Asana створила AI-агентів, які діляться пам'яттю в межах всієї компанії, з захистом секретів

Ключові моменти

• Asana запустила Agentic Work Management (AWM) — систему, в якій AI-агенти працюють як спільні товариші в межах всієї компанії, а не як персональні помічники одного користувача.
• AWM побудована на базі даних Work Graph, яку Asana розробляє 18 років, вона пов'язує окремі завдання з цілями компанії в єдиному спільному реєстрі.
• FedEx та CoreWeave серед ранніх корпоративних клієнтів, які вже запустили AWM в боевом режимі.
• Asana розробила контроль доступу, щоб AI-агент не міг передавати знання з конфіденційного проекту співробітнику, який не має дозволу переглядати цей проект.
• AWM стягує фіксовану ціну за завдання, що дозволяє компаніям передбачити витрати, навіть якщо деякі завдання потребують значно більше обчислювальної потужності.

Більшість AI-помічників мають серйозну проблему з пам'яттю. Попросіть чатбот скласти маркетинговий план, і він це зробить. Попросіть наступного дня той же чатбот розповісти, що він дізнався з вчорашньої роботи, або що запитував ваш колега годину тому — і він нічого не пам'ятає. Кожна розмова починається з нуля.

Відповідь Asana — продукт під назвою Agentic Work Management, або AWM. Компанія з розробки програмного забезпечення для управління проектами представила, як це працює, на конференції VB Transform 2026, на доповіді, про яку першим повідомив VentureBeat.

Як насправді працює AWM?

AWM розглядає AI-агентів — програмне забезпечення, що може самостійно виконувати багатоетапні завдання — як постійних членів команди, а не як тимчасових помічників. Ключ — це Work Graph, база даних, яку Asana розробляє 18 років, що з'єднує кожне завдання з проектом, кожен проект з портфелем та кожен портфель з метою компанії.

Коли AI-агент усередині AWM завершує завдання, він не просто повертає відповідь і зникає. Система записує, що сталося, чи просунула робота проект вперед та як це вплинуло на вищі цілі. Цей запис стає частиною спільної пам'яті, до якої пізніше можуть звернутися будь-які людські чи AI-товариші в компанії.

«Це працює на базі цього спільного реєстру для всієї компанії», — сказав на заході головний науковець продуктів Asana Арнаб Бос.

Що попереджає витік конфіденційної інформації?

Спільна пам'ять створює очевидний ризик. Керівник, який використав AI-агента для планування таємної поглинання, вчив цього агента чомусь чутливому. Якщо пізніше молодший співробітник попросить того ж агента про допомогу, Asana повинна переконатися, що агент випадково не розкриє те, що він знає.

Asana розробила набір елементів керування доступом, які керують тим, коли система створює пам'ять, а коли вона просто виконує завдання. Агент перевіряє, чи має особа, яка подає запит, дозвіл переглядати проект, який спочатку генерував відповідне знання. Якщо немає, це знання залишається для них невидимим.

Бос виразив це ясно: якщо ви використали AI для побудови робочих потоків для конфіденційного проекту злиття, колега без доступу до цього проекту не повинен мати змогу скористатися тим, що дізнався AI.

Система також автоматично обирає модель. Велика мовна модель, технологія, що лежить в основі чатботів, як ChatGPT і Claude, розповсюджується різних розмірів. Більші моделі думають глибше, але коштують дорожче. AWM читає складність кожного завдання та маршрутизує його до правильної моделі без необхідності вибору користувачем. Прості завдання йдуть до швидших, дешевших моделей. Складні йдуть до більш потужних варіантів, як Claude Opus від Anthropic або моделі OpenAI. Ціна фіксована за завдання, тому компанії можуть передбачити бюджет.

Як це виглядає на практиці?

У CoreWeave, компанії хмарних обчислень, менеджери продуктів раніше вручну заповнювали детальні форми кожного разу, коли запускали новий продукт. Людські рецензенти читали ці форми та вручну призначали завдання фінансовим, маркетинговим та апаратним командам.

За AWM менеджер продукту пише стандартний документ. AI читає його, будує структуру проекту та призначає завдання. Один агент контролює загальний прогрес і позначає затримки. Інший прогнозує витрати на інфраструктуру та позначає, коли цифри виходять за межі історичних норм. Люди переглядають результати AI і приймають рішення, які мають значення.

Рутинна робота переходить до машини. Судження залишається з людиною.

Чи повинні працівники хвилюватися про заміну?

Бос представив AWM як інструмент, який обробляє звичайну координацію, щоб люди могли зосередитися на рішеннях, які потребують реального судження. Приклад CoreWeave це підтримує: люди все ще затверджують витрати та оцінюють рекомендації AI.

Чесна напруга полягає в тому, що компанії, як Anthropic і OpenAI, які постачають базові моделі, які живлять AWM, також розробляють власні продукти агентів, які безпосередньо конкурують з Asana. Бос це визнав. Його аргумент полягає в тому, що 18 років даних робочих потоків та попередньо розроблені процеси для конкретних галузей дають AWM щось, що чиста AI-модель не може швидко повторити.

Спостерігайте: Якщо ваша компанія почне використовувати AI-агента, підключеного до спільних даних компанії, запитайте вашу IT-команду, як працює контроль доступу. Добре побудована система обмежить те, що агент може вам розповісти, на основі того, що вам дозволено переглядати. Якщо ніхто не може чітко відповісти на це питання, запобіжники можуть ще не бути встановлені.