Как Asana строит команды людей и агентов с Claude

Полный перевод статьи из блога Claude на русский. Оригинал — по ссылке.

Это третья публикация в нашей серии материалов о создании команд из людей и агентов. В первой мы рассказали, чему научились, работая с многопользовательским искусственным интеллектом в Anthropic. Во второй мы рассказали, как Slack превращает рабочие разговоры в контекст, необходимый агентам. В этой публикации рассматривается, что меняется, когда агенты работают на той же платформе, где работают команды.

За несколько лет до внедрения агентов искусственного интеллекта команды Asana разрабатывали способы внедрить структуру и ответственность в совместную работу команд. В конечном итоге они создали модель Work Graph®, которая отображает каждую задачу, проект, цель и разговор в сети взаимосвязей с назначенными владельцами, участниками и зависимостями. 

Когда они начали создавать ИИ-агентов, они решили, что вместо добавления новых структур контекста для ИИ агенты будут работать в рамках этой же модели. У них будут определённые роли, им будут назначаться задачи, они будут читать и писать сообщения и появляться в лентах активности наряду с коллегами-людьми — с дополнительными мерами защиты в отношении того, к чему агенты могут получать доступ и чем могут делиться. 

Мы поговорили с Арнабом Бозе, директором по продукту Asana, о том, как собственные команды Asana используют Claude и работают вместе с этими агентами, в каких областях модели Claude выполняют сложные задачи: как каждый агент получает свою роль и доступ, кто его обучает, как работа остаётся видимой для всех и какие виды задач выполняют агенты в командах Asana, состоящих из людей и агентов. 

Продумайте и структурируйте свою работу до того, как агенты начнут действовать

Для сотрудников Asana Claude является инструментом ИИ по умолчанию, подключённым к платформам, которые сотрудники используют для работы, включая Google Drive, Slack и, конечно же, Asana. 

"Человек осмысляет свой день, собирая неструктурированные данные: свою идею, беседу в Slack, запись встречи в Zoom, отчёт Databricks, информацию из Google Docs», — говорит Арнаб. «Они обсуждают это с Claude, а затем могут перенести всё это в структуру, которую Asana предоставляет через проекты и задачи." После создания структуры агенты могут действовать на её основе, используя три возможности, которые мы описали в первом посте этой серии, Создание эффективных команд людей и агентов: постоянную память, собственные учётные данные и общий контекст.

Как применить это на практике:

• Начните со своих идей. Передайте Claude неструктурированные элементы своего дня — идею, беседу в Slack или заметки, разбросанные по документам.
• Обсуждайте и дискутируйте с Claude. Используйте его как партнёра для размышлений: обсуждайте идею, пока не станут ясны следующие шаги.
• Занесите выполнимые пункты в Work Graph. Перенесите то, что можно выполнить, в проекты и задачи, где агенты и коллеги смогут этим заняться.

Назначьте каждому агенту роль и предоставьте ему необходимые инструменты и доступ

Сотрудники Asana могут работать с ИИ-агентами в любом проекте так же, как с коллегой-человеком. Люди формируют команды, в которых работают; каждый сотрудник получает список рекомендованных агентов, которых он может использовать для усиления целей своих команд. 

Агенты создаются вокруг ролей или типов работы — например, автор контента, аналитик данных, менеджер проектов, специалист по приёму задач, аналитик кампаний или координатор кампаний. Каждый агент поставляется с заранее созданными навыками, основанными на исследованиях Asana о том, как её клиенты выполняют эту работу, а также с необходимыми интеграциями, такими как Hubspot или хранилище документов. 

У каждого агента также есть страница профиля, где указаны его название и назначение, люди, которые могут его использовать, администраторы, инструкции, навыки, интеграции и разрешения. Asana предоставляет Вам инструменты, чтобы делать доступ осознанным. «Asana — это ограниченная рабочая среда», — говорит Арнаб. «Вы можете выбрать предоставление доступа к определённому набору проектов вместо доступа ко всему, к определённому набору документов или к сочетанию документов и приложений».

Подобно пользователям-людям, агенты подчиняются явным ограничениям доступа, но имеют дополнительную защиту: Asana заявляет, что фактический доступ агента ограничен разрешениями человека, который его запускает. Это позволяет агентам иметь широкий доступ к общедоступному контенту, минимизируя при этом риск того, что кто-либо получит доступ к информации, которую агент узнал в приватном контексте.

Как применить это на практике:

• Определите роль до создания агента. Подумайте о типах задач, которые агенты могут выполнять в Вашей команде, затем запишите назначение агента, инструкции и конкретные задачи, за которые он отвечает, так же, как Вы сделали бы это для первого квартала нового сотрудника.
• Ограничьте доступ. Определите, какие проекты и документы агент может читать, к каким приложениям он может получать доступ и какие действия он может выполнять.
• Отдельно назначьте пользователей и администраторов. Многие люди могут работать с агентом, но только небольшая определённая группа должна определять, к чему он может получать доступ и как он себя ведёт.

Отделите работу с агентом от его обучения

Ключевая особенность агентов Asana, которых компания называет ИИ-коллегами, — общая память, позволяющая агенту сохранять информацию из предыдущих инструкций, благодаря чему несколько пользователей могут повторно использовать эту память, чтобы быстрее выполнять задачи или работу. «ИИ-коллег можно наставлять и обучать так, как если бы они были людьми в Вашей команде», — говорит Арнаб.

В работе общей памяти существует одно ограничение, основанное на роли. Хотя любой пользователь может оставить агенту отзыв о задаче, только администраторы и редакторы могут сохранять отзыв в постоянной памяти, а также отменять изменения в этой памяти или удалять данные из неё. Для всех остальных предоставленный ими отзыв применяется только к текущей задаче. 

Разделение намеренное, говорит Арнаб. Команда Asana по коммуникациям формирует голос и тон компании, поэтому именно они будут редакторами и администраторами агента, который пишет. Арнаб может создавать с его помощью черновики, но не может изменять его поведение. И большинству людей вообще никогда не нужно заниматься внутренним устройством: "Не всем в команде нужно понимать такие понятия, как навыки, поведение и память. В команде есть один или два человека, которые становятся экспертами, правильно всё настраивают, и все остальные люди в команде в дальнейшем получают одинаковые преимущества."

Как применить это на практике:

• Решите, кто обучает каждого агента и кто с ним работает. Определите экспертов в предметной области внутри вашей компании, которые могут помочь создать агентов, используемых командой. Все остальные могут предоставлять обратную связь по задачам, но не могут переписывать агента. 
• Соотнесите редакторов с их экспертизой. Команда, которая отвечает за стандарт, применяемый агентом, например за голос бренда или правила планирования, владеет агентом или администрирует его. 
• Формируйте память по мере работы. Обратная связь может со временем улучшить агента. Попросите агента запоминать решения, которые стоит сохранить, или удалять те, которые больше не актуальны или не соответствуют действительности. 

Пусть работа агента будет видна всем

Подобно тому, как агенты в Slack прозрачно публикуют сообщения в каналах, когда задача назначается ИИ-коллеге, все могут видеть, что её выполняет агент и что именно он делает. Агент публикует сведения о своей деятельности, включая план исследования и предпринятые шаги, чтобы каждый, у кого есть доступ к этой задаче, мог ознакомиться с тем, что он сделал, оставить комментарий и направить его к желаемому результату. 

Когда команда Asana по коммуникациям попросила Арнаба просмотреть брифинговый документ для выступления, он упомянул агента через @ в задаче и попросил его также учесть его сценарий выступления с предыдущего доклада. Сообщение было кратким, потому что он уже много раз использовал этого агента, а материалы, на которые он ссылался, уже находились в Work Graph. Коллега из команды по коммуникациям мог видеть его запрос и ответ агента и одновременно вести диалог с агентом.

"Вероятно, Вы могли бы получать ответы отличного качества от персонального ИИ-агента, если бы Вы хорошо владели ИИ, подготовили этот документ и опубликовали его обратно в Slack или Asana," — говорит Арнаб. "Но в таком случае другие люди, которые просматривают этот контент, не знают, каким был запрос и как проходил диалог. Если они не согласны с некоторыми рекомендациями, которые Вы предоставили, им невозможно прийти к единому мнению." В общей задаче запрос, возражения и результат находятся в одном месте, а люди, просматривающие результат, также могут корректировать инструкции, на основе которых он был создан.

Как применить это на практике

• Привлекайте агентов там, где Ваша команда проверяет работу. Так запрос, действия агента и результаты находятся в одном месте, а проверяющие могут изменить инструкции или результат.
• Делайте работу агентов заметно работой агентов. Так люди будут знать, что работу выполняет ИИ-агент, а не коллега-человек.
• Позволяйте проверяющим направлять работу агента. Агенты Asana публикуют свой план и действия в общей задаче, поэтому другие проверяющие могут предоставить дополнительные инструкции или обратную связь.

Три задачи, которые Asana поручила агентам

Claude обеспечивает выполнение любой агентной работы, связанной с созданием документов или выполнением сложных задач в Asana. Вот три примера от разных команд компании: 

Ответы на вопросы о продукте из канала Slack

Когда Asana запускает функции, сотрудники отделов продаж и клиентского успеха могут задавать вопросы в общем канале Slack. До появления ИИ-коллег одни и те же вопросы публиковались неоднократно, и экспертов по предметной области каждый раз упоминали через @. База знаний с возможностью поиска не была практичным решением, говорит Арнаб, поскольку ответы содержат нюансы и меняются. "Вам в некоторой степени необходимо уметь оценивать, каково текущее состояние продукта," — говорит он.

Эти вопросы по-прежнему поступают в Slack, потому что это самое простое место, где сотрудники на местах могут их задавать. Теперь приложение Asana в канале превращает каждый вопрос в задачу Asana, и агент берёт её в работу. Если существуют утверждённые рекомендации, агент отвечает ссылками на источники. Если утверждённого ответа нет и вопрос указывает на пробел в продукте, агент создаёт задачу в проекте входящих запросов продуктовой команды и добавляет её в бэклог. А если один и тот же вопрос продолжает возникать и агент продолжает публиковать одну и ту же запись, он создаёт задачу для команды по обучению, чтобы обновить учебные материалы и документацию. 

Этот процесс высвобождает ценное время команды по развитию компетенций, позволяя ей сосредоточиться на стратегической, более приоритетной работе, а также информирует другие подразделения компании. Например, если по определённой теме, связанной с новым продуктом, возникает много вопросов, это сигнал для команды по развитию компетенций уделить ей особое внимание в рамках дополнительного обучения или предоставления информации. 

Информирование руководителей о продлениях с риском

Джош Абдулла, директор по работе с клиентами Asana, раньше готовил для руководящей команды еженедельный обзор продлений с риском на основе обновлений от менеджеров по успеху клиентов (CSM), которые отмечали продления с риском и обновляли сведения об аккаунтах по мере изменения обстоятельств. Среди тысяч клиентов по всему миру объём обновлений делал невозможным поддержание актуальности без выделенного сотрудника, который обобщал бы их, что было утомительной работой и делало процесс реактивным. «Джош узнавал о проблемах, когда ему сообщали руководители, а не тогда, когда данные впервые указывали на них», — говорит Арнаб.

Организация по работе с клиентским опытом создала в Asana ИИ-напарника для агентов под названием At-Risk Renewal. Он читает каждую задачу по продлению с риском оттока во всём глобальном портфеле, включая обновления, заметки о статусе и комментарии каждого CSM, и формирует структурированную ежедневную сводку, организованную в три категории: положительная динамика, отрицательная динамика и рекомендуемые последующие действия. Сначала он формирует глобальное представление, затем разбивает данные по регионам и автоматически каждое утро отправляет сводку директору по работе с клиентами, директору по доходам и всем региональным руководителям по успеху клиентов. Поскольку сводка появляется в общем пространстве, эти руководители могут задавать дополнительные вопросы, например о том, какие опережающие индикаторы лежали в основе прогноза оттока по конкретному аккаунту, а также обучать агента запоминать информацию для следующего запуска, благодаря чему отчёт улучшается каждое утро.

"Вероятно, они могли бы попросить Claude сформировать для них отчёт," — говорит Арнаб. "Но как нам прийти к тому, чтобы отчёт был стандартизирован, существовало общее рабочее пространство и он становился лучше с каждым запуском?"

Планирование инженерных циклов с помощью Command

Когда Asana запускала автоматизированные циклы написания кода для собственного продукта, сроки выполнения циклов и выпусков сдвигались, потому что циклы разрастались из-за автоматически сгенерированных изменений. Сам цикл стал распространённым явлением в компаниях-разработчиках программного обеспечения: собирать отзывы клиентов из различных каналов, обобщать их и запускать агентов написания кода, чтобы превратить их в запросы на включение изменений (PR). "Генерация кода теперь больше не является узким местом," — говорит Арнаб. "Узкое место связано с планированием, принятием решений и доработкой." Инженерная организация Asana теперь работает на Command by Asana, продукте для управления крупными инженерными командами, и использует его для управления этим циклом.

В Command пространство команды объединяет группу из 10–12 инженеров, работающих над одним продуктом. Агенты заполняют незапланированную доску команды задачами, извлечёнными из отзывов клиентов и комментариев в канале обратной связи команды в Slack. Люди решают, что перемещается с этой доски в цикл, а Command прогнозирует время до завершения цикла с оптимистичной, сбалансированной и консервативной оценками. 

Задачу можно назначить человеку или агенту по написанию кода, и поскольку все данные цикла находятся в одном месте, руководитель может спросить в чате, почему выпуск отстаёт от графика и какие компромиссы помогут вернуть его в график. Command отвечает на основе данных, что's определяет сигнал и какие изменения следует сопоставить. Всё это доступно через MCP-сервер Asana — подключение, которое позволяет такому помощнику, как Claude, считывать эти данные, поэтому такой человек, как Арнаб или его коллега на должности технического директора, может спросить Claude, что идёт по плану, не открывая Command.

«Человечество процветает, когда команды могут без усилий работать вместе, и сегодня каждая команда состоит частично из людей, частично из агентов», — говорит Арнаб. «Именно для такой работы мы проектируем: один общий контекст, в котором могут работать и люди, и агенты, с чётко определённой идентичностью каждого агента, чтобы его вклад и доступ можно было проверять, и с долговечной записью того, чему агенты могут научиться, чтобы знания команды накапливались, а не исчезали».