше вручную заполняли подробные формы всякий раз, когда запускали новый продукт. Люди-рецензенты читали эти формы и вручную назначали задачи финансовым, маркетинговым и аппаратным командам.
Благодаря AWM менеджер продукта пишет стандартный документ. ИИ его читает, строит структуру проекта и распределяет задачи. Один агент отслеживает общий прогресс и выявляет задержки. Другой прогнозирует затраты на инфраструктуру и предупреждает, когда числа выходят за исторические пределы. Люди проверяют результаты работы ИИ и принимают важные решения.
Рутинная работа переходит к машине. Суждение остаётся за человеком.
Должны ли работники беспокоиться о замене?
Bose рассматривает AWM как инструмент, который берёт на себя рутинную координацию, чтобы люди могли сосредоточиться на решениях, требующих настоящего суждения. Пример с CoreWeave это подтверждает: люди по-прежнему одобряют расходы и оценивают рекомендации ИИ.
Честное противоречие в том, что компании вроде Anthropic и OpenAI, которые поставляют базовые модели, питающие AWM, также создают свои собственные продукты агентов, прямо конкурирующие с Asana. Bose это признал. Его аргумент заключается в том, что 18 лет данных о рабочих процессах и предварительно построенные процессы для конкретных отраслей дают AWM то, что сырая ИИ-модель не сможет быстро воспроизвести.
На что обратить внимание: Если ваша компания начинает использовать ИИ-агента, подключённого к общим данным компании, спросите свою ИТ-команду, как работает контроль доступа. Хорошо построенная система ограничит, что агент может вам рассказать, на основе того, что вам разрешено видеть. Если никто не может чётко ответить на этот вопрос, ограничения могут ещё не быть установлены.
