Asana introduce 'AI teammates' progettati per lavorare insieme ai dipendenti umani
Ormai la maggior parte delle persone ha sentito parlare degli agenti AI - software che possono agire autonomamente per svolgere una serie di compiti, ma Asana ha deciso di adottare un approccio diverso quando si tratta di AI. L'azienda ha presentato mercoledì una versione beta di ciò che chiama 'AI teammates', con l'obiettivo di aiutare a spostare il lavoro all'interno di un'organizzazione.
Paige Costello, responsabile dell'AI presso Asana, ha detto che l'azienda ha scelto il nome deliberatamente per creare un cambiamento mentale in termini di come le persone pensano di interagire con l'AI sul lavoro. 'Crediamo che il futuro del lavoro sia che gli umani non lavorino solo con altri umani, ma anche con l'AI,' ha detto Costello a TechCrunch.
'E crediamo che in quel mondo, sarà altrettanto importante capire cosa hai chiesto all'AI di fare, cosa ha fatto e quanto è costato per farlo accadere.'
Costello ha detto che si tratta di creare trasparenza e struttura attorno all'AI in modo che le aziende possano specificare e creare assistenti personalizzati per eseguire parti centrali dei flussi di lavoro.
Sembra buono, ma come si traduce tutto questo in pratica? Secondo Costello, la precedente generazione di strumenti di flusso di lavoro era rigidamente definita, e ciò che distingue l'annuncio di oggi (e l'AI generativa in generale) è che fornisce un modo più flessibile per spostare il lavoro all'interno di un'azienda.
Quindi, mentre il lavoro arriva, l'AI potrebbe valutare lo stato attuale e determinare se è pronto per passare alla fase successiva, o se deve restituire il lavoro a un umano per aggiungere ulteriori informazioni prima di poter continuare. Ad esempio, se arriva un ticket di assistenza con una descrizione mancante o inadeguata, l'AI teammate potrebbe rimandarlo alla persona che ha inviato il ticket, chiedendo ciò di cui ha bisogno. Questo potrebbe coinvolgere l'uso dell'AI generativa per aiutare l'impiegato umano a scrivere il ticket prima di inviarlo al AI teammate, che può quindi indirizzare il ticket alla persona giusta per la risoluzione.
Asana ha chiaramente un tesoro di dati correlati a come il lavoro si muove all'interno di un'azienda per addestrare i suoi modelli, grazie al suo grafo di lavoro, che modella come il lavoro è connesso tra individui e reparti. Ma mentre tutto ciò suona bene, sappiamo che gli agenti AI possono ancora avere allucinazioni, e non sempre capiscono la natura di un'attività.
'Il grafo di lavoro ci permette di dire all'AI non solo come avviene il lavoro, ma come avviene il lavoro in questo caso specifico. Quindi quando inseriamo i AI teammates in un flusso di lavoro specifico, gli viene assegnato un compito specifico. Quando hanno quel compito specifico, e sanno quale informazione leggere, sono molto più propensi a fare le cose giuste,' ha detto Costello.
Ma Costello ha riconosciuto che Asana sta incoraggiando i suoi clienti a mantenere gli umani coinvolti, perché riconosce che l'AI non sempre farà le scelte giuste. 'Direi che un principio fondamentale che abbiamo sull'AI in Asana è 'umano nel circuito. Crediamo che, alla fine, gli umani siano responsabili delle decisioni e siano responsabili dei risultati,' ha detto.
Ciò significa che gli esseri umani devono essere in grado di supervisionare e ispezionare l'AI per assicurarsi che stia facendo raccomandazioni valide in linea con i valori e il modo di lavorare dell'azienda.
Per risolvere questo problema, Asana ha cercato flussi di lavoro in cui è riuscita a ottenere un alto grado di accuratezza. 'Abbiamo scoperto di poter incorporare i AI teammates per rimuovere molte attività amministrative e lavori di tracciamento all'interno di questi sistemi molto rapidamente, con elevati gradi di successo. Siamo in grado di utilizzare in modo efficace anche variabili dinamiche per ottenere informazioni sul lavoro e sui sistemi nel contesto del lavoro,' ha detto.
Tutto questo detto, questo strumento è ancora in versione beta e probabilmente comporterà alcune difficoltà iniziali, specialmente quando le aziende cercheranno di passare dall sperimentazione all'implementazione su larga scala. Ma se i dati sono la chiave per costruire modelli più accurati, un'organizzazione con una conoscenza su come funzionano le aziende, come fa Asana, potrebbe avere una migliore possibilità della maggior parte di aiutare con successo a spostare il lavoro attraverso una serie di passaggi in modo più intelligente.
