AI浪潮席卷而来，每个软件公司创始人都在思考同一个问题：拥抱这项技术，还是奋起抵抗？Asana首席产品官Arnab Bose从产品负责人视角剖析了企业级AI真正需要的——不仅是强大的模型，更需要一个能为AI提供上下文、记忆和协调能力的平台。
观看视频企业级应用需要的是可靠性、安全性和深度集成，这些都是简单"vibe code"无法替代的。
在"谁能最高效地消耗Token"的竞争中，专注于核心业务的公司会胜出。让Asana专注于"人机协调"，客户专注自己的业务。
记录了企业如何完成任务的历史数据结构——这正是AI代理需要的"企业级记忆"。
真正的价值在于让AI的输出达到80-90%，然后让人类把精力集中在品味和判断上。
你教给AI队友的东西，你的同事也能受益。这是企业级AI和个人AI的核心区别。
"3-6个月的落后是致命的"。在AI以4-6周的周期迭代的时代，跟随策略可能导致错过关键机会窗口。
面对AI可能让软件开发变得"人人可为"的威胁，Asana选择拥抱而非抵制——因为企业级应用需要的是可靠性、安全性和深度集成，这些都是简单"vibe code"无法替代的。
Arnab反问："你真想花时间思考安全问题？思考99.99%的正常运行时间？思考如何为新的AI代理做入职培训？"这些问题需要深度思考，远超制作概念验证或演示的范畴。
这是一个极其务实的观点。Arnab算了一笔账：如果客户既要花钱让AI构建软件，又要花更多的钱确保这个软件安全、可靠、处理权限问题，那么在这个"谁能最高效地消耗Token"的竞争中，专注于核心业务的公司会胜出。
AI让企业能够将大众化软件进行定制化。Arnab表示这完全在Asana的战略范围内——他们提供了灵活的框架，企业可以"自带代理"或定制预构建的AI队友。
Asana的核心资产不是任务列表，而是"工作图谱"（Work Graph）——一个记录了企业如何完成任务的历史数据结构，这正是AI代理需要的"企业级记忆"。
它是一个跨职能项目的内部协调引擎。营销团队需要产品设计的输入，需要协调第三方供应商，有活动简报、物料清单、协调税（coordination tax）——让所有人达成一致的成本。
工作图谱留下的数据遗产包括：这个项目过去是如何完成的；项目因为某个问题偏离轨道时发生了什么；采取了什么补救措施；哪种类型的活动简报文档在历史上效果最好。
团队每个营销人员都要想办法找到最佳方式提示他们选择的AI聊天机器人（无论是Claude、Co-work还是ChatGPT），提供一堆文档数据或个人数据，还要担心撑爆上下文窗口。
在Asana内部署活动简报撰写AI队友时，你只需要给它访问工作图谱的权限，它就会自动知道如何抓取数据，生成最适合你特定业务、适合你业务历史运行方式的答案。
AI队友不是一个独立的工具，而是嵌入在工作流中的协作者——它可以从历史数据中学习，实时接收反馈，并让整个团队保持同步。
你收集了初始需求，把它放入一个任务中，然后**直接把这个任务分配给一个代理**。是的，你可以选择分配给人或代理。
代理可以访问你的工作图谱，查看历史营销活动、历史活动简报或创意简报文档。它还可以进行深度网络搜索和分析，查看你的公开活动和公开故事。
代理会利用所有这些输入创建一个研究计划，并将其分解为子任务。在这个过程中，团队中的任何人都可以给它反馈。
当你给它反馈时，它会实时重新计算研究计划并更新它，最终生成简报（无论是Google文档格式还是Word格式，取决于你的设置）。
因为它是"多人模式"运行的，整个营销团队可以保持在同一页面上。没有人会对那个文档感到困惑："提示是什么？研究计划正确吗？"他们可以回到任务中查看实际情况。
Asana内置了审批功能。如果你批准了创意简报，你可以点击"批准"，它会进入下一阶段，回到最初要求该活动的业务部门或产品部门。
AI不会取代创意人员的判断力，而是让他们从繁琐的协调工作中解脱出来，专注于真正重要的品味和判断。
Arnab强调，没有注入或包含正确数量的AI代理上下文，你会得到"平均的平均"。但用针对你组织和用例独特有效的内容上下文来"淹没"它，它给你的就不是"平均的平均"，而是为你独特定制的东西。
"创意总监现在有更多时间，不用组装基础内容，而是专注于品味和工艺，可以继续带着自己的印记、自己的印象，把它带到下一个水平。"
第一次运行：代理达到80-90%；创意总监应用品味和判断 → 达到更高水平；代理记住这个反馈（共享记忆）；下次运行：无论谁运行它，都能达到90%+。
企业没有从AI投资中获得指数级结果，原因有两个：一是缺乏足够的上下文定制，二是负责品味判断的人类反而被拖慢了。
"模型已经很棒了。它们能深度推理，产生所有这些复杂逻辑，创建格式良好的内容或更快的PR。但我们看到，没有足够的上下文被用来高度定制这些模型的输出。你最终得到的就是这种平均的平均输出。"
"而且因为你的平均的平均输出更快、更长，负责品味的人类实际上在减速，对吧？他们必须浏览大量内容，试图弄清楚：如何应用品味？如何应用判断？如何提升这个？你实际上得不到你想要的输出。"
"你得到的是高速度、大量文本，但它实际上并没有推动你的业务前进。"
1. 让代理输出高度特定、高度优化、对你的企业来说惊人的东西；2. 确保你提供的品味和判断能以让整个团队受益的方式完成；3. 不需要你保留这些小笔记本和文档："这是如何正确提示Claude的方法"或"我的个人代理配方.md"。
Asana AI队友现已全面上市，包含21个预构建代理，更重要的是——企业可以像招聘新员工一样"入职"自定义代理。
现已全面上市，购买Asana的客户均可使用；21个预构建AI队友可以撰写活动简报、处理IT工单分流、分析发布计划并帮助你保持任务和进度；当然可以自定义，只需提供一个提示来设置其行为指导。
"我会输入一个小提示说：我想构建一个AI队友，它是一个创意总监。"
"构建者聊天AI代理会回来问你：嘿，你希望这个创意总监可以访问哪些项目和组合？"——这就像你雇佣了一个真正的人类创意总监，你会给他们制定入职计划。
"它会自动查看并询问入门任务。它会说：'嘿，你能把这些任务分配给我吗，因为这会帮助我在未来的工作中做得更好。'"——它真的会说："我想开始处理这些事情。"
"它会查看你项目中的所有任务，找到一些开放和未完成的任务，说：'嘿，这些入门任务对我来说看起来不错，可以开始在职学习。'你可以说：'是的，去吧。'然后随着你使用它，它会在每次运行时变得越来越好。"
你完全控制它选择什么任务；它通过我们的标准审批流程运行；它不能创建一堆内容或任务并开始分配工作，除非有人类在循环中批准；有足够的制衡机制防止这种情况发生。
Asana选择Anthropic的Opus 3.6作为AI队友的引擎，原因是其在测试中的表现最佳；他们不采用开源模型，因为前沿实验室的创新速度太快，fork会让他们落后3-6个月。
"在AI队友发布中，我们选择了Anthropic的Opus 3.6模型。这就是我们现在发布的内容。它在我们的测试和分析中表现最好，在我们的早期访问和测试时间框架内。"
AI队友由Claude（Anthropic）驱动；其他Asana AI功能使用OpenAI模型；免费提供的Asana AI聊天使用被证明具有成本效益或高性能的模型。
"我们的最大化主义思维是，前沿实验室将继续在推理水平和模型能力方面创新。因此，试图创建这些定制或添加我们自己的token权重不是好主意，在这个特定时间点是对研发资源的浪费，因为我们看到的创新速度很快。"
"而且3到6个月很重要，对吧？如果你创建了一个fork，你总是落后你的竞争对手可能做的事情3到6个月，会有其他公司，我肯定，正在思考我们在Asana正在解决的一些挑战。我不想落后他们3到6个月。那对我来说会是个大问题。"
人们对AI代理最大的误解是：让它们提供出色输出和结果所需的工作量被严重低估了。
"人们误解的第一件事是确保它们提供出色输出和出色结果所需的工作量。"
"很容易看到这些演示然后说：'哦，哇。我有这么多方法可以拥有一个AI首席参谋，它会很棒，会帮我处理一天中所有的忙碌工作。'"
"为了设置它并正确运行，以一种你能真正信任它、它安全、它高性能、它具有正确类型的上下文以至于它不生成AI垃圾的方式，这很棘手。"
"这就是为什么我们完全专注于这一方面——嘿，让我们确保模型空间发生的惊人进步实际上可以用于真正的商业工作，以一种输出驱动真正结果的方式，而不仅仅是噪音的速度。"
Arnab的个人哲学是：你大概需要不同的代理来做好不同的事情，并且它们在记忆上应该有一些分离——原因很简单：你真的不希望个人信息和工作信息混合。
"我的妻子是一名记者。所以在某种程度上，我必须对她保持一些特定的Asana对话的抽象，因为那是重要的非公开信息。这对我来说很容易，因为作为人类，我知道基于上下文该分享什么、不分享什么。但你如何确定AI代理每次都能做对？我认为这可能很棘手，也许把它们分开——有多个代理——是最好的行动方案。"
强大的模型正在变得商品化，但**企业级的上下文和记忆**是稀缺资源。工作图谱——记录了企业如何完成任务的历史数据结构——是Asana的独特资产，也是AI代理需要的"企业级记忆"。
如果AI只是更快地生产更多平庸内容，它实际上在降低生产力。真正的价值在于让AI的输出达到80-90%，然后让人类把精力集中在品味和判断上——这创造了正向循环，每次反馈都让整个系统变得更好。
Arnab提出的"谁最高效地消耗Token"的竞争框架极其精辟。企业应该专注核心业务，把协调、安全、可靠性等"通用能力"外包给专业平台——因为这些不是差异化的来源。
个人AI助手（如ChatGPT）的问题是：它记得你告诉它的，但你同事的助手不会。Asana的AI队友有**共享记忆**——你教给它的东西，你的同事也能受益。这是企业级AI和个人AI的核心区别。
Arnab对创意总监未来的描述令人鼓舞：不是被AI取代，而是从繁琐的协调工作中解脱出来，专注于真正重要的品味和判断。AI处理80%，人类处理最后的20%——但那20%才是差异化的来源。
"3-6个月的落后是致命的"——Arnab的这句话总结了为什么Asana选择依赖前沿实验室而不是fork开源模型。在AI以4-6周的周期迭代的时代，跟随策略可能导致错过关键机会窗口。
Asana的自定义AI队友流程模仿了人类员工的入职过程：设定权限、提供上下文、分配入门任务、持续反馈。这个隐喻比"提示工程"更有用——它把AI管理变成了所有人都熟悉的HR流程。
一个代理处理一切的未来有严重的信息泄露风险。Arnab的务实方案：多个专业代理，各自有分离的记忆。个人代理和工作代理不应该混合——就像人类不会把工作邮件和个人邮件用同一个账户处理一样。