Keynote: Selamat datang di masa depan tim manusia-agen

Selamat pagi dan selamat datang di Work Innovation Summit, New York.

Baiklah. Jadi, mengapa kita semua ada di sini? Kita di sini untuk belajar. Kita akan mengikuti beberapa sesi hebat sepanjang sisa hari ini. Kita di sini untuk menjalin koneksi. Jika Anda melihat ke kiri, jika Anda melihat ke kanan, Anda dikelilingi oleh beberapa pemimpin paling inspiratif di bidang teknologi.

Dan kami juga di sini untuk mendapatkan inspirasi tentang masa depan, masa depan dunia kerja, dan masa depan pekerjaan agentik.

Saya ingin memulai dengan mengucapkan terima kasih kepada rekan penyelenggara LTSC kami, yang bermitra dengan perusahaan visioner yang berkembang dalam jangka panjang.

Mari kita mulai perjalanan ini dengan kehidupan kita di rumah.

Dan di rumah, kami melihat peningkatan produktivitas yang sangat besar dari bekerja dengan agen AI. Mereka membantu kita melakukan riset. Mereka membantu kita berkreasi. Mereka membantu kita merencanakan.

Namun, entah mengapa, dalam hal pekerjaan, mereka justru, ya, tidak berfungsi.

Dan yang Anda lihat adalah produktivitas luar biasa yang Anda harapkan dalam kehidupan kerja Anda belum terwujud.

Jadi, mengapa demikian?

Nah, ada lima alasan mengapa kehidupan kerja berbeda dengan kehidupan pribadi Anda.

Yang pertama adalah hal kecil yang disebut pengetahuan, yang pada dasarnya mengatakan, di rumah, satu-satunya konteks yang perlu Anda khawatirkan ada di benak Anda sendiri yang dapat dengan mudah Anda ingat.

Namun, di tempat kerja, jalur menuju kesuksesan untuk cara-cara yang telah dilakukan di masa lalu ada di benak orang lain. Inilah alasan mengapa, jika Anda pernah memiliki seorang intern yang bergabung dengan tim Anda, Anda menyadari bahwa dibutuhkan beberapa minggu untuk melakukan orientasi bagi mereka agar mereka tahu siapa yang tahu apa dan bagaimana kita melakukan berbagai hal di sini.

Pekerjaan juga berbeda dengan kehidupan pribadi Anda karena di tempat kerja, berbagai hal melibatkan banyak sistem.

Puluhan, ratusan sistem, dan banyak orang.

Bahkan, banyak orang. Sekarang, di rumah, saat Anda berinteraksi dengan salah satu agen ini, satu-satunya orang yang perlu Anda koordinasikan adalah diri Anda sendiri.

Mungkin pasangan Anda, mungkin anak-anak Anda.

Namun, di tempat kerja, Anda harus berkoordinasi dengan 10, 20, 30 orang untuk menyelesaikan hal-hal paling sederhana. Dan tebak apa? Mereka semua memiliki pendapat.

Mereka memiliki pendapat tentang bagaimana seharusnya tampilan sesuatu, bagaimana seharusnya nuansa sesuatu. Mereka memiliki standar sendiri. Mereka memiliki preferensi sendiri.

Ini jauh berbeda dari kehidupan pribadi Anda.

Dan terakhir, di rumah, Anda hanya perlu memikirkan data Anda sendiri. Anda dapat memilih jumlah data yang ingin Anda bagikan.

Tetapi di tempat kerja, pilihan itu bukan sepenuhnya milik Anda karena Anda memiliki hal kecil yang disebut data pelanggan, yang sangat berharga.

Jadi, inilah mengapa tempat kerja berbeda dengan rumah, dan inilah mengapa Asana berupaya membangun sistem operasi agen manusia, tempat kami menyelesaikan semua tantangan kontekstual lingkungan kerja ini.

Kita memulai perjalanan dengan grafik kerja.

Grafik kerja benar-benar merupakan buku besar dinamis yang mencatat siapa melakukan apa sebelum kapan, dan bagaimana pekerjaan dilakukan di masa lalu. Ini memastikan bahwa setiap agen yang mulai bekerja dengan grafik kerja sudah memiliki riwayat tersebut, sudah memiliki pengetahuan tersebut.

Dan kedua, Asana kini terhubung dengan 500 sistem melalui konektor kami. Jadi, ini berarti kepala staf AI kami, Dash, yang akan ditemui banyak dari Anda hari ini jika belum pernah bertemu dalam pekerjaan sehari-hari, Dash dapat menyimpulkan alur kerja apa yang dibutuhkan. Dash dapat menerima petunjuk yang ambigu, mengubahnya menjadi alur kerja, menjadi serangkaian tugas, dan benar-benar menyelesaikan pekerjaan.

Dan sekarang, dalam hal mengoordinasikan orang-orang, kami memulai dengan fitur kerja multipemain untuk semua orang.

Kami memiliki satu kanvas, satu buku besar, tempat semua orang dapat melihat hal yang harus diselesaikan, siapa yang harus mengerjakan apa selanjutnya. Tantangan koordinasi, komunikasi bolak-balik yang tak ada habisnya, telah lenyap dengan fitur multiplayer ini.

Kami telah menyiapkan rekan tim.

Rekan tim adalah aktor yang bertindak seperti manusia.

Kami telah mendefinisikan dan membangun 30 Teammate ini untuk mulai menyelesaikan pekerjaan di tim Anda hari ini.

Namun, hal menarik tentang rekan tim adalah Anda dapat berinteraksi dengan rekan tim dalam mode multipemain, yang berarti semua preferensi itu, semua selera anggota tim itu, dapat Anda tanamkan ke dalam rekan tim, bagaimana Anda ingin segala sesuatunya terlihat, bagaimana Anda ingin output terlihat, input apa yang perlu dimanfaatkan.

Dan dengan agen yang memiliki cakupan, setiap rekan tim ini dapat diprogram. Dapat diprogram hanya untuk mengakses data yang Anda inginkan untuk mereka akses.

Hanya untuk mengeluarkan biaya yang Anda inginkan.

Dan Anda dapat menentukan rangkaian pemberi persetujuan untuk setiap rekan tim sehingga mematuhi hierarki yang sudah ada sebelumnya.

Ini adalah sistem operasi agen manusia, tempat kami telah memecahkan lima tantangan besar tentang cara Anda memberikan produktivitas AI perusahaan.

Jadi, mari kita lihat contoh nyata. Dan contoh nyata ini adalah Cindy.

Cindy, dia memulai pekerjaannya dengan sangat bahagia. Dia bekerja di bagian dukungan pelanggan.

Dia telah menemukan alat baru untuk dukungan pelanggan. Dia ingin meluncurkannya untuk seluruh grupnya.

Dan dia sudah selangkah lebih maju. Dia tahu berapa anggarannya.

Dia tahu vendor mana yang sedang dia pertimbangkan. Dia sudah mengirimkan RFP.

Namun, apa yang biasanya akan terjadi pada seseorang seperti Cindy dengan petunjuk sederhana, kita membutuhkan alat dukungan pelanggan baru, adalah dia akan berhadapan dengan kenyataan.

Kenyataan itu pahit.

Kenyataannya adalah 100 subtugas.

Saya benar-benar menuliskan beberapa tugas ini secara manual yang melibatkan diri saya sendiri. Ada banyak tugas hanya untuk mengaktifkan dan menjalankan tim dukungan pelanggan baru... Mengaktifkan dan menjalankan alat.

Jadi, ada banyak tugas.

Itu mungkin mudah jika tugas-tugas itu entah bagaimana bersifat linier, tetapi kenyataannya, inilah yang terjadi saat Anda mulai bekerja.

Anda tersesat dalam proses serah terima yang tak ada habisnya ini.

Saya tahu beberapa dari kita meringis kesal di sini karena hal ini sangatlah akrab. Karena di tempat kerja, sering kali yang kita lakukan dengan menghabiskan waktu adalah kerja tentang kerja, bukan kerja inti.

Inilah realitas bagi begitu banyak tim yang terjebak dalam apa yang saya sebut siklon pekerjaan.

Pasti ada cara yang lebih baik.

Harapan dan impian Cindy untuk alat dukungan pelanggan baru ini baru saja hancur karena ini berubah menjadi proyek delapan, sembilan, sepuluh minggu hanya untuk memilih vendor.

Mari kita lihat apakah kita bisa membantu Cindy.

Sekarang, dengan Asana, pintu depan baru Anda adalah Dash, kepala staf AI Anda.

Dash akan bertanya kepada Cindy di sini apa yang akan kita lakukan hari ini. Saya ingin memilih vendor dukungan pelanggan baru.

Namun, Dash tidak memulai dengan kanvas kosong.

Dash akan segera mengumpulkan data dari Grafik Kerja.

Dash memahami semua yang telah dilakukan perusahaan Anda.

Bahkan, dalam contoh ini, Dash dapat menelusuri dan mencari tahu, apakah kita pernah melakukan onboarding vendor baru sebelumnya? Saya rasa pernah. Apa saja yang terlibat dalam hal itu? Saya akan meninjau semua proyek terdahulu, semua anggaran terdahulu, semua gol terdahulu, keputusan yang telah diambil, rapat, dan mencari tahu 100 tugas yang sebenarnya perlu dilakukan. Saya bisa menata semuanya dengan rapi di satu kanvas.

Dan, tahukah Anda? Saya akan melakukan sedikit lebih banyak dari itu.

Saya agak tahu siapa yang bertugas di sini. Saya akan menugaskan orang-orang yang perlu melakukan pekerjaan ini sehingga sekarang saya memiliki sarana untuk menyelesaikan pekerjaan ini.

Dan Anda akan melihat di sini ada beberapa orang yang tidak biasa yang telah ditugaskan untuk pekerjaan ini. Beberapa karakter yang mungkin belum pernah kita lihat sebelumnya.

Ini adalah rekan tim.

Ini adalah rekan tim yang sudah dibuat sebelumnya.

Bahkan, pada titik ini, saya akan memperkenalkan Anda kepada tiga rekan tim tersebut. Peninjau keamanan, analis penetapan harga, asisten proyek. Ini adalah rekan tim yang sudah dibuat sebelumnya, sudah dikemas sebelumnya.

Ternyata Asana memiliki banyak pengalaman dalam menangani pekerjaan. Jadi, kami membuat 30 rekan tim bawaan yang kami tahu akan berguna bagi Anda semua.

Kami mempelajari setiap rekan tim ini, dan kami membekali mereka dengan skill, dan kami melatih mereka sehingga kami tahu persis cara menjadi yang paling bermanfaat bagi Anda.

Jadi, inilah rekan tim Anda yang sudah dibuat sebelumnya. Tiba-tiba, kehidupan Cindy menjadi jauh lebih baik.

Dalam satu lingkungan, dia dapat mengoordinasikan beberapa alur kerja yang melibatkan orang dan agen dalam alur kerja tersebut.

Dan, yang menjadi sorotan bagi Cindy adalah pemilihan vendor.

Ini sudah melewati tampilan keamanan. Sudah melewati tahap persyaratan.

Sayangnya, vendor tertentu belum memenuhi persyaratan anggaran. Penawarannya mencapai $600.000. Dia hanya memiliki $500.000 per tahun untuk dibelanjakan.

Namun, jangan khawatir.

Orang lain di perusahaan ini telah membuat agen negosiasi sebelumnya.

Agen negosiasi ini telah memiliki aturan dasar yang telah ditentukan. Agen ini tahu persis buku pedoman negosiasi mana yang harus diikuti. Agen ini tahu batas anggarannya, dan juga tahu siapa di bagian keuangan yang berwenang menyetujui hal-hal pada level tertentu.

Inilah konsep menentukan ruang lingkup agen Anda. Agen ini sudah ditentukan ruang lingkupnya. Agen mulai bekerja. Ia mulai bekerja terkait penawaran ini. Agen ini benar-benar membalas pesan Cindy. Agen memberikan saran proposal tandingan baru kepadanya. Vendor dipilih.

Hidup ini indah.

Alih-alih bolak-balik selama delapan minggu, secara realistis, ini terjadi dalam beberapa hari.

Jadi, pertanyaan saya untuk Anda semua, apakah ada proses kerja di salah satu grup Anda yang ingin Anda agentifikasi? Alur kerja apa yang akan Anda agentifikasi hari ini?

Melalui sisa acara ini, kami harap dapat menunjukkan kepada Anda bahwa membuat alur kerja agentik lebih mudah dari yang Anda kira, baik Anda di bidang pemasaran, TI, operasi strategis, litbang, maupun Anda seorang pembuat proses untuk seluruh organisasi Anda.

Karena dengan Asana, kami menyediakan sistem operasi untuk tim agen manusia, sehingga kita semua dapat bekerja sama dalam alur kerja.

Sekarang, saya akan menyerahkan kepada Kepala Divisi Produk kami, Arnah Bose, yang akan membahas lebih dalam tentang cara Anda semua dapat membuat alur kerja ini hari ini. Terima kasih.

Halo, semuanya. Apa kabar? Biasa saja... Ya. Ayo kita semangat. Begitulah. Ya.

Senang melihat antusiasme di antara para hadirin di New York ini. Saya Arnab. Saya kepala produk di Asana.

Dan yang ingin saya sampaikan kepada Anda hari ini adalah apa yang Dan tunjukkan dengan tingkat detail yang lebih tinggi.

Apa yang dia perlihatkan adalah eksekusi terorkestrasi di beberapa sistem dan kemudian membangun semua itu dengan kekuatan work graph, context graph yang telah kami bangun selama lebih dari satu dekade di Asana.

Di bagian saya, saya akan membahas tentang bagaimana konteks grafik kerja itu dapat dimanfaatkan dengan kemampuan Stack dot ai untuk mengorkestrasi tindakan di banyak sistem dan bagaimana dengan penggunaan berulang proses menyeluruh itu, kita dapat menuliskan kembali data ke dalam grafik kerja sehingga setiap kali ada pengecualian atau ada negosiasi baru yang terjadi, data itu dicatat dalam sistem konteks tersebut dan menjadi pengetahuan yang dapat digunakan kembali.

Jadi, ada beberapa topik berbeda yang akan dibahas. Salah satunya adalah eksekusi terorkestrasi. Bagaimana hal itu menjadi lebih baik dengan kemampuan Grafik Kerja? Dan bagaimana kita mengubah proses ini, eksekusi berulang ini menjadi pengetahuan sehingga lain kali Anda menjalankan alur kerja terorkestrasi, alur kerja tersebut menjadi jauh lebih baik. Jauh lebih akurat.

Jadi, kami melakukan semua ini di back end dalam hal terhubung dengan beberapa sistem dengan kemampuan stack.ai, yang kini menjadi bagian dari Asana.

Jadi, saya ingin mengajak Anda mempelajari lebih dalam tentang langkah negosiasi yang dijelaskan Dan tadi.

Yang diterima pelanggan adalah penawaran harga dari vendor baru, $575.000, jauh di atas anggaran $500.000.

Dan penawaran harga itu masuk, seperti yang pasti sudah dilihat oleh kebanyakan dari Anda dalam pengalaman sehari-hari, mungkin masuk dalam bentuk PDF.

Ada syarat dan ketentuan dalam PDF. Ada ketentuan yang dicetak kecil.

Dan tidak mudah untuk mengetahui apakah ini sesuatu yang bisa Anda lanjutkan dan setujui begitu saja.

Apa yang telah dilakukan Stack Overflow di belakang layar adalah meninjau semua riwayat penawaran harga yang telah disetujui pelanggan. Semua PDF tersebut dibaca, dan diubah menjadi knowledge base yang mendukung RAG. Jadi, ini berarti Anda dapat melakukan pengambilan data dengan sangat cepat, Anda dapat melakukan alur kerja agen pada kumpulan data tidak terstruktur tersebut.

Jadi, semua detail kecil yang menarik dalam huruf kecil ini tentang biaya per pengguna per kursi, apakah ada klausul keluar dalam kontrak, apakah biaya tersebut mencakup biaya dukungan, Semua hal ini membuat analisis menjadi jauh lebih rumit karena ini bukan pencarian sederhana. Sekarang, Stackie, saya bisa melanjutkan dan melakukan perbandingan itu di back end. Jadi, pada dasarnya, kami telah mengonversi semua data tidak terstruktur ini agar Anda dapat menyambungkan beberapa sistem di back end.

Jadi, apa fungsi alur kerja Stack? Alur kerja ini menganalisis hal-hal yang telah disetujui. Alur kerja ini meninjau penawaran baru tertentu dan semua syarat dan ketentuan, lalu memutuskan bahwa seharusnya ada penawaran balasan. Dan penawaran baliknya harus sebesar $489.000 dengan diskon 15%.

Namun, ini adalah vendor baru. Kami belum pernah menjalani proses ini sebelumnya.

Jadi, ini adalah situasi di mana Anda tidak bisa langsung melanjutkan dan melaksanakan tindakan secara sepenuhnya otomatis.

Kami yakin bahwa hasil terbaik akan tercapai ketika manusia dan agen AI dapat bermitra sebagai tim.

Betul? Kami percaya bahwa pelanggan akan berkembang, bisnis akan berkembang jika mereka dapat bekerja sama dengan automasi dan AI. Jadi, apa yang dapat dilakukan Stack dengan lebih dari 190 konektor mereka ke Asana adalah mereka dapat secara otomatis membuat proyek yang dikonfigurasi sepenuhnya untuk alur kerja persetujuan tersebut. Proyek ini akan berisi spesifikasi detail penawaran. Proyek ini akan berisi detail tentang, misalnya, apa yang harus kita selidiki dari perspektif keuangan atau perspektif hukum, serta menugaskan subtugas-subtugas tersebut dan melibatkan tim manusia. Inilah manusia dan agen AI yang bekerja pada buku besar yang sama, bekerja sebagai satu kesatuan, dan inilah yang kami maksud dengan eksekusi terorkestrasi.

Jadi, ketika penawaran balasan itu siap untuk disetujui, yang terjadi adalah tim keuangan berkata, hei. Coba lihat. Kami menginginkan klausul keluar satu tahun.

Mungkin tim persetujuan hukum mengatakan ada banyak poin penting yang ingin kami masukkan.

Semua data yang diberikan oleh manusia sekarang dicatat dalam grafik kerja. Jadi, data itu dicatat dalam tugas, yang kini tersedia untuk digunakan oleh alur kerja Stack AI pada saat pengecualian seperti ini terjadi lagi.

Jadi, apa yang kami tampilkan di sini dan apa yang benar-benar kami maksud dengan eksekusi terorkestrasi bukan hanya Anda mendapatkan Pembuat Alur Kerja yang berfungsi penuh ini yang menghubungkan beberapa sistem bukti proses, beberapa sistem back-end, Anda tahu, Anda sudah melihat banyak di antaranya sebelumnya, tetapi itu didukung oleh grafik kerja. Jadi, semuanya dimulai dengan konteks. Ini juga didukung oleh Grafik Kerja dan semua hal yang ditawarkan Asana sehingga ketika ada pengecualian, Anda dapat melibatkan tim manusia untuk berkolaborasi, berkoordinasi, dan mencari tahu langkah selanjutnya yang tepat, dan Anda dapat meningkatkan proses tersebut ke depannya. Inilah yang kami maksud dengan akumulasi pengetahuan. Asana menyediakan akumulasi pengetahuan dan membantu Anda membangun otak perusahaan itu, di mana ketika AI Teammates berinteraksi dengan tim Anda, dengan manusia Anda, semua interaksi itu dicatat sehingga AI Teammates berkinerja jauh lebih baik di kesempatan berikutnya. Jalankan, pertahankan, tingkatkan. Ulangi siklus ini berulang kali.

Jadi, Stack dari Asana ini, seperti mesin eksekusi yang sesungguhnya, adalah pembuat tanpa kode. Ini memiliki lebih dari 500 integrasi. Seperti yang Anda lihat, ini mendukung keterlibatan manusia. Dan sekarang, Stack sepenuhnya didukung oleh Grafik Kerja, bukan hanya untuk konteks awal, tetapi ketika Stack menangkap beberapa pengecualian, Stack juga dapat memasukkan kembali semua konteks itu ke dalam Grafik Kerja.

Saya ingin memperkenalkan OG, orang yang membangun Stack dot ai. Mari kita sambut di panggung ini Bernard, salah satu pendiri Stack dot ai.

Terima kasih, Arnav.

Saya senang bisa berada di sini, semuanya.

Nama saya Bernard.

Seperti yang Arnab tunjukkan sedikit tadi, di Stack dot ai, kami memberdayakan perusahaan dengan kemampuan untuk mentransformasi alur kerja mereka yang paling kompleks dengan agen AI.

Melalui Stack dot ai, Anda dapat membangun tim agen AI yang terhubung ke lebih dari 500 sistem perusahaan dan dapat beroperasi seperti pegawai mana pun dengan komputer mereka sendiri, terminal mereka sendiri, browser web mereka sendiri, memungkinkan mereka untuk menangani proses paling rumit dan menskalakannya ke dalam AI mereka.

Jika dipadukan dengan WarGraph, agen Stack AI dapat beroperasi dalam konteks apa yang sebenarnya sedang dilakukan perusahaan. Siapa yang mengerjakan apa? Apa saja golnya? Dan beroperasi di bawah satu entitas dan rencana.

Perusahaan-perusahaan saat ini seperti LifeMD, Exeter, Wild Retirement, dan BA Systems semuanya bekerja sama dengan Stack dot ai untuk mendukung beberapa alur kerja mereka yang paling kompleks sesuai kebutuhan.

Salah satu perusahaan ini adalah SciMotion.

Selama lebih dari dua puluh tahun, SciMotion telah memberikan perawatan yang dipersonalisasi dengan menjadi produsen perlengkapan kelas atas dan melakukannya dengan memberikan layanan khusus kepada semua pasien dan pelanggan, terutama dengan bekerja sama dengan para praktisi.

Namun, memberikan tingkat perawatan yang dipersonalisasi seperti itu bisa sangat mahal dan rumit.

Mereka bisa membutuhkan waktu hingga dua jam, begitu menerima serangkaian catatan pasien, untuk meninjau inventaris mereka di SAP, melihat informasi pasien di SharePoint, melihat berbagai hasil lab dalam skrip lengkap dan data mereka sendiri, dan menggabungkan semuanya menjadi merek personal yang menarik.

Mereka tahu ini bukan cara yang tepat untuk melakukannya. Dan dengan era AI, mereka dapat mengubah banyak hal. Dengan Stack dot ai, mereka mengambil pendekatan agentik baru, dan mereka mengatakan bahwa mereka mengambil semua bagian ini dan membangun tim agen AI yang, di bawah platform Stack AI, dapat melakukan kueri setiap kali pesanan baru tiba untuk semua data dari inventaris suplemen, semua informasi pasien dan hasil lab ini, sehingga mengurangi waktu pemrosesan dari dua jam menjadi hanya lima menit.

Dan sebagai bagian dari proses ini, mereka dapat melakukannya dengan tetap melibatkan manusia, di mana setiap keputusan penting selalu melibatkan praktisi yang mengevaluasi dan menyetujui setiap keputusan besar.

Hari ini, kita mendapat manfaat tidak hanya mendengarnya dari saya. Kami juga kedatangan Max Perisky, CRO SignMojian, yang akan menceritakan kisah ini secara langsung dan dari pengalamannya sendiri. Selamat datang, Max. Silakan.

Senang bertemu Anda.

Senang bertemu Anda, Max. Terima kasih telah bergabung bersama kami di New York. Saya sangat menghargainya. Dan karena Anda hadir bersama kami hari ini, Anda tahu, ini... Akan sangat menyenangkan mendengar sedikit cerita tentang bagaimana Anda mencapai titik ini? Bagaimana Anda melihat proses pembuatan med pack melalui stack.ai ini? Tentu saja.

Nah, Anda tahu, saya rasa dengan... Awalnya, seperti yang Anda tahu, saya seorang CRO. Dan saya diberitahu bahwa saya adalah CRO pertama yang berdiri di panggung Asana untuk acara ini karena sebelumnya, kami belum tentu memiliki alasan untuk berada di sini. Tapi tugas saya sebenarnya adalah... Wow. Saya tidak menyangka akan mendapat tepuk tangan untuk itu. Tugas saya sebenarnya adalah, Anda tahu, membangun infrastruktur dan strategi yang semacamnya mengurangi friksi bagi pelanggan kami, pelanggan kami adalah para tenaga kesehatan profesional.

Jadi, dalam upaya melakukannya, sekitar setahun yang lalu, saya berpikir, mungkin ada cara agar AI dapat membantu memecahkan beberapa masalah ini, menyatukan, seperti yang Anda katakan, menyatukan komponen-komponen ini. Jadi, saya punya ide gila, dan suatu akhir pekan saya mulai mencoba-coba beberapa agen yang tersedia dan berhasil membuktikan konsepnya, tetapi saya tidak puas dengan disiplin dokumen dan disiplin pencarian webnya. Saya menemukan Stack dan mulai mencoba versi gratisnya, dan saya berhasil membuat agen yang semacamnya menyelesaikan masalah itu untuk grup penjualan saya guna membantu mereka benar-benar memberikan nilai dengan sangat cepat kepada pelanggan dan menerapkannya. Kami benar-benar menerapkannya sebelum kami bahkan membayarnya.

Saya ingat, saya ingat. Dan sekarang mereka sudah membayarnya.

Sekarang kami membayarnya. Ya. Itu sebabnya saya di sini.

Baiklah. Tapi, ini bagus. Anda tahu bahwa Anda mendapatkan banyak efisiensi melaluinya, seperti mengotomatiskan kedua operasi dalam pendapatan, operasi di tingkat klinis, seperti yang kami tunjukkan kepada Anda, membuat paket obat, semuanya. Saya penasaran, dengan semua efisiensi ini, Anda mungkin mendapatkan banyak waktu baru. Apa yang telah dimungkinkan oleh hal itu bagi Zimmergen sebagai perusahaan?

Nah, ada beberapa hal. Kami memulai dengan menerapkan ini sebagai alat bagi tenaga penjualan kami untuk membantu mereka memberikan nilai dengan sangat cepat. Kami memiliki lebih dari 300 produk. Jadi, bayangkan masing-masing produk ini dirancang untuk menjadi alat klinis. Jadi, ada banyak perbedaan di antara produk-produk ini. Produk-produk ini rumit.

Dan kami baru saja mengganti sebagian besar anggota tim penjualan kami. Jadi, ada banyak orang baru yang harus mempelajari 300 produk dan menyerahkan produk yang tepat kepada orang yang tepat pada waktu yang tepat. Jadi, ini benar-benar membantu melancarkan proses itu dan mempercepat kurva pembelajaran bagi mereka. Itu adalah semacam proof of concept pertama. Lalu kami berpikir, mari kita bawa ke pelanggan, dan itulah yang kami terapkan sekarang dengan Catalyst.

Luar biasa. Dan sekarang, semoga, dalam waktu dekat, kami akan meraih lebih banyak kesuksesan. Bagus sekali. Terima kasih banyak sudah bergabung bersama kami, Max. Saya sangat berterima kasih. Kami menantikan banyak tahun lagi untuk bekerja sama dan, Anda tahu, membawa semuanya ke bulan.

Ya.

Terima kasih telah mengundang saya.

Baiklah.

Terima kasih sudah bergabung bersama kami. Salam. Terima kasih.

Jadi, ya.

Jadi, kami mendengar langsung dari Max tentang hal ini. Dan dia hadir dan sangat baik hati untuk menunjukkan semua detail kisahnya. Nah, seperti apa jadinya jika kita melihat di balik layar? Bagaimana Anda membawa ide-ide ini ke tahap produksi? Kita akan membahas kisah perusahaan lain, yang sangat mirip dengan SimoGen,

bernama Aiuhealth, yang juga menyediakan perawatan dan suplemen yang dipersonalisasi.

Aiuhealth beroperasi di bidang yang serupa dan memiliki masalah yang sama persis. Mereka harus membangun sistem yang dapat dengan mudah memungkinkan mereka mengambil rekam medis pasien, dan dari sana, melakukan kueri ke kumpulan sistem, melakukan kueri ke web, dan mengumpulkan data untuk mempersonalisasi paket medis dengan solusi yang disesuaikan untuk masalah ini. Seperti yang Anda lihat di layar, mereka membangun agen AI yang memang bisa menerima PDF pengenalan pasien, melakukan kueri ke semua sistem ini, melakukan kueri ke semua alat skrip, dan kemudian menggabungkan semua hasil menjadi paket yang dipersonalisasi, memberi Anda kutipan tentang di mana Anda menemukan data itu, apa sumber Anda.

Bukan hanya itu, sistem ini juga memberi Anda visibilitas terkait semua jejak tindakan yang Anda lakukan. Dan menyatukan semuanya dalam hasil file mFrame, Apa yang dilakukan sistem ini di balik layar saat sedang berpikir dan mengumpulkan semua data ini? Di Stack dot ai, seperti yang Anda lihat di layar, mereka membangun alur kerja agentik yang akan menerima pesan dari pengguna, file, satu set spesifikasi API Whole Scripts. Kemudian, dengan itu, agen akan terhubung ke harness yang dalam hal ini didukung oleh Claude dengan prompt yang disesuaikan untuk masalah mereka dan menyambungkannya ke basis pengetahuan utama mereka di SharePoint, data mereka di seluruh skrip, menyambungkannya ke browser web, kemampuan untuk mengirim email, mencari di web, beroperasi seperti agen AI personal lainnya, tetapi disesuaikan dengan kasus penggunaan mereka sehingga ketika permintaan baru datang, agen dapat memicu semua sistem ini.

Dan hasilnya adalah begitu mereka dapat menjalani proses ini, mereka dapat memperoleh rencana yang dipersonalisasi. Praktisi dapat memperoleh semua data, dapat meringkasnya, memperoleh sumber untuk hasil, memberikan umpan balik kepada agen, dan berkolaborasi untuk memberikan pengalaman yang dipersonalisasi yang dapat digunakan untuk mendukung pelanggan ini tetapi juga dapat digunakan untuk memberdayakan operasi mereka yang lain dengan cara yang manusiawi dan cerdas.

Dan meskipun Anda selalu dapat melanjutkan dengan FIBA dan mengoperasikannya, ini dapat melangkah lebih jauh lagi.

IU Health membawa ini lebih jauh dan menghubungkannya ke WarGraph melalui Asana dan dapat membuatnya sedemikian rupa sehingga setiap kali operasi penelitian klinis mereka mengevaluasi investigasi baru atau mengevaluasi fenomena baru, mereka dapat menghubungkannya ke agen ini dan memicunya langsung dari Tugas Asana sehingga agen AI ini dapat menanyakan informasi yang sama dan menyatukannya menjadi satu hasil bersama.

Inilah masa depan perangkat lunak korporat dan agen AI di perusahaan. Satu tempat di mana agen AI dapat hadir, beroperasi di bawah semua alat ini, menjalankan data tidak terstruktur, menjalankan operasi tidak terstruktur, dan manusia dapat mengatur jalannya proses, memberikan umpan balik, dan memberikan semua panduan.

Tentu saja, ini bukan hanya langkah terakhir. Ada banyak tempat yang bisa dituju. Dan hari ini, kita... Agen AI dan manusia beroperasi dalam rencana yang berbeda. Pada masa mendatang, keduanya perlu beroperasi di bawah satu rencana operasional bersama. Dan Anda akan mendengar tentang bagaimana Asana mengatasi masalah ini. Untuk itu, Prachi Gore, CMO Asana, akan bergabung bersama kami dan menyampaikan sedikit tentang masa depan ini. Terima kasih.

Terima kasih, Bernard. Jadi, seperti yang dia katakan, untuk memenuhi janji perusahaan yang energik, Anda memerlukan agen yang bekerja di beberapa sistem, yang baru saja kita lihat. Namun, Anda juga membutuhkan manusia, yaitu orang-orang, kita, tim kita, yang bekerja sama untuk mencapai gol yang sama, rencana yang sama, dan konteks perusahaan bersama yang menyeluruh.

Itu dimungkinkan dengan Agentic Work Management.

Seperti yang disebutkan Dan, Agentic Work Management hadir dengan 30 AI Teammates yang sudah memiliki skill, diatur, dan siap bekerja hanya untuk Anda.

Setiap pengguna Asana juga memiliki akses ke kepala staf pribadi yang disebut Dash. Dash memantau semua pekerjaan Anda di email, rapat, dan semua proyek Anda, sehingga ia tahu persis apa yang sedang Anda kerjakan.

Dash juga dapat mengambil tindakan atas nama Anda, seperti menyiapkan tugas lanjutan setelah rapat agar Anda dapat berfokus pada pekerjaan terpenting.

Kami juga memiliki lebih dari 20 integrasi di berbagai alat yang kami gunakan setiap hari, seperti Figma, Databricks, HubSpot, Google Drive, sehingga semua pekerjaan Anda dapat dikerjakan dari satu tempat.

Dan beberapa merek terbesar di dunia menggunakan Asana. Namun, hari ini, saya ingin membahas lebih dalam salah satu perusahaan tersebut, yaitu Skydance. Skydance telah menciptakan beberapa acara favorit kami. Bagi saya, itu adalah SpongeBob SquarePants dan Yellowstone.

Namun, di semua program televisi, streaming langsung, mereka membuat program olahraga, berita, animasi.

Mereka memiliki ribuan orang yang bekerja setiap hari untuk mengubah ide menjadi konten, berkoordinasi terkait sejumlah perilisan, dan menghadirkan acara baru ke pasar.

Dan untuk melakukan itu serta terus meningkatkan skala operasi mereka, Skydance membutuhkan cara untuk terus bertumbuh sembari menjaga keselarasan tim mereka.

Saat itulah Agentic Work Management berperan, tempat bagi tim dan agen mereka untuk bekerja sama berdasarkan konteks bersama menuju gol yang sama.

Untuk Skydance, ada contoh yang ingin saya bagikan. Tim operasi yang terdiri dari tiga orang di Pluto TV dapat mengelola 750 konten setiap bulan dengan memperkenalkan AI Teammates ke dalam alur kerja mereka.

Demikian pula, di CBS News, AI sudah menyortir semua permintaan dukungan dan membuat pekerjaan terstruktur sebelum manusia benar-benar harus menanganinya.

Tapi, mari kita dengar langsung dari mereka.

Kami memiliki beberapa gol ambisius. Agar kami dapat mencapainya, Anda perlu memiliki mitra yang solid, sistem yang solid, dan adopsi AI yang sangat kuat.

Truk kami melaju.

Kami ingin menjadi perusahaan media yang mengutamakan teknologi, memadukan sisi kreatif Hollywood dan semangat inovatif Silicon Valley.

Kami bukan perusahaan tradisional.

Di balik layar, kami mendukung orang-orang paling kreatif di planet ini. Pernah ada masa ketika budaya sangat terdesentralisasi.

Skala Paramount sangat besar, ada ratusan bagian dan divisi. Karena AI berkembang pesat di tempat kerja, ini menciptakan banyak sekat.

Semua orang menggunakan AI dalam alur kerja mereka masing-masing yang berbeda. Hal ini menyulitkan untuk mendukung, meningkatkan skala, dan memperbarui seiring adanya perubahan.

Dan itulah sebenarnya yang menjadi penghubung yang hilang dalam AI, yaitu jika Anda tidak memiliki akses yang aman ke data atau Anda... Semuanya berantakan, AI Anda akan gagal.

Asana menetapkan fondasi tersebut untuk AI.

AI dibangun di tempat pekerjaan sudah berlangsung.

Bukan klik tambahan atau layar lain. AI ada di sana, dalam dialog yang sudah Anda gunakan.

Aksesibilitas adalah kunci adopsi. Menggunakan AI Teammates hanya dengan sekali klik tombol.

Jendela konteks hanya membutuhkan waktu beberapa detik, yang sangat luar biasa.

Asana memungkinkan kami melacak berbagai fitur AI, siapa yang paling sering menggunakannya, kasus bisnis mereka, dan benar-benar memahami ROI, serta membagikan kasus penggunaan tersebut ke bagian bisnis lainnya.

Sejujurnya, kami memilih Asana karena mereka datang dan membantu kami memahami bisnis kami. Anda jarang melihat hal itu dari vendor.

Saya memandang Asana sebagai mitra jangka panjang kami.

Dan sekarang saya ingin mengundang Laksh Nathan, EVP dan CIO di Skydance, ke panggung untuk berbagi lebih banyak.

Halo. Terima kasih telah mengundang saya.

Terima kasih, Laksh, sudah bergabung dengan kami. Tim Anda telah melakukan pekerjaan yang luar biasa. Tapi ceritakan kepada kami, bagaimana rasanya membangun agen AI ke dalam alur kerja Anda? Ceritakan sedikit tentang apa yang terjadi di balik layar.

Anda tahu, sejak awal, kami adalah organisasi yang sangat rumit. Kami adalah para pekerja kreatif. Kami adalah organisasi berita. Kami adalah pekerja kantoran. Jadi, menurut saya, keragaman budaya kami saja sudah...

Ini adalah kanvas yang sangat terbuka bagi kami. Jadi, fakta bahwa kami dapat mulai menjalani setiap proses kami, menyederhanakannya, memungkinkan agen untuk membantu mengembangkannya, sungguh luar biasa bagi kami.

Bagus sekali. Apakah Anda keberatan memberikan contoh atau menjelaskan lebih detail tentang sesuatu hanya untuk menunjukkan seperti apa pekerjaan sehari-hari? Ya.

Jadi, lihatlah, kami dibanjiri oleh semua alat AI dan mitra serta segala hal terkait.

Lucunya, kami menggunakan Asana untuk melacak semua itu. Dan bagian yang luar biasa adalah karena kami berurusan dengan begitu banyak grup berbeda yang harus meninjaunya, sama seperti agen yang Anda lihat sebelumnya, memiliki semua tim itu dalam satu platform dengan konteks mereka sendiri yang masuk ke dalam sistem dan kemudian mengotomatisasikannya telah mengubah hidup kami.

Itu luar biasa. Sekali lagi, terima kasih telah bergabung bersama kami, Lax, dan selamat atas pencapaian yang luar biasa. Terima kasih banyak. Mari kita beri tepuk tangan meriah untuknya.

Dan sekarang saya ingin mengundang SVP dan GM AgenTik Work Management, Kirk Miles, ke atas panggung.

Wow.

Bukankah itu luar biasa?

Senang sekali melihat cara Skydance menggunakan rangkaian AgenTeq kami. Halo semuanya. Saya Kirk Miles, dan saya memimpin AgenTeq Work Management di Asana.

Anda sudah mendengar ceritanya, dan sekarang saya di sini untuk menunjukkan beberapa produk di baliknya.

Hari ini, kita akan menelusuri perjalanan bersama manajer operasi kampanye saat ia menjalani satu minggu dan satu kampanye menit terakhir, semuanya dengan manfaat Agentic Work Management.

Namun, sebelum saya mulai, saya ingin menjelaskan beberapa hal baru yang Anda lihat.

Pertama, Rapat AI, yang menerjemahkan apa yang dikatakan dalam panggilan menjadi item tindakan yang benar-benar diselesaikan.

Selanjutnya, halaman, yang mengubah dokumen Anda menjadi rencana dinamis yang dapat digunakan tim untuk bekerja.

Dan terakhir, Tabel, yang mengeluarkan data bisnis Anda dari spreadsheet dan memindahkannya... Memindahkannya ke samping tempat pekerjaan benar-benar berlangsung.

Semua ini ada di grafik kerja, jadi rekan tim manusia dan agen Anda dapat bekerja dengan konteks bersama yang sama.

Dengan itu, mari kita mulai. Dan saya ingin memperkenalkan Anda kepada Sarah. Sarah memimpin operasi kampanye di sebuah perusahaan media.

Hari Jumat sore, dan dia baru saja menerima permintaan di menit terakhir untuk peluncuran besar dengan target pertumbuhan yang tinggi yang harus dicapai dalam waktu kurang dari seminggu.

Sarah stres. Jujur saja, saya juga akan stres jika diminta untuk menjalankan peluncuran besar dalam waktu kurang dari seminggu.

Tapi jangan khawatir, Asana siap membantunya. Mari saya tunjukkan caranya.

Dalam hal ini, permintaan sebenarnya dimulai di luar Asana, yaitu di Slack.

Michael, kepala bagian pertumbuhan, mengirimkan permintaan ke saluran permintaan kreatif, dan AI Studio secara otomatis menanggapinya, membuat tugas, mengisinya dengan detail tentang kampanye, anggaran, dan menambahkan semua kolaborator ke tugas tersebut yang perlu memiliki visibilitas ke tugas tersebut.

AI menindaklanjuti dengan Michael untuk mengonfirmasi cakupan regional dan memeriksanya dengan pustaka aset mereka.

Dalam hal ini, AI Studio melihat bahwa salah satu aset belum disetujui untuk digunakan di EMEA, jadi AI Studio membuat subtugas untuk Sarah guna mendapatkan persetujuan merek dan hukum sebelum kampanye dapat dilanjutkan.

Mari kita lihat pustaka aset itu karena pustaka tersebut dibuat dalam bentuk tabel.

Di dalamnya, setiap baris adalah aset visual yang berbeda dengan detail seperti rentang haknya dan persetujuan regionalnya serta kampanye terkaitnya.

Mari kita perbesar kolom EMEA itu karena itulah hal terbesar yang menghalangi Sarah dan peluncurannya minggu depan.

Jadi, mari kita lanjutkan ke hari Senin.

Sarah tahu ada banyak hal yang harus dikerjakan dalam waktu kurang dari empat hari kerja untuk menyelesaikannya, jadi dia langsung bertindak. Dia meminta Dash untuk membuat draf halaman di Asana untuk tim hukum dan merek, yang menguraikan konteks peluncuran, ruang lingkup aset, kesenjangan EMEA, serta batas waktu persetujuan pada hari Selasa.

Dash membuat draf halaman yang mengambil konteks dari tugas penerimaan di pustaka aset, membagikannya dengan tim hukum dan merek, yang segera membuka halaman tersebut dan memberikan komentar inline yang mengatakan, ayo kita lakukan panggilan untuk membahas aset visual EMEA.

Keesokan harinya, mereka melakukan panggilan telepon dengan... Dengan rapat AI diaktifkan.

Dan segera setelah panggilan berakhir, transkrip dan ringkasan secara otomatis diposting ke proyek kampanye dan dibagikan kepada semua pesertanya, serta mengisi item tindakan dan pemilik yang disarankan.

Saat Sarah tiba di mejanya, dia meninjau daftar dan ternyata melihat bahwa seorang anggota tim hukum sudah mengambil satu item tindakan. Dia menyetujui sisanya, termasuk satu tugas, yaitu penafian hukum yang diberikan ke rekan tim koordinator kampanye mereka.

Koordinator kampanye menyusun draf pernyataan sangkalan hukum dan mengirimkannya ke tim hukum untuk disetujui.

Dan segera setelah tim hukum menyetujui, pustaka aset otomatis diperbarui.

Dan persetujuan EMEA yang sangat dikhawatirkan Sarah langsung berubah menjadi hijau.

Di akhir hari Selasa, Sarah merasa optimis. Dia tidak yakin, tetapi sekarang dia merasa mereka benar-benar akan dapat menyelesaikan proyek ini.

Jadi, mari kita lihat hari Rabu.

Sepertinya tidak ada masalah mendesak, tetapi dengan lima tim yang harus dikoordinasikan dan lebih dari 20 hasil kerja, Sarah ingin memastikan, jadi dia bertanya kepada Dash.

Dan Dash menandai satu hal.

Tim media sosial berbayar melewatkan batas waktu mereka kemarin, dan peninjauan hari ini berisiko.

Sarah hanya perlu memberikan satu tanggapan.

Pindahkan hasil akhir media sosial berbayar ke hari ini, berikan ulang tugas Priya ke Marcus, dan tandai semuanya sebagai prioritas tinggi.

Dash menampilkan pratinjau setiap perubahan yang akan dibuat sehingga tidak ada yang berubah sampai Sarah menyetujuinya. Dan begitu dia melakukannya, setiap tugas diperbarui sekaligus.

Pada akhir hari Rabu, semua 20 hasil kerja disetujui, dan peluncuran ini siap dilaksanakan.

Jadi, mari kita maju ke hari Jumat. Peluncuran telah dilaksanakan. Sarah sangat lega, sangat senang, tetapi pekerjaannya belum selesai.

VP-nya mengharapkan pembaruan status untuk memahami bagaimana pelacakan peluncuran, dan dia hendak duduk untuk menuliskannya secara manual.

Dia... Saat dia membuka tugas, rekan tim yang dibuat... Analis kampanye, seorang rekan tim yang dibuat oleh seseorang di timnya, muncul secara proaktif dan menawarkan untuk mengerjakannya.

Rekan tim ini memiliki skill kustom yang memahami format laporan yang disukai VP-nya dan dapat menarik data kinerja serta anggaran versus aktual melalui koneksi Databricks.

Dia menyelesaikan tugas, dan tugas tersebut menarik kinerja di kelima kampanye, termasuk penyesuaian media sosial berbayar dan kinerja dibandingkan rencana.

Sarah sebenarnya memberitahunya untuk mengatakan, Saya lebih suka... Alih-alih brief, saya lebih suka presentasi.

Dan Asana mengenali bahwa ini adalah pekerjaan berulang, jadi menawarkan untuk melakukannya setiap Jumat. Dia setuju.

Sekarang, setiap hari Jumat, rekan timnya secara otomatis menyusun presentasi dengan branding yang menarik, yang merangkum pembaruan dari semua kampanye mereka, yang dapat Sarah bagikan kepada VP-nya.

Sesuatu yang dulu memakan waktu satu sore penuh kini hanya membutuhkan waktu beberapa menit.

Dalam hal ini, Sarah memperbarui satu baris dan mengirimkannya ke VP-nya.

VP-nya sangat terkesan, ia meneruskan laporan tersebut kepada CMO-nya dengan pujian setinggi langit untuk Sarah.

Jadi, ada lima tim, lebih dari 20 aset, dan kurang dari seminggu.

Semuanya, mulai dari penerimaan permintaan hingga rapat penyelarasan, pelacakan persetujuan, hingga pelaporan, semuanya dimungkinkan karena berada di Grafik Kerja.

Dan untuk produk-produk baru tersebut, saya sangat senang memberitahukan bahwa Pages sudah tersedia hari ini, dan Rapat AI serta Tabel akan hadir akhir bulan ini. Dan jika Anda ingin mempelajari lebih lanjut, silakan kunjungi kami di Aula Pameran, dan kami dengan senang hati akan memberikan demo kepada Anda.

Jadi, dengan itu, saya ingin mengundang Arnaud kembali ke panggung untuk berbagi lebih banyak tentang apa saja yang telah kami kembangkan di luar Agentic Work Management. Terima kasih.

Terima kasih, Kirk. Bukankah itu demo yang luar biasa? Apakah kalian suka demo tadi? Ya?

Sekali lagi, apa yang ditampilkan Kirk adalah eksekusi terorkestrasi di seluruh sistem dan semua kekuatan baru yang kami hadirkan ke dalam Grafik Kerja untuk menambahkan lebih banyak konteks ke dalamnya. Halaman, rapat, semua data tidak terstruktur ini yang membentuk dasar untuk membuat orang dan agen bekerja sama dengan lebih baik.

Selanjutnya, saya akan membahas tiga aplikasi agentic baru yang telah kami buat di platform ini. Masing-masing aplikasi ini mewarisi dan mendapatkan manfaat dari kapabilitas platform dan menjadi lebih baik, tetapi aplikasi ini dirancang khusus untuk tim tertentu.

Kami mengumumkan aplikasi-aplikasi ini di Wiz London awal tahun ini, dan mulai bulan lalu, semuanya sudah tersedia secara umum. Masing-masing dari ketiga aplikasi teknologi agen ini kini sudah tersedia secara umum. Anda dapat membelinya sekarang juga. Gol saya di bagian ini adalah membuat Anda cukup antusias dengan masing-masing aplikasi sehingga Anda berbondong-bondong keluar dari panggung keynote setelah ini berakhir dan pergi melihat stan demo di Aula Expo. Jadi, apa yang telah kami buat? Kami telah membangun Asana Service Management untuk setiap service desk pegawai di perusahaan, baik untuk bantuan teknis TI, keuangan, fasilitas, SDM, maupun hukum.

Kami telah membuat Asana Client Management untuk agensi dan tim layanan profesional yang perlu menggunakan AI agar selalu mengetahui informasi terkini tentang semua permintaan pelanggan mereka. Bagaimana mereka tetap menghasilkan profit? Bagaimana mereka mengelola semua hubungan klien tersebut di satu Ruang Kerja?

Lalu, Command by Asana. Command by Asana akan merevolusi cara tim penelitian dan pengembangan, tim teknik yang membangun perangkat lunak yang menjadi dasar operasional semua perusahaan kita, membangun produk-produk tersebut. Bagaimana mereka bisa selaras dan membangun produk terbaik dengan cara tercepat?

Izinkan saya membahas Asana Service Management sedikit lebih dalam terlebih dahulu. Jadi, sekali lagi, Service Management kini sudah tersedia secara umum.

Ini dirancang untuk semua kasus penggunaan help desk internal ini.

Dan tesis utama kami adalah bahwa sistem manajemen layanan lama atau warisan dirancang untuk mengarahkan tiket perbaikan masalah ke antrean, dan itu tidak akan memadai lagi. Itu tidak lagi memadai. Betul? Yang dibutuhkan setiap perusahaan adalah cara untuk menjawab pertanyaan pegawai secara otomatis menggunakan knowledge base yang belajar mandiri. Itulah yang dimiliki Asana Service Management, knowledge base yang belajar mandiri.

Untuk tindakan yang perlu diselesaikan, seperti kasus penggunaan onboarding pegawai baru, seseorang yang berpindah divisi atau bagian di perusahaan, memberi mereka akses ke alat yang tepat pada waktu yang tepat, kami dapat menjalankan tindakan tersebut secara otomatis di belakang layar dengan kekuatan Stack dot ai yang mengorkestrasi beberapa sistem. Jadi, penyelesaian tiket secara otomatis.

Dan terakhir, kami tahu dari semua data pelanggan kami bahwa, Anda tahu, persentase besar dari tiket-tiket ini tidak dapat diselesaikan begitu saja. Tiket tersebut bukan masalah yang dapat diperbaiki. Jadi, kami memiliki kemampuan untuk mengambil tiket dan secara otomatis menaikkannya menjadi proyek dengan semua konteks yang diperlukan agar manusia dapat selaras seputar proyek tersebut dan menyelesaikan alur kerja manajemen perubahan yang kompleks itu.

Semua ini sudah dibuat sebelumnya dan terintegrasi dengan sistem yang digunakan tim TI Anda, baik Workday untuk SDM, Greenhouse untuk perekrutan, Brex untuk manajemen keuangan, atau Ramp, dan akan ada banyak lagi integrasi yang akan hadir, semuanya didukung oleh Stack dot ai. Stack ai memiliki sekitar 500 lebih integrasi. Kami akan membawa semua ini secara bertahap ke Asana Service Management.

Selain itu, pelanggan seperti Arri Behavioral Health sudah memperkirakan bahwa mereka akan menghemat sekitar seperlima dari kapasitas bantuan teknis pegawai internal mereka saat mereka menerapkan Asana Service Management. Saya akan berbicara dengan CIO mereka di sesi breakout nanti hari ini, jadi pastikan untuk menyaksikan sesi itu.

Sekarang, Asana Client Management. Seperti yang saya sebutkan, perusahaan dan agensi layanan profesional... Berapa banyak orang di antara audiens yang bekerja di bidang layanan profesional atau di agensi? Ada beberapa tangan yang terangkat. Benar? Jadi, Anda mengelola proyek, Anda ingin menentukan rencana kepegawaian, tetapi Anda juga harus mengoordinasikan semua tindakan tersebut dengan pelanggan, dengan klien Anda.

Asana Client Management menghadirkan portal klien ke Asana sehingga semua percakapan dengan klien Anda dan tim proyek yang melayani mereka dapat dipusatkan di satu tempat. Ini berarti bahwa agen AI dan manusia yang sama-sama mendukung keterlibatan tertentu itu dan pelanggan, semuanya membahas konteks data yang sama. Jadi, kami menghadirkan kemampuan AI Teammates, alur kerja AI Studio, semua komponen platform inti yang Anda lihat dari Kirk ke keterlibatan hubungan klien ini.

Sangat, sangat keren. Kami sudah melihat pelanggan seperti Liminal, iRead and Company, dan Gravitate memanfaatkan Asana Client Management dan meraih kesuksesan luar biasa saat ini.

Terakhir namun tidak kalah penting, Command by Asana.

Saya yakin semua orang di ruangan ini telah mendengar tentang semua kemajuan luar biasa yang dicapai oleh agen pengodean hanya pada tahun 2026. Sekarang, membuat kode menjadi sangat murah.

Setiap... Dan, Anda tahu, beberapa minggu sekali, ada model pengodean baru. Sangat mudah untuk membuat produk. Anda tidak perlu lagi memiliki gelar ilmu komputer. Semua jenis bahasa itu ada di luar sana, di dunia maya.

Namun, yang terjadi adalah kemacetan kini telah bergeser.

Kemacetan dalam hal menghasilkan produk berkualitas tinggi telah bergeser ke keselarasan, strategi, dan membuat manusia memiliki pemahaman yang sama tentang hal yang tidak perlu dibuat. Apa itu selera?

Agen AI tidak akan dapat mencari tahu sendiri apa yang tidak boleh dibuat atau apa yang seharusnya ada dalam suatu rilis atau apa status proses menyeluruh. Apakah produknya dihasilkan dengan kualitas tinggi? Apakah ini benar-benar memenuhi batas waktu panduan peluncuran produk kami?

Command by Asana adalah sistem produk perencanaan yang dirancang untuk membuat semua orang selaras dan secara otomatis menyerahkan pekerjaan ke agen AI serta beralih dari ide ke produk jadi berkualitas tinggi dengan cara tercepat. Ini meningkatkan konsep pabrik perangkat lunak dari sekadar menghasilkan kode menjadi membangun produk secara menyeluruh dengan sangat cepat.

Dan kami sangat senang telah bermitra dengan OpenAI Codex, Cursor by SpaceX AI, dan GitHub Copilot untuk mewujudkannya. Keren banget.

Jadi, begitulah. Ada sekitar tiga aplikasi agentic yang telah kami bangun di platform itu yang sangat mendukung jenis pusat pembelian baru atau persona baru di perusahaan Anda.

Meningkatkan kinerja pusat layanan, membuat manajemen klien dan layanan profesional serta semua kasus penggunaan agensi menjadi sangat optimal, dan mengambil setiap tim litbang dan mengubahnya menjadi pabrik perangkat lunak yang lengkap.

Mari kita lihat salah satu pelanggan yang saya yakin sudah dikenal semua orang di New York. Mereka juga sedang menjalani perjalanan agen mereka.

Inilah kisah NYU. Putar videonya.

Kami harus mematuhi standar yang sangat tinggi. Orang-orang mengharapkan yang terbaik di NYU.

NYU memiliki 18 sekolah, 65.000 mahasiswa, puluhan ribu staf fakultas, dan lebih dari 700.000 alumni.

Sebagai sebuah institusi, ini adalah standar yang sangat tinggi. Ini adalah standar keunggulan.

Tanggung jawab kami adalah mempersiapkan seluruh organisasi, staf pengajar, staf, dan mahasiswa untuk beradaptasi dengan masa depan dunia kerja.

Kami ingin menjadi lebih efisien dan lebih efektif di dunia yang pasti akan melibatkan AI.

Ada puluhan fakultas berbeda yang semuanya mengoperasikan lingkungan mereka sendiri. Fakultas Kedokteran Gigi akan berbeda dengan Stern School of Business.

Kami bertanggung jawab atas database yang mengelola lebih dari 1.500.000 bukti proses. Proyek sangat kompleks dan bergantung pada puluhan ribu mitra di seluruh universitas.

Itu tentu saja dapat menyebabkan banyak sistem yang berlebihan, kurangnya kejelasan seputar prioritas.

Ketika semuanya mendesak, tidak ada yang mendesak.

Itu adalah pekerjaan penuh waktu lain yang harus dikelola.

Agar efektif, AI membutuhkan fondasi yang terhubung.

Itulah yang diubah Asana untuk kami.

Asana menghubungkan pekerjaan kami dengan hal-hal yang tidak bisa ditawar, yaitu keamanan data, privasi, dan tata kelola, sehingga kami dapat membuat kerangka kerja dan fondasi untuk AI.

Kami memiliki cara untuk bekerja secara sistematis, memberikan otonomi dan visibilitas agar semua orang tetap selaras. Kami tidak lagi menebak-nebak, apakah ini hal yang berdampak pada banyak orang atau banyak sekolah?

Kami dapat mengandalkan Asana untuk menemukan celah yang harus kami perhatikan, untuk menyelesaikan berbagai hal secepat mungkin dan seakurat mungkin.

Bagi mahasiswa, staf, fakultas, dan alumni kami, universitas yang lebih terhubung adalah universitas yang lebih baik.

Asana adalah platform yang jelas bagi kami untuk mempersiapkan para mahasiswa dan seluruh universitas untuk bekerja di dunia yang didukung AI. Kami ingin mewujudkannya sebisa kami.

Selamat pagi, semuanya. Wow. Banyak sekali orang yang hadir. Apakah kita bersenang-senang? Ya.

Jadi, video itu benar-benar menggambarkan bagaimana sebuah... Gambaran ketika sebuah organisasi beroperasi sebagai satu sistem.

Dan tidak ada yang lebih tepat untuk membahas hal ini selain Michael Worden, Wakil Presiden Asosiasi Penyediaan Layanan Global di NYU. Selamat datang, Michael. Halo.

Senang bertemu Anda, Michael.

Senang bertemu Anda.

Jadi, dari video itu, bagi saya cukup jelas bahwa NYU adalah sistem yang sangat kompleks dengan banyak fakultas yang beroperasi dengan tingkat kemandirian yang tinggi. Jadi, saya harus bertanya, bagaimana kalian membuat semua orang beroperasi berdasarkan satu rencana bersama?

Jadi, Anda benar. Universitas sangat terfragmentasi dan tersebar di seluruh... Untuk NYU, kami tersebar di seluruh dunia. Ya. Dan kami mulai melihat Asana muncul di banyak tempat yang berbeda. Dan menjadi sangat wajar bagi kami untuk mengatakan, bagaimana jika kami menganggap ini sebagai platform, bukan produk individual yang digunakan orang-orang? Dan ketika kami bertanya kepada para pengguna aktif di platform ini, ada kesepakatan bulat bahwa ini adalah arah yang tepat bagi kami, dan itu adalah kunci langkah kami ke depan.

Kedengarannya luar biasa. Dan ketika AI mulai menjadi bagian dari rencana bersama itu, menurut Anda bagaimana Asana akan membantu Anda?

Jadi, AI benar-benar menjadi perhatian utama semua orang. Sebagai universitas, kami harus sangat berhati-hati dalam menavigasi AI.

Tentu saja.

Ini akan menjadi bagian dari masa depan, tetapi kami juga ingin mengajarkan kepada mahasiswa kami cara menggunakannya secara efektif, hanya menggunakannya di tempat-tempat yang benar-benar sesuai. Namun, ketika kita memikirkan semua contoh yang telah kita lihat hari ini, kami merasa ada banyak cara berbeda untuk mengotomatiskan pekerjaan yang terkadang tidak selalu bisa kami lakukan, dan menurut saya, di situlah saya sangat antusias dengan kehadiran AI di platform Asana.

Bagus sekali. Kami sangat senang memiliki Anda sebagai pelanggan, dan terima kasih banyak, Michael, telah membagikan kisah Anda.

Terima kasih.

Baiklah. Jadi, saya harus bertanya, berapa banyak dari Anda di sini yang bekerja di tim penyediaan layanan, baik itu TI, SDM, fasilitas, keuangan, hukum?

Angkat tangan Anda. Wow. Banyak sekali. Jadi, ini untuk Anda.

Tadi, Arm sudah memberikan pratinjau Asana Service Management, manajemen layanan perusahaan berbasis AI yang dirancang untuk tim layanan seperti Anda.

Dan sekarang saya ingin mewujudkannya dengan menunjukkan kepada Anda seperti apa persisnya tampilannya di lingkungan terdistribusi seperti NYU, tempat banyak tim yang berbeda harus bekerja berdasarkan satu rencana bersama.

Jadi, dalam demo saya, saya akan menggunakan Acme University, yang juga ada di New York. Mungkin ini terinspirasi dari NYU, mungkin juga tidak, saya tidak tahu.

Misinya sangat sederhana: memberikan pengalaman belajar yang luar biasa kepada para mahasiswa. Dan bagian dari itu berarti menyelesaikan permintaan mahasiswa dengan sangat cepat agar mereka dapat kembali belajar.

Jadi, mari kita ikuti Zoe, seorang mahasiswa biasa yang merupakan peneliti AI.

Suatu pagi, Zoe mengambil kopinya, tiba di lab penelitian AI-nya, tetapi tiba-tiba, kartu identitasnya tidak berfungsi.

Sebelum menggunakan Asana, ini berarti harus menelepon, mengirim email, atau berjalan kaki kembali melintasi kampus, yang sangat merepotkan.

Namun, dengan Asana Service Management, dia mencatat permintaannya langsung di portal Asana.

AI Layanan memeriksa identitasnya, hak aksesnya, dan memberinya kode akses sementara selama dua puluh empat jam.

Tidak ada tiket yang sampai ke bagian fasilitas, tidak ada manusia yang terlibat.

Zoe kembali ke lab penelitiannya dalam hitungan menit.

Namun, percaya atau tidak, mahasiswa zaman sekarang memikirkan hal-hal lain selain riset AI.

Jadi, akhir pekan itu, Zoe mulai merencanakan liburan musim seminya.

Jadi, dia masuk ke kanal Slack urusan kemahasiswaan dan bertanya tentang jadwal liburan.

Kali ini, AI Layanan menelusuri knowledge base, tetapi tidak dapat menemukan jawaban terbaru karena knowledge base menjadi usang seiring waktu. Kedengarannya familier?

Jadi, dalam kasus ini, AI Layanan meneruskan pertanyaan ke Zach di bagian urusan kesiswaan, dan Zach menjawabnya.

Tapi, tahu apa?

AI Layanan menyadari bahwa, hei, pada saat seperti ini, jika Zoe bertanya tentang hal ini, 100 mahasiswa lainnya pasti sedang memikirkan hal ini.

Jadi, Services AI membuat draf artikel basis pengetahuan berdasarkan tanggapan Zach dan meminta Zach untuk meninjau dan menyetujuinya.

Jadi sekarang, mahasiswa berikutnya yang bertanya tentang liburan musim semi langsung mendapatkan jawaban, dan Zach tidak perlu menjawab dan mengatakan hal yang sama 99 kali lagi, yang tentu saja menguntungkan Zach.

Lalu, liburan musim semi tiba. Zoe dan teman-temannya bersenang-senang. Saya rindu liburan musim semi, tapi sudahlah.

Dan dia kembali dan menyadari bahwa laptopnya telah dicuri di pantai. Jadi, apa yang dia lakukan? Nah, pertama-tama, dia segera melaporkan insiden tersebut di Slack.

Dan karena perangkat itu sudah dipetakan ke Zoe di pengelolaan aset layanan, Asana tahu perangkat mana yang telah dicuri. Tidak perlu menyelidiki, tidak perlu mengajukan sejuta pertanyaan kepada Zoe.

Dan pada saat ini, Zoe dan AI Layanan melakukan penguncian perangkat dari jarak jauh, lalu segera membuat permintaan pengadaan laptop baru dan memberinya informasi terbaru selama proses berlangsung.

Jadi, Zoe mendapatkan kembali laptopnya dan kembali melakukan riset AI-nya.

Dan, tahukah Anda? Semua kerja keras itu terbayar karena pada akhir tahun, proyek risetnya sangat, sangat sukses.

Dan Kira, temannya di bagian urusan kesiswaan, memutuskan untuk mengadakan pesta di labnya untuk merayakannya.

Dan, tebak apa? Ini jelas bukan tiket perbaikan masalah.

Ini melibatkan lokasi, katering, persetujuan anggaran, banyak orang yang berbeda yang bekerja di berbagai tim.

Jadi, yang terjadi dalam kasus ini adalah Asana membuat proyek Asana, pada dasarnya, dengan sekali klik.

Semua tenggat, pemilik, dan dependensi Anda sudah diisi sebelumnya dari WorkGraph.

Dan inilah, teman-teman, keunggulan Asana Service Management, di mana permintaan sederhana diselesaikan secara otomatis, knowledge base Anda menjadi lebih cerdas seiring waktu dan selalu terkini, serta permintaan kompleks menjadi proyek Asana dengan semua konteksnya yang disimpan dalam satu jejak audit.

Jadi, jika Anda siap mengubah cara kerja tim layanan Anda, silakan temui kami di Aula Expo, tempat saya dan tim saya serta pakar Asana Service Management lainnya dapat menjelaskan kasus penggunaan yang dipersonalisasi untuk Anda.

Terima kasih banyak, dan sampai jumpa lagi.

Dan sekarang saya ingin menyambut kolega saya, Kelly, kepala tim Pemerintah Amerika kami.

Terima kasih, Jen. Baiklah, semuanya. Nah, pagi ini jelas sangat menginspirasi, setidaknya begitu. Kalian semua telah mempelajari sesuatu yang baru, sesuatu yang dapat ditindaklanjuti, dan mengambil langkah pertama menuju masa depan dunia kerja hanya dengan hadir di sini.

Jadi, saya akan meminta partisipasi dari para audiens. Dengan mengangkat tangan, ada berapa banyak pelanggan Asana di antara audiens hari ini? Mari kita lihat. Halo.

Audiens yang luar biasa. Saya ingin mengambil foto ini. Baik Anda telah bersama kami selama enam tahun, enam bulan, atau enam hari, Anda telah membangun konteks dalam Asana WorkRef untuk AI selama ini.

Nah, ini penting karena saat Anda melakukan orientasi rekan tim, saat Anda berinteraksi dengan Dash, Dash sudah memiliki konteks tentang cara Anda, tim Anda, dan bisnis Anda beroperasi di Asana.

Kami sudah memiliki beberapa pelanggan luar biasa yang melakukan ini saat ini, jadi saya ingin mengundang Anda semua untuk bergabung dengan saya mengucapkan selamat kepada para pemenang Work Innovation Award 2026 kami. Selamat untuk Anda jika melihat diri Anda di layar ini. Benar, bukan? Beberapa perusahaan yang luar biasa.

Kerja bagus.

Sekarang, bagi Anda yang tidak ada di sini, atau sedang berupaya untuk berada di sini, mungkin Anda berpikir, bagaimana cara menerapkan semua yang telah saya pelajari di sini hari ini?

Nah, seperti yang saya katakan, pertama-tama, Anda telah mengambil langkah pertama hanya dengan hadir di sini, dan saya akan memberikan cetak biru untuk langkah selanjutnya. Jadi, kita mulai dari hal kecil. Apa yang mudah dicapai? Pikirkan satu hingga dua alur kerja yang dapat diidentifikasi, yaitu alur kerja yang paling banyak dikerjakan secara manual. Apa yang ingin Anda singkirkan dari porsi kerja Anda?

Kedua, lakukan onboarding rekan tim Anda.

Rekan tim ini akan mengagentifikasi alur kerja Anda dengan bekerja sama dengan tim Anda.

Ketiga, berinteraksi dengan Dash. Pikirkan cara AI dapat membantu Anda dalam pekerjaan di Asana sekarang. Semua ini kini tersedia.

Namun, Anda tidak perlu melakukan ini sendirian. Kami memiliki mitra hebat yang siap membantu Anda meraih kesuksesan sepanjang proses ini. Jadi, saya ingin mengucapkan terima kasih kepada semua mitra yang tercantum di sini hari ini atas kemitraan, dukungan, dan komitmen Anda untuk menjadikan semua pelanggan bersama kami sukses.

Kesuksesan tentu tidak akan tercapai tanpa komunitas, jadi jika ada satu hal yang ingin saya sarankan kepada Anda semua, itu adalah bergabung dengan Komunitas Asana. Kami sangat menyukai komunitas kami. Jadi, baik Anda pengguna lama maupun pembuat pemula, ada tempat untuk semua orang. Ini adalah tempat di mana Anda dapat mempelajari tentang kasus penggunaan, mencari tahu fitur terbaru dan terbaik dari produk, dan terhubung secara profesional.

Terima kasih banyak telah bergabung bersama kami di sini hari ini dan mengambil langkah pertama menuju masa depan dunia kerja bersama kami. Kami siap menemani Anda dalam perjalanan ini. Ayo mulai.