Asana推出“AI队友”测试版：重塑人机协作新范式

如今，大多数人已了解能够自主执行任务的AI智能体。然而，Asana在人工智能领域选择了差异化路径。该公司于周三推出“AI队友（AI Teammate）”测试版，旨在优化组织内部工作流程。

核心理念：构建透明的人机协作结构

Asana AI负责人Paige Costello表示，公司特意选用“队友”这一名称，以转变人们在工作中与AI互动的思维模式。“我们相信，未来的工作不仅是人与人之间的协作，更是人与AI的协作。”Costello强调，“在这个新世界中，明确AI的任务指令、执行内容及相应成本至关重要。”

其关键在于围绕AI建立透明度与结构化框架，使企业能够指定并创建定制化助手，精准执行工作流程的核心环节。

实践应用：基于“工作图”的智能流转

相较于上一代严格定义的工作流工具，“AI队友”结合生成式AI技术，为公司内部工作流转提供了更灵活的方式。随着任务流入，AI可实时评估当前状态，判断是否进入下一环节，或在信息不足时将任务退回人工补充。

典型场景示例：若收到描述缺失的帮助工单，AI队友可将其退回提交者询问详情，甚至利用生成式AI辅助员工完善工单，随后精准分派至对应解决人员。

这一机制依赖于Asana的工作图（Work Graph）。该图谱记录了公司内部工作流动的关联信息，帮助人类和AI理解跨部门、跨个人的工作逻辑。“工作图让AI不仅知晓工作‘如何发生’，更能理解‘特定实例下如何发生’。当AI队友被嵌入具体工作流并拥有明确任务及数据读取权限时，其行为准确性将显著提升。”Costello解释道。

安全原则：坚持“人在回路”

尽管前景广阔，但AI智能体仍可能存在幻觉或误判。Costello坦诚AI并非总能做出正确决策，因此Asana鼓励客户保持人工参与。

“Asana关于AI的核心原则是‘人在回路（human in the loop）’。最终，人类需对决策负责并承担结果。”这意味着人类必须监督并审查AI的建议，确保其符合公司价值观与工作规范。

为实现高准确度，Asana致力于优化工作流嵌入效率。“我们发现，通过动态变量在工作上下文中获取相关信息，能够以极高成功率快速部署AI协作者，大幅减少行政与跟踪工作。”Costello指出。

展望：数据洞察驱动智能化落地

目前该工具仍处于测试阶段，在企业大规模实施时可能面临挑战。但数据是构建精准模型的关键，凭借对企业运作方式的深刻洞察，Asana有望比大多数竞争对手更成功地推动工作智能化，助力企业高效完成一系列复杂步骤。