Agentes de IA diseñados para equipos: contexto compartido y transparencia en la IA empresarial

La brecha en la Responsabilidad

Los agentes de IA empresarial son sistemas de IA que pueden realizar acciones dentro de los flujos de trabajo compartidos entre equipos y proyectos. Este panorama ha crecido rápidamente a medida que una lista cada vez mayor de plataformas ha lanzado sus propias versiones de asistencia de IA que afectan al contenido compartido del equipo.

La mayoría de las organizaciones todavía no pueden superar las pruebas piloto. El informe de Camunda sobre el estado de la orquestación y automatización agentiva de 2026 reveló que solo el 11 % de los casos de uso de IA agentiva han llegado a la producción, y el 73 % de las organizaciones informaron una brecha entre sus ambiciones de IA y la realidad. Un estudio separado de Dynatrace reveló que la mitad de todos los proyectos de IA se quedaron en la etapa de concepto o piloto. La principal barrera en ambos casos: la confianza.

Los modelos son notablemente capaces, pero el cuello de botella es la Responsabilidad. Cuando un agente de IA actúa sobre el trabajo compartido que afecta a varias personas, todos los involucrados deben saber qué hizo, por qué y dentro de qué límites. La mayoría de las herramientas de IA actuales no responden a estas preguntas, ya que no facilitan ver qué hizo la IA ni por qué. Las acciones ocurren en cadenas privadas o detrás de interfaces donde la participación de la IA es invisible. Cuando algo sale mal (y con los sistemas probabilísticos, algo saldrá mal), no hay rastro que seguir.

Creamos a los compañeros de equipo de IA sobre una premisa que surgió directamente de nuestra historia. Durante más de una década, Asana ha estado desarrollando el gráfico de trabajo: una representación estructurada de quién hace qué, para cuándo, con qué objetivos y en coordinación con quién. Los principios que lo sustentan (visibilidad compartida, responsabilidad clara, acceso basado en permisos, comunicación estructurada) se diseñaron para que la colaboración humana sea eficaz. Esos mismos principios resultaron ser exactamente lo que se necesita para que la colaboración con la IA sea confiable.

Construir sobre lo que ya funcionó

La mayoría de los productos de agentes de IA parten del modelo y trabajan hacia afuera: esto es lo que la IA puede hacer, ahora veamos cómo encaja en tu flujo de trabajo. Nosotros comenzamos desde la dirección opuesta. Asana ya tenía opiniones firmes, integradas en el producto a lo largo de años de iteración, sobre cómo lograr estructura, responsabilidad y colaboración sin esfuerzo en el trabajo compartido.

El gráfico de trabajo codifica todo esto. Cada tarea, proyecto, objetivo y conversación existe dentro de una red de relaciones: quién es el responsable, quién colabora, a qué contribuye, qué depende de ello. Cuando los equipos usan Asana, están continuamente creando y perfeccionando esta imagen estructurada de su trabajo.

Cuando empezamos a crear agentes de IA, la pregunta fue: ¿y si la IA operara dentro de esta misma estructura? ¿Y si, en lugar de inventar un modelo de contexto separado para la IA, permitimos que participe en el modelo de colaboración que ya habíamos creado?

Este es nuestro modelo conceptual central detrás de los compañeros de IA: siempre que sea posible, sus capacidades coinciden con las de un usuario humano dentro de una organización. Se les asignan tareas. Leen y escriben comentarios. Aparecen en los mismos feeds de actividades. Su acceso al contenido está delimitado para que colaborar con un compañero de equipo nunca amplíe los permisos de nadie más allá de lo que ya tiene. La infraestructura que mantiene la colaboración humana organizada y transparente se extiende naturalmente a la IA, porque los problemas difíciles de la IA empresarial (contexto, control de acceso, coordinación, visibilidad) ya eran problemas que habíamos estado resolviendo para las personas.

Cómo se ve el contexto compartido en la práctica

La mayoría de las herramientas de IA limitan el alcance de un agente a lo que un usuario individual puede ver cuando lo invoca. Los compañeros de IA funcionan de manera diferente: están en el mismo espacio de trabajo donde se realiza el trabajo real del equipo, junto con los proyectos, las tareas, los objetivos y las conversaciones que definen lo que una organización está tratando de lograr.

Cuando a un compañero de equipo se le asigna una tarea, recibe contexto sobre esa tarea y todo el trabajo inmediatamente conectado a ella: el proyecto madre, los objetivos relacionados, las dependencias y los colaboradores. También puede buscar en el gráfico de trabajo más amplio y extraer tareas, proyectos, objetivos y personas relevantes en función de lo que sea útil para el trabajo en cuestión.

Esto significa que varias personas interactúan con el mismo compañero de equipo en el trabajo compartido. Un jefe de proyecto asigna una tarea. Un diseñador comenta con restricciones. Un ingeniero agrega contexto técnico. El compañero de equipo se basa en todo eso y ac

acumulando conocimientos de trabajo que abarcan a los colaboradores y las iniciativas.

Debido a que el gráfico de trabajo ya captura cómo se coordinan los equipos, el compañero de equipo puede razonar sobre el trabajo de la misma manera que lo hace un colaborador: qué está bloqueando el lanzamiento, quién es el responsable del siguiente paso y qué acordamos la semana pasada. Ese tipo de razonamiento solo es posible cuando la IA opera dentro de la misma estructura que el Equipo ya usa para mantenerse alineado.

Cómo los compañeros de IA respetan la privacidad

Al igual que los usuarios humanos, los compañeros de IA están sujetos a controles de acceso explícitos en todo el gráfico de trabajo. Algunas tareas y proyectos son visibles públicamente para todos (y para todos los compañeros de IA) en la organización. Otros requieren membresías de proyectos y portafolios otorgadas explícitamente a individuos o heredadas a través de equipos.

Solo un conjunto específico de personas (a menudo un equipo de Asana) puede activar una acción de un compañero de equipo. Gestionan colectivamente el conocimiento, la orientación y el acceso al trabajo del compañero de equipo.

Los compañeros de IA tienen una protección adicional: el acceso efectivo de un compañero de equipo siempre está limitado por los permisos de la persona que lo activa. Esta característica permite que los compañeros de equipo tengan un amplio acceso al contenido, al tiempo que minimiza el riesgo de que alguien amplíe su acceso para incluir información que el compañero de IA haya aprendido en un contexto separado y privado.

No determinismo en lugar de flujos de trabajo rígidos

Diferentes organizaciones estructuran el mismo trabajo de maneras completamente diferentes. Algunas hacen un seguimiento de las dependencias a través de las relaciones entre tareas, otras a través de subtareas, otras a través de secciones de proyectos. Podríamos haber creado un modelo de ejecución rígido que funcione perfectamente para un estilo de flujo de trabajo. En cambio, le damos al compañero de equipo contexto sobre cómo se ven las relaciones en un espacio de trabajo determinado, además de la capacidad de buscar y aprender del trabajo anterior, para que desarrolle conocimientos específicos de la organización. Al igual que un miembro del equipo recién contratado, aprende la forma de trabajar de tu equipo en lugar de obligarte a seguir la nuestra.

No puedes dibujar un solo diagrama de flujo de cómo la IA procesa una solicitud. Eso es deliberado. Un sistema determinista funcionaría bien para la fracción de equipos que coinciden con nuestros supuestos y fallaría para todos los demás. El no determinismo es lo que permite que el mismo agente se adapte a formas radicalmente diferentes de organizar el trabajo. Y como el gráfico de trabajo de Asana ya captura cómo cada equipo estructura su colaboración, el compañero de equipo tiene una base rica y específica de la organización de la que aprender desde el primer día.

Memoria simple con ciclos de comentarios ajustados

El sistema de memoria de Teammate es, en esencia, una lista de datos de texto vinculados a los objetos para los que son relevantes. Comenzamos aquí en lugar de con una base de datos vectorial o un grafo de conocimiento porque queríamos comprender lo que podría lograr un ciclo de retroalimentación estrecho antes de invertir en una infraestructura más pesada.

Lo que descubrimos es que el ciclo hace la mayor parte del trabajo pesado. El compañero de equipo opera en un contexto compartido donde los usuarios lo corrigen de forma natural, refinan sus instrucciones e interactúan con sus resultados en el transcurso de su trabajo. Proporcionar cualquier vía para que los hechos aprendidos vuelvan a entrar en la ventana de contexto en turnos futuros permite todo tipo de inteligencia emergente y personalización. Así que, para comenzar, nos centramos en una implementación rápida y simple.

La arquitectura evolucionará a medida que el producto madure, pero el análisis de datos que sigue siendo válido es que un buen ciclo de retroalimentación es al menos tan importante como la sofisticación del almacenamiento. Y como la memoria hoy en día es solo texto, es totalmente inspeccionable. Los usuarios pueden ver todas las memorias de su compañero de equipo directamente en su perfil.

El acceso a la memoria sigue el mismo modelo de permisos que todo lo demás en Asana. Una memoria es visible solo para las personas que pueden ver la tarea en la que el compañero de equipo estaba trabajando cuando se creó. Cuando una IA tiene acceso a varios proyectos con diferentes niveles de acceso, esta es la línea que evita que la información se filtre más allá de los límites de los permisos.

Responsabilidad a nivel de acción que refleja los flujos de trabajo del Equipo

Cuando un compañero de equipo ejecuta el trabajo, los usuarios ven un indicador en tiempo real de su trabajo y pueden abrir los registros de acciones de la IA: un registro completo de cada acción, como tareas creadas, comentarios publicados, búsquedas realizadas y objetos modificados. Los resultados concretos son visibles en el gráfico de trabajo para cualquier persona con acceso, incluidas las personas que no activaron a Teammates. Antes de realizar cualquier acción sensible en términos de privacidad, los compañeros de equipo deben obtener la aprobación explícita del usuario, una restricción estricta integrada en el sistema.

Este modelo de responsabilidad amplía la forma en que los equipos ya trabajan en Asana. Cuando un colaborador humano finaliza una tarea o publica una actualización, el equipo puede verlo. Los compañeros de IA siguen el mismo patrón. Puedes ver lo que hicieron. Puedes preguntarles por qué y te lo explicarán desde el mismo contexto que usaron para tomar la decisión. No realizarán acciones confidenciales sin permiso. Cuando algo sale mal, hay un registro claro. En un panorama en el que la mayoría de las organizaciones mencionan la transparencia como una barrera para la implementación, creemos que la responsabilidad concreta (acciones visibles, memoria inspeccionable, controles de aprobación) es más valiosa que las promesas abstractas sobre la explicabilidad. Debido a que los compañeros de IA operan en espacios compartidos del equipo, su trabajo es visible para todo el equipo, no solo para la persona que los activó. Esta es la auditabilidad integrada: todos ven lo que hizo la IA, no solo la persona que lo solicitó.

Por qué estas propiedades son inseparables

El contexto compartido sin responsabilidad es un riesgo. Una IA que acumula conocimiento a través del trabajo de varias personas, pero que no ofrece ninguna forma de inspeccionar lo que sabe o cómo actúa, perderá la confianza rápidamente. Las personas ocultarán el contexto a una IA que no pueden auditar, lo que anula el propósito del diseño con alcance de equipo.

La Responsabilidad sin contexto compartido resuelve un problema más simple y menos interesante. Si la IA opera en cadenas aisladas, la auditabilidad es sencilla. El verdadero desafío es hacer que la IA rinda cuentas cuando opera en el trabajo compartido e interdisciplinario que afecta a personas con diferentes niveles de acceso y diferentes intereses.

El modelo de acceso los une. Los años que Asana dedicó a crear un modelo de permisos para la colaboración humana proporcionaron la mayor parte de la base. Ampliarlo a la IA significó ir más allá, asegurando que el acceso de nadie se amplíe al trabajar con un compañero de equipo. Sin ese enfoque por capas, la IA con alcance de equipo no sería viable para la mayoría de las organizaciones.

¿Dónde nos encontramos hoy?

Los equipos utilizan a los compañeros de equipo de IA para la gestión de proyectos, la documentación, la investigación y la coordinación interdisciplinaria. El patrón más común que vemos: la IA hace que la coordinación sea manejable a una escala en la que la atención humana falla. Un compañero de equipo asignado a un proyecto de lanzamiento sigue el trabajo desde el establecimiento de objetivos hasta la ejecución, y señala lo que necesita atención sin que nadie tenga que compilar manualmente una actualización de estado.

De manera consistente, los comentarios positivos que hemos recopilado enfatizan tres cualidades. Los compañeros de equipo son asignables y colaborativos, y trabajan junto a ti en tareas compartidas. Operan con acceso auditable, por lo que puedes ver lo que hicieron y ellos preguntan antes de hacer algo confidencial. Y desarrollan conocimiento adaptativo, volviéndose más útiles con cada interacción a medida que se acumulan los ciclos de comentarios y la memoria simple.

Toda la industria está trabajando para cerrar la brecha entre las capacidades de demostración de la IA y el rendimiento confiable en producción. Los equipos que encuentran un valor real en los compañeros de IA son los que los tratan como a un nuevo empleado que necesita contexto, comentarios y límites claros para ser eficaz.

Internamente, hemos usado a los compañeros de IA para el trabajo delicado, lo que incluye crear informes de estado, clasificar errores y secuenciar lanzamientos. Hemos aprovechado el modelo de control de acceso y los puntos de verificación humanos para tener la seguridad de que los humanos y la IA pueden colaborar de manera segura y productiva, independientemente de la tarea en cuestión.

Los agentes que perduren no serán los que tengan las demostraciones más impresionantes. Serán los que trabajen de la forma en que ya trabajan los equipos: en espacios compartidos, con acciones visibles, basándose en patrones de colaboración en los que los equipos ya confían. Asana pasó años aprendiendo a hacer que el trabajo en equipo humano fuera estructurado, visible y responsable. Los compañeros de IA son la evolución de esos principios en la era de la IA colaborativa.

Este artículo fue escrito por Cory Desautels, ingeniero de Software. Cory Desautels es ingeniero en el equipo de compañeros de IA, donde trabaja para crear y escalar el producto de IA agentiva colaborativa de Asana.