Prezentacja: Witamy w przyszłości zespołów złożonych z ludzi i agentów AI

Dzień dobry i witamy na Work Innovation Summit w Nowym Jorku.

W porządku. Dlaczego więc tu jesteśmy? Jesteśmy tu po to, aby się uczyć. Przez resztę dnia czekają na nas świetne sesje. Jesteśmy tu po to, aby nawiązywać kontakty. Jeśli spojrzycie w lewo, jeśli spojrzycie w prawo, zobaczycie, że otaczają Was jedni z najbardziej inspirujących liderów w branży technologicznej.

Jesteśmy tu również po to, aby czerpać inspirację z myśli o przyszłości, przyszłości pracy i przyszłości pracy agentowej.

Na początek chcę podziękować naszemu współgospodarzowi LTSC, który współpracuje z wizjonerskimi firmami, które odnoszą sukcesy w dłuższej perspektywie.

Rozpocznijmy naszą podróż od życia domowego.

W domu obserwujemy ogromny wzrost produktywności dzięki współpracy z agentami AI. Pomagają nam w zbieraniu i analizowaniu danych. Pomagają nam tworzyć. Pomagają nam w planowaniu.

Ale z jakiegoś powodu, jeśli chodzi o pracę, po prostu… nie działają.

I to, co widzicie, to fakt, że ta ogromna produktywność, której spodziewaliście się w swoim życiu zawodowym, po prostu jeszcze się nie urzeczywistniła.

Dlaczego tak się dzieje?

Istnieje pięć powodów, dla których życie zawodowe różni się od życia prywatnego.

Pierwszy to taki drobiazg zwany wiedzą, który w zasadzie oznacza, że w domu jedynym kontekstem, o który musicie się martwić, jest ten w Waszych głowach, który możecie łatwo sobie przypomnieć.

Ale w pracy ścieżka do sukcesu, czyli wiedza o tym, jak sprawy były załatwiane w przeszłości, znajduje się w głowach innych osób. Dlatego jeśli kiedykolwiek do Waszego zespołu dołączył stażysta, zdajecie sobie sprawę, że wdrożenie go zajmuje kilka tygodni, aby wiedział, kto co wie i jak u Was się pracuje.

Praca różni się również od życia domowego, ponieważ w pracy sprawy dotyczą wielu systemów.

Dziesiątki, setki systemów i wiele osób.

W rzeczywistości z wieloma osobami. W domu, gdy masz do czynienia z jednym z tych agentów, jedyną osobą, z którą musisz się skoordynować, jesteś Ty sam.

Może z małżonkiem, może z dziećmi.

Ale w pracy, aby wykonać nawet najprostsze zadania, musisz koordynować działania 10, 20, 30 osób. I wiecie co? Wszyscy mają swoje zdanie.

Mają opinie na temat tego, jak powinno to wyglądać, jakie wrażenie powinno to wywoływać. Mają własne standardy. Mają własne preferencje.

To zupełnie co innego niż życie domowe.

I wreszcie, w domu musisz się martwić tylko o swoje własne dane. Możesz wybrać, jaką ilość danych chcesz udostępnić.

Ale w pracy ten wybór tak naprawdę nie należy do Ciebie, ponieważ masz coś takiego jak dane klientów, które są naprawdę cenne.

Dlatego właśnie praca różni się od życia prywatnego i dlatego Asana postanowiła stworzyć system operacyjny dla agentów-ludzi, w którym rozwiązujemy wszystkie te wyzwania związane z kontekstem środowiska pracy.

Tę podróż rozpoczynamy od wykresu pracy.

Wykres pracy to tak naprawdę żywy rejestr tego, kto, co i na kiedy musi wykonać oraz jak wykonywano zadania w przeszłości. Dzięki temu każdy agent, który rozpoczyna pracę z wykresem pracy, ma już dostęp do tej historii i tej wiedzy.

Po drugie, Asana integruje się teraz z 500 systemami dzięki naszym łącznikom. Oznacza to, że nasz szef sztabu oparty na AI, Dash, którego wielu z Was pozna dzisiaj, jeśli jeszcze nie spotkaliście się z nim w codziennej pracy, potrafi wywnioskować, jakie przepływy pracy są potrzebne. Może on przyjąć niejednoznaczne polecenie, przekształcić je w przepływ pracy, w zestaw zadań i doprowadzić do faktycznego wykonania pracy.

Jeśli chodzi o koordynację działań ludzi, zaczynamy od narzędzia do współpracy dla wielu osób.

Mamy jedno wspólne płótno, jedną wspólną księgę, w której każdy może zobaczyć, co jest do zrobienia i kto co musi zrobić w kolejnym kroku. Dzięki temu narzędziu do współpracy wielu użytkowników zniknął problem koordynacji i niekończącej się wymiany wiadomości.

Mamy wstępnie utworzonych członków zespołu.

AI Teammates to agenci, którzy działają tak jak ludzie.

Zdefiniowaliśmy i stworzyliśmy 30 takich członków zespołu, aby już dziś Wasze zespoły mogły zacząć wykonywać pracę.

Ale najlepsze w członkach zespołu jest to, że można z nimi wchodzić w interakcje w trybie wieloosobowym, co oznacza, że wszystkie te preferencje, wszystkie upodobania członków zespołu można przenieść na członka zespołu – jak mają wyglądać poszczególne elementy, jak mają wyglądać wyniki, z jakich danych wejściowych należy skorzystać.

A dzięki agentom o określonym zakresie każdy z tych członków zespołu jest programowalny. Można ich zaprogramować tak, aby mieli dostęp tylko do tych danych, do których chcesz im go zapewnić.

Tylko po to, aby generować takie koszty, jakie chcesz, aby generowały.

Możecie też zdefiniować łańcuch zatwierdzeń dla każdego członka zespołu, tak aby był on zgodny z istniejącą hierarchią.

To jest system operacyjny dla agentów-ludzi, w którym rozwiązaliśmy pięć dużych wyzwań związanych ze sposobem zapewniania produktywności dzięki AI w firmach.

Przyjrzyjmy się więc konkretnemu przykładowi. Tym prawdziwym przykładem jest Cindy.

Cindy rozpoczyna pracę w bardzo dobrym nastroju. Pracuje w dziale obsługi klienta.

Znalazła nowe narzędzie do obsługi klienta. Chce je wdrożyć w całej swojej grupie.

Jest o krok do przodu. Wie, jaki ma budżet.

Wie, których dostawców bierze pod uwagę. Wysłała już zapytania ofertowe.

Ale co zazwyczaj dzieje się z kimś takim jak Cindy, która ma prosty cel – potrzebujemy nowego narzędzia do obsługi klienta – to to, że zostanie skonfrontowana z rzeczywistością.

Rzeczywistość jest brutalna.

Rzeczywistość to 100 podzadań.

W rzeczywistości ręcznie spisałam niektóre z tych zadań, które mnie dotyczyły. Jest wiele zadań związanych z uruchomieniem nowego zespołu obsługi klienta… Uruchomienie narzędzia.

To naprawdę dużo zadań.

Mogłoby to być proste, gdyby były one w jakiś sposób liniowe, ale w rzeczywistości tak właśnie wygląda to, gdy zabieramy się do pracy.

Gubicie się w tym ciągłym przekazywaniu sobie zadań.

Wiem, że niektórzy z nas krzywią się z bolesnym grymasem, ponieważ to wszystko jest aż nazbyt znajome. Ponieważ w pracy często spędzamy czas na czynnościach okołozadaniowych, a nie na wykonywaniu zadań.

Taka jest rzeczywistość wielu zespołów, które utykają w czymś, co nazywam cyklonem pracy.

Musi istnieć lepszy sposób.

Nadzieje i marzenia Cindy związane z nowym narzędziem do obsługi klienta właśnie legły w gruzach, ponieważ sam wybór dostawcy zamienia się w ośmio-, dziewięcio-, a nawet dziesięciotygodniowy projekt.

Zobaczmy, czy możemy pomóc Cindy.

Teraz, dzięki Asanie, Twoim nowym punktem wyjścia jest Dash, Twój szef sztabu oparty na AI.

Dash zapyta teraz Cindy, co będziemy dziś robić. Chcę wybrać nowego dostawcę usługi obsługi klienta.

Ale Dash nie zaczyna od pustej kartki.

Dash natychmiast przeanalizuje wykres pracy.

Dash rozumie wszystko, co robi Wasza firma.

W tym przykładzie Dash jest w stanie przejrzeć dane i ustalić, czy w przeszłości wdrażaliśmy już nowego dostawcę. Myślę, że tak. Co się z tym wiązało? Przejrzę wszystkie wcześniejsze projekty, wszystkie wcześniejsze budżety, wszystkie wcześniejsze cele, podjęte decyzje, spotkania i ustalę, jakie 100 zadań należy wykonać. Mogę je po prostu ładnie rozmieścić na jednym obszarze roboczym.

I wiecie co? Zrobię jeszcze coś więcej.

W miarę wiem, kto jest kim w tej organizacji. Przypiszę osoby, które muszą wykonać tę pracę, aby mieć teraz narzędzie do jej realizacji.

Jak widzicie, do tego zadania przypisano kilka nietypowych osób. Niektóre postacie, których być może wcześniej nie widzieliśmy.

To są członkowie zespołu.

To wstępnie utworzeni członkowie zespołu.

W tym momencie przedstawię Wam trójkę z tych członków zespołu. Osoba weryfikująca bezpieczeństwo, analityk ds. cen, asystent projektu. Są to wstępnie utworzeni, gotowi do użycia członkowie zespołu.

Okazuje się, że Asana ma długą historię zajmowania się pracą. Dlatego stworzyliśmy 30 gotowych członków zespołu, o których wiemy, że będą przydatni dla Was wszystkich.

Przyjrzeliśmy się każdemu z tych członków zespołu, wyposażyliśmy ich w umiejętności i przeszkoliliśmy, abyśmy dokładnie wiedzieli, jak najbardziej Wam pomóc.

Oto Wasi gotowi członkowie zespołu. Nagle życie Cindy stało się znacznie lepsze.

W jednym środowisku może koordynować wiele przepływów pracy, w których uczestniczą zarówno ludzie, jak i agenci AI.

To, co rzuca się Cindy w oczy, to wybór dostawcy.

To już nie jest kwestia bezpieczeństwa. To wykracza poza wymagania.

Niestety, konkretny dostawca nie spełnił wymogu budżetowego. W ofercie podano kwotę 600 tysięcy dolarów. Cindy miała do dyspozycji tylko 500 tys. dolarów rocznie.

Ale nie martw się.

Ktoś inny w tej firmie wcześniej zbudował agenta negocjacyjnego.

Ten agent negocjacyjny ma wcześniej zdefiniowane zasady postępowania. Wie dokładnie, jakim przewodnikiem negocjacyjnym się kierować. Wie, jakie są jego limity budżetowe, a także kto w dziale finansów może zatwierdzać wydatki na poszczególnych poziomach.

Na tym polega określanie zakresu działania agentów. Ten agent ma wstępnie określony zakres działania. Agent zabiera się do pracy. Zabiera się do pracy nad tą ofertą. Faktycznie odpowiada Cindy. Przedstawia jej nową, sugerowaną kontrofertę. Wybrano dostawcę.

Życie jest piękne.

Zamiast ośmiu tygodni wymiany wiadomości, w rzeczywistości zajmuje to kilka dni.

Mam więc pytanie do Was wszystkich: czy w którejś z Waszych grup są jakieś procesy robocze, które chcielibyście zagentyfikować? Jakie przepływy pracy zamierzacie dzisiaj zagentyfikować?

W dalszej części prezentacji chcemy pokazać Wam, że stworzenie agentowego przepływu pracy jest łatwiejsze, niż się Wam wydaje, niezależnie od tego, czy pracujecie w dziale marketingu, IT, operacji strategicznych, badawczo-rozwojowym, czy też jesteście konstruktorami procesów dla całej organizacji.

Ponieważ dzięki Asanie zapewniamy system operacyjny dla zespołów złożonych z ludzi i agentów, abyśmy wszyscy mogli wspólnie zarządzać przepływami pracy.

Teraz oddam głos naszej dyrektor ds. produktu, Arnie Bose, która przybliży nam, jak już dziś możecie tworzyć takie przepływy pracy. Dziękuję.

Witam wszystkich. Jak się macie? Tak sobie... Tak. Dodajmy sobie energii. Proszę bardzo. Tak.

Miło jest widzieć energię w tej nowojorskiej publiczności. Nazywam się Arnab. Jestem dyrektorem ds. produktu w Asanie.

Dzisiaj chcę przedstawić Wam to, co Dan pokazał na wyższym poziomie szczegółowości.

Pokazał on skoordynowaną realizację w wielu systemach, a następnie zbudowanie tego wszystkiego dzięki mocy grafu pracy, czyli grafu kontekstowego, który tworzymy w Asanie od ponad dekady.

W mojej sekcji opowiem o tym, jak można wykorzystać kontekst wykresu pracy dzięki możliwościom Stack.ai, aby koordynować działania w wielu systemach, oraz o tym, jak dzięki wielokrotnemu stosowaniu tego kompleksowego procesu możemy zapisywać dane z powrotem w wykresie pracy, tak aby za każdym razem, gdy wystąpi wyjątek lub dojdzie do nowych negocjacji, dane te były rejestrowane w tym systemie kontekstowym i stawały się wiedzą, z której można ponownie skorzystać.

Mamy więc kilka różnych tematów do omówienia. Jednym z nich jest skoordynowana realizacja. W jaki sposób można to ulepszyć dzięki możliwościom wykresu pracy? I jak przekształcamy te operacje, te powtarzające się wykonania, w wiedzę, aby następnym razem, gdy uruchomicie swój zorkiestrowany przepływ pracy, był on znacznie lepszy. Jest o tyle bardziej dokładny.

Wszystko to robimy w zapleczu, łącząc się z wieloma systemami dzięki możliwościom stack.ai, który jest teraz częścią Asany.

Chcę więc omówić nieco dokładniej ten etap negocjacji, który przedstawił Dan.

Klient otrzymał ofertę od nowego dostawcy na kwotę 575 000 USD, znacznie przekraczającą budżet w wysokości 500 000 USD.

Oferta została przesłana – jak zapewne większość z was widziała w swojej codziennej pracy – prawdopodobnie w formie pliku PDF.

W pliku PDF znajdują się warunki. Jest drobny druk.

I nie jest łatwo ustalić, czy jest to coś, co można po prostu zatwierdzić.

Stack Overflow w tle przeanalizował wszystkie wcześniejsze wyceny, które klient zatwierdził. Przeczytał wszystkie te pliki PDF i przekształcił je w bazę wiedzy obsługującą RAG. Oznacza to, że możesz bardzo szybko wyszukiwać informacje i tworzyć przepływy pracy wykorzystujące agentów w oparciu o ten zbiór nieustrukturyzowanych danych.

Wszystkie te drobne, interesujące szczegóły zawarte w drobnym druku dotyczą kosztu za użytkownika na miejsce, tego, czy w umowie jest klauzula odstąpienia, czy koszt obejmuje koszt wsparcia… Wszystkie te elementy znacznie komplikują analizę, ponieważ nie jest to proste wyszukiwanie. Teraz Stackie, mogę przejść dalej i dokonać tego porównania w backendzie. Zasadniczo przekonwertowaliśmy wszystkie te nieustrukturyzowane dane, aby umożliwić połączenie wielu systemów w zapleczu.

Jak więc działa przepływ pracy Stack? Analizuje elementy, które zostały zatwierdzone. Analizuje konkretną nową ofertę oraz wszystkie warunki i decyduje, że należy złożyć kontrofertę. Kontroferta powinna wynosić 489 000 USD ze zniżką 15%.

Ale to nowy dostawca. W rzeczywistości nie przeszliśmy jeszcze przez ten proces.

Jest to więc sytuacja, w której nie można po prostu wykonać działania w sposób w pełni zautomatyzowany.

Uważamy, że najlepsze wyniki osiąga się wtedy, gdy ludzie i agenci AI mogą współpracować jako zespół.

Prawda? Uważamy, że klienci i firmy odnoszą sukcesy, jeśli mogą współpracować z automatyzacją i sztuczną inteligencją. Dzięki ponad 190 łącznikom z Asaną Stack może automatycznie utworzyć w pełni skonfigurowany projekt dla tego przepływu pracy zatwierdzania. Będzie on zawierał szczegóły oferty. Będzie zawierał szczegóły dotyczące na przykład tego, co powinniśmy przeanalizować z perspektywy finansowej lub prawnej, a także umożliwi przypisanie tych podzadań i zaangażowanie zespołu ludzi. Są to ludzie i agenci AI pracujący w oparciu o tę samą księgę, działający jako jeden organizm – to właśnie rozumiemy przez skoordynowane wykonywanie zadań.

Kiedy więc ta kontroferta jest gotowa do zatwierdzenia, zespół ds. finansów mówi: „Hej! Słuchajcie. Chcemy klauzuli umożliwiającej odstąpienie od umowy po roku.

Może zespół ds. zatwierdzeń prawnych stwierdzi, że jest kilka kwestii, których nie możemy przekroczyć.

Wszystkie te dane dostarczane przez ludzi są teraz rejestrowane na wykresie pracy. Są one więc rejestrowane w zadaniach, które są teraz dostępne dla przepływu pracy Stack AI, aby mógł z nich skorzystać przy następnym wystąpieniu takiego wyjątku.

To, co tutaj pokazujemy i co naprawdę rozumiemy przez skoordynowane wykonanie, to nie tylko to, że otrzymujecie w pełni funkcjonalny Konstruktor przepływów pracy, który łączy wiele systemów dokumentacji, wiele systemów zaplecza – wiecie, widzieliście już wiele z nich wcześniej – ale że jest on oparty na wykresie pracy. Zaczyna się więc od kontekstu. Jest on również oparty na wykresie pracy i wszystkich funkcjach, które oferuje Asana, dzięki czemu w przypadku wystąpienia wyjątku możesz zaangażować zespół ludzi do współpracy, koordynacji i ustalenia właściwych kolejnych kroków, a także ulepszyć ten proces na przyszłość. To właśnie rozumiemy przez kumulowanie wiedzy. Asana zapewnia kumulowanie wiedzy i pomaga budować ten „mózg firmy”, w którym, gdy agenci AI współpracują z Twoim zespołem, z ludźmi, wszystkie te interakcje są rejestrowane, dzięki czemu agent AI działa znacznie lepiej przy następnej okazji. Wykonaj, zachowaj, ulepsz. Powtarzaj tę pętlę w kółko.

Stack od Asany, podobnie jak rzeczywisty silnik wykonawczy, jest konstruktorem bez użycia kodu. Oferuje ponad 500 integracji. Jak widać, obsługuje on mechanizm „człowiek w pętli”. Teraz jest w pełni zasilane przez wykres pracy, nie tylko w odniesieniu do początkowego kontekstu, ale także wtedy, gdy wykrywa pewne wyjątki, może również przenieść cały ten kontekst z powrotem do wykresu pracy.

Chcę przedstawić wam pioniera, osobę, która stworzyła Stack.ai. Powitajcie na scenie Bernarda, współzałożyciela Stack.ai.

Dziękuję, Arnav.

Cieszę się, że tu jestem.

Mam na imię Bernard.

Jak pokazał Arnab, w Stack dot ai dajemy przedsiębiorstwom możliwość przekształcania ich najbardziej złożonych przepływów pracy za pomocą agentów AI.

Dzięki Stack dot ai możesz tworzyć zespoły agentów AI, które połączone z ponad 500 systemami korporacyjnymi mogą działać jak każdy pracownik z własnym komputerem, własnym terminalem, własną przeglądarką internetową, co pozwala im przejmować najbardziej skomplikowane procesy i skalować je w ramach swojej sztucznej inteligencji.

W połączeniu z WarGraphem agenci Stack AI mogą działać w kontekście tego, co faktycznie robi przedsiębiorstwo. Kto nad czym pracuje? Jakie są cele? I działają w ramach jednego podmiotu i jednego planu.

Obecnie firmy takie jak LifeMD, Exeter, Wild Retirement i BA Systems współpracują ze Stack.ai, aby usprawnić niektóre ze swoich najbardziej złożonych przepływów pracy na dużą skalę.

Jedną z tych firm jest SciMotion.

Od ponad 20 lat firma SciMotion zapewnia spersonalizowaną opiekę, będąc czołowym producentem sprzętu medycznego. Robi to, świadcząc specjalistyczne usługi wszystkim pacjentom i klientom, zwłaszcza we współpracy z lekarzami.

Jednak zapewnienie tak wysokiego poziomu spersonalizowanej opieki może być bardzo kosztowne i złożone.

Po otrzymaniu zestawu dokumentacji pacjenta może im zająć do dwóch godzin przejrzenie zasobów w systemie SAP, zapoznanie się z informacjami o pacjencie w SharePoint, przeanalizowanie różnych wyników badań laboratoryjnych w całych zestawach recept i własnych danych oraz połączenie tego wszystkiego w spójną, spersonalizowaną ofertę.

Wiedzieli, że to nie był właściwy sposób postępowania. A w dobie sztucznej inteligencji mogli to zmienić. Dzięki Stack.ai przyjęli nowe, oparte na agentach podejście. Powiedzieli, że zebrali wszystkie te elementy i stworzyli zespół agentów AI, którzy w ramach platformy Stack AI mogli za każdym razem, gdy pojawiało się nowe zlecenie, wyszukiwać wszystkie dane z inwentarza suplementów, wszystkie informacje o pacjentach i wyniki badań laboratoryjnych, skracając czas przetwarzania z dwóch godzin do zaledwie pięciu minut.

W ramach tego procesu mogli to zrobić, utrzymując czynny udział człowieka, co oznacza, że każda kluczowa decyzja zawsze wymaga oceny i zatwierdzenia przez specjalistę.

Dziś mamy tę zaletę, że nie usłyszycie o tym tylko ode mnie. Dołączył do nas również Max Perisky, dyrektor ds. przychodów w SignMojian, który opowie nam tę historię na żywo i na podstawie własnych doświadczeń. Witaj, Max. Proszę bardzo.

Miło Cię widzieć.

Miło Cię widzieć, Max. Dziękujemy, że dołączyłeś do nas w Nowym Jorku. Doceniam to. A skoro jesteś tu dziś z nami, to… Będzie mi bardzo miło usłyszeć, jak udało Ci się dojść do tego punktu. Jak oceniasz proces tworzenia pakietów medycznych za pomocą stack.ai? Oczywiście.

Cóż, wiesz, myślę, że… Wszystko zaczęło się od tego, że jestem dyrektorem ds. przychodów. Powiedziano mi zresztą, że jestem pierwszym dyrektorem ds. przychodów, który występuje na scenie Asany podczas tego wydarzenia, ponieważ w przeszłości niekoniecznie mielibyśmy powód, by tu być. Ale moim zadaniem tak naprawdę jest... Wow. Nie sądziłem, że za to dostanę oklaski. Moim zadaniem jest tak naprawdę zbudowanie infrastruktury i strategii, które w pewnym sensie zmniejszają trudności dla naszych klientów, a naszymi klientami są pracownicy służby zdrowia.

Dążąc do tego celu, około roku temu pomyślałem, że może istnieje sposób, w jaki sztuczna inteligencja może pomóc w rozwiązaniu niektórych z tych problemów, łącząc, jak wspomniałaś, te elementy. Wpadłem więc na szalony pomysł i pewnego weekendu zacząłem po prostu bawić się niektórymi dostępnymi agentami i udało mi się w pewnym sensie udowodnić słuszność tej koncepcji, ale nie byłem zadowolony z rodzaju dyscypliny dotyczącej dokumentów i wyszukiwania w internecie. Znalazłem Stacka i zacząłem bawić się jego bezpłatną wersją. Udało mi się zbudować agenta, który w pewnym sensie rozwiązał ten problem dla mojego zespołu sprzedaży, pomagając mu naprawdę szybko dostarczać wartość klientom i wdrażać ją. W rzeczywistości wdrożyliśmy go, zanim jeszcze za niego zapłaciliśmy.

Pamiętam, pamiętam. A teraz już za niego płacą.

Teraz za nią płacimy. Tak. Dlatego tu jestem.

W porządku. Ale to dobrze. Wiesz, że dzięki temu zyskujecie dużą efektywność, na przykład poprzez automatyzację zarówno operacji związanych z przychodami, jak i operacji na poziomie klinicznym, co pokazaliśmy na przykładzie tworzenia pakietów leków – wszystkiego. Jestem ciekaw, czy dzięki tej całej efektywności zyskujecie dużo nowego czasu. Co to umożliwiło firmie Zimmergen?

Cóż, kilka rzeczy. Zaczęliśmy od wdrożenia tego narzędzia dla naszych sprzedawców, aby pomóc im naprawdę szybko dostarczać wartość. Mamy ponad 300 produktów. Wyobraźcie sobie, że każdy z nich został zaprojektowany jako narzędzie kliniczne. Są więc subtelne. Są skomplikowane.

W tym czasie doszło do wymiany dużej części naszego zespołu sprzedaży. Mieliśmy więc wiele nowych osób, które musiały poznać 300 produktów i dostarczać je jako odpowiednie produkty do właściwych osób we właściwym czasie. To naprawdę pomogło ułatwić ten proces i w pewnym sensie przyspieszyć ich krzywą uczenia się. To był pierwszy rodzaj dowodu słuszności koncepcji. Potem pomyśleliśmy, żeby udostępnić to klientom, i właśnie to teraz wdrażamy za pomocą Catalyst.

Niesamowite. I mam nadzieję, że już niedługo odniesiemy znacznie większy sukces. To świetnie. Bardzo dziękuję za rozmowę, Max. Dziękuję bardzo. Z niecierpliwością czekam na wiele kolejnych lat wspólnej pracy i osiągania coraz większych sukcesów.

Tak.

Dziękuję za zaproszenie.

W porządku.

Dziękujemy za udział. Pozdrawiam. Dziękuję.

No więc tak.

Więc usłyszeliśmy o tym od Maxa na żywo. I był tak uprzejmy, że przedstawił nam wszystkie szczegóły swojej historii. Jak to wygląda, jeśli zajrzymy za kulisy? Jak te pomysły przekładają się na produkcję? Prześledzimy historię innej firmy, bardzo podobnej do SimoGen,

o nazwie Aiuhealth, która również świadczy usługi w zakresie spersonalizowanej opieki i suplementów.

Aiuhealth działa w podobnym obszarze i ma dokładnie ten sam problem. Musieli zbudować system, który w prosty sposób umożliwiłby im pobieranie dokumentacji pacjentów, a na jej podstawie przeszukiwanie zbioru systemów, przeglądanie Internetu i gromadzenie danych w celu personalizacji pakietu medycznego z dostosowanym do tego problemu rozwiązaniem. Jak widać na ekranie, firma ta zbudowała agenta AI, który może faktycznie otrzymywać plik PDF z danymi pacjenta, wysyłać zapytania do wszystkich tych systemów, wysyłać zapytania do wszystkich narzędzi skryptowych, a następnie agregować wszystkie wyniki w spersonalizowany pakiet, podając źródła, z których pochodzą te dane.

Nie tylko to, ale także zapewnia wgląd we wszystkie ślady wykonanych przez Ciebie działań. A gdy połączymy to w wyniku pliku mFrame… Co się dzieje za kulisami, gdy agent „myśli” i gromadzi wszystkie te dane? W Stack.ai, jak widać na ekranie, zbudowano agentowy przepływ pracy, który otrzymuje wiadomość od użytkownika, plik oraz zestaw specyfikacji API dla programu Whole Scripts. Następnie połączy się z narzędziem napędzanym w tym przypadku przez model Claude, z dostosowanym do ich problemu pytaniem, i połączy je z ich kluczową bazą wiedzy w SharePoint, ich danymi w Whole Scripts, połączy je z przeglądarką internetową, możliwością wysyłania e-maili, wyszukiwania w internecie, działając jak każdy inny osobisty agent AI, ale dostosowany do ich konkretnego przypadku użycia, tak aby po otrzymaniu nowego żądania mógł uruchomić wszystkie te systemy.

W rezultacie, po przejściu przez ten proces, mogą uzyskać spersonalizowany plan. Specjalista może uzyskać wszystkie dane, podsumować je, poznać źródła wyników, przekazać agentowi informację zwrotną i współpracować w celu zapewnienia spersonalizowanego doświadczenia, które może być wykorzystane zarówno do wsparcia tego klienta, jak i do usprawnienia innych działań w sposób, który uwzględnia czynnik ludzki.

I chociaż zawsze można kontynuować pracę z FIBA i korzystać z niej, można pójść jeszcze dalej.

IU Health posunęła się jeszcze dalej i połączyła to z WarGraphem za pośrednictwem Asany, dzięki czemu za każdym razem, gdy ich zespoły ds. badań klinicznych oceniały nowe badanie lub nowe zjawisko, mogły podłączyć je do tego agenta i uruchomić go bezpośrednio z poziomu zadania w Asanie, tak aby ten agent AI mógł wyszukiwać te same informacje i zestawiać je we wspólny wynik.

To jest przyszłość oprogramowania dla przedsiębiorstw i agentów AI w organizacjach. Jedno miejsce, w którym agenci AI mogą się pojawiać, działać w ramach wszystkich tych narzędzi, przetwarzać dane i operacje o strukturze nieuporządkowanej, a ludzie mogą wyznaczać zasady gry, przekazywać informacje zwrotne i udzielać wszelkich wskazówek.

Oczywiście to nie jest ostatni krok. Jest jeszcze wiele możliwości rozwoju. A dzisiaj my... Agenci AI i ludzie działają w ramach różnych planów. W przyszłości obydwie strony będą musiały działać w ramach jednego wspólnego planu operacyjnego. Dowiecie się, w jaki sposób Asana rozwiązuje ten problem. W tym celu dołączy do nas Prachi Gore, dyrektor ds. marketingu w Asanie, i opowie nam nieco o tej przyszłości. Dziękuję.

Dziękuję, Bernardzie. Zatem, jak wspomniał Bernard, aby spełnić obietnicę dynamicznego przedsiębiorstwa, potrzebni są agenci pracujący w wielu systemach, co właśnie widzieliśmy. Potrzebni są jednak także ludzie, czyli my, nasze zespoły, współpracujące ze sobą w dążeniu do realizacji tych samych celów, zgodnie z tym samym planem i w pełnym, wspólnym kontekście firmy.

Jest to możliwe dzięki Agentic Work Management.

Jak wspomniał Dan, Agentic Work Management obejmuje 30 AI Teammates, którzy posiadają już odpowiednie umiejętności, podlegają zasadom zarządzania i są gotowi do działania właśnie dla Was.

Każdy użytkownik Asany ma również dostęp do osobistego szefa sztabu o imieniu Dash. Dash śledzi całą Twoją pracę w e-mailach, na spotkaniach i we wszystkich Twoich projektach, więc dokładnie wie, nad czym pracujesz.

Może również podejmować działania w Twoim imieniu, na przykład tworzyć zadania uzupełniające po spotkaniu, abyś mógł(-mogła) skupić się na najważniejszej pracy.

Mamy również ponad 20 integracji z różnymi narzędziami, których używamy na co dzień, takimi jak Figma, Databricks, HubSpot, Dysk Google, dzięki czemu całą pracę można wykonywać z jednego miejsca.

Z Asany korzystają niektóre z największych marek na świecie. Ale dziś chcę przyjrzeć się bliżej jednej z takich firm, która nazywa się Skydance. Skydance stworzyło niektóre z naszych ulubionych programów. Dla mnie to „SpongeBob Kanciastoporty” i „Yellowstone”.

Ale w zakresie całej działalności telewizyjnej, transmisji na żywo, zajmują się sportem, wiadomościami, animacjami.

Tysiące osób pracuje tam każdego dnia, aby przekuwać pomysły w treści, koordynować wiele premier i wprowadzać na rynek nowe programy.

Aby to osiągnąć i dalej skalować swoją działalność, Skydance potrzebowało sposobu na dalszy rozwój przy jednoczesnym zapewnieniu koordynacji pracy zespołów.

Wtedy właśnie pojawiło się rozwiązanie Agentic Work Management – miejsce, w którym zespoły i ich agenci mogą współpracować w oparciu o wspólne dane kontekstowe, realizując te same cele.

Chcę przedstawić przykład dotyczący Skydance. Trzyosobowy zespół operacyjny w Pluto TV jest w stanie zarządzać 750 elementami treści każdego miesiąca dzięki włączeniu AI Teammates do swojego przepływu pracy.

Podobnie w CBS News sztuczna inteligencja już teraz sortuje wszystkie zgłoszenia do pomocy technicznej i tworzy ustrukturyzowane zadania, zanim zajmie się nimi człowiek.

Ale posłuchajmy, co mają do powiedzenia sami zainteresowani.

Mamy kilka ambitnych celów. Aby je zrealizować, potrzebujemy solidnego partnera, solidnych systemów i bardzo szerokiego wdrożenia sztucznej inteligencji.

Nasza ciężarówka zjeżdża w dół.

Chcemy być firmą medialną stawiającą na pierwszym miejscu technologię, łączącą kreatywność Hollywood z innowacyjnym duchem Doliny Krzemowej.

Nie jesteśmy tradycyjną firmą.

Za kulisami wspieramy najbardziej kreatywne osoby na świecie. Był czas, kiedy nasza kultura organizacyjna była bardzo zdecentralizowana.

Paramount to firma o bardzo dużej skali działalności, z setkami działów i oddziałów. Ponieważ sztuczna inteligencja szybko wkracza do miejsc pracy, powstaje wiele silosów informacyjnych.

Wszyscy podchodzili do sztucznej inteligencji w ramach własnych, odmiennych przepływów pracy. Utrudniało to wsparcie, skalowanie i aktualizowanie w miarę wprowadzania zmian.

I to właśnie jest brakujące ogniwo w sztucznej inteligencji – jeśli nie masz bezpiecznego dostępu do danych lub... Wszystko jest rozproszone, Twoja sztuczna inteligencja zawiedzie.

Asana stworzyła ten fundament dla sztucznej inteligencji.

AI jest wbudowana tam, gdzie już odbywa się praca.

Nie wymaga dodatkowego kliknięcia ani otwierania kolejnego ekranu. Jest dostępna w oknie dialogowym, z którego już korzystasz.

Dostępność jest kluczem do wdrożenia. Korzystanie z AI Teammates wymagało tylko jednego kliknięcia przycisku.

Okno kontekstowe pojawiało się w ciągu kilku sekund, co jest niesamowite.

Asana umożliwiła nam śledzenie różnych funkcji AI, identyfikację osób, które intensywnie z nich korzystają, analizę ich uzasadnienia biznesowego, dokładne zrozumienie zwrotu z inwestycji oraz udostępnianie tych przykładów zastosowań innym obszarom działalności.

Szczerze mówiąc, wybraliśmy Asanę, ponieważ jej zespół zaangażował się i pomógł nam zrozumieć naszą działalność. Nie zdarza się to często w przypadku dostawców.

Postrzegam Asanę jako naszego długoterminowego partnera.

A teraz chciałbym zaprosić na scenę Laksha Nathana, wiceprezesa wykonawczego i dyrektora ds. informatyki w Skydance, aby podzielił się z nami dalszymi informacjami.

Cześć. Dziękuję za zaproszenie.

Dziękuję, Laksh, za to, że jesteś z nami. Twój zespół wykonał niesamowitą pracę. Ale powiedz nam, jak przebiegało wbudowywanie agentów AI w Wasze przepływy pracy? Opowiedz nam trochę o tym, co działo się za kulisami.

Wiesz, od samego początku jesteśmy bardzo skomplikowaną organizacją. Jesteśmy twórcami. Jesteśmy organizacją informacyjną. Jesteśmy pracownikami biurowymi. Myślę więc, że sama różnorodność naszej kultury była po prostu...

To dla nas bardzo otwarte płótno. Dlatego fakt, że mogliśmy zacząć analizować każdy z naszych procesów, upraszczać go i umożliwiać agentom udział w jego tworzeniu, był dla nas niesamowity.

To świetnie. Czy mogłabyś podać mi przykład lub po prostu opowiedzieć o czymś szczegółowo, żeby pokazać, jak to wygląda na co dzień?

Mamy do czynienia z całym mnóstwem narzędzi AI, partnerów i podobnych rozwiązań.

Co ciekawe, używamy Asany do śledzenia tego wszystkiego. A co najlepsze, ponieważ mamy do czynienia z wieloma różnymi grupami, które muszą to przeglądać, podobnie jak agenci, których widzieliście wcześniej, to posiadanie wszystkich tych zespołów na jednej platformie, z ich własnym kontekstem wprowadzanym do systemu, a następnie zautomatyzowanie tego procesu, odmieniło nasze życie.

To niesamowite. Jeszcze raz dziękuję Ci, Lax, za to, że byłeś z nami, i gratuluję wspaniałej pracy. Bardzo dziękuję. Nagrodźmy go gromkimi brawami.

A teraz chciałbym zaprosić na scenę Kirka Milesa, wiceprezesa seniora i dyrektora generalnego ds. zarządzania pracą w AgenTik.

Wow.

Czy to nie było niesamowite?

To naprawdę ciekawe, jak Skydance korzysta z naszego pakietu AgenTeq. Witajcie wszyscy. Nazywam się Kirk Miles i kieruję zespołem AgenTeq Work Management w Asanie.

Znaliście już tę historię, a teraz chcę Wam pokazać część produktu, który stoi za nią.

Dziś prześledzimy historię menedżerki ds. operacji kampanii, która zarządza jednym tygodniem i jedną kampanią organizowaną w ostatniej chwili, a wszystko to dzięki korzyściom płynącym z Agentic Work Management.

Zanim jednak przejdę do sedna, chcę przedstawić Wam kilka nowych elementów.

Po pierwsze, spotkania AI, które przekształcają to, co zostało powiedziane podczas rozmowy, w czynności do wykonania, które faktycznie zostają zrealizowane.

Następnie strony, które przekształcają Wasze dokumenty w dynamiczne plany, na podstawie których może pracować Wasz zespół.

I wreszcie tabele, które przenoszą Wasze dane biznesowe z arkuszy kalkulacyjnych i umieszczają je... Przenosi je do miejsca, w którym faktycznie wykonywana jest praca.

Wszystko to znajduje się na wykresie pracy, dzięki czemu wszyscy członkowie zespołu, zarówno ludzie, jak i agenci, mogą działać w tym samym, wspólnym kontekście.

Mając to na uwadze, przejdźmy do konkretów. Chcę Wam przedstawić Sarę. Sarah kieruje działaniami związanymi z kampaniami w firmie medialnej.

Jest piątkowe popołudnie i właśnie otrzymała zlecenie na ostatnią chwilę dotyczące dużej premiery z ambitnym celem rozwojowym, która ma się odbyć za mniej niż tydzień.

Sarah jest zestresowana. Szczerze mówiąc, ja też bym się stresowała, gdyby poproszono mnie o przeprowadzenie dużej premiery w mniej niż tydzień.

Ale nie martw się, Asana jej pomoże. Pozwólcie, że Wam to pokażę.

W tym przypadku zlecenie faktycznie rozpoczyna się poza Asaną, w aplikacji Slack.

Michael, dyrektor ds. rozwoju, opublikował zlecenie na kanale zleceń kreatywnych, a Asana Studio automatycznie je przechwytuje, tworząc zadanie, uzupełniając je o szczegóły dotyczące kampanii i budżetu oraz dodając do zadania wszystkich współpracowników, którzy muszą mieć do niego wgląd.

Następnie kontaktuje się z Michaelem, aby potwierdzić zakres regionalny i porównuje go z biblioteką zasobów.

W tym przypadku widzi, że jeden z materiałów nie został zatwierdzony do użytku w regionie EMEA, dlatego tworzy podzadanie dla Sarah, aby uzyskała zatwierdzenie ze strony działu ds. marki i działu prawnego, zanim kampania będzie mogła ruszyć dalej.

Przyjrzyjmy się tej bibliotece materiałów, ponieważ jest ona zbudowana w formie tabel.

W niej każdy wiersz to inny materiał wizualny zawierający szczegóły, takie jak okres obowiązywania praw do niego, zatwierdzenia regionalne oraz powiązane z nim kampanie.

Przyjrzyjmy się bliżej kolumnie dotyczącej regionu EMEA, ponieważ to właśnie ona stanowi największą przeszkodę między Sarą a planowanym na przyszły tydzień wdrożeniem.

Przenieśmy się więc do poniedziałku.

Sarah wie, że jest wiele rzeczy do zrobienia w ciągu mniej niż czterech dni roboczych, więc od razu zabiera się do pracy. Poprosiła Dasha o przygotowanie w Asanie wersji roboczej strony dla działów prawnych i ds. marki, zawierającej kontekst dotyczący premiery, zakres materiałów, brak materiałów dla regionu EMEA, a także termin zatwierdzenia wyznaczony na wtorek.

Dash tworzy stronę, czerpiąc kontekst z zadania zgłoszeniowego w bibliotece materiałów, i udostępnia ją zespołom prawnemu i ds. marki, które natychmiast otwierają stronę i dodają komentarz w tekście o treści: „Umówmy się na rozmowę dotyczącą materiałów wizualnych dla regionu EMEA”.

Następnego dnia odbywają rozmowę z... Z włączoną funkcją Spotkania AI.

Gdy tylko rozmowa się kończy, transkrypcja i podsumowanie są automatycznie publikowane w projekcie kampanii i udostępniane wszystkim jej uczestnikom, a także uzupełniane o sugerowane czynności do wykonania i ich właścicieli.

Kiedy Sarah zasiada przy swoim biurku, przegląda listę i widzi, że członek zespołu prawnego już podjął się jednego z działań. Zatwierdza pozostałe, w tym jedno – zastrzeżenie prawne przypisane do członka zespołu pełniącego rolę koordynatora kampanii.

Koordynator kampanii przygotowuje wersję roboczą zastrzeżenia prawnego i przesyła je do działu prawnego w celu zatwierdzenia.

Gdy tylko dział prawny udzieli zatwierdzenia, biblioteka zasobów zostanie automatycznie zaktualizowana.

A zatwierdzenie dla regionu EMEA, o które Sarah tak się martwiła, natychmiast zmienia kolor na zielony.

Pod koniec wtorku Sarah jest nastawiona optymistycznie. Nie była pewna, ale teraz ma wrażenie, że naprawdę uda im się to zrobić.

Przejdźmy więc do środy.

Nic nie wskazuje na to, żeby coś szło nie tak, ale przy pięciu zespołach do skoordynowania i ponad 20 produktach końcowych Sarah chce się upewnić, dlatego pyta o to Dasha.

Dash zwraca uwagę na jedną rzecz.

Zespół ds. płatnych kampanii w mediach społecznościowych nie dotrzymał wczoraj terminu, a dzisiejsza weryfikacja jest zagrożona.

Sarah musi udzielić tylko jednej odpowiedzi.

Przesunąć termin wykonania produktu końcowego zespołu ds. płatnych kampanii w mediach społecznościowych na dzisiaj, ponownie przypisać zadanie Priyi do Marcusa i oznaczyć wszystko jako zadania o wysokim priorytecie.

Dash wyświetla podgląd każdej zmiany, którą ma zamiar wprowadzić, więc nic się nie zmienia, dopóki Sarah jej nie zatwierdzi. A gdy tylko to zrobi, wszystkie zadania zostaną zaktualizowane jednocześnie.

Do końca środy wszystkie 20 produktów projektu zostaje zatwierdzonych, a premiera jest gotowa.

Przenieśmy się więc do piątku. Premiera się odbyła. Sarah odczuwa ulgę i jest podekscytowana, ale jej praca jeszcze się nie skończyła.

Jej wiceprezes oczekuje aktualizacji statusu, aby dowiedzieć się, jak przebiega proces wdrożenia, a ona właśnie ma zamiar usiąść i napisać ją odręcznie.

Ona... Gdy otwiera zadanie, utworzony... Analityk kampanii, członek zespołu utworzony przez kogoś z jej zespołu, proaktywnie się zgłasza i oferuje przejęcie zadania.

Ten członek zespołu ma niestandardową umiejętność, dzięki której rozumie preferowany przez jej wiceprezesa format raportu i może pobierać dane dotyczące wydajności oraz porównywać budżet z danymi rzeczywistymi za pośrednictwem połączenia z Databricks.

Kończy pracę nad zadaniem, a ono pobiera dane dotyczące wyników ze wszystkich pięciu kampanii, w tym korektę dotyczącą płatnych działań w mediach społecznościowych oraz wyniki w porównaniu z planem.

Sarah w rzeczywistości podpowiada mu, żeby powiedział: „Wolałbym…” Zamiast briefu wolę prezentację.

Asana rozpoznaje, że jest to zadanie cykliczne, dlatego proponuje, aby wykonywać je w każdy piątek. Ona się zgadza.

Teraz w każdy piątek członek jej zespołu automatycznie przygotowuje pięknie zaprojektowaną prezentację podsumowującą aktualizacje ze wszystkich kampanii, którą Sarah może udostępnić swojemu wiceprezesowi.

Zadanie, które kiedyś zajmowało jej całe popołudnie, teraz trwa zaledwie kilka minut.

W tym przypadku Sarah aktualizuje jeden wiersz i wysyła go do swojej wiceprezes.

Jej wiceprezeska jest tak pod wrażeniem, że przekazuje raport swojej dyrektor ds. marketingu, bardzo chwaląc Sarę.

Mamy więc pięć zespołów, ponad 20 materiałów i mniej niż tydzień.

Wszystko – od przyjmowania zleceń, przez spotkania koordynacyjne, po śledzenie zatwierdzeń i raportowanie – jest możliwe dzięki temu, że opiera się to na wykresie pracy.

Jeśli chodzi o te nowe produkty, z radością informuję, że Strony są już dostępne, a Spotkania AI i Tabele pojawią się pod koniec tego miesiąca. Jeśli chcecie dowiedzieć się więcej, odwiedźcie nas w Hali wystawowej, a chętnie zaprezentujemy Wam te funkcje.

W związku z tym chcę zaprosić Arnauda z powrotem na scenę, aby opowiedział więcej o tym, co tworzymy poza Agentic Work Management. Dziękuję.

Dziękuję, Kirk. Czy to nie była fantastyczna prezentacja? Czy podobała się Wam ta prezentacja? Tak?

Jeszcze raz – to, co pokazywał Kirk, to skoordynowane działanie w różnych systemach i cała nowa moc, którą wprowadzamy do wykresu pracy, aby dodawać do niego coraz więcej kontekstu. Strony, spotkania, wszystkie te nieustrukturyzowane dane, które stanowią podstawę lepszej współpracy ludzi i agentów.

Teraz omówię trzy nowe aplikacje agentowe, które zbudowaliśmy na tej platformie. Każda z tych aplikacji dziedziczy możliwości platformy i czerpie z nich korzyści, a także ulega ciągłemu ulepszaniu, ale została zaprojektowana specjalnie dla konkretnych zespołów.

Zapowiedzieliśmy te aplikacje na konferencji Wiz London na początku tego roku, a od zeszłego miesiąca wszystkie są ogólnie dostępne. Każda z tych trzech aplikacji opartych na technologii agentowej jest już ogólnodostępna. Możecie je kupić już dziś. Moim celem w tej sekcji jest wzbudzenie w Was na tyle dużego zainteresowania każdą z nich, abyście po zakończeniu prezentacji ruszyli tłumnie ze sceny głównej i odwiedzili stoiska demonstracyjne w hali wystawowej. Co więc stworzyliśmy? Stworzyliśmy Asana Service Management dla każdego centrum obsługi pracowników w firmie, niezależnie od tego, czy jest to dział pomocy IT, dział finansów, dział infrastruktury, HR czy dział prawny.

Stworzyliśmy Asana Client Management dla agencji i zespołów świadczących usługi profesjonalne, które potrzebują AI, aby na bieżąco śledzić wszystkie zlecenia klientów. Jak mogą utrzymać rentowność? W jaki sposób zarządzają wszystkimi tymi relacjami z klientami w jednym obszarze roboczym?

A teraz Command by Asana. Command by Asana zrewolucjonizuje sposób, w jaki zespoły ds. badań i rozwoju oraz zespoły inżynieryjne tworzące oprogramowanie, na którym działają wszystkie nasze firmy, tworzą te produkty. W jaki sposób mogą skoordynować działania i stworzyć możliwie najlepszy produkt w możliwie najkrótszym czasie?

Najpierw przyjrzyjmy się bliżej Asana Service Management. Jeszcze raz podkreślę, że zarządzanie usługami jest już dziś ogólnie dostępne.

Zostało ono zaprojektowane z myślą o wszystkich tych przykładach zastosowań wewnętrznego helpdesku.

Nasza kluczowa teza jest taka, że starsze lub dotychczasowe systemy zarządzania usługami są zaprojektowane tak, aby kierować zgłoszenia dotyczące usterek do kolejki, a to już nie wystarcza. To już nie wystarczy. Prawda? Każda organizacja potrzebuje sposobu na automatyczne odpowiadanie na pytania pracowników przy użyciu samouczącej się bazy wiedzy. Właśnie to oferuje Asana Service Management – samouczącą się bazę wiedzy.

W przypadku działań, które należy wykonać, takich jak wdrożenie nowego pracownika, przeniesienie pracownika do innego działu lub zespołu w firmie, przyznanie mu dostępu do odpowiednich narzędzi we właściwym czasie, możemy realizować te działania automatycznie w tle dzięki możliwościom Stack.ai, który koordynuje wiele systemów. Czyli automatyczne rozwiązywanie zgłoszeń.

I wreszcie, z wszystkich danych naszych klientów wiemy, że znaczny odsetek tych zgłoszeń nie może zostać po prostu rozwiązany. Nie są to zgłoszenia typu „awaria – naprawa”. Mamy więc możliwość wzięcia zgłoszenia i automatycznego przekształcenia go w projekt wraz ze wszystkimi kontekstami potrzebnymi ludziom do skoordynowania działań w ramach tego projektu i zrealizowania złożonego przepływu pracy związanego z zarządzaniem zmianami.

Wszystko to jest wstępnie skonfigurowane i zintegrowane z systemami używanymi przez Wasze zespoły IT, niezależnie od tego, czy jest to Workday dla HR, Greenhouse dla rekrutacji, Brex dla zarządzania finansami czy Ramp. W przyszłości pojawi się wiele kolejnych integracji, a wszystkie będą oparte na technologii Stack.ai. Stack.ai ma ponad 500 integracji. Będziemy stopniowo wprowadzać je wszystkie do Asana Service Management.

Ponadto klienci tacy jak Arri Behavioral Health już przewidują, że po wdrożeniu Asana Service Management uwolnią około jednej piątej zasobów swojego wewnętrznego helpdesku dla pracowników. Później w ciągu dnia będę rozmawiać z ich dyrektorem ds. IT podczas sesji tematycznej, więc koniecznie weźcie w niej udział.

Teraz Asana Client Management. Jak już wspomniałem, firmy świadczące usługi profesjonalne i agencje... Ile osób na widowni pracuje w firmie świadczącej usługi profesjonalne lub w agencji? Widzę kilka podniesionych rąk. Prawda? Zarządzacie więc swoimi projektami, chcecie opracować plan przydziału pracowników, ale musicie też koordynować wszystkie te działania ze swoim klientem, ze swoimi klientami.

Asana Client Management wprowadza do Asany portal klienta, dzięki czemu wszystkie konwersacje z klientami i zespołem projektowym, który ich obsługuje, mogą być zgromadzone w jednym miejscu. Oznacza to, że zarówno agenci AI, jak i ludzie wspierający to konkretne zaangażowanie, a także klient, wszyscy operują na tym samym kontekście danych. Wprowadzamy więc potencjał AI Teammates, przepływy pracy Asana Studio oraz wszystkie podstawowe elementy platformy, które zaprezentował Kirk, do tych działań związanych z relacjami z klientami.

To naprawdę super. Już teraz klienci tacy jak Liminal, iRead and Company oraz Gravitate korzystają z Asana Client Management i osiągają dzięki temu fenomenalne sukcesy.

Na koniec, ale nie mniej ważne, Command by Asana.

Jestem pewien, że wszyscy w tej sali słyszeli o fantastycznych postępach, jakich dokonali agenci kodujący tylko w 2026 roku. Generowanie kodu stało się bardzo tanie.

Co kilka... I wiesz, co kilka tygodni pojawia się nowy model kodowania. Tworzenie produktów jest tak proste. Nie musisz już zdobywać dyplomu z informatyki. Wszystkie te języki są dostępne w internecie.

Ale stało się tak, że wąskie gardło się przesunęło.

Wąskie gardło w kontekście dostarczania produktów wysokiej jakości przeniosło się na kwestie koordynacji, strategii oraz zapewnienia, że wszyscy ludzie mają jednolite podejście do tego, czego nie należy tworzyć. Czym jest gust?

Agenci AI nie będą w stanie samodzielnie ustalić, czego nie należy tworzyć, co faktycznie powinno znaleźć się w wydaniu ani jaki jest status całego procesu. Czy jest dostarczany w wysokiej jakości? Czy faktycznie mieści się w terminach określonych w naszych wytycznych dotyczących wprowadzania produktów na rynek?

Command by Asana to system planowania produktów stworzony po to, aby zapewnić wszystkim spójność działań i automatycznie przekazywać pracę agentom AI, a także w najszybszy możliwy sposób przechodzić od pomysłów do wysokiej jakości, w pełni ukończonych produktów. Dzięki temu koncepcja fabryki oprogramowania ewoluuje od samego generowania kodu do ultraszybkiego tworzenia produktów w sposób kompleksowy.

Jesteśmy bardzo podekscytowani współpracą z OpenAI Codex, Cursor by SpaceX AI i GitHub Copilot, dzięki której możemy to wszystko zrealizować. Super, super fajnie.

Oto i wszystko. Stworzyliśmy na tej platformie trzy aplikacje oparte na agentach, które znacząco usprawniają działanie nowych rodzajów centrów zakupowych lub nowych ról w Waszej firmie.

Usprawnienie centrum obsługi, maksymalna optymalizacja zarządzania klientami, usług profesjonalnych i wszystkich przypadków użycia w agencjach oraz przekształcenie każdego zespołu badawczo-rozwojowego w kompleksową fabrykę oprogramowania.

Przyjrzyjmy się klientowi, którego – jestem pewien – wszyscy w Nowym Jorku znają. Oni również są w trakcie swojej agentowej podróży.

Oto historia NYU. Odtwórz wideo.

Musimy trzymać się bardzo wysokiego standardu. Ludzie oczekują tego, co najlepsze na NYU.

NYU to 18 szkół, 65 tysięcy studentów, dziesiątki tysięcy pracowników naukowych i ponad 700 tysięcy absolwentów.

Jako instytucja mamy bardzo wysoki standard. Jest to standard doskonałości.

Naszym obowiązkiem jest przygotowanie całej organizacji, kadry naukowej, personelu i studentów do dostosowania się do przyszłości pracy.

Chcemy być bardziej wydajni i skuteczni w świecie, w którym sztuczna inteligencja będzie odgrywać kluczową rolę.

Istnieją dziesiątki różnych szkół, z których każda działa we własnym środowisku. Wydział Stomatologii będzie się różnił od Stern School of Business.

Odpowiadamy za bazę danych, w której przechowywanych jest ponad 1 500 000 rekordów. Projekty są bardzo złożone i zależą od dziesiątek tysięcy partnerów z całego uniwersytetu.

Z pewnością może to prowadzić do powstawania wielu zbędnych systemów i braku przejrzystości co do priorytetów.

Kiedy wszystko jest pilne, nic nie jest pilne.

Zarządzanie tym wszystkim to była kolejna praca na pełen etat.

Aby sztuczna inteligencja była skuteczna, potrzebujemy zintegrowanej podstawy.

To właśnie zmienia dla nas Asana.

Łączy naszą pracę z elementami, co do których nie ma kompromisów – bezpieczeństwem danych, prywatnością i zarządzaniem – umożliwiając nam stworzenie struktury i podstawy dla sztucznej inteligencji.

Mamy sposób na systematyczną pracę, zapewniający autonomię i widoczność, dzięki czemu wszyscy są na bieżąco. Nie musieliśmy już zgadywać, czy dana kwestia ma wpływ na wiele osób lub wiele szkół.

Możemy polegać na Asanie, aby znajdować luki, na które powinniśmy zwracać uwagę, i rozwiązywać problemy tak szybko i dokładnie, jak to możliwe.

Dla naszych studentów, naszych pracowników, naszych wykładowców, naszych absolwentów lepiej zintegrowany uniwersytet to lepszy uniwersytet.

Asana okazała się dla nas oczywistym wyborem platformy, która pozwoli nam przygotować naszych studentów i cały uniwersytet do pracy w świecie opartym na sztucznej inteligencji. Chcemy to realizować wszędzie tam, gdzie to możliwe.

Dzień dobry wszystkim. Wow. Co za niesamowita publiczność. Czy dobrze się bawimy? Tak.

Ten film naprawdę pokazał, jak... Jak to wygląda, gdy organizacja działa jako jeden system.

I nie ma nikogo lepszego do rozmowy na ten temat niż Michael Worden, zastępca wiceprezesa ds. globalnego świadczenia usług w NYU. Witaj, Michaelu. Cześć.

Miło Cię widzieć, Michaelu.

Miło Cię widzieć.

Z tego filmu jasno wynika, że NYU to niezwykle złożony system, w którym wiele uczelni działa z dużą niezależnością. Muszę więc zapytać, w jaki sposób udało Wam się sprawić, że wszyscy działają w oparciu o jeden wspólny plan?

Masz rację. Uczelnie są niezwykle rozdrobnione i rozproszone po całym... W przypadku NYU jesteśmy rozproszeni po całym świecie. Tak. Zaczęliśmy zauważać, że Asana pojawia się w wielu różnych miejscach. I w naturalny sposób zaczęliśmy się zastanawiać, co by było, gdybyśmy potraktowali to jako platformę, a nie jako pojedynczy produkt, z którego korzystają ludzie? Kiedy zapytaliśmy osoby aktywnie korzystające z platformy, wszyscy jednogłośnie zgodzili się, że to właściwa droga dla nas, i to było kluczowe dla naszych dalszych działań.

To brzmi fantastycznie. A gdy sztuczna inteligencja zacznie stawać się częścią tego wspólnego planu, w jaki sposób widzisz rolę Asany?

AI jest obecnie na ustach wszystkich. Jako uczelnia musimy poruszać się po bardzo cienkiej linii, jeśli chodzi o sztuczną inteligencję.

Zdecydowanie.

Będzie ona częścią przyszłości, ale chcemy też nauczyć naszych studentów, jak z niej skutecznie korzystać i używać jej tylko tam, gdzie jest to naprawdę wskazane. Ale kiedy myślimy o wszystkich przykładach, które widzieliśmy dzisiaj, uważamy, że istnieje wiele różnych sposobów, aby zautomatyzować pracę, do której czasami nie zawsze udaje nam się dotrzeć, i myślę, że właśnie dlatego bardzo się cieszę z pojawienia się sztucznej inteligencji na platformie Asany.

To wspaniale. Cieszymy się, że jesteś naszym klientem. Bardzo dziękuję, Michael, za podzielenie się swoją historią.

Dziękuję.

W porządku. Muszę więc zapytać, ile osób tutaj pracuje w zespole świadczącym usługi, niezależnie od tego, czy jest to dział IT, HR, infrastruktury, finansów czy prawny?

Podnieście ręce. Wow. Dużo osób. Więc to jest dla Was.

Arm, który występował wcześniej, przedstawił nam podgląd Asana Service Management – opartego na sztucznej inteligencji rozwiązania do zarządzania usługami w przedsiębiorstwie, zaprojektowanego z myślą o zespołach usługowych takich jak Wasze.

Teraz chcę to zilustrować, pokazując Wam dokładnie, jak to wygląda w rozproszonym środowisku takim jak NYU, gdzie wiele różnych zespołów musi pracować na podstawie jednego wspólnego planu.

W mojej prezentacji posłużę się przykładem Uniwersytetu Acme, który również znajduje się w Nowym Jorku. Może, ale nie musi być wzorowany na NYU, nie wiem.

Jej misja jest bardzo prosta: zapewnić studentom jak najlepsze doświadczenia edukacyjne. Częściowo oznacza to bardzo szybkie rozpatrywanie zgłoszeń studentów, aby mogli oni wrócić do nauki.

Przyjrzyjmy się więc Zoe, zwykłej studentce zajmującej się badaniami nad sztuczną inteligencją.

Pewnego ranka Zoe kupuje kawę, przychodzi do swojego laboratorium badawczego zajmującego się sztuczną inteligencją, ale nagle jej identyfikator przestaje działać.

Przed wprowadzeniem Asany wiązałoby się to z telefonem, wiadomością e-mail lub bardzo uciążliwym powrotem na piechotę przez cały kampus.

Dzięki Asana Service Management zgłasza ona swój wniosek bezpośrednio w portalu Asany.

AI dla usług sprawdza jej tożsamość, uprawnienia dostępu i wystawia jej tymczasowy, 24-godzinny kod dostępu.

Żadne zgłoszenie nie trafia do działu administracji, nikt z personelu nie jest w to zaangażowany.

Zoe wraca do swojego laboratorium badawczego w ciągu kilku minut.

Wierzcie lub nie, ale współcześni studenci myślą o innych rzeczach niż badania nad sztuczną inteligencją.

W ten weekend Zoe zaczyna planować swoją wiosenną przerwę.

Wchodzi więc na kanał Slack ds. studenckich i pyta o harmonogram przerwy świątecznej.

Tym razem AI dla usług przeszukuje bazę wiedzy, ale nie udaje jej się znaleźć aktualnej odpowiedzi, ponieważ bazy wiedzy z czasem tracą aktualność. Brzmi znajomo?

W tym przypadku AI dla usług przekazuje pytanie do Zacha z działu spraw studenckich, a Zach udziela odpowiedzi.

Ale wiecie co?

AI dla usług zdaje sobie sprawę, że o tej porze roku, jeśli Zoe pyta o to, to 100 innych studentów też musi o tym myśleć.

Dlatego tworzy wersję roboczą artykułu w bazie wiedzy na podstawie odpowiedzi Zacha i prosi go o jej sprawdzenie i zatwierdzenie.

Teraz kolejny student, który zapyta o ferie wiosenne, otrzyma odpowiedź natychmiast, a Zach nie będzie musiał odpowiadać i powtarzać tego samego jeszcze 99 razy, co jest korzystne dla Zacha.

Potem nadchodzi przerwa wiosenna. Zoe i jej znajomi świetnie się bawią. Tęsknię za wiosenną przerwą, ale mniejsza z tym.

Po powrocie Zoe odkrywa, że jej laptop został skradziony na plaży. Co więc robi? Po pierwsze, natychmiast zgłasza incydent na Slacku.

A ponieważ to urządzenie jest już przypisane do Zoe w zarządzaniu zasobami usług, Asana wie, które urządzenie zostało skradzione. Nie trzeba prowadzić śledztwa ani zadawać Zoe miliona pytań.

W tym momencie Zoe i AI dla usług zdalnie blokują urządzenie, a następnie natychmiast tworzą zapotrzebowanie na nowy laptop i przekazują jej aktualizacje na każdym etapie procesu.

Zoe odzyskuje więc swojego laptopa i wraca do badań nad sztuczną inteligencją.

I wiecie co? Cała ta ciężka praca się opłaca, ponieważ pod koniec roku jej projekt badawczy odnosi ogromny sukces.

A Kira, jej koleżanka z działu spraw studenckich, postanawia zorganizować w jej laboratorium przyjęcie, aby to uczcić.

I wiecie co? To zdecydowanie nie jest zgłoszenie typu „napraw awarię”.

Obejmuje ono wynajem miejsca, catering, zatwierdzenia budżetu, wiele różnych osób pracujących w różnych zespołach.

W tym przypadku Asana tworzy projekt w Asanie praktycznie za jednym kliknięciem.

Wszystkie daty wykonania, osoby odpowiedzialne i zależności są automatycznie wypełniane na podstawie WorkGraph.

I to właśnie jest siła Asana Service Management, dzięki której proste zgłoszenia są rozwiązywane automatycznie, Wasza baza wiedzy z czasem staje się coraz inteligentniejsza i pozostaje aktualna, a złożone zgłoszenia stają się projektami w Asanie, przy czym cały kontekst jest zachowany w jednej ścieżce audytu.

Jeśli więc jesteście gotowi zmienić sposób pracy Waszych zespołów usługowych, odwiedźcie nas w Hali wystawowej, gdzie ja, mój zespół i inni eksperci ds. Asana Service Management możemy przedstawić Wam Wasz spersonalizowany przykład zastosowania.

Bardzo dziękuję i do zobaczenia wkrótce.

A teraz chcę powitać moją współpracowniczkę, Kelly, szefową naszego zespołu ds. administracji publicznej w Ameryce.

Dzięki, Jen. W porządku, drodzy uczestnicy. Cóż, to był z pewnością inspirujący poranek, żeby nie powiedzieć więcej. Wszyscy dowiedzieliście się czegoś nowego, czegoś, co można wykorzystać w praktyce, i już samą swoją obecnością stawiacie pierwszy krok w kierunku przyszłości pracy.

Poproszę więc o odrobinę interakcji z publicznością. Proszę o podniesienie rąk. Ilu klientów Asany jest dziś wśród publiczności? Zobaczmy ich. Cześć.

To świetna publiczność. Chętnie bym to sfotografowała. Niezależnie od tego, czy jesteście z nami od sześciu lat, sześciu miesięcy, czy sześciu dni, przez cały ten czas budowaliście kontekst w ramach Asana WorkRef dla AI.

Jest to ważne, ponieważ kiedy będziecie wdrażać nowych członków zespołu, kiedy będziecie korzystać z Dasha, będzie on już dysponował kontekstem dotyczącym tego, jak Wy, Wasze zespoły i Wasza firma działacie w Asanie.

Mamy już kilku niesamowitych klientów, którzy to robią, dlatego chciałabym Was wszystkich zaprosić do złożenia gratulacji laureatom nagrody Work Innovation Award 2026. Pogratulujcie sobie, jeśli widzicie się na tym ekranie. Prawda? To niesamowite firmy.

Świetna robota.

A teraz, jeśli Was tu nie ma lub dążycie do tego, by się tu znaleźć, być może zastanawiacie się, jak wykorzystać wszystko, czego dziś się tu nauczyliście.

Cóż, jak już mówiłem, po pierwsze, zrobiliście pierwszy krok, będąc tutaj, a ja dam Wam wskazówki dotyczące kolejnego. Zaczynamy więc od małych kroków. Co jest łatwo dostępne? Zastanówcie się nad jednym lub dwoma przepływami pracy, które można zidentyfikować – takimi, które wymagają najwięcej ręcznej pracy. Co chcesz zdjąć ze swojej listy zadań?

Po drugie, wdroż członków zespołu.

Ci członkowie zespołu będą przekształcać Wasze przepływy pracy w agenty, współpracując z Waszymi zespołami.

Po trzecie, korzystaj z Dash. Zastanów się, w jaki sposób sztuczna inteligencja może Ci już dziś pomóc w pracy w Asanie. Wszystko to jest już dostępne.

Ale nie musicie robić tego sami. Mamy fantastycznych partnerów, którzy pomogą Ci odnieść sukces na Twojej drodze. Chciałbym więc podziękować wszystkim partnerom wymienionym tutaj dzisiaj za współpracę, wsparcie i zaangażowanie w zapewnianie sukcesu wszystkim naszym wspólnym klientom.

Sukces z pewnością nie jest możliwy bez społeczności, więc gdybym miał Was do czegoś zachęcić, byłoby to dołączenie do Społeczności Asany. Kochamy naszą społeczność. Niezależnie od tego, czy jesteście długoletnimi użytkownikami, czy dopiero zaczynacie tworzyć w Asanie, znajdzie się w niej miejsce dla każdego. To miejsce, w którym można poznać przykłady zastosowania, dowiedzieć się, jakie są najnowsze i najlepsze funkcje produktu, a także nawiązać kontakty zawodowe.

Bardzo dziękuję, że jesteście dziś z nami i wraz z nami stawiacie pierwszy krok w kierunku przyszłości pracy. Jesteśmy tu po to, aby towarzyszyć Wam na tej drodze. Zaczynajmy.