Jak Asana Studio usprawnia zakupy w Asanie

W złożonym świecie zakupów korporacyjnych sukces zależy nie tylko od kupna i sprzedaży. 

Chodzi o strategiczne zarządzanie – równoważenie relacji z dostawcami, zarządzanie finansami i ryzykiem organizacyjnym. W przypadku zespołu ds. zaopatrzenia w Asanie ta złożoność jest szczególnie wyraźna.

„Nasze najbardziej skomplikowane umowy mogą obejmować do siedmiu zespołów międzyfunkcyjnych, z niezliczoną liczbą przekazywanych zadań” – wyjaśnia Jennifer Liu, lider operacji zakupowych w Asanie.

Ta złożoność sprawia również, że zaopatrzenie jest głównym kandydatem do innowacji w zakresie sztucznej inteligencji. Badanie przeprowadzone przez Icertis w 2025 roku pokazuje, że 90 procent liderów wyższego szczebla w dziedzinie zaopatrzenia już korzysta z AI lub rozważa jej wykorzystanie w celu zwiększenia wydajności.

Dostrzegając tę szansę, zespół ds. zaopatrzenia w Asanie przyjął strategiczne podejście do integracji sztucznej inteligencji, korzystając z Asana Studio, naszego konstruktora bez konieczności kodowania. Skoncentrował się na trzech kluczowych wyzwaniach:

• Skuteczne sortowanie zadań o dużej objętości

• Pomoc interesariuszom w szybkim znalezieniu odpowiednich informacji

• Odkrywanie statystyk z historycznych zapisów dotyczących umów i decyzji

Co najważniejsze, zespół nie dążył do całkowitej transformacji. Zamiast tego skupił się na usprawnieniu istniejących przepływów pracy i usunięciu punktów tarcia – podejście to poprawiło zarówno akceptację interesariuszy, jak i zgodność z przepisami dotyczącymi kontroli zamówień.

To okazja, aby ułatwić życie wielu osobom.”

Oto bliższe spojrzenie na każde wyzwanie i rozwiązania oparte na sztucznej inteligencji.

Wyzwanie nr 1: sortowanie dużej liczby zadań 

Pierwszą i najprostszą możliwością dla zespołu było wykorzystanie Asana Studio do automatyzacji przypisywania zadań odpowiednim przedstawicielom. 

„W roku budżetowym 2025 w naszym projekcie zakupowym złożono 1137 wniosków, z których każdy składał się z trzech oddzielnych zadań, które wymagały przypisania do przedstawicieli międzyfunkcyjnych. To około 300 zadań miesięcznie”. 

Analizując informacje o regionie i dziale z formularza zgłoszeniowego, sztuczna inteligencja automatycznie kieruje zadania do odpowiednich członków zespołu w działach zakupów, finansów i prawnym. 

Dzieje się to przed jakąkolwiek ręczną interwencją, co zapewnia szybszy czas przetwarzania i zmniejsza koszty administracyjne.

Wyzwanie nr 2: efektywne wyszukiwanie odpowiednich informacji

Osoby weryfikujące finanse i budżet organizacji muszą przejrzeć długie opisy zadań w Asanie zawierające ważne informacje dla wielu zespołów. To dużo informacji do przetworzenia.

„Ponieważ w proces zaangażowanych jest wiele zespołów międzyfunkcyjnych, w formularzu zgłoszeniowym znajduje się sporo pytań” – mówi Liu. Teraz, dzięki integracji z AI, zespoły takie jak FP&A otrzymują podsumowania, które zawierają tylko informacje potrzebne z perspektywy budżetu.

Rezultat? Zamiast przeszukiwać nieistotne dane, partnerzy międzyfunkcyjni mogą teraz szybko wydobyć potrzebne informacje dzięki Asana Studio.

Wyzwanie nr 3: Analiza wcześniejszych decyzji, które mogą mieć wpływ na bieżącą pracę

Najbardziej innowacyjny przepływ pracy zespołu polega na wykorzystaniu sztucznej inteligencji i interfejsu API Asany do wyszukiwania odpowiednich zadań historycznych w tytułach, opisach i komentarzach, nawet jeśli nazwy dostawców pojawiają się w różnych formatach. Na przykład może zidentyfikować treść dotyczącą „Acme Corporation”, niezależnie od tego, czy jest napisana jako „Acme”, „Acme Corp.”, czy „Acme.com, Inc.”. 

Oto jak to działa:

Funkcja „akcji skryptowych” w natywnym konstruktorze reguł Asany umożliwia wywołanie API Asany za pomocą JavaScript. Korzystając z kombinacji reguł AI i akcji skryptowych, zespół ds. zaopatrzenia wdraża cztery reguły, które działają sekwencyjnie w celu wyszukiwania odpowiednich zadań historycznych.

• Krok 1: sztuczna inteligencja generuje sugerowane wyszukiwane hasła.

• Krok 2: akcje skryptowe wywołują API Asany, aby wyszukać dokładne dopasowania do tych wyszukiwanych haseł wśród nazw zadań, opisów i komentarzy w danym projekcie. Akcja skryptu organizuje również nazwy i opisy pasujących zadań w jednym komentarzu.

• Krok 3: AI sprawdza komentarz, aby potwierdzić, że dopasowania nie są fałszywie pozytywne, i komentuje brief tylko tych zadań, które wydają się być zakupami od tego samego dostawcy.

• Krok 4: akcje skryptowe kopiują to podsumowanie AI do pierwotnego zadania (kroki 1–3 występują w oddzielnym zadaniu referencyjnym).

Inteligentna praca trwa nadal, zapewniając czytelne podsumowanie z linkami do odpowiednich zadań z przeszłości. 

Ten przepływ pracy jest szczególnie cenny dla weryfikatorów prawnych, ponieważ skraca czas poświęcany na przeszukiwanie baz danych umów. Już samo to pozwoli zaoszczędzić 5–10 minut na każde zadanie. Pomnożone przez 1000 zadań rocznie daje około 125 zaoszczędzonych godzin pracy prawnika.

„Dzięki temu znacznie szybciej i łatwiej można znaleźć najnowsze wersje dokumentów” – mówi Bianca Lopez, doradczyni handlowa ds. zakupów w Asana. „Dzięki temu możemy w bardziej spójny sposób sprawdzać informacje z przeszłości”.

Podsumowanie wpływu i korzyści

Asana Studio już teraz przynosi wymierne korzyści zespołowi ds. zaopatrzenia w Asanie:

• Większa produktywność. Dzięki automatyzacji czynności ręcznych w przepływie pracy członkowie zespołu mogą skupić się na zadaniach o bardziej strategicznym znaczeniu, a nie na administracyjnym przekazywaniu i wyszukiwaniu. 

• Mniej tarć. Zautomatyzowane sortowanie i ukierunkowane podsumowania pomagają usprawnić proces zarówno dla osób składających wnioski, jak i dla osób je sprawdzających, zwiększając wydajność i umożliwiając zespołowi obsługę większej liczby wniosków.

• Lepsza zgodność z przepisami. Funkcja wyszukiwania zadań w historii pomaga zespołowi ds. zamówień z łatwością znaleźć odpowiednie umowy. „Możemy mieć pewność, że nowe umowy zawierane są na podstawie wcześniejszych porozumień” – wyjaśnia Liu.

Co dalej

Liu przewiduje jeszcze bardziej zaawansowane zastosowania sztucznej inteligencji w procesie zakupów, takie jak wykorzystanie danych historycznych zadań do wstępnego wypełniania informacji przy odnawianiu zakupów, co ograniczyłoby zbędne wprowadzanie danych i dodatkowo usprawniłoby proces zarówno dla osób składających wnioski, jak i dla weryfikatorów.

„Obecnie postrzegamy możliwości sztucznej inteligencji w ten sposób, że nie chodzi o zastępowanie ludzkiej wiedzy, ale o wzmocnienie naszych możliwości” – mówi Liu. „Zmieniamy dział zakupów z funkcji opartej na procesach w strategicznego partnera, który może działać szybciej, myśleć mądrzej i dostarczać więcej wartości całej organizacji”.