# Keynote: Welkom bij de toekomst van teams van mensen en agents > Welkom bij de toekomst van teams van mensen en agents Source: https://asana.com/on-demand-library/keynote-welcome-to-the-future-of-human-agent-teams #### Keynote: Welkom bij de toekomst van teams van mensen en agents We onthullen de blauwdruk voor samenwerking tussen mensen en agenten - van het versterken van teamgenoten en het agentifiëren van workflows tot het verbinden van agenten in de hele onderneming - en laten zien hoe Asana AI omzet in gecoördineerde actie. #### Hoofdstukken van de toespraakvideo - **3:53** – Het besturingssysteem voor menselijke medewerkers - **6:28** – Casestudy leveranciersselectie - **12:40** – Georkestreerde uitvoering met StackAi - **18:55** – Workflowtransformatie voor ondernemingen met StackAi - **21:28** – Succes van Zimmergen op het gebied van verkoopefficiëntie - **29:50** – AI-adoptie bij Skydance Media - **34:18** - Productdemo campagneactiviteiten - **42:11** - Speciaal gebouwde agentische applicaties - **49:02** - Institutionele AI-implementatie van NYU - **57:49** - Serviceaanvragen omzetten in projecten - **1:00:37** - Blueprint voor workflowoptimalisatie #### Transcriptie van de video Goedemorgen en welkom op de Work Innovation Summit, New York. Goed. Waarom zijn we hier allemaal? We zijn hier om te leren. We hebben de rest van de dag een aantal geweldige sessies. We zijn hier om contact te leggen. Als je naar links kijkt, als je naar rechts kijkt, ben je omringd door enkele van de meest inspirerende leiders in de techsector. En we zijn er ook om geïnspireerd te raken over de toekomst, de toekomst van werk en de toekomst van agentisch werk. Ik wil beginnen met onze co-host van LTSC te bedanken, die samenwerkt met visionaire bedrijven die op lange termijn floreren. Laten we onze reis beginnen met ons gezinsleven. En thuis zien we een enorme productiviteitsstijging door te werken met AI-teamgenoten. Ze helpen ons bij het onderzoeken. Ze helpen ons creëren. Ze helpen ons te plannen. Maar om de een of andere reden werken ze gewoon niet als het op werk aankomt. En wat je ziet, is dat die geweldige productiviteit die je in je werkzame leven verwachtte, nog niet is gerealiseerd. Waarom is dat zo? Nou, er zijn vijf redenen waarom het werkleven anders is dan je privéleven. De eerste is dit kleine dingetje dat kennis heet, wat in feite zegt dat thuis de enige context waar je je zorgen over hoeft te maken, een soort van in je eigen hoofd zit en dat je er gemakkelijk een prompt voor kunt gebruiken. Maar op het werk bevindt het succespad voor hoe dingen in het verleden zijn gedaan zich in de hoofden van andere mensen. Dit is de reden waarom, als je ooit een stagiair in je team hebt gehad, je je realiseert dat het een paar weken duurt om hem of haar te onboarden, zodat hij of zij weet wie wat weet en hoe we hier de dingen doen. Werk is ook anders dan je privéleven, omdat dingen op het werk meerdere systemen raken. Tientallen, honderden systemen en meerdere mensen. In feite heel veel mensen. Thuis, wanneer je met een van deze agenten communiceert, is de enige persoon die je moet coördineren jezelf. Misschien je echtgenoot, misschien je kinderen. Maar op het werk moet je 10, 20, 30 mensen coördineren om de meest eenvoudige dingen gedaan te krijgen. En raad eens? Ze hebben allemaal een mening. Ze hebben een mening over hoe dingen eruit moeten zien, hoe dingen moeten aanvoelen. Ze hebben hun eigen normen. Ze hebben hun eigen voorkeuren. Dit is heel anders dan je thuisleven. En dan, ten slotte, hoef je thuis alleen maar bezorgd te zijn over je eigen gegevens. Je kunt kiezen welke hoeveelheid gegevens je wilt delen. Maar op het werk is die keuze niet echt aan jou, omdat je dit dingetje hebt dat klantgegevens heet, wat echt kostbaar is. Dit is dus waarom werk anders is dan thuis, en dit is waarom Asana begon met het bouwen van het besturingssysteem voor menselijke agenten, waarmee we al deze contextuele uitdagingen van de werkomgeving oplossen. We beginnen de reis met de werkgrafiek. De werkgrafiek is echt dat levende grootboek van wie wat doet en wanneer, en hoe dingen in het verleden zijn gedaan. Dit zorgt ervoor dat elke medewerker die begint te werken met de werkgrafiek die geschiedenis al heeft, die kennis al heeft. En ten tweede, Asana bestrijkt nu 500 systemen met onze connectoren. Dit betekent dat onze AI-stafchef, Dash, die velen van jullie vandaag zullen ontmoeten als jullie hem nog niet hebben ontmoet in jullie dagelijkse werk, kan afleiden welke workflows nodig zijn. Hij kan een ​​dubbelzinnige prompt nemen, er een workflow van maken, een reeks taken, en het werk daadwerkelijk gedaan krijgen. En nu, wat betreft het coördineren van mensen, beginnen we met een multiplayer-actharnas voor iedereen. We hebben één canvas, één grootboek, waar iedereen kan zien wat er moet gebeuren, wie wat moet doen en wat de volgende stap is. De coördinatie-uitdaging, het moeras van heen en weer geschuif, is verdwenen met dit multiplayer-harnas. We hebben vooraf teamgenoten gemaakt. Teamgenoten zijn acteurs die zich net als mensen gedragen. We hebben er 30 van gedefinieerd en gebouwd om vandaag nog het werk gedaan te krijgen in je teams. Maar het leuke van teamgenoten is dat je met teamgenoten kunt communiceren in een multiplayer-modus, wat betekent dat je al die voorkeuren, al die smaken van de teamleden, in de teamgenoot kunt inbrengen: hoe je wilt dat dingen eruitzien, hoe je wilt dat de outputs eruitzien, van welke inputs je gebruik wilt maken. En met agents met een specifiek bereik is elk van deze teamgenoten programmeerbaar. Alleen programmeerbaar om toegang te krijgen tot de gegevens waartoe je wilt dat ze toegang hebben. Alleen om de kosten te maken die je wilt dat ze maken. En je kunt de goedkeuringsketen voor elke teamgenoot definiëren, zodat deze voldoet aan een reeds bestaande hiërarchie. Dit is het besturingssysteem voor menselijke agenten, waarmee we de vijf grote uitdagingen hebben opgelost van hoe je AI-productiviteit voor bedrijven levert. Laten we eens kijken naar een echt voorbeeld. En dit echte voorbeeld is Cindy. Cindy, ze begint haar leven heel gelukkig. Ze werkt bij de klantondersteuning. Ze heeft een nieuwe tool voor klantondersteuning geïdentificeerd. Ze wil het uitrollen naar haar hele groep. En ze loopt voorop. Ze weet wat haar budget is. Ze weet welke leveranciers ze overweegt. Ze heeft al RFP's verzonden. Maar wat er meestal gebeurt met iemand zoals Cindy met een eenvoudige prompt, we hebben een nieuwe tool voor klantondersteuning nodig, is dat ze met de realiteit wordt geconfronteerd. De realiteit is hard. De realiteit is 100 subtaken. Ik heb eigenlijk een aantal van deze taken waarbij ik betrokken was handmatig uitgeschreven. Er zijn heel wat taken nodig om een nieuw klantondersteuningsteam operationeel te krijgen... Tool operationeel te krijgen. Dus dit zijn veel taken. Dat zou misschien eenvoudig zijn als ze op de een of andere manier lineair waren, maar in werkelijkheid is dit wat er gebeurt wanneer je aan het werk gaat. Je verdwaalt in dit heen en weer geschuif van overdrachten. Ik weet dat sommigen van ons hier pijnlijk gezichten trekken omdat het maar al te bekend is. Want op het werk besteden we vaak onze tijd aan werk over werk in plaats van aan het werk van werk. Dit is de realiteit voor zoveel teams die vastlopen in wat ik de werkcyclus noem. Er moet een betere manier zijn. Cindy's hoop en dromen voor deze nieuwe tool voor klantondersteuning zijn net de bodem ingeslagen, omdat dit een project van acht, negen, tien weken aan het worden is, alleen maar om een leverancier te kiezen. Laten we eens kijken of we Cindy kunnen helpen. Nu met Asana is je nieuwe voordeur Dash, je AI-stafchef. Dash gaat Cindy hier vragen wat we vandaag gaan doen. Ik wil een nieuwe leverancier voor klantondersteuning kiezen. Maar Dash begint niet met een blanco canvas. Dash gaat meteen de werkgrafiek doorzoeken. Dash begrijpt alles wat je bedrijf heeft gedaan. In dit voorbeeld kan Dash zelfs nagaan en uitzoeken of we in het verleden ooit een nieuwe leverancier hebben onboarded. Ik denk van wel. Wat kwam daar allemaal bij kijken? Ik ga alle eerdere projecten, alle eerdere budgetten, alle eerdere doelen, genomen beslissingen en vergaderingen bekijken en uitzoeken wat die 100 taken zijn die moeten gebeuren. Ik kan ze allemaal heel mooi op één canvas weergeven. En weet je wat? Ik ga iets meer doen dan dat. Ik weet min of meer wie wie is in de organisatie. Ik ga de mensen toewijzen die dit werk moeten doen, zodat ik nu een middel heb om dit werk gedaan te krijgen. En je zult hier zien dat er enkele ongebruikelijke mensen zijn toegewezen aan dit werk. Sommige personen die we misschien nog niet eerder hebben gezien. Dit zijn teamgenoten. Dit zijn vooraf gemaakte teamgenoten. Sterker nog, op dit moment zal ik je aan drie van die teamgenoten voorstellen. Een beveiligingsreviewer, prijsanalist, projectassistent. Dit zijn vooraf gebouwde, vooraf samengestelde teamgenoten. Het blijkt dat Asana veel ervaring heeft met werken met werk. Dus hebben we 30 vooraf gebouwde teamgenoten gemaakt waarvan we weten dat ze voor jullie allemaal nuttig zullen zijn. We zijn in elk van deze teamgenoten gekropen, hebben ze vaardigheden bijgebracht en getraind, zodat we precies weten hoe we jullie het meest van dienst kunnen zijn. Dit zijn dus je vooraf gemaakte teamgenoten. Opeens is het leven voor Cindy een stuk beter geworden. In één enkele omgeving kan ze meerdere werkstromen coördineren waarin zowel mensen als agents actief zijn. En wat voor Cindy opvalt, is de selectie van een leverancier. Het is voorbij de beveiligingsweergave. Het voldoet niet aan de vereisten. Helaas heeft een bepaalde leverancier niet voldaan aan de budgettaire vereiste. De offerte bedroeg $ 600.000. Ze had maar $ 500.000 per jaar te besteden. Maar maak je geen zorgen. Iemand anders in dit bedrijf heeft al een onderhandelingsagent gebouwd. Deze onderhandelingsagent heeft vooraf gedefinieerde spelregels. Hij weet precies welk onderhandelingsdraaiboek hij moet volgen. Hij weet wat zijn budgettaire limieten zijn, en hij weet ook wie bij de financiële afdeling dingen op welk niveau mag goedkeuren. Dit is het idee van het bepalen van het bereik van je agents. Deze agent is vooraf gescoopt. De agent gaat aan de slag. Hij gaat aan de slag met dit aanbod. Hij antwoordt zelfs terug aan Cindy. Hij geeft haar een nieuw voorgesteld tegenvoorstel. De leverancier is geselecteerd. Het leven is goed. In plaats van dat acht weken durende heen en weer geschuif, gebeurt dit realistisch gezien in dagen. Dus mijn vraag aan jullie allemaal: zijn er werkprocessen in een van jullie groepen die jullie willen agentificeren? Welke workflows ga je vandaag agentificeren? Gedurende de rest van de show hopen we je erop te wijzen dat het makkelijker is dan je denkt om een agentische workflow te creëren, of je nu in marketing werkt, in IT, strategische operaties, R&D, of dat je een procesbouwer bent voor je hele organisatie. Want met Asana bieden we het besturingssysteem voor teams van mensen en agenten, zodat we allemaal samen kunnen werken aan workflows. Ik geef nu het woord aan onze chief product officer, Arnah Bose, die ons dieper gaat laten inzien hoe jullie allemaal vandaag nog deze workflows kunnen maken. Bedankt. Hallo allemaal. Hoe gaat het? Zozo... Ja. Laten we wat energie opdoen. Zo moet het. Ja. Fijn om de energie hier in dit New Yorkse publiek te zien. Ik ben Arnab. Ik ben het hoofd product hier bij Asana. En wat ik jullie vandaag wil laten zien, is wat Dan liet zien op een hoger detailniveau. Wat hij liet zien, was een georkestreerde uitvoering over meerdere systemen en vervolgens dat alles opbouwen met de kracht van het werkvakmanschap, dit contextvakmanschap dat we hier bij Asana al ruim tien jaar opbouwen. In mijn sectie ga ik het hebben over hoe die context van de werkgrafiek kan worden benut met de kracht van Stack dot ai om acties over meerdere systemen te coördineren en hoe we met herhaald gebruik van dat end-to-end-proces gegevens terug kunnen schrijven naar de werkgrafiek, zodat elke keer dat er een uitzondering is of er een nieuwe onderhandeling plaatsvindt, die gegevens in dat systeem van context worden vastgelegd en herbruikbare kennis worden. Dus een paar verschillende onderwerpen om te behandelen. Een daarvan is georkestreerde uitvoering. Hoe wordt dat beter met de kracht van de werkgrafiek? En hoe zetten we deze runs, deze herhaalde uitvoeringen, om in kennis, zodat de volgende keer dat je je georkestreerde workflow uitvoert, deze zoveel beter is. Het is zoveel nauwkeuriger. Dus we doen dit allemaal in de back-end wat betreft het verbinden met meerdere systemen met de kracht van stack.ai, dat nu deel uitmaakt van Asana. Dus ik wil je wat dieper meenemen in die onderhandelingsstap die Dan doornam. Wat de klant ontving, was een offerte van een nieuwe leverancier, $ 575.000, ruim boven het budget van $ 500.000. En de offerte kwam binnen, zoals de meesten van jullie ongetwijfeld in jullie dagelijkse ervaring hebben gezien, waarschijnlijk als een PDF. Er staan algemene voorwaarden in de PDF. Er is kleine lettertjes. En het is niet eenvoudig om uit te zoeken of dit iets is dat je gewoon kunt goedkeuren. Wat Stack Overflow op de achtergrond heeft gedaan, is dat het alle historische offertes die de klant heeft goedgekeurd, heeft bekeken. Het heeft al die PDF's gelezen en ze omgezet in een kennisbank die RAG ondersteunt. Dit betekent dus dat je zeer snelle opvragingen kunt doen, je kunt agentic-workflows uitvoeren op die verzameling van ongestructureerde gegevens. Dus al deze kleine interessante details in de kleine lettertjes over de kosten per gebruiker per seat, of er een opzegclausule in het contract staat, of de kosten inclusief supportkosten zijn, al deze dingen maken het veel ingewikkelder om te analyseren, omdat het niet zomaar een kwestie van opzoeken is. Nu kan ik met Stackie die vergelijking in de backend uitvoeren. Dus we hebben in feite al deze ongestructureerde gegevens geconverteerd, zodat je meerdere systemen in de back-end kunt verbinden. Wat doet de Stack-workflow dus? Hij analyseert dingen die zijn goedgekeurd. Hij bekijkt de specifieke nieuwe offerte en alle algemene voorwaarden en beslist dat er een tegenbod moet worden gedaan. En het tegenbod moet $ 489.000 zijn met een korting van 15%. Maar dit is een nieuwe leverancier. We hebben dit proces in het verleden eigenlijk niet doorlopen. En dus is het een plek waar je niet zomaar de actie volledig geautomatiseerd kunt uitvoeren. Wij geloven dat de beste resultaten worden bereikt wanneer mensen en AI-teamgenoten als een team kunnen samenwerken. Toch? We zijn van mening dat klanten en bedrijven floreren als ze kunnen samenwerken met automatisering en AI. Wat Stack dus kan doen met hun meer dan 190 connectoren in Asana, is automatisch een volledig geconfigureerd project bouwen voor die goedkeuringsworkflow. Het zal de bijzonderheden van de aanbiedingsdetails bevatten. Het zal de details bevatten over, bijvoorbeeld, wat we moeten onderzoeken vanuit een financieel perspectief of een juridisch perspectief, en die subtaken toewijzen en het menselijke team erbij betrekken. Dit zijn mensen en AI-agenten die met hetzelfde grootboek werken, als één geheel werken, en wat we bedoelen met georkestreerde uitvoering. Dus wanneer dat tegenbod klaar is voor goedkeuring, gebeurt er het volgende: het financiële team zegt: Hé. Kijk. We willen een exitclausule van één jaar. Misschien zegt het juridische goedkeuringsteam dat er een heleboel rode lijnen zijn die we willen opnemen. Al die gegevens die de mensen verstrekken, worden nu vastgelegd in de werkgrafiek. Ze worden dus vastgelegd in de taken, die nu beschikbaar zijn voor de Stack AI-workflow om te gebruiken de volgende keer dat er zo'n uitzondering plaatsvindt. Dus wat we hier laten zien en wat we echt bedoelen met georkestreerde uitvoering, is niet alleen dat je deze volledig functionele Workflow Builder krijgt die meerdere registratiesystemen en meerdere back-endsystemen met elkaar verbindt, je weet wel, je hebt er al veel van gezien, maar die wordt aangedreven door de werkgrafiek. Dus het begint met de context. Het wordt ook aangedreven door de werkgrafiek en alle dingen die Asana biedt, zodat je, wanneer er een uitzondering is, het menselijke team kunt inschakelen voor samenwerking, coördinatie en om de juiste volgende stappen te bepalen, en je dat proces in de toekomst kunt verbeteren. Dit is wat we bedoelen met het opbouwen van kennis. Asana biedt cumulatieve kennis en helpt je dat bedrijfsbrein op te bouwen, waarbij, wanneer AI-teamgenoten samenwerken met je team, met je mensen, al die interacties worden vastgelegd, zodat de AI-teamgenoot de volgende keer veel beter presteert. Uitvoeren, behouden, verbeteren. Herhaal de lus steeds opnieuw. Dus Stack hier van Asana, als de daadwerkelijke uitvoeringsengine, is een no-code-bouwer. Het heeft meer dan 500 integraties. Zoals je ziet, ondersteunt het human in the loop. En nu wordt het volledig aangedreven door de Werkgrafiek, niet alleen voor de initiële context, maar wanneer het enkele uitzonderingen vastlegt, kan het al die context ook terugduwen in de Werkgrafiek. Ik wil de OG introduceren, de persoon die Stack dot ai heeft gebouwd. Verwelkom op het podium Bernard, medeoprichter van Stack dot ai. Bedankt, Arnav. Ik ben blij om hier te zijn, allemaal. Mijn naam is Bernard. Zoals Arnab al een beetje liet zien, geven we bij Stack dot ai bedrijven de mogelijkheid om hun meest complexe workflows te transformeren met AI-teamgenoten. Via Stack dot ai kun je teams van AI-agenten samenstellen die, verbonden met meer dan 500 bedrijfssystemen, kunnen werken als elke andere werknemer met hun eigen computer, hun eigen terminal, hun eigen webbrowser, waardoor ze hun meest vervelende processen kunnen oppakken en ze kunnen opschalen naar hun AI. In combinatie met de WorkGraph kunnen Stack AI-agenten werken in de context van wat de onderneming daadwerkelijk doet. Wie werkt er aan wat? Wat zijn de doelen? En werken onder één entiteit en één plan. Bedrijven zoals LifeMD, Exeter, Wild Retirement en BA Systems werken tegenwoordig allemaal met Stack dot ai om enkele van hun meest complexe workflows op schaal uit te voeren. Een van deze bedrijven is SciMotion. Al meer dan twintig jaar biedt SciMotion gepersonaliseerde zorg door een eersteklas leverancier te zijn en dat heeft het gedaan door een gespecialiseerde service te bieden aan alle patiënten en klanten, vooral door samen te werken met zorgverleners. Het bieden van een dergelijk niveau van gepersonaliseerde zorg kan echter zeer kostbaar en complex zijn. Het kan tot twee uur duren, zodra ze een reeks patiëntendossiers ontvangen, om hun voorraad in SAP na te lopen, de patiëntinformatie in SharePoint te bekijken, verschillende labo-uitslagen in hele scripts en hun eigen gegevens te bekijken, en dit alles samen te voegen tot een mooi gepersonaliseerd merk. Ze wisten dat dit niet de juiste manier was om het te doen. En met het tijdperk van AI konden ze dingen veranderen. Met Stack dot ai kozen ze voor een nieuwe agentgerichte aanpak, en ze zeiden dat ze al deze onderdelen namen en een team van AI-agents samenstelden dat, onder het Stack AI-platform, elke keer dat er een nieuwe bestelling binnenkwam, alle gegevens uit de supplementenvoorraad, alle patiëntinformatie en laboratoriumresultaten kon opvragen, waardoor de verwerkingstijd van twee uur tot slechts vijf minuten werd teruggebracht. En als onderdeel van dit proces konden ze dit doen met de mens in de lus, waarbij elke kritieke beslissing altijd inhoudt dat de behandelaar elke belangrijke beslissing evalueert en goedkeurt. Vandaag hebben we het voordeel dat we het niet alleen van mij horen. We hebben ook Max Perisky, CRO van SignMojian, bij ons. Hij zal ons het verhaal live en vanuit zijn eigen ervaring vertellen. Welkom, Max. Zoals je ziet. Leuk je te zien. Leuk je te zien, Max. Bedankt dat je bij ons bent in New York. Ik waardeer het. En aangezien we je vandaag hebben, weet je, het is... Het zou geweldig zijn om iets te horen over het verhaal van hoe je op dit punt bent gekomen? Hoe zie je dit proces voor het bouwen van medpacks via stack.ai? En natuurlijk. Nou, weet je, ik denk dat... Waar dit begon was, weet je, ik ben een CRO. En er werd me eigenlijk verteld dat ik de eerste CRO ben die voor dit evenement op het Asana-podium staat, want in het verleden hadden we niet per se een reden om hier te zijn. Maar mijn taak is echt om... Wauw. Ik had niet gedacht dat ik daarvoor applaus zou krijgen. Mijn taak is echt om, weet je, een infrastructuur en een strategie op te bouwen die de wrijving voor onze klanten vermindert, waarbij onze klanten zorgprofessionals zijn. En dus, toen ik dat ongeveer een jaar geleden probeerde te doen, dacht ik: nou, misschien is er een manier waarop AI kan helpen bij het oplossen van een aantal van deze problemen, door, zoals je zei, deze componenten samen te brengen. Dus kreeg ik een gek idee, en een weekend begon ik gewoon een beetje te spelen met enkele van de beschikbare agents en kon ik het concept een beetje bewijzen, maar ik was niet tevreden met het soort documentdiscipline en webzoekdiscipline. Ik vond Stack en begon met de gratis versie te spelen en ik kon een agent bouwen die dat probleem voor mijn verkoopteam oploste, zodat ze heel snel waarde voor klanten konden leveren en deze konden implementeren. We hebben het zelfs geïmplementeerd voordat we er ooit voor betaald hebben. Ik herinner het me, ik herinner het me. En ze hebben er nu wel voor betaald. Nu betalen we ervoor. Ja. Daarom ben ik hier. Oké. Maar het is goed. Weet dat je er veel efficiëntie mee wint, zoals het automatiseren van zowel de activiteiten op het gebied van inkomsten als de activiteiten op klinisch niveau, zoals we je laten zien, het samenstellen van medicatiepakketten, alles. Ik ben benieuwd, met al deze efficiëntie creëer je waarschijnlijk veel nieuwe tijd. Wat heeft dat voor Zimmergen als bedrijf mogelijk gemaakt? Nou, een paar dingen. We zijn begonnen met het inzetten van dit hulpmiddel voor onze verkopers om hen te helpen heel snel waarde te leveren. We hebben meer dan 300 producten. Stel je dus voor dat elk van deze producten is ontworpen om een klinisch hulpmiddel te zijn. Dus ze zijn genuanceerd. Ze zijn ingewikkeld. En dus hadden we net een groot deel van onze verkoopgroep vervangen. Dus je had veel nieuwe mensen die 300 producten moesten leren kennen en ze op het juiste moment bij de juiste persoon moesten leveren. Het hielp dus echt om dat proces soepeler te laten verlopen en om de leercurve voor hen te versnellen. Dat was de eerste soort proof of concept. En toen dachten we: laten we het naar de klant brengen, en dat is min of meer wat we nu implementeren met de Catalyst. Geweldig. En nu zullen we, hopelijk, zeer binnenkort veel meer succes boeken. Dat is geweldig. Hartelijk dank dat je bij ons was, Max. Ik waardeer het. Ik kijk uit naar nog vele jaren om samen dingen voor elkaar te krijgen en, weet je, het naar de maan te brengen. Ja. Bedankt dat ik erbij mocht zijn. Oké. Bedankt dat je erbij was. Proost. Bedankt. Dus, ja. Dus we hebben er live van Max over gehoord. En hij was zo vriendelijk om alle details van zijn verhaal te laten zien. Nou, hoe ziet het eruit als we achter de schermen kijken? Hoe breng je deze ideeën naar de productie? We gaan het verhaal van een ander bedrijf bespreken, dat erg vergelijkbaar is met SimoGen, genaamd Aiuhealth, dat ook gepersonaliseerde zorg en supplementen biedt. Aiuhealth is actief in een vergelijkbare sector en heeft precies hetzelfde probleem. Ze moesten een systeem bouwen waarmee ze eenvoudig patiëntendossiers konden opvragen en vanaf daar een verzameling systemen konden doorzoeken, het web konden doorzoeken en gegevens konden verzamelen om een medisch pakket te personaliseren met een op maat gemaakte oplossing voor dit probleem. Zoals je op het scherm kunt zien, bouwen ze een AI-agent die inderdaad een patiëntherkennings-pdf kan ontvangen, al deze systemen kan bevragen, alle scripttools kan bevragen en vervolgens alle resultaten kan samenvoegen tot een gepersonaliseerd pakket, met citaten van waar je die gegevens kunt vinden en wat je bronnen zijn. En dat niet alleen, het geeft je ook inzicht in alle sporen van de acties die je hebt uitgevoerd. En dit samenvoegen in het mFrame-bestandsresultaat. Wat doet dit achter de schermen terwijl het nadenkt en al deze gegevens verzamelt? In Stack dot ai, zoals je op het scherm kunt zien, bouwen ze een agentische workflow die een bericht van een gebruiker zou ontvangen, een bestand, een set API-specificaties van Whole Scripts. En daarmee maakt het vervolgens verbinding met een harness dat in dit geval wordt aangedreven door Claude met een aangepaste prompt voor hun probleem en verbindt het met hun belangrijkste kennisbank in SharePoint, hun gegevens in hele scripts, verbindt het met een webbrowser, de mogelijkheid om e-mails te verzenden, op het web te zoeken, net zoals elke andere persoonlijke AI-agent, maar afgestemd op hun use-case, zodat wanneer er een nieuw verzoek zou kunnen komen, het al deze systemen zou kunnen activeren. En het resultaat is dat zodra ze dit proces kunnen doorlopen, ze een gepersonaliseerd plan kunnen krijgen. De professional kan alle gegevens verkrijgen, deze samenvatten, de bronnen voor de resultaten verkrijgen, feedback geven aan de agent en samenwerken aan het bieden van een gepersonaliseerde ervaring die zowel kan worden gebruikt om deze klant te ondersteunen, maar ook om hun andere activiteiten op een menselijke manier te versterken. En hoewel je altijd kunt doorgaan met FIBA en ermee kunt werken, kan dit nog verder gaan. IU Health ging hier nog een stap verder en koppelde het via Asana aan de WarGraph. Ze konden het zo inrichten dat wanneer hun klinische onderzoeksactiviteiten een nieuw onderzoek of een nieuw fenomeen evalueerden, ze het konden koppelen aan deze agent en het rechtstreeks vanuit een Asana-taak konden activeren, zodat deze AI-agent dezelfde informatie kon opvragen en samenvoegen tot een gezamenlijk resultaat. Dit is de toekomst van ondernemingssoftware en AI-teamgenoten binnen de onderneming. Eén plek waar AI-agenten naartoe kunnen komen, kunnen werken met al deze tools, ongestructureerde gegevens kunnen verwerken, ongestructureerde operaties kunnen uitvoeren, en waar mensen het spel kunnen dicteren, feedback kunnen geven en alle begeleiding kunnen bieden. Natuurlijk is dit niet alleen de laatste stap. Er zijn nog tal van mogelijkheden. En vandaag... AI-teamgenoten en mensen werken in verschillende plannen. In de toekomst moeten ze allebei werken volgens één gemeenschappelijk operationeel plan. En je gaat horen hoe Asana dit probleem oplost. Daarvoor zal Prachi Gore, CMO van Asana, zich bij ons voegen en wat over deze toekomst vertellen. Bedankt. Bedankt, Bernard. Dus zoals hij al zei, om de belofte van een energieke onderneming waar te maken, heb je agents nodig die in meerdere systemen werken, wat we zojuist hebben gezien. Maar je hebt ook de mensen nodig, zoals personen, wij, onze teams, die samenwerken aan dezelfde doelen, hetzelfde plan en een volledig gedeelde bedrijfscontext. Dat wordt mogelijk gemaakt met Agentic Work Management. Zoals Dan al zei, wordt Agentic Work Management geleverd met 30 AI-teamgenoten die vooraf geskilled, beheerd en klaar voor gebruik zijn, speciaal voor jou. Elke Asana-gebruiker heeft ook toegang tot een persoonlijke stafchef genaamd Dash. Dash volgt al je werk in e-mails, vergaderingen en al je projecten, zodat het precies weet waar je aan werkt. En hij kan ook namens jou actie ondernemen, zoals het instellen van opvolgingstaken na een vergadering, zodat je je kunt concentreren op het meest kritische werk. We hebben ook meer dan 20 integraties met verschillende tools die we elke dag gebruiken, zoals Figma, Databricks, HubSpot, Google Drive, zodat al je werk vanaf één plek kan worden uitgevoerd. En enkele van 's werelds grootste merken gebruiken Asana. Maar vandaag wil ik dieper ingaan op een van die bedrijven, Skydance genaamd. Skydance heeft enkele van onze favoriete shows gemaakt. Voor mij zijn dat SpongeBob SquarePants en Yellowstone. Maar op alle televisie, de livestreams, doen ze sport, nieuws, animatie. Ze hebben duizenden mensen die elke dag werken om ideeën om te zetten in inhoud, om een aantal releases te coördineren en om nieuwe shows op de markt te brengen. En om dat te doen en hun activiteiten verder op te schalen, had Skydance een manier nodig om te blijven groeien en tegelijkertijd hun teams op één lijn te houden. Toen kwam Agentic Work Management in beeld, een plek waar hun teams en hun agents kunnen samenwerken in gedeelde contexten aan dezelfde doelen. Voor Skydance is er een voorbeeld dat ik wil delen. Een operationeel team van drie personen bij Pluto TV kan elke maand zevenhonderdvijftig stukken inhoud beheren door AI-teamgenoten in hun workflow te introduceren. Ook bij CBS News sorteert AI al alle ondersteuningsverzoeken en creëert het gestructureerd werk voordat een mens er daadwerkelijk mee aan de slag hoeft. Maar laten we het in hun eigen woorden horen. We hebben een aantal ambitieuze doelen. Om deze te bereiken, heb je een solide partner, solide systemen en een echt sterke toepassing van AI nodig. Onze vrachtwagen rolt naar beneden. We willen een tech-first mediabedrijf zijn, dat het creatieve deel van Hollywood combineert met de innovatieve geest van Silicon Valley. Wij zijn geen traditioneel bedrijf. Achter de schermen ondersteunen we de meest creatieve mensen ter wereld. Er was een tijd waarin een cultuur zeer gedecentraliseerd was. De schaal van Paramount is zeer groot, met honderden afdelingen en divisies. Omdat AI zich snel door de werkplaats beweegt, ontstaan er veel silo's. Iedereen ging met AI aan de slag in zijn of haar eigen verschillende workflows. Het maakte het moeilijk om te ondersteunen, te schalen en te updaten naarmate er wijzigingen kwamen. En dat is eigenlijk de ontbrekende schakel in AI, namelijk als je geen veilige toegang tot gegevens hebt of je... Het is overal verspreid, je AI gaat falen. Asana heeft die basis voor AI gelegd. AI is gebouwd waar het werk al gebeurt. Het is geen extra klik of een ander scherm. Het staat er gewoon in het dialoogvenster dat je al gebruikt. Toegankelijkheid is de sleutel tot adoptie. Het gebruik van AI-teamgenoten was slechts één klik op een knop. Het contextvenster was een kwestie van seconden, wat echt ongelofelijk is. Asana heeft ons in staat gesteld om verschillende AI-functies bij te houden, te zien wie ze intensief gebruikt, hun business case te kennen en de ROI echt te begrijpen, en die use cases te delen met andere delen van het bedrijf. Om eerlijk te zijn, kozen we Asana omdat ze kwamen en ons hielpen ons bedrijf te begrijpen. Dat zie je niet zo vaak bij leveranciers. Ik zie Asana als onze partner voor de lange termijn. En nu wil ik Laksh Nathan, de EVP en CIO van Skydance, op het podium uitnodigen om meer te delen. Hallo. Bedankt dat ik hier mag zijn. Bedankt, Laksh, dat je erbij bent. Je team heeft ongelooflijk werk verricht. Maar vertel ons eens, hoe was het om AI-agenten in jullie workflows te integreren? Geef ons een kijkje achter de schermen. Weet je, vanaf het begin zijn we een zeer ingewikkelde organisatie. We zijn creatievelingen. We zijn een nieuwsorganisatie. We zijn kantoormedewerkers. Dus ik denk dat alleen al de diversiteit van onze cultuur gewoon... Het is een heel open canvas voor ons. Dus het feit dat we elk van onze processen hebben kunnen doorlopen, ze hebben kunnen vereenvoudigen en de medewerkers hebben kunnen laten helpen om ze verder uit te bouwen, is geweldig voor ons geweest. Dat is geweldig. Zou je me een voorbeeld willen geven of gewoon even dieper ingaan op iets om te laten zien hoe het er dagelijks uitziet? Ja. Dus, kijk, we hebben een overvloed aan AI-tools en -partners en dat soort dingen. Gek genoeg gebruiken we Asana om dat allemaal bij te houden. En het mooie is dat we te maken hebben met zoveel verschillende groepen die het moeten beoordelen, vergelijkbaar met de medewerkers die je eerder zag. Het hebben van al die teams op één platform met hun eigen context die in het systeem komt en het vervolgens automatiseren, heeft ons leven veranderd. Dat is geweldig. Nogmaals bedankt dat je bij ons was, Lax, en gefeliciteerd met het geweldige werk. Hartelijk bedankt. Laten we hem een groot applaus geven. En nu wil ik SVP en GM van AgenTik Work Management, Kirk Miles, op het podium uitnodigen. Wauw. Was dat niet geweldig? Het is zo leuk om te zien hoe Skydance onze AgenTeq-suite gebruikt. Hallo allemaal. Ik ben Kirk Miles en ik leid AgenTeq Work Management bij Asana. Je hebt het verhaal gehoord, en nu ben ik hier om wat van het product erachter te laten zien. Vandaag gaan we een reis maken met een campagne-operationsmanager terwijl ze één week en één zeer last-minute campagne doorloopt, allemaal met het voordeel van Agentic Work Management. Maar voordat ik begin, wil ik je even wijzen op een paar dingen die je ziet die nieuw zijn. Ten eerste, AI-vergaderingen, die wat er tijdens een gesprek wordt gezegd vertalen in actiepunten die daadwerkelijk worden uitgevoerd. Vervolgens pagina's, die je documenten omzetten in levende plannen waar je team mee kan werken. En tot slot tabellen, die je bedrijfsgegevens uit spreadsheets halen en ze verplaatsen... Verplaatst ze naar de plek waar het werk daadwerkelijk gebeurt. Dit alles bevindt zich in de werkgrafiek, zodat je menselijke teamgenoten en agent-teamgenoten allemaal kunnen werken met dezelfde gedeelde context. Laten we er nu eens induiken. En ik wil je voorstellen aan Sarah. Sarah leidt de campagneactiviteiten bij een mediabedrijf. Het is vrijdagmiddag en ze heeft net een lastminute-aanvraag gekregen voor een grote lancering met een groot groeidoel dat over minder dan een week plaatsvindt. Sarah is gestrest. En eerlijk gezegd zou ik dat ook zijn als ik zou worden gevraagd om een grote lancering in minder dan een week te leiden. Maar maak je geen zorgen, Asana staat achter haar. Laat me je laten zien hoe. In dit geval begint de aanvraag eigenlijk buiten Asana in Slack. Michael, het hoofd groei, plaatste een aanvraag op het kanaal voor creatieve aanvragen, en AI Studio pikt deze automatisch op, maakt de taak aan, vult deze in met details over de campagne, het budget en voegt alle medewerkers toe aan de taak die er inzicht in moeten hebben. Het neemt contact op met Michael om de regionale scope te bevestigen en controleert die aan de hand van hun bibliotheek met middelen. In dit geval ziet het dat een van de assets niet is goedgekeurd voor gebruik in EMEA, en daarom maakt het een subtaak voor Sarah om goedkeuring van het merk en de juridische afdeling te krijgen voordat de campagne verder kan gaan. Laten we eens kijken naar die activabibliotheek, want die is opgebouwd in tabellen. Daarin is elke rij een ander visueel middel met details zoals de rechtenperiode en de regionale goedkeuringen, evenals de bijbehorende campagnes. Laten we inzoomen op die EMEA-kolom, want dat is het grootste obstakel tussen Sarah en haar lancering volgende week. Laten we dus doorgaan naar maandag. Sarah weet dat er in minder dan vier werkdagen veel moet gebeuren om het voor elkaar te krijgen, dus ze gaat er meteen voor. Ze vroeg Dash om in Asana een pagina op te stellen voor juridische zaken en merk, met daarin de context van de lancering, de reikwijdte van de middelen, het gebrek aan EMEA-middelen en een deadline voor goedkeuring op dinsdag. Het stelt een pagina op met context uit de intake-taak in de activabibliotheek, deelt deze met de juridische afdeling en de merkafdeling, die onmiddellijk naar de pagina gaan en een inline-reactie plaatsen met de tekst: 'Laten we even bellen om de visuele activa voor EMEA te bespreken.' De volgende dag hebben ze een gesprek met een... Met AI-vergaderingen ingeschakeld. En zodra het gesprek is afgelopen, worden het transcript en de samenvatting automatisch in het campagneproject geplaatst en gedeeld met alle deelnemers, en worden er voorgestelde actiepunten en eigenaren ingevuld. Wanneer Sarah aan haar bureau komt, bekijkt ze een lijst en ziet ze dat een lid van het juridische team er al een heeft opgepakt. Ze keurt de rest goed, waaronder een juridische disclaimer die is toegewezen aan hun teamgenoot, de campagnecoördinator. De campagnecoördinator stelt de juridische disclaimer op en vraagt de juridische afdeling om goedkeuring. En zodra de juridische afdeling goedkeurt, wordt de bibliotheek met middelen automatisch bijgewerkt. En die EMEA-goedkeuring waar Sarah zich zo zorgen over maakte, wordt meteen groen. Aan het eind van dinsdag voelt Sarah zich optimistisch. Ze was er niet zeker van, maar nu heeft ze het gevoel dat ze dit echt gaan kunnen waarmaken. Laten we nu naar woensdag gaan. Niets lijkt in de problemen te komen, maar met vijf teams om te coördineren en meer dan 20 deliverables wil Sarah er zeker van zijn, dus vroeg ze het aan Dash. En Dash signaleert één ding. Het team voor betaalde sociale media heeft gisteren zijn deadline gemist, en de beoordeling van vandaag loopt risico. Sarah hoeft maar één antwoord te geven. De deliverable van betaalde sociale media naar vandaag verschuiven, Priya's taak opnieuw toewijzen aan Marcus en alles als hoge prioriteit markeren. Dash geeft een voorbeeld van elke wijziging die hij gaat aanbrengen, zodat er niets verandert totdat Sarah het goedkeurt. En zodra ze dat doet, worden alle taken tegelijk bijgewerkt. Aan het eind van woensdag zijn alle 20 deliverables goedgekeurd, en is deze lancering klaar om te beginnen. Laten we nu naar vrijdag gaan. De lancering heeft plaatsgevonden. Sarah is zo opgelucht, zo opgewonden, maar haar werk is nog niet klaar. Haar VP verwacht een statusupdate om te begrijpen hoe de lancering verloopt, en ze staat op het punt om te gaan zitten om deze met de hand te schrijven. Ze... Terwijl ze de taak opent, komt de aangemaakte... De campagneanalist, een teamgenoot die iemand in haar team heeft aangemaakt, duikt proactief op en biedt aan om de taak over te nemen. Deze teamgenoot heeft een aangepaste skill die het rapportformaat begrijpt dat haar VP verkiest en die prestatiegegevens en budget versus werkelijke cijfers kan ophalen via een Databricks-verbinding. Ze beëindigt de taak en deze haalt de prestaties van alle vijf de campagnes op, inclusief de aanpassing voor betaalde sociale media en de prestaties ten opzichte van het plan. Sarah geeft het eigenlijk een duwtje om te zeggen: Ik heb liever... In plaats van een briefing heb ik liever een presentatie. En het herkent dat dit terugkerend werk is en biedt daarom aan om het elke vrijdag te doen. Ze zegt ja. Nu stelt haar teamgenoot elke vrijdag automatisch een prachtig gemerkte presentatie samen met een samenvatting van de updates van al hun campagnes die Sarah met haar VP kan delen. Iets wat haar vroeger een hele middag kostte, duurt nu maar een paar minuten. In dit geval werkt Sarah één regel bij en stuurt ze die naar haar VP. Haar VP is zo onder de indruk dat ze het rapport doorstuurt naar haar CMO met veel lof voor Sarah. Dus het zijn vijf teams, meer dan 20 assets en minder dan een week. Alles, van het aannemen van aanvragen tot afstemmingsvergaderingen tot het bijhouden van goedkeuringen tot rapportage, is mogelijk omdat het zich op de werkgrafiek bevindt. En wat die nieuwe producten betreft, deel ik met plezier mee dat Pagina's vandaag beschikbaar zijn, en dat AI-vergaderingen en -tabellen later deze maand komen. En als je meer wilt weten, kom dan eens langs in de Expo Hall. We geven je graag een demo. Daarmee wil ik Arnaud weer op het podium uitnodigen om meer te vertellen over wat we hebben gebouwd buiten Agentic Work Management. Bedankt. Bedankt, Kirk. Was dat geen fantastische demo? Vonden jullie de demo leuk? Ja? Nogmaals, wat Kirk liet zien, was georkestreerde uitvoering over systemen heen en alle nieuwe kracht die we in de werkgrafiek brengen om er steeds meer context aan toe te voegen. Pagina's, vergaderingen, al deze ongestructureerde gegevens die de basis vormen om mensen en agents beter te laten samenwerken. Wat ik hierna ga bespreken, zijn drie nieuwe agentische applicaties die we op dit platform hebben gebouwd. Elk van deze applicaties erft en profiteert van de platformmogelijkheden en ze worden beter, maar ze zijn speciaal ontworpen voor specifieke teams. We hebben deze applicaties eerder dit jaar op Wiz London aangekondigd en sinds vorige maand zijn ze allemaal algemeen beschikbaar. Elk van deze drie agent-tech-applicaties is nu GA. Je kunt ze vandaag nog kopen. Mijn doel in deze sectie is om jullie allemaal zo enthousiast te maken over elk van deze applicaties dat jullie na afloop van deze keynote massaal naar de demostands in de Expo Hall gaan. Wat hebben we dan gebouwd? We hebben Asana Service Management gebouwd voor elke werknemersservicedesk in het bedrijf, of het nu gaat om de IT-helpdesk, financiën, faciliteiten, HR of juridische zaken. We hebben Asana Client Management gebouwd voor bureaus en professionele serviceteams die AI moeten gebruiken om op de hoogte te blijven van al hun klantverzoeken. Hoe blijven ze winstgevend? Hoe beheren ze al die klantrelaties in één werkruimte? En dan Command by Asana. Command by Asana gaat een revolutie teweegbrengen in de manier waarop onderzoek- en ontwikkelingsteams, engineeringteams die de software bouwen waarop al onze bedrijven draaien, die producten bouwen. Hoe zorgen ze voor afstemming en bouwen ze het best mogelijke product op de snelst mogelijke manier? Laat me eerst wat dieper ingaan op Asana Service Management. Dus nogmaals, Service Management is vandaag algemeen beschikbaar. Het is ontworpen voor al deze interne helpdesk-use cases. En onze belangrijkste stelling is dat historische of verouderde servicemanagementsystemen zijn ontworpen om een ticket voor het oplossen van problemen naar een wachtrij te leiden, en dat is niet langer voldoende. Dat gaat niet langer volstaan. Toch? Wat elke onderneming nodig heeft, is een manier om automatisch vragen van werknemers te beantwoorden met behulp van een zelflerende kennisbank. Dat is wat Asana Service Management heeft, een zelflerende kennisbank. Voor acties die moeten worden voltooid, zoals een use-case voor de onboarding van een nieuwe werknemer, iemand die van afdeling of divisie verandert binnen het bedrijf, of iemand toegang geven tot de juiste tools op het juiste moment, kunnen we die acties automatisch achter de schermen uitvoeren met de kracht van Stack dot ai, dat meerdere systemen coördineert. Dus automatische oplossing van tickets. En tot slot weten we uit al onze klantgegevens dat een, weet je, een groot percentage van deze tickets niet zomaar kan worden opgelost. Het zijn geen break-fix-tickets. We hebben dus de mogelijkheid om een ticket te nemen en het automatisch te escaleren naar een project met alle context die nodig is voor mensen om zich op dat project te richten en die complexe workflow voor wijzigingsbeheer uit te voeren. Dit alles is vooraf gebouwd en geïntegreerd met de systemen die je IT-teams gebruiken, of het nu Workday voor HR is, Greenhouse voor werving, Brex voor financieel beheer of Ramp, en er zullen nog veel meer integraties komen, allemaal mogelijk gemaakt door Stack dot ai. Stack.ai heeft ongeveer 500 integraties. We zullen al deze langzaam in Asana Service Management integreren. Bovendien verwachten klanten zoals Arri Behavioral Health nu al dat ze ongeveer een vijfde van hun interne helpdeskcapaciteit voor werknemers zullen vrijmaken wanneer ze Asana Service Management uitrollen. Ik zal later vandaag met hun CIO spreken tijdens een breakout-sessie, dus zorg ervoor dat je die sessie bijwoont. Nu Asana Client Management. Zoals ik al zei, professionele dienstverlenende bedrijven en agentschappen... Hoeveel mensen in het publiek werken in een professionele dienstverlenende functie of bij een bureau? Er gaan een paar handen omhoog. Toch? Dus je beheert je projecten, je wilt je personeelsplanning uitwerken, maar je moet al die acties ook coördineren met je klant, met je cliënten. Asana Client Management brengt het klantportaal naar Asana, zodat alle gesprekken met je klanten en je projectteam dat hen van dienst is, op één plaats kunnen worden gecentraliseerd. Dit betekent dat de AI-agenten en de mensen die zowel die specifieke betrokkenheid als de klant ondersteunen, allemaal over dezelfde context van gegevens praten. Dus we brengen de kracht van AI-teamgenoten, AI Studio-workflows, alle kernplatformcomponenten die je van Kirk hebt gezien, naar deze klantrelatiebetrokkenheden. Super, supercool. We zien nu al dat klanten zoals Liminal, iRead and Company en Gravitate gebruikmaken van Asana Client Management en vandaag al fenomenaal succes boeken. Als laatste, maar zeker niet het minst belangrijke, Command by Asana. Ik weet zeker dat iedereen in deze zaal heeft gehoord over alle fantastische vooruitgang die codeeragenten alleen al in 2026 hebben geboekt. Het is supergoedkoop geworden om code te genereren. Elke nieuwe... En, weet je, elke paar weken is er een nieuw programmeermodel. Het is zo makkelijk om producten te bouwen. Je hoeft niet langer een diploma in de informatica te halen. Al dat soort taal is er in de ether. Maar wat er is gebeurd, is dat het knelpunt nu is verschoven. Het knelpunt wat betreft het leveren van producten van hoge kwaliteit is verschoven naar afstemming, strategie en ervoor zorgen dat de mensen het eens zijn over wat ze niet moeten bouwen. Wat is smaak? AI-teamgenoten zullen niet zelf kunnen uitzoeken wat ze niet moeten bouwen of wat er daadwerkelijk in een release moet zitten of wat de status van het end-to-end-proces is. Wordt het geleverd met een hoge kwaliteit? Voldoet het daadwerkelijk aan onze richtlijnen voor de tijdlijnen van productlanceringen? Command by Asana is een planningssysteem voor producten dat is gebouwd om iedereen op één lijn te krijgen en automatisch werk over te dragen aan AI-agenten, en om op de snelst mogelijke manier van ideeën naar hoogwaardige, volledig afgewerkte producten te gaan. Dit tilt het concept van de softwarefabriek van alleen het genereren van code naar het supersnel bouwen van end-to-end-producten. En we zijn super enthousiast dat we hebben samengewerkt met OpenAI Codex, Cursor by SpaceX AI en GitHub Copilot om dit tot leven te brengen. Super, supercool. Dus daar heb je het. Er zijn ongeveer drie agentic-apps die we op dat platform hebben gebouwd die nieuwe soorten inkoopcentra of nieuwe persona's binnen je bedrijf een enorme boost geven. De servicedesk een boost geven, klantbeheer en professionele diensten en alle use cases van bureaus hypergeoptimaliseerd maken, en elk R&D-team nemen en omvormen tot een volwaardige softwarefabriek. Laten we eens kijken naar een klant die, waarvan ik zeker weet dat iedereen in New York bekend mee is. Ze zijn ook op hun agentic-reis. Hier is het verhaal van NYU. De video afspelen. We moeten onszelf aan een zeer hoge standaard houden. Mensen verwachten het allerbeste van NYU. NYU heeft 18 scholen, 65.000 studenten, tienduizenden faculteitsmedewerkers en meer dan 700.000 alumni. Als instelling is het een zeer hoge standaard. Het is een standaard van uitmuntendheid. Het is onze verantwoordelijkheid om de hele organisatie, faculteit, het personeel en de studenten voor te bereiden op de toekomst van werk. We willen efficiënter en effectiever zijn in een wereld waarin AI absoluut een rol gaat spelen. Er zijn tientallen verschillende scholen die allemaal hun eigen omgeving beheren. De College of Dentistry zal anders zijn dan de Stern School of Business. We zijn verantwoordelijk voor een database die meer dan 1.500.000 records beheert. Projecten zijn zeer complex en afhankelijk van tienduizenden partners binnen de universiteit. Dat kan zeker leiden tot veel overbodige systemen, gebrek aan helderheid over prioriteiten. Als alles urgent is, is niets urgent. Het was een extra fulltime baan om te beheren. Om AI effectief te laten zijn, hebben we een verbonden basis nodig. Dat is wat Asana voor ons verandert. Het verbindt ons werk met de niet-onderhandelbare zaken, gegevensbeveiliging, privacy en governance, waardoor we het raamwerk en de basis voor AI kunnen creëren. We hebben een manier om systematisch te werken, waardoor we autonomie en zichtbaarheid bieden om iedereen op één lijn te houden. Het was niet langer gissen: is dit iets dat van invloed is op meerdere mensen of meerdere scholen? We kunnen op Asana vertrouwen om de hiaten te vinden waar we aandacht aan moeten besteden, om dingen zo snel mogelijk en zo nauwkeurig mogelijk op te lossen. Voor onze studenten, ons personeel, onze faculteit, onze alumni is de meer verbonden universiteit een betere universiteit. Asana was voor ons het duidelijke platform om onze studenten en de hele universiteit voor te bereiden op het werken in een AI-gestuurde wereld. Dat willen we waar mogelijk nastreven. Goedemorgen allemaal. Wauw. Wat een ongelooflijk publiek. Hebben we het leuk? Ja. Die video bracht echt tot leven hoe een... Zo ziet het eruit wanneer een organisatie als één systeem opereert. En er is niemand die hier beter over kan praten dan Michael Worden, associate vice president of global service delivery bij NYU. Welkom, Michael. Hallo. Leuk je te zien, Michael. Leuk je te zien. Uit die video blijkt me dus vrij duidelijk dat NYU een ongelooflijk complex systeem is met veel scholen die met veel onafhankelijkheid opereren. Dus ik moet vragen: hoe hebben jullie ervoor gezorgd dat iedereen volgens één gezamenlijk plan werkt? Je hebt dus gelijk. Universiteiten zijn ongelooflijk versnipperd en verspreid over de... Voor NYU zijn we verspreid over de hele wereld. Ja. En we begonnen Asana op veel verschillende plaatsen te zien opduiken. En het werd heel vanzelfsprekend voor ons om te zeggen: wat als we dit zouden zien als een platform in plaats van als een individueel product dat mensen gebruikten? En toen we de mensen die actief op het platform waren vroegen, was er unanieme overeenstemming dat dit de juiste weg voor ons was, en dat was cruciaal voor onze weg voorwaarts. Dat klinkt fantastisch. En naarmate AI een onderdeel van dat gedeelde plan begint te worden, hoe zie je Asana dan voor jullie verschijnen? AI staat dus absoluut bovenaan ieders prioriteitenlijst. Als universiteit moeten we een zeer dunne lijn bewandelen om door AI te navigeren. Zeker weten. Het gaat deel uitmaken van de toekomst, maar we willen onze studenten ook leren hoe ze het effectief kunnen gebruiken, en het alleen te gebruiken op de plaatsen waar het echt gepast is. Maar als we nadenken over alle voorbeelden die we vandaag hebben gezien, denken we dat er veel verschillende manieren zijn waarop we het werk kunnen automatiseren dat we soms niet altijd kunnen doen, en ik denk dat ik daar echt enthousiast over ben dat AI in het Asana-platform verschijnt. Dat is geweldig. Nou, we vinden het geweldig om jou als klant te hebben, en hartelijk bedankt, Michael, voor het delen van je verhaal. Bedankt. Goed. Dus ik moet het vragen: hoeveel van jullie hier werken in een serviceleveringsteam, of het nu IT, HR, Faciliteiten, Financiën of Legal is? Steek jullie handen op. Wauw. Velen van jullie. Dus deze is voor jullie. Arm gaf ons eerder een voorbeeldweergave van Asana Service Management, een AI-native enterprise service management dat is ontworpen voor serviceteams zoals jullie. En nu wil ik het concreet maken door jullie precies te laten zien hoe dat eruitziet in het soort verspreide omgeving zoals NYU, waar veel verschillende teams moeten werken op basis van één gedeeld plan. Dus in mijn demo gebruik ik Acme University, ook hier in New York. Het kan wel of niet op NYU zijn gebaseerd, ik weet het niet. Hun missie is heel eenvoudig: studenten een geweldige leerervaring bieden. En een deel daarvan betekent het zeer snel oplossen van verzoeken van studenten, zodat ze weer aan het leren kunnen gaan. Laten we Zoe volgen, een gewone student-AI-onderzoeker. Op een ochtend haalt Zoe haar koffie, komt ze aan in haar AI-onderzoekslaboratorium, maar ineens werkt haar ID-kaart niet meer. Vóór Asana zou dit een telefoontje, een e-mail of een zeer onhandige wandeling terug over de campus hebben betekend. Maar met Asana Service Management logt ze haar verzoek meteen in het Asana-portaal in. Service-AI controleert haar identiteit, haar toegangsrechten en geeft haar een tijdelijke toegangscode van 24 uur. Er komt nooit een ticket bij de facilitaire dienst terecht, er is nooit een mens bij betrokken. Zoe is binnen enkele minuten weer in haar onderzoekslaboratorium. Maar geloof het of niet, studenten denken tegenwoordig aan andere dingen dan AI-onderzoek. Dus dat weekend begint Zoe haar voorjaarsvakantie te plannen. Dus gaat ze naar het Slack-kanaal van studentenzaken en vraagt ze naar het vakantierooster. Deze keer doorzoekt Service-AI de kennisbank, maar kan geen actueel antwoord vinden omdat kennisbanken in de loop van de tijd verouderen. Klinkt dit bekend? Dus in dit geval stuurt Service-AI de vraag door naar Zach van studentenzaken, en Zach reageert. Maar raad eens? Service-AI realiseert zich dat, hé, als Zoe hier in deze tijd van het jaar naar vraagt, er vast nog 100 andere studenten zijn die hierover nadenken. Dus maakt het een concept van een kennisbankartikel op basis van Zachs antwoord en vraagt het Zach om het te beoordelen en goed te keuren. Dus nu krijgt de volgende student die naar de voorjaarsvakantie vraagt meteen een antwoord, en hoeft Zach niet te reageren en hetzelfde nog 99 keer te zeggen, wat goed is voor Zach. Dus dan komt de voorjaarsvakantie. Zoe en haar vrienden hebben veel plezier. Ik mis de voorjaarsvakantie, maar goed. En ze komt terug en realiseert zich dat haar laptop op het strand is gestolen. Wat doet ze dan? Nou, ten eerste meldt ze het incident onmiddellijk op Slack. En omdat dat apparaat al is toegewezen aan Zoe in het middelenbeheer van services, weet Asana welk apparaat is gestolen. Er is geen speurwerk nodig, Zoe hoeft geen miljoen vragen te beantwoorden. En op dit moment voeren Zoe en de Service-AI een vergrendeling op afstand van het apparaat uit, waarna ze onmiddellijk een inkoopaanvraag voor een nieuwe laptop creëren en haar tijdens het hele proces updates geven. Dus Zoe krijgt haar laptop terug en kan weer verder met haar AI-onderzoek. En weet u wat? Al dat harde werk loont, want aan het eind van het jaar is haar onderzoeksproject een enorm, enorm succes. En Kira, haar vriendin bij studentenzaken, besluit een feestje te geven voor haar lab om het te vieren. En raad eens? Dit is zeker geen break-fix-ticket. Het gaat om een locatie, catering, budgetgoedkeuringen, veel verschillende mensen die in verschillende teams werken. En wat er in dit geval gebeurt, is dat Asana met in feite één klik een Asana-project maakt. Al je vervaldatums, je eigenaars, je afhankelijkheden worden vooraf ingevuld vanuit de WorkGraph. En dit, mensen, is de kracht van Asana Service Management, waar eenvoudige aanvragen automatisch worden opgelost, je kennisbank na verloop van tijd slimmer wordt en up-to-date blijft, en complexe aanvragen Asana-projecten worden met alle context bewaard in één audittrail. Dus als je klaar bent om de manier waarop je serviceteams werken te veranderen, kom dan naar ons toe in de Expo Hall, waar ik, mijn team en andere experts van Asana Service Management je door je gepersonaliseerde use case kunnen leiden. Hartelijk bedankt en tot gauw. En nu wil ik mijn collega Kelly verwelkomen, hoofd van ons America's Gov-team. Bedankt, Jen. Goed, allemaal. Nou, dit is zeker een inspirerende ochtend geweest, op zijn zachtst gezegd. Jullie hebben allemaal iets nieuws geleerd, iets bruikbaars, en zetten de eerste stap naar de toekomst van werk, alleen al door hier te zijn. Dus ik ga om wat interactie met het publiek vragen. Door handopsteken, hoeveel Asana-klanten hebben we vandaag in het publiek? Laten we ze eens zien. Hallo. Dat is een mooi publiek. Ik zou daar graag een foto van maken. Of je nu al zes jaar, zes maanden of zes dagen bij ons bent, je hebt al die tijd context opgebouwd binnen de Asana WorkRef voor AI. Dat is belangrijk, want wanneer je teamgenoten gaat onboarden, wanneer je gaat communiceren met Dash, heeft het al de context voor hoe jij, je teams en je bedrijf in Asana werken. We hebben al een aantal geweldige klanten die dit vandaag doen, en daarom wil ik jullie allemaal uitnodigen om samen met mij onze winnaars van de Work Innovation Award 2026 te feliciteren. Felicitaties als je jezelf hier op het scherm ziet. Toch? Een aantal geweldige bedrijven. Prima gedaan. Voor degenen onder jullie die hier niet zijn, of ernaar streven om hier te zijn, denken jullie misschien: hoe omarm ik alles wat ik hier vandaag heb geleerd? Nou, zoals ik al zei, ten eerste heb je de eerste stap gezet door hier te zijn, en ik ga je de blauwdruk geven voor de volgende. Dus we beginnen klein. Wat is haalbaar? Denk na over één tot twee workflows die kunnen worden geïdentificeerd, die het meest handmatig belastend zijn. Wat wil je van je bord halen? Ten tweede, onboard je teamgenoten. Deze teamgenoten zullen je workflows agentificeren door samen te werken met je teams. Ten derde, communiceer met Dash. Denk na over hoe AI je vandaag kan helpen bij je werk in Asana. Dit is nu allemaal beschikbaar. Maar je hoeft dit niet alleen te doen. We hebben fantastische partners die er zijn om je te helpen succesvol te zijn tijdens je traject. Dus ik wil graag alle partners die hier vandaag vermeld staan bedanken voor jullie partnerschap, jullie sponsoring en jullie inzet om al onze gezamenlijke klanten succesvol te maken. Succes komt zeker niet zonder een gemeenschap, en dus als er één ding is dat ik jullie allemaal zou willen aanraden, dan is het om lid te worden van de Asana-gemeenschap. We houden van onze community. Dus of je nu al lang gebruiker bent of voor het eerst bouwer bent, er is een plek voor iedereen. Het is een plek waar je meer te weten kunt komen over use cases, kunt ontdekken wat het nieuwste en beste is van het product en professioneel contact kunt leggen. Hartelijk dank dat jullie hier vandaag bij ons zijn en samen met ons de eerste stap zetten naar het werk van de toekomst. We zijn hier om je tijdens deze reis te begeleiden. Aan de slag. #### Gerelateerde bronnen #### Duik in de Asana-demohub - [Bekijk het in actie](/demo/main-video) #### Maak kennis met je AI-teamgenoten - [Meer informatie](/product/ai/ai-teammates) #### Ontdek hoe Aetna een 13x hogere ROI behaalde met agentic-workflows - [Nu lezen](/case-study/aetna) #### Aan de slag met de Asana Academie De Asana Academie is er om je door alle basisprincipes en meer te leiden, zodat jij en je team beter kunnen samenwerken. - [Laat je skills groeien](https://academy.asana.com/) Home Work Innovation Summit Global On-Demand-video's Keynote: Welkom bij de toekomst van teams van mensen en agents