Доклад: Добро пожаловать в будущее команд, состоящих из людей и агентов

Доброе утро и добро пожаловать на Саммит по инновациям в сфере труда в Нью-Йорке.

Хорошо. Так зачем мы все здесь собрались? Мы здесь, чтобы учиться. В течение оставшейся части дня нас ждут отличные сессии. Мы здесь, чтобы общаться. Если вы посмотрите налево, если вы посмотрите направо, вы увидите, что вас окружают одни из самых вдохновляющих лидеров в сфере технологий.

И еще мы здесь, чтобы вдохновиться будущим, будущим организации работ и будущим работы с использованием агентов.

Прежде всего я хочу поблагодарить нашего соведущего в LTSC, который сотрудничает с дальновидными компаниями, стремящимися к успеху в долгосрочной перспективе.

Давайте начнем наше путешествие с нашей домашней жизни.

И дома мы наблюдаем огромный рост производительности благодаря работе с агентами ИИ. Они помогают нам проводить исследования. Они помогают нам творить. Они помогают нам планировать.

Но почему-то, когда речь заходит о работе, они просто… не работают.

И вы видите, что та высокая продуктивность, которую вы ожидали в своей рабочей жизни, просто ещё не реализована.

Почему так происходит?

Существует пять причин, по которым рабочая жизнь отличается от личной.

Первая — это такая штука под названием «знания». В сущности, она означает, что дома единственный контекст, о котором вам нужно беспокоиться, находится у вас в голове, и вы можете легко его вспомнить.

Но на работе путь к успеху, основанный на том, как всё делалось раньше, находится в головах других людей. Вот почему, если в вашу команду когда-либо приходил стажер, вы понимаете, что требуется пара недель, чтобы ввести его в курс дела, чтобы он узнал, кто что знает и как мы здесь работаем.

Работа также отличается от вашей домашней жизни, потому что на работе всё взаимосвязано с несколькими системами.

Десятки, сотни систем и множество людей.

На самом деле, с множеством людей. Теперь, когда вы дома и взаимодействуете с одним из этих агентов, единственный человек, с которым вам нужно координировать действия, — это вы сами.

Может быть, с супругом/супругой, может быть, с детьми.

Но на работе вам приходится координировать действия 10, 20, 30 человек, чтобы выполнить самые простые задачи. И знаете что? У всех них есть свое мнение.

У них есть мнения о том, как всё должно выглядеть, как всё должно ощущаться. У них свои стандарты. У них свои предпочтения.

Это сильно отличается от вашей домашней жизни.

И наконец, дома вам нужно беспокоиться только о своих данных. Вы сами выбираете, каким объемом данных хотите делиться.

Но на работе этот выбор не совсем ваш, потому что у вас есть такая маленькая штука под названием данные клиентов, которая действительно ценна.

Вот почему работа отличается от дома, и вот почему Asana решила создать операционную систему для людей, в которой мы решаем все эти контекстуальные проблемы рабочей среды.

Мы начинаем этот путь с модели рабочих данных.

Work Graph — это, по сути, живой реестр, в котором указано, кто, что и когда делает, а также как выполнялась работа в прошлом. Это гарантирует, что любой сотрудник, который начинает работать с Work Graph, уже имеет доступ к этой истории и этим знаниям.

Во-вторых, Asana теперь интегрируется с 500 системами с помощью наших соединителей. Это означает, что наш ИИ-руководитель аппарата, Dash, с которым многие из вас сегодня познакомятся, если ещё не знакомы с ним по своей повседневной работе, может определить, какие рабочие процессы необходимы. Он может взять неоднозначный запрос, превратить его в рабочий процесс, в набор задач и фактически выполнить работу.

А теперь, что касается координации людей. Мы начинаем с многопользовательского инструмента для всех.

У нас есть единое пространство, единый реестр, где каждый может видеть, что нужно сделать и кому, и что нужно делать дальше. Проблема координации, путаница из-за постоянного обмена сообщениями исчезла благодаря этому многопользовательскому инструменту.

Мы заранее создали участников команды.

Участники команды — это исполнители, которые действуют точно так же, как люди.

Мы определили и создали 30 таких участников, чтобы уже сегодня ваши команды могли начать выполнять работу.

Но самое замечательное в участниках команды — это то, что вы можете взаимодействовать с ними в многопользовательском режиме, а это значит, что все предпочтения и вкусы участников команды можно передать участнику команды: как вы хотите, чтобы всё выглядело, как должны выглядеть результаты, какими исходными данными следует воспользоваться.

А благодаря агентам с определенной сферой действия каждый из этих участников команды программируется. Их можно запрограммировать только на доступ к тем данным, к которым вы хотите им предоставить доступ.

Только для того, чтобы тратить те средства, которые вы хотите, чтобы они тратили.

Кроме того, вы можете определить цепочку подтверждений для каждого участника команды, чтобы она соответствовала уже существующей иерархии.

Это операционная система для агентов-людей, в которой мы решили пять основных проблем, связанных с обеспечением производительности корпоративного ИИ.

Давайте рассмотрим реальный пример. И этот реальный пример — Синди.

Синди начинает свою работу в отличном настроении. Она работает в службе поддержки.

Она нашла новый инструмент для службы поддержки. Она хочет внедрить его во всей своей группе.

И она на шаг впереди. Она знает свой бюджет.

Она знает, каких поставщиков рассматривает. Она уже разослала запросы предложений.

Но что обычно происходит с такими людьми, как Синди, когда они ставят перед собой простую задачу — найти новый инструмент для службы поддержки? Они сталкиваются с реальностью.

Реальность сурова.

Реальность — это 100 подзадач.

На самом деле я вручную записал некоторые из этих задач, в которых участвовал сам. Существует множество задач, связанных с запуском новой службы поддержки... Чтобы инструмент заработал.

Так что это множество задач.

Это было бы просто, если бы они были как-то линейны, но на самом деле вот что происходит, когда вы приступаете к работе.

Вы теряетесь в этой постоянной передаче дел друг другу.

Я знаю, что некоторые из нас сейчас болезненно морщатся, потому что всё это слишком знакомо. Потому что на работе мы часто тратим время на работу по организации работы, а не на саму работу.

Это реальность для многих команд, которые застревают в том, что я называю рабочим циклонном.

Должен быть более эффективный способ.

Надежды и мечты Синди, связанные с этим новым инструментом для службы поддержки, только что рухнули, потому что проект по выбору поставщика растягивается на восемь, девять, десять недель.

Посмотрим, сможем ли мы помочь Синди.

Теперь с Asana ваш новый помощник — Dash, ваш руководитель аппарата на базе ИИ.

Dash спросит у Синди, что мы будем делать сегодня. Я хочу выбрать нового поставщика услуг для службы поддержки.

Но Dash не начинает с чистого листа.

Dash сразу же проанализирует модель рабочих данных.

Dash понимает всё, чем занимается ваша компания.

На самом деле в этом примере Dash может просмотреть информацию и выяснить, привлекали ли мы когда-либо нового поставщика в прошлом. Думаю, да. Что для этого потребовалось? Я просмотрю все прошлые проекты, все прошлые бюджеты, все прошлые цели, принятые решения, совещания и выясню, какие именно 100 задач нужно выполнить. Я могу просто аккуратно разместить их все на одном холсте.

И знаете что? Я сделаю немного больше.

Я вроде как знаю, кто есть кто в компании. Я назначу людей, которым нужно выполнить эту работу, чтобы у меня теперь была система для ее выполнения.

И вы увидите здесь некоторых необычных людей, которым назначена эта работа. Некоторые персонажи, которых мы, возможно, раньше не видели.

Это участники команды.

Это уже созданные участники команды.

Сейчас я познакомлю вас с тремя из этих участников команды. Специалист по проверке безопасности, аналитик по ценообразованию, ассистент проекта. Это готовые, предустановленные участники команды.

Оказывается, у Asana большой опыт работы с работой. Поэтому мы создали 30 готовых участников команды, которые, как мы знаем, будут полезны для всех вас.

Мы тщательно проработали каждого из этих участников команды, обучили их и подготовили так, чтобы они точно знали, как максимально помочь вам.

Итак, это ваши готовые участники команды. И вдруг жизнь Синди стала намного лучше.

В единой среде она может координировать несколько рабочих потоков, в которых задействованы как люди, так и агенты.

И что бросается в глаза Синди, так это выбор поставщика.

Это уже после проверки безопасности. Он прошёл проверку на соответствие требованиям.

К сожалению, конкретный поставщик не соответствует бюджетным требованиям. В коммерческом предложении была указана сумма 600 000 долларов США. У неё было всего 500 000 долларов в год.

Но не волнуйтесь.

Кто-то другой в этой компании уже создал агента по ведению переговоров.

У этого агента по ведению переговоров есть заранее определённые правила поведения. Он точно знает, каким руководством по ведению переговоров пользоваться. Он знает свои бюджетные лимиты, а также то, кто в финансовом отделе должен одобрять решения на том или ином уровне.

В этом и заключается идея определения сферы действия ваших агентов. Этот агент имеет предварительно определенную сферу применения. Агент приступает к работе. Он начинает работать с этим предложением. Он действительно отвечает Синди. Он предлагает ей новое встречное предложение. Поставщик выбран.

Жизнь прекрасна.

Вместо восьми недель бесконечного обмена сообщениями, по-хорошему, это происходит за считанные дни.

Поэтому мой вопрос ко всем вам: есть ли в любой из ваших групп рабочие процессы, которые вы хотите преобразовать в агентные? Какие рабочие процессы вы собираетесь агентифицировать сегодня?

В оставшейся части презентации мы постараемся показать вам, что создать агентный рабочий процесс проще, чем вы думаете, независимо от того, работаете ли вы в сфере маркетинга, ИТ, стратегических операций, исследований и разработок или являетесь конструктором процессов для всей организации.

Потому что с Asana мы предоставляем операционную систему для команд, состоящих из людей и агентов, чтобы мы все могли работать вместе.

А теперь я передам слово нашему директору по продуктам Арне Боуз, которая подробнее расскажет о том, как вы все можете создавать такие рабочие процессы уже сегодня. Спасибо.

Здравствуйте! Как дела? Так себе... Да. Давайте зарядимся энергией. Вот так. Да.

Приятно видеть энергию в этой нью-йоркской аудитории. Меня зовут Арнаб. Я руководитель отдела продуктов в компании Asana.

Сегодня я хочу рассказать вам о том, что Дэн показал, но более подробно.

Он продемонстрировал скоординированное выполнение задач в нескольких системах, а затем создание всего этого с помощью мощного инструмента для работы — инструмента для создания контекста, который мы разрабатываем в Asana уже более десяти лет.

В своем разделе я расскажу о том, как контекст Work Graph можно использовать в сочетании с возможностями Stack.ai для организации действий в нескольких системах, и о том, как при многократном использовании этого сквозного процесса мы можем записывать данные обратно в Work Graph, чтобы каждый раз, когда возникает исключение или проводятся новые переговоры, эти данные фиксировались в этой системе контекста и становились знаниями, которые можно использовать повторно.

Итак, нам предстоит рассмотреть несколько разных тем. Одна из них — скоординированное исполнение. Как это можно улучшить с помощью Work Graph? И как мы можем преобразовать эти циклы, эти повторяющиеся выполнения, в знания, чтобы в следующий раз, когда вы запустите свой оркестрированный рабочий процесс, он был намного лучше. Он будет намного точнее.

Итак, мы делаем всё это на внутреннем уровне, подключаясь к нескольким системам с помощью stack.ai, который теперь является частью Asana.

Итак, я хочу подробнее рассказать вам об этапе переговоров, который описал Дэн.

Клиент получил ценовое предложение от нового поставщика на сумму 575 000 долларов, что значительно превышает бюджет в 500 000 долларов.

И это предложение, как, я уверен, большинство из вас видели в своей повседневной практике, вероятно, пришло в формате PDF.

В PDF-файле указаны условия. Есть мелкий шрифт.

И непросто понять, можно ли просто взять и одобрить это предложение.

Stack Overflow проанализировал все предыдущие ценовые предложения, которые были одобрены клиентом. Она прочитала все эти PDF-файлы и преобразовала их в базу знаний, поддерживающую RAG. Это означает, что вы можете очень быстро выполнять поиск и использовать агентские рабочие процессы на основе этого массива неструктурированных данных.

Таким образом, все эти мелкие интересные детали мелким шрифтом — это стоимость на одного пользователя на одно место, есть ли в договоре пункт о выходе, включена ли в стоимость поддержка — все эти моменты значительно усложняют анализ, поскольку это не просто поиск информации. Теперь, Stackie, я могу выполнить это сравнение на серверной стороне. Таким образом, мы, по сути, преобразовали все эти неструктурированные данные, чтобы вы могли подключить несколько систем на стороне бэкэнда.

Итак, что делает рабочий процесс Stack? Он анализирует то, что было одобрено. Он анализирует конкретное новое ценовое предложение и все условия и положения и принимает решение о необходимости сделать встречное предложение. И встречное предложение должно составлять 489 000 долларов со скидкой 15%.

Но это новый поставщик. На самом деле мы ещё не проходили через этот процесс.

Поэтому в данном случае нельзя просто взять и выполнить действие полностью автоматизированным способом.

Мы считаем, что наилучшие результаты достигаются, когда люди и агенты ИИ могут работать вместе как команда.

Верно? Мы считаем, что клиенты и компании процветают, если могут работать вместе с автоматизацией и ИИ. Итак, благодаря более чем 190 коннекторам с Asana Stack может автоматически создавать полностью настроенный проект для такого рабочего процесса согласования. В нём будут указаны детали предложения. В нём будут содержаться сведения о том, что нам следует изучить с финансовой или юридической точки зрения, а также будут назначены подзадачи и привлечена команда людей. Это люди и агенты ИИ, работающие с одним и тем же реестром, работающие как единое целое, и именно это мы подразумеваем под скоординированным выполнением.

Итак, когда это встречное предложение готово к согласованию, финансовая команда говорит: «Эй! Смотрите. Мы хотим включить пункт о возможности выхода через год.

Возможно, команда юридического отдела по подтверждениям скажет, что есть ряд принципиальных моментов, которые мы хотим включить.

Все данные, предоставляемые людьми, теперь записываются в Work Graph. Таким образом, они фиксируются в задачах, которые теперь доступны для использования в рабочем процессе Stack AI при следующем возникновении подобного исключения.

Итак, то, что мы здесь показываем, и то, что мы действительно подразумеваем под скоординированным выполнением, заключается не только в том, что вы получаете этот полностью функциональный конструктор рабочих процессов, который объединяет несколько систем учёта, несколько бэкэнд-систем, — вы уже видели многие из них раньше, — но и в том, что он работает на базе Work Graph. Итак, всё начинается с контекста. Он также основан на Work Graph и всех возможностях, которые предлагает Asana, чтобы в случае возникновения исключительной ситуации вы могли привлечь команду людей для совместной работы, координации и определения правильных дальнейших действий, а также могли улучшить этот процесс в будущем. Именно это мы подразумеваем под накоплением знаний. Asana обеспечивает накопление знаний и помогает создать «мозг» компании, в котором, когда ИИ-агенты взаимодействуют с вашей командой, с людьми, все эти взаимодействия записываются, чтобы в следующий раз ИИ-агент работал намного лучше. Выполнять, сохранять, улучшать. Повторяйте цикл снова и снова.

Итак, Stack от Asana, как и сам механизм выполнения, представляет собой бессерверный конструктор. В нём более 500 интеграций. Как видите, он поддерживает участие человека в процессе. И теперь он полностью работает на базе Work Graph, причем не только для начального контекста, но и когда он фиксирует некоторые исключения, он также может переносить весь этот контекст обратно в Work Graph.

Я хочу представить вам первопроходца, человека, который создал Stack.ai. Поприветствуйте на сцене Бернарда, соучредителя Stack.ai.

Спасибо, Арнав.

Рад быть здесь, друзья.

Меня зовут Бернард.

Как немного показал Арнав, в Stack.ai мы предоставляем предприятиям возможность трансформировать их самые сложные рабочие процессы с помощью агентов ИИ.

С помощью Stack dot ai вы можете создавать команды агентов ИИ, которые, будучи подключены к более чем 500 корпоративным системам, могут работать как любые сотрудники со своим собственным компьютером, терминалом и веб-браузером, что позволяет им брать на себя самые сложные процессы и масштабировать их с помощью ИИ.

В сочетании с WarGraph агенты Stack AI могут работать в контексте того, чем на самом деле занимается предприятие. Кто над чем работает? Каковы цели? И действовать в рамках единой структуры и плана.

Сегодня такие компании, как LifeMD, Exeter, Wild Retirement и BA Systems, сотрудничают со Stack.ai, чтобы автоматизировать некоторые из своих самых сложных рабочих процессов в масштабе всей организации.

Одна из этих компаний — SciMotion.

Уже более двадцати лет компания SciMotion предоставляет персонализированное обслуживание, являясь первоклассным производителем расходных материалов, и делает это, предоставляя специализированные услуги всем пациентам и клиентам, особенно работая вместе с практикующими врачами.

Однако обеспечение такого уровня персонализированного обслуживания может быть очень дорогостоящим и сложным.

После получения комплекта медицинских карт пациентов у них может уйти до двух часов на то, чтобы просмотреть свои запасы в SAP, изучить информацию о пациентах в SharePoint, ознакомиться с различными результатами лабораторных исследований в целых скриптах и собственных данных, а затем объединить всё это в единый персонализированный бренд.

Они понимали, что это не самый эффективный подход. А с наступлением эры ИИ они смогли изменить ситуацию. С помощью Stack.ai они применили новый агентный подход. Они сказали, что взяли все эти элементы и создали команду агентов ИИ, которые на платформе Stack AI могли каждый раз при поступлении нового заказа запрашивать все данные из перечня добавок, всю информацию о пациенте и результаты лабораторных исследований, сократив время обработки с двух часов до всего пяти минут.

И в рамках этого процесса они могли делать это, сохраняя участие человека, когда каждое критически важное решение всегда предполагает оценку и одобрение любого важного решения специалистом-практиком.

Сегодня у нас есть возможность услышать эту историю не только от меня. К нам также присоединился Макс Периски, директор по развитию SignMojian, который расскажет нам эту историю в прямом эфире и на основе собственного опыта. Добро пожаловать, Макс. Вот так.

Рад вас видеть.

Рад видеть вас, Макс. Спасибо, что присоединились к нам в Нью-Йорке. Я очень это ценю. И поскольку вы сегодня с нами, знаете... Было бы здорово услышать немного о том, как вы пришли к этому. Как вы видите процесс создания медицинских пакетов с помощью stack.ai? Конечно.

Ну, знаете, я думаю... Все началось с того, что я — директор по развитию. И мне сказали, что я первый директор по доходам, который выступает на сцене Asana на этом мероприятии, потому что раньше у нас не было особых причин здесь присутствовать. Но моя работа на самом деле заключается в том, чтобы... Ого. Я не думал, что за это меня будут аплодисментами встречать. Моя работа действительно заключается в том, чтобы создать инфраструктуру и стратегию, которые бы снижали количество препятствий для наших клиентов, а наши клиенты — это медицинские работники.

И поэтому, стремясь сделать это, около года назад я подумал, что, возможно, есть способ, с помощью которого ИИ может помочь в решении некоторых из этих проблем, объединив, как вы сказали, эти компоненты. Итак, у меня появилась безумная идея, и как-то в выходные я просто начал экспериментировать с некоторыми доступными агентами и смог доказать жизнеспособность концепции, но меня не устраивала работа с документами и поиск в Интернете. Я нашел Stack и начал экспериментировать с бесплатной версией. Мне удалось создать агента, который решил эту проблему для моей группы продаж, помогая ей очень быстро приносить пользу клиентам, и внедрить его. На самом деле мы внедрили его еще до того, как вообще заплатили за него.

Я помню, я помню. И теперь они за него платят.

Теперь мы за него платим. Да. Вот почему я здесь.

Хорошо. Но это хорошо. Вы знаете, что благодаря этому вы получаете значительный прирост эффективности, например, за счет автоматизации как операций, связанных с доходами, так и операций на клиническом уровне, как мы вам показывали, создания медицинских пакетов и всего остального. Мне интересно, при всей этой эффективности у вас, наверное, появляется много свободного времени. Что это дало Zimmergen как компании?

Ну, несколько вещей. Сначала мы внедрили этот инструмент для наших специалистов по продажам, чтобы помочь им очень быстро приносить пользу клиентам. У нас более 300 продуктов. Представьте, что каждый из них предназначен для использования в качестве клинического инструмента. Поэтому они имеют свои особенности. Они сложные.

И вот мы только что обновили значительную часть нашего отдела продаж. Таким образом, у нас появилось много новых сотрудников, которым нужно было изучить 300 продуктов и научиться предлагать нужный продукт нужному человеку в нужное время. Это действительно помогло облегчить этот процесс и ускорить их обучение. Это была первая своего рода проверка концепта. А потом мы подумали: «Давайте предложим это клиенту». Именно это мы сейчас и внедряем с помощью Catalyst.

Потрясающе. И теперь, надеюсь, очень скоро мы добьёмся ещё большего успеха. Это здорово. Большое спасибо, что присоединились к нам, Макс. Я очень признателен. С нетерпением жду еще многих лет совместной работы и, знаете, покорения новых высот.

Да.

Спасибо, что пригласили меня.

Хорошо.

Спасибо, что присоединились к нам. Спасибо. Спасибо.

Итак.

Итак, мы услышали об этом от Макса в прямом эфире. И он был так любезен, что рассказал нам свою историю во всех подробностях. Итак, как это выглядит, если заглянуть за кулисы? Как вы воплощаете эти идеи в жизнь? Мы рассмотрим историю другой компании, очень похожей на SimoGen,

под названием Aiuhealth, которая также предоставляет персонализированное медицинское обслуживание и добавки.

Aiuhealth работает в похожей сфере и сталкивается с точно такой же проблемой. Им пришлось создать систему, которая позволяла бы им легко брать данные из историй болезни пациентов и на их основе отправлять запросы в ряд систем, в Интернет и собирать данные, чтобы персонализировать медицинский пакет с индивидуальным подходом к этой проблеме. Как вы видите на экране, они создали ИИ-агента, который может получать PDF-файл с данными пациента, запрашивать информацию во всех этих системах, использовать все инструменты для написания скриптов, а затем объединять все результаты в персонализированный пакет, предоставляя вам ссылки на источники этих данных.

Кроме того, он предоставляет вам информацию обо всех выполненных вами действиях. И если объединить всё это в результате файла mFrame, что происходит за кулисами, пока система обдумывает и собирает все эти данные? В Stack.ai, как вы видите на экране, они создают агентный рабочий процесс, который будет получать сообщение от пользователя, файл, набор спецификаций API для PowerShell. Затем он подключается к системе, которая в данном случае работает на базе Claude, с настроенным под конкретную задачу запросом, и связывает её с основной базой знаний в SharePoint, данными в PowerShell, веб-браузером, функцией отправки электронных писем и возможностью поиска в Интернете. Он работает как любой другой личный ИИ-агент, но адаптирован под конкретный сценарий использования, чтобы при поступлении нового запроса он мог задействовать все эти системы.

В результате, пройдя этот процесс, они могут получить персонализированный план. Специалист может получить все данные, обобщить их, получить источники результатов, предоставить обратную связь агенту и сотрудничать с целью обеспечения персонализированного обслуживания, которое можно использовать как для поддержки этого клиента, так и для расширения возможностей других операций в стиле «человек в контуре».

И хотя вы всегда можете продолжать использовать FIBA и работать с ним, можно пойти ещё дальше.

Компания IU Health пошла еще дальше и подключила его к WarGraph через Asana. Она смогла сделать так, что всякий раз, когда ее отдел клинических исследований оценивал новое исследование или новое явление, они могли подключить его к этому агенту и запустить его прямо из задачи Asana, чтобы этот агент ИИ мог запрашивать одну и ту же информацию и объединять ее в общий результат.

Это будущее корпоративного программного обеспечения и агентов ИИ на предприятиях. Единое место, где ИИ-агенты могут собираться, работать со всеми этими инструментами, обрабатывать неструктурированные данные и выполнять неструктурированные операции, а люди могут задавать правила игры, оставлять отзывы и давать все необходимые указания.

Конечно, это не просто последний шаг. Впереди еще много возможностей. А сегодня мы... Агенты ИИ и люди работают по разным планам. В будущем им обоим нужно будет действовать в рамках единого общего операционного плана. И вы узнаете, как Asana решает эту проблему. Для этого к нам присоединится Прачи Гор, директор по маркетингу Asana, и немного расскажет об этом будущем. Спасибо.

Спасибо, Бернард. Итак, как он уже сказал, чтобы реализовать концепцию энергичного предприятия, вам нужны агенты, работающие в нескольких системах, что мы только что видели. Но также нужны люди — то есть мы, наши команды, — работающие вместе над одними и теми же целями, по одному и тому же плану и в полном общем контексте компании.

Это становится возможным благодаря Agentic Work Management.

Как уже упоминал Дэн, Agentic Work Management включает 30 ИИ-ассистентов, которые уже обладают необходимыми навыками, управляются и готовы работать именно для вас.

У каждого пользователя Asana также есть доступ к личному помощнику по имени Dash. Dash отслеживает всю вашу работу в электронной почте, на совещаниях и во всех проектах, поэтому он точно знает, над чем вы работаете.

Он также может выполнять действия от вашего имени, например создавать последующие задачи после совещания, чтобы вы могли сосредоточиться на самой важной работе.

У нас также есть более 20 интеграций с различными инструментами, которыми мы пользуемся каждый день, например, Figma, Databricks, HubSpot, Google Диск, чтобы вы могли выполнять всю свою работу в одном месте.

И некоторые из крупнейших мировых брендов используют Asana. Но сегодня я хочу подробнее рассказать об одной из таких компаний под названием Skydance. Skydance создала несколько наших самых любимых шоу. Для меня это «Губка Боб Квадратные Штаны» и «Йеллоустоун».

Но они занимаются всем, что связано с телевидением и прямыми трансляциями: спортом, новостями, анимацией.

У них тысячи людей, которые каждый день работают над тем, чтобы воплощать идеи в контент, координировать множество релизов и выводить на рынок новые шоу.

Чтобы делать это и продолжать масштабировать свою деятельность, Skydance был нужен способ поддерживать рост, сохраняя при этом согласованность действий своих команд.

Именно тогда в игру вступил Agentic Work Management — платформа, где их команды и агенты могут совместно работать над общими целями в едином контексте.

Хочу привести пример, касающийся Skydance. Операционная команда Pluto TV, состоящая из трёх человек, способна ежемесячно управлять 750 единицами контента благодаря внедрению ИИ-ассистентов в свой рабочий процесс.

Аналогичным образом в CBS News ИИ уже сортирует все запросы в службу поддержки и создаёт структурированные задачи, прежде чем к ним приступит человек.

Но давайте послушаем, что они сами об этом говорят.

У нас есть амбициозные цели, и для их достижения необходимы надежный партнер, надежные системы и действительно активное внедрение ИИ.

Наш грузовик скатывается вниз.

Мы хотим быть медиакомпанией, ставящей технологии на первое место, сочетающей творческую составляющую Голливуда и инновационный дух Кремниевой долины.

Мы не традиционная компания.

За кулисами мы поддерживаем самых креативных людей на планете. Было время, когда наша корпоративная культура была очень децентрализованной.

Paramount — это очень крупная компания, насчитывающая сотни отделов и подразделений. Поскольку ИИ быстро проникает на рабочие места, это приводит к появлению множества изолированных систем.

Каждый использовал ИИ в своих собственных рабочих процессах. Это затрудняло поддержку, масштабирование и обновление по мере появления изменений.

И это на самом деле недостающее звено в ИИ — если у вас нет безопасного доступа к данным или вы... Если всё разбросано по разным местам, ваш ИИ потерпит неудачу.

Asana создала эту основу для ИИ.

ИИ встроен туда, где уже выполняется работа.

Это не дополнительный клик или другой экран. Он находится прямо в диалоговом окне, которое вы уже используете.

Доступность имеет ключевое значение для внедрения. Чтобы воспользоваться ИИ-ассистентами, достаточно было нажать одну кнопку.

Контекстное окно открывалось за считанные секунды, что просто невероятно.

Asana позволила нам отслеживать различные функции ИИ, кто активно ими пользуется, их бизнес-кейсы, а также по-настоящему понимать рентабельность инвестиций и делиться этими примерами использования с другими подразделениями компании.

Честно говоря, мы выбрали Asana, потому что они пришли и помогли нам разобраться в нашем бизнесе. Такое редко встретишь у поставщиков.

Я рассматриваю Asana как нашего долгосрочного партнёра.

А теперь я хотел бы пригласить на сцену Лакша Натана, исполнительного вице-президента и ИТ-директора Skydance, чтобы он поделился дополнительной информацией.

Привет. Спасибо, что пригласили меня.

Спасибо, Лакш, что присоединились к нам. Ваша команда проделала невероятную работу. Но расскажите нам, каково было просто интегрировать ИИ-агентов в ваши рабочие процессы? Расскажите нам немного о том, что происходило за кулисами.

Знаете, с самого начала мы были очень сложной организацией. Мы творческие люди. Мы — новостная организация. Мы — офисные работники. Поэтому я думаю, что само по себе разнообразие нашей культуры было просто...

Это очень открытый для нас холст. Поэтому тот факт, что мы смогли начать прорабатывать каждый из наших процессов, упрощая его и позволяя сотрудникам участвовать в его создании, был для нас потрясающим.

Это здорово. Не могли бы вы привести пример или просто подробнее рассказать о чем-то, чтобы показать, как это выглядит в повседневной жизни? Да.

Итак, слушайте, у нас огромное количество инструментов ИИ, партнеров и всего такого.

Как ни странно, мы используем Asana для отслеживания всего этого. И самое замечательное то, что, поскольку мы имеем дело с таким большим количеством разных групп, которые должны проверять всё это, как и агенты, о которых вы слышали ранее, объединение всех этих команд на одной платформе, где каждая из них вносит в систему свой контекст, а затем автоматизация этого процесса, кардинально изменило нашу жизнь.

Это потрясающе. Ещё раз спасибо, что присоединились к нам, Лакс, и поздравляем вас с потрясающей работой. Большое спасибо. Давайте поприветствуем его бурными аплодисментами.

А теперь я хотел бы пригласить на сцену старшего вице-президента и генерального менеджера AgenTik Work Management Кирка Майлза.

Вау.

Разве это не было потрясающе?

Так здорово видеть, как Skydance использует наш пакет AgenTeq. Всем привет! Меня зовут Кирк Майлз, и я руковожу отделом Work Management AgenTeq в Asana.

Вы уже слышали историю, а теперь я хочу показать вам продукт, который стоит за ней.

Сегодня мы вместе с менеджером по проведению кампаний пройдём через одну неделю и одну кампанию, которую нужно провести в самую последнюю минуту, — и всё это с помощью Agentic Work Management.

Но прежде чем приступить, я хочу рассказать вам о нескольких новых функциях.

Во-первых, это совещания с ИИ, которые преобразуют то, что было сказано во время звонка, в задачи, которые действительно выполняются.

Далее — страницы, которые превращают ваши документы в динамичные планы, на основе которых может работать ваша команда.

И, наконец, таблицы, которые извлекают ваши бизнес-данные из электронных таблиц и переносят их... Перемещает их туда, где фактически выполняется работа.

Всё это находится в Work Graph, поэтому и люди, и агенты в вашей команде могут работать с одним и тем же общим контекстом.

С учётом этого давайте перейдём к делу. Хочу представить вам Сару. Сара руководит проведением кампаний в медиакомпании.

Сейчас пятница, вторая половина дня, и она только что получила срочный запрос на крупный запуск с амбициозным целевым показателем роста, который должен состояться менее чем через неделю.

Сара в стрессе. И, честно говоря, я бы тоже нервничала, если бы меня попросили организовать крупный запуск менее чем за неделю.

Но не волнуйтесь, Asana ей поможет. Позвольте мне показать, как это работает.

В этом случае запрос фактически начинается за пределами Asana, в Slack.

Майкл, руководитель отдела развития, разместил запрос в канале творческих запросов, и AI Studio автоматически его обнаружила, создала задачу, заполнила её сведениями о кампании и бюджете, а также добавила в неё всех сотрудников, которым необходимо видеть эту задачу.

Затем она связывается с Майклом, чтобы уточнить региональный охват, и сверяет его с библиотекой материалов.

В этом случае система видит, что один из материалов не одобрен для использования в регионе EMEA, и поэтому создаёт подзадачу для Сары, чтобы она получила одобрение бренда и юридического отдела, прежде чем кампания сможет продвигаться дальше.

Давайте посмотрим на эту библиотеку ресурсов, поскольку она создана в виде таблиц.

В ней каждая строка — это отдельный визуальный ресурс с такими деталями, как срок действия прав на него, региональные подтверждения, а также связанные с ним кампании.

Давайте рассмотрим этот столбец «EMEA», потому что это самое главное, что стоит между Сарой и её запуском на следующей неделе.

Итак, давайте перенесёмся в понедельник.

Сара знает, что предстоит сделать многое менее чем за четыре рабочих дня, поэтому она сразу приступает к делу. Она попросила Dash создать черновик страницы в Asana для юридического отдела и отдела по бренду, в котором был бы описан контекст запуска, объём ресурсов, пробел в регионе EMEA, а также дедлайн для подтверждения — вторник.

Он создаёт черновик страницы, взяв контекст из задачи приёма в библиотеке ресурсов, и делится им с юридическим отделом и отделом по работе с брендом. Они сразу же открывают страницу и оставляют встроенный комментарий с предложением созвониться, чтобы обсудить визуальные ресурсы для региона EMEA.

На следующий день они созваниваются с... С включённой функцией совещаний с ИИ.

И как только конференция заканчивается, её расшифровка и краткое содержание автоматически публикуются в проекте кампании и предоставляются всем её участникам, а также создаются предлагаемые задачи и назначаются их исполнители.

Когда Сара приходит на рабочее место, она просматривает список и видит, что один из участников юридической команды уже взял на себя одно из поручений. Она одобряет остальные поручения, в том числе одно — подготовку юридической оговорки, — которое назначено участнику команды, ответственному за координацию кампании.

Координатор кампании составляет черновик юридического заявления об ограничении ответственности и отправляет его на согласование в юридический отдел.

И как только юридический отдел даёт своё одобрение, библиотека творческих материалов автоматически обновляется.

И то самое подтверждение от региона EMEA, о котором так беспокоилась Сара, сразу же становится зелёным.

К концу вторника Сара настроена оптимистично. Она не была уверена, но теперь ей кажется, что они действительно смогут справиться с этой задачей.

Итак, перенесёмся в среду.

Кажется, всё в порядке, но, поскольку нужно координировать пять команд и более 20 ожидаемых результатов, Сара хочет убедиться в этом, поэтому она обратилась к Дэшу.

И Dash отмечает одну вещь.

Команда платной рекламы в социальных сетях вчера пропустила свой дедлайн, и сегодняшняя проверка под угрозой.

Саре нужно дать только один ответ.

Перенести срок выполнения ожидаемого результата по платной рекламе в социальных сетях на сегодня, переназначить задание Прии Маркусу и отметить всё как высокоприоритетное.

Dash показывает предварительный просмотр каждого изменения, которое собирается внести, поэтому ничего не меняется до тех пор, пока Сара не одобрит. И как только она это сделает, все задачи обновятся одновременно.

К концу среды все 20 ожидаемых результатов одобрены, и запуск готов.

Итак, перенесёмся в пятницу. Запуск состоялся. Сара очень рада и взволнована, но её работа ещё не закончена.

Её вице-президент ожидает обновление статуса, чтобы понять, как проходит запуск, и она собирается сесть и написать его вручную.

Она... Когда она открывает задание, созданный... Аналитик кампании, участник команды, созданный кем-то из её команды, проявляет инициативу и предлагает взять на себя эту задачу.

У этого участника команды есть пользовательский навык, который распознаёт формат отчёта, предпочитаемый её вице-президентом, и может извлекать данные о результативности и сравнивать бюджет с фактическими показателями через подключение Databricks.

Она завершает задание, и оно извлекает показатели эффективности по всем пяти кампаниям, включая корректировку платной рекламы в социальных сетях и показатели эффективности в сравнении с планом.

Сара фактически подсказывает ему, что ей бы хотелось... Вместо брифа я бы предпочла презентацию.

И он понимает, что это повторяющаяся работа, и поэтому предлагает выполнять её каждую пятницу. Она соглашается.

Теперь каждую пятницу участник её команды автоматически составляет красиво оформленную презентацию с информацией обо всех кампаниях, которую Сара может предоставить своему вице-президенту.

То, что раньше занимало у неё целый день, теперь занимает всего несколько минут.

В этом случае Саре достаточно обновить одну строку и отправить отчёт своему вице-президенту.

Вице-президент настолько впечатлена, что пересылает отчёт своему директору по маркетингу с высокой оценкой работы Сары.

Итак, пять команд, более 20 материалов и менее недели.

Всё — от приёма запросов до координационных совещаний, отслеживания подтверждений и подготовки отчётов — стало возможным благодаря Work Graph.

Что касается этих новых продуктов, я рада сообщить, что функция «Страницы» уже доступна, а функции «Встречи с ИИ» и «Таблицы с ИИ» появятся позже в этом месяце. Если вы хотите узнать больше, приходите к нам в выставочный зал, и мы с радостью продемонстрируем вам эти функции.

На этом я хочу снова пригласить на сцену Арно, чтобы он рассказал больше о том, что мы создаем помимо Agentic Work Management. Спасибо.

Спасибо, Кирк. Разве это не была потрясающая демонстрация? Вам понравилась демонстрация? Да?

Повторюсь, Кирк демонстрировал скоординированное выполнение задач в разных системах и все новые возможности, которые мы внедряем в Work Graph, чтобы добавлять в него всё больше контекста. Страницы, совещания, все эти неструктурированные данные, которые формируют основу для более эффективной совместной работы людей и агентов.

Далее я расскажу о трёх новых агентных приложениях, которые мы создали на этой платформе. Каждое из этих приложений наследует возможности платформы и использует их, становясь всё лучше, но при этом оно специально создано для конкретных команд.

Мы анонсировали эти приложения на конференции Wiz London в начале этого года, и с прошлого месяца они все общедоступны. Каждое из этих трёх приложений с агентами теперь доступно для всех. Вы можете приобрести их уже сегодня. Моя цель в этом разделе — вызвать у вас достаточно интереса к каждому из них, чтобы по окончании презентации вы поспешили к демонстрационным стендам в выставочном зале. Итак, что же мы создали? Мы создали Asana Service Management для каждой службы поддержки работников в компании, будь то служба поддержки ИТ, финансовый отдел, отдел эксплуатации, отдел кадров или юридический отдел.

Мы создали Asana Client Management для агентств и команд, оказывающих профессиональные услуги, которым необходимо использовать ИИ, чтобы быть в курсе всех запросов своих клиентов. Как они сохраняют прибыльность? Как они управляют всеми этими взаимоотношениями с клиентами в одном рабочем пространстве?

И еще Command by Asana. Command by Asana произведет революцию в том, как команды исследований и разработок, инженерные команды, создающие программное обеспечение, на котором работают все наши компании, создают эти продукты. Как им координировать свои действия и создавать наилучший продукт в максимально короткие сроки?

Сначала давайте подробнее рассмотрим Asana Service Management. Итак, повторюсь, управление услугами уже доступно для всех.

Оно предназначено для всех этих вариантов использования внутренней службы поддержки.

И наш основной тезис заключается в том, что старые или устаревшие системы управления услугами предназначены для направления заявки на устранение неисправности в очередь, и этого больше недостаточно. Это больше не работает. Верно? Каждому предприятию нужен способ автоматически отвечать на вопросы работников с помощью самообучающейся базы знаний. Именно это и предлагает Asana Service Management — самообучающуюся базу знаний.

Для действий, которые необходимо выполнить, например, адаптация нового работника, перевод сотрудника в другой отдел или подразделение компании, предоставление ему доступа к нужным инструментам в нужное время, мы можем выполнять эти действия автоматически в фоновом режиме благодаря возможностям Stack.ai, которая координирует работу нескольких систем. То есть автоматическое решение заявок.

И, наконец, из всех данных наших клиентов мы знаем, что значительную часть этих заявок просто невозможно решить. Они не относятся к категории «выявление и устранение неполадок». Таким образом, у нас есть возможность взять заявку и автоматически преобразовать её в проект со всем контекстом, необходимым для того, чтобы люди могли скоординироваться вокруг этого проекта и выполнить сложный рабочий процесс менеджмента изменений.

Все эти функции уже встроены и интегрированы с системами, которые используют ваши ИТ-отделы, будь то Workday для отдела кадров, Greenhouse для отдела найма, Brex для управления финансами или Ramp. В будущем появится ещё больше интеграций, и все они будут работать на базе Stack.ai. У Stack.ai более 500 интеграций. Мы будем постепенно внедрять все это в Asana Service Management.

Кроме того, такие клиенты, как Arri Behavioral Health, уже прогнозируют, что после внедрения Asana Service Management они высвободят около одной пятой ресурсов своей внутренней службы поддержки работников. Позже сегодня я поговорю с их ИТ-директором на секционной сессии, так что обязательно посетите её.

Теперь перейдём к Asana Client Management. Как я уже упоминал, компании и агентства, оказывающие профессиональные услуги... Сколько человек в аудитории работают в сфере профессиональных услуг или в агентстве? Вижу, что несколько человек подняли руки. Верно? Итак, вы управляете своими проектами, хотите составить план распределения персонала, но при этом вам также нужно согласовывать все эти действия со своим заказчиком, со своими клиентами.

Asana Client Management интегрирует клиентский портал в Asana, чтобы все обсуждения с вашими клиентами и вашей проектной командой, которая их обслуживает, можно было централизовать в одном месте. Это означает, что ИИ-агенты и люди, поддерживающие как конкретное взаимодействие, так и клиента, говорят об одном и том же контексте данных. Таким образом, мы внедряем возможности ИИ-ассистентов, рабочих процессов AI Studio и всех основных компонентов платформы, о которых рассказывал Кирк, в сферу взаимодействия с клиентами.

Это просто супер! Мы уже видим, как такие клиенты, как Liminal, iRead and Company и Gravitate, используют Asana Client Management и добиваются феноменального успеха уже сегодня.

И последнее, но не менее важное: Command by Asana.

Уверен, что все в этом зале слышали о фантастическом прогрессе, достигнутом агентами по написанию кода только в 2026 году. Генерировать код стало невероятно дешево.

Каждые... И, знаете, каждые несколько недель появляется новая модель программирования. Создавать продукты стало очень просто. Вам больше не нужно получать диплом по информатике. Все эти языки программирования доступны в открытом доступе.

Но произошло то, что узкие места теперь сместились.

Узкие места с точки зрения создания высококачественных продуктов теперь связаны с согласованностью, стратегией и обеспечением того, чтобы все люди одинаково понимали, что не нужно создавать. Что такое вкус?

Агенты ИИ не смогут самостоятельно понять, что не следует создавать, что на самом деле должно быть в релизе или каков статус сквозного процесса. Обеспечено ли высокое качество? Действительно ли он соответствует нашим срокам, указанным в руководстве по запуску продуктов?

Command by Asana — это система планирования продуктов, созданная для того, чтобы обеспечить согласованность действий всех участников, автоматически передавать работу агентам ИИ и максимально быстро воплощать идеи в высококачественные готовые продукты. Это выводит концепцию «фабрики программного обеспечения» на новый уровень: от простой генерации кода к сверхбыстрому созданию комплексных продуктов.

И мы очень рады, что для воплощения этой идеи в жизнь мы сотрудничаем с OpenAI Codex, Cursor от SpaceX AI и GitHub Copilot. Просто супер!

Вот и всё. На этой платформе мы создали три приложения с агентами, которые значительно расширяют возможности новых центров закупок или новых сотрудников в вашей компании.

Они значительно улучшают работу службы поддержки, делают управление клиентами, профессиональные услуги и все варианты применения в агентствах максимально оптимизированными, а также превращают каждую команду НИОКР в полноценную фабрику программного обеспечения.

Давайте рассмотрим клиента, которого, я уверен, знают все в Нью-Йорке. Они тоже находятся на пути к внедрению агентов.

Вот история Нью-Йоркского университета. Запустите видео.

Мы должны придерживаться очень высоких стандартов. Люди ожидают от Нью-Йоркского университета самого лучшего.

В NYU 18 факультетов, 65 000 студентов, десятки тысяч преподавателей и более 700 000 выпускников.

Как учебное заведение, мы придерживаемся очень высоких стандартов. Это стандарт передового опыта.

Наша задача — подготовить всю организацию, преподавателей, сотрудников и студентов к адаптации к будущему организации работ.

Мы хотим работать ещё эффективнее в мире, где ИИ будет играть всё более важную роль.

Существуют десятки различных факультетов, каждый из которых работает в своей среде. Стоматологический колледж будет отличаться от Школы бизнеса им. Леонарда Н. Штерна.

Мы отвечаем за базу данных, в которой хранится более 1 500 000 записей. Проекты очень сложные и зависят от десятков тысяч партнёров по всему университету.

Это, безусловно, может привести к появлению множества избыточных систем и отсутствию ясности в отношении приоритетов.

Когда всё срочно, ничто не является срочным.

Управление всем этим было ещё одной работой на полную ставку.

Чтобы ИИ был эффективным, нам нужна единая основа.

Именно это Asana меняет для нас.

Она связывает нашу работу с такими непреложными принципами, как безопасность данных, конфиденциальность и управляемость, что позволяет нам создать фреймворк и основу для ИИ.

У нас есть возможность работать системно, предоставляя автономию и прозрачность, чтобы все были в курсе происходящего. Больше не нужно было гадать, повлияет ли это на нескольких человек или на несколько школ.

Мы можем полагаться на Asana в поиске пробелов, на которые следует обратить внимание, чтобы решать проблемы как можно быстрее и как можно точнее.

Для наших студентов, сотрудников, преподавателей и выпускников чем лучше взаимодействие внутри университета, тем лучше сам университет.

Asana стала для нас очевидной платформой, позволяющей подготовить наших студентов и весь университет к работе в мире, где используется ИИ. Мы хотим следовать этому принципу везде, где только возможно.

Доброе утро всем! Ого. Какой потрясающий зал! Вам нравится? Да.

Итак, это видео действительно показало, как... Как это выглядит, когда организация работает как единая система.

И никто не расскажет об этом лучше, чем Майкл Уорден, заместитель вице-президента по глобальному предоставлению услуг в Нью-Йоркском университете. Добро пожаловать, Майкл. Привет.

Рад видеть вас, Майкл.

Рад вас видеть.

Из этого видео мне стало совершенно ясно, что Нью-Йоркский университет — это невероятно сложная система, состоящая из множества факультетов, работающих с большой степенью независимости. Поэтому я должен спросить: как вам удалось заставить всех работать по одному общему плану?

Вы правы. Университеты невероятно разрознены и разбросаны по... Что касается Нью-Йоркского университета, то мы разбросаны по всему миру. Да. И мы начали замечать, что Asana появляется во многих разных местах. И для нас стало совершенно естественным задаться вопросом: а что, если мы будем рассматривать Asana как платформу, а не как отдельный продукт, которым пользуются люди? И когда мы спросили людей, активно использующих платформу, все единодушно согласились с тем, что это правильный путь для нас, и это стало ключом к нашему дальнейшему развитию.

Звучит фантастически. И поскольку ИИ начинает становиться частью этого общего плана, как вы видите роль Asana в этом контексте?

Итак, ИИ — это то, о чём сейчас думают все. Как университет, мы должны соблюдать очень тонкий баланс в вопросах использования ИИ.

Безусловно.

Это будет частью будущего, но мы также хотим научить наших студентов эффективно использовать ИИ, применять его только там, где это действительно уместно. Но когда мы думаем обо всех примерах, которые видели сегодня, мы понимаем, что существует множество способов автоматизировать работу, которую мы иногда не успеваем выполнить. И именно поэтому я с таким энтузиазмом отношусь к появлению ИИ на платформе Asana.

Это здорово. Что ж, мы рады, что вы являетесь нашим клиентом, и большое спасибо, Майкл, за то, что поделились своей историей.

Спасибо.

Хорошо. Итак, мне нужно спросить: сколько из вас здесь работают в команде, предоставляющей услуги, будь то ИТ, отдел кадров, административно-хозяйственная служба, финансовый или юридический отдел?

Поднимите руки. Ого. Вас много. Так что это для вас.

Ранее Арм уже представил нам предварительный обзор Asana Service Management — решения для управления корпоративными сервисами с использованием ИИ, разработанного для таких команд, как ваши.

А теперь я хочу показать вам, как это выглядит в такой распределённой среде, как Нью-Йоркский университет, где множество разных команд должны работать по одному общему плану.

В своей демонстрации я использую пример Университета Acme, который тоже находится здесь, в Нью-Йорке. Возможно, она создана по образцу Нью-Йоркского университета, а возможно, и нет — я не знаю.

Её миссия очень проста: обеспечить студентам отличные условия для обучения. И отчасти это означает очень быстрое решение запросов студентов, чтобы они могли вернуться к учебе.

Итак, давайте понаблюдаем за Зои, обычной студенткой, занимающейся исследованиями в области ИИ.

Однажды утром Зои берёт кофе, приходит в свою исследовательскую лабораторию по ИИ, но вдруг её пропуск перестаёт работать.

До появления Asana это означало бы телефонный звонок, электронное письмо или очень неудобную прогулку обратно через весь кампус.

Но с Asana Service Management она регистрирует свой запрос прямо на портале Asana.

ИИ для сервис-менеджмента проверяет её личность, права доступа и выдаёт ей временный код доступа, действующий 24 часа.

Ни одна заявка не поступает в службу эксплуатации, и ни один человек не участвует в процессе.

Через несколько минут Зои снова в своей исследовательской лаборатории.

Но, хотите верьте, хотите нет, сегодня студенты думают не только об исследованиях в области ИИ.

Поэтому в те выходные Зои начинает планировать свои весенние каникулы.

Поэтому она заходит в канал Slack по студенческим вопросам и спрашивает о расписании каникул.

На этот раз ИИ для сервис-менеджмента выполняет поиск в базе знаний, но не может найти актуальный ответ, поскольку базы знаний со временем устаревают. Звучит знакомо?

Поэтому в данном случае ИИ для сервис-менеджмента перенаправляет вопрос Заку из отдела по работе со студентами, и Зак отвечает.

Но знаете что?

ИИ для сервис-менеджмента понимает, что, если Зои спрашивает об этом в это время года, то еще 100 студентов, должно быть, думают об этом.

Поэтому она создает черновик статьи в базе знаний на основе ответа Зака и просит его проверить и одобрить ее.

Теперь следующий студент, который спросит о весенних каникулах, получит ответ мгновенно, а Заку не придется отвечать и повторять одно и то же еще 99 раз, что для него очень удобно.

Итак, наступают весенние каникулы. Зоя и ее друзья отлично проводят время. Я скучаю по весенним каникулам, но ладно.

Она возвращается и понимает, что её ноутбук украли на пляже. И что же она делает? Во-первых, она сразу же сообщает об инциденте в Slack.

И поскольку это устройство уже привязано к Зои в системе управления активами, Asana знает, какое именно устройство было украдено. Не нужно проводить расследование и задавать Зое миллион вопросов.

В этот момент Зоя и ИИ для сервис-менеджмента удаленно блокируют устройство, а затем сразу же создают заявку на закупку нового ноутбука и предоставляют ей информацию о ходе процесса.

Итак, Зои получает новый ноутбук и возвращается к своим исследованиям в области ИИ.

И знаете что? Вся эта напряжённая работа окупается, потому что в конце года её исследовательский проект оказывается невероятно успешным.

И Кира, её подруга из отдела по работе со студентами, решает устроить в её лаборатории вечеринку, чтобы это отпраздновать.

И знаете что? Это определенно не тикет на устранение неисправности.

Она включает в себя выбор места проведения, организацию питания, утверждение бюджета, а также множество разных людей, работающих в разных командах.

И вот что происходит в этом случае: Asana создаёт проект Asana практически одним щелчком.

Все ваши даты сдачи, исполнители и зависимости предварительно заполняются из WorkGraph.

И это, друзья, и есть сила Asana Service Management, где простые запросы решаются автоматически, ваша база знаний со временем становится умнее и остается актуальной, а сложные запросы превращаются в проекты Asana со всей информацией, сохраненной в одном журнале аудита.

Итак, если вы готовы изменить то, как работают ваши команды по обслуживанию, пожалуйста, приходите к нам в выставочный зал, где я, моя команда и другие эксперты Asana Service Management сможем рассказать вам о вашем индивидуальном варианте использования.

Большое спасибо, и до скорой встречи.

А теперь я хочу поприветствовать свою коллегу Келли, руководителя нашей команды по работе с государственными органами США.

Спасибо, Джен. Итак, внимание всем. Это утро было, мягко говоря, очень вдохновляющим. Вы все узнали что-то новое, что-то, что можно применить на практике, и делаете первый шаг в будущее организации работ просто находясь здесь.

Поэтому я хочу попросить аудиторию поучаствовать. Поднимите руки те, кто является клиентом Asana. Давайте посмотрим. Привет.

Отличная аудитория. Я бы с удовольствием это сфотографировала. Независимо от того, с нами ли вы шесть лет, шесть месяцев или шесть дней, всё это время вы формировали контекст в Asana WorkRef для ИИ.

Это важно, потому что, когда вы будете знакомить с платформой новых участников команды или взаимодействовать с Dash, у него уже будет контекст о том, как вы, ваши команды и ваш бизнес работаете в Asana.

У нас уже есть несколько потрясающих клиентов, которые делают это прямо сейчас, и поэтому я хочу пригласить вас всех присоединиться ко мне и поздравить лауреатов премии Work Innovation Award 2026 года. Поздравьте себя, если видите себя на экране. Верно? Несколько потрясающих компаний.

Отлично!

А теперь, если вы не видите себя здесь или стремитесь сюда попасть, возможно, вы думаете: «Как мне применить всё, что я сегодня здесь узнал?»

Как я уже сказала, во-первых, вы сделали первый шаг, просто придя сюда, а я дам вам план следующего шага. Итак, мы начинаем с малого. Что доступно? Продумайте один-два рабочих процесса, которые можно выделить, — те, которые требуют больше всего ручной работы. От чего бы вы хотели избавиться?

Во-вторых, подключите участников команды.

Эти участники команды будут автоматизировать ваши рабочие процессы, работая вместе с вашими командами.

В-третьих, взаимодействуйте с Dash. Подумайте, как ИИ может помочь вам в работе в Asana уже сегодня. Всё это уже доступно.

Но вам не обязательно делать это в одиночку. У нас есть замечательные партнёры, которые готовы помочь вам добиться успеха на вашем пути. Поэтому я хотела бы поблагодарить всех партнёров, упомянутых здесь сегодня, за сотрудничество, спонсорскую поддержку и стремление обеспечить успех всех наших общих клиентов.

Успех, безусловно, невозможен без сообщества, поэтому, если бы я мог посоветовать вам что-то одно, это было бы присоединиться к сообществу Asana. Мы любим наше сообщество. Независимо от того, являетесь ли вы давним пользователем или только начинаете создавать проекты, здесь найдётся место для каждого. Это место, где вы можете узнать о примерах использования, ознакомиться с последними потрясающими новинками продукта и завести профессиональные знакомства.

Большое спасибо, что присоединились к нам сегодня и сделали первый шаг в будущее организации работ вместе с нами. Мы готовы сопровождать вас на этом пути. Поехали!