Asana เปิดระบบ AI จดจำงานร่วมทีม ปกป้องข้อมูลลับขององค์กร

Asana ประกาศเปิดตัว **Agentic Work Management (AWM) ระบบจัดการงานที่ทำให้ AI agents สามารถแชร์หน่วยความจำระหว่างทีมได้โดยไม่รั่วไหลของข้อมูลลับ  การเปิดตัวนี้เป็นสัญญาณสำคัญว่าเทคโนโลยี AI ในระดับองค์กรกำลังก้าวจากเครื่องมือสนทนาแบบ “stateless” ไปสู่ผู้ร่วมงานดิจิทัลที่มีบริบทและความต่อเนื่องในกระบวนการทำงาน

Overview

Asana ระบุว่าปัญหาหลักของทีมพัฒนา AI agents คือการไม่มี “memory” ที่สามารถเก็บข้อมูลจากคำถามหรือภารกิจที่ผ่านมาได้ ทำให้ผู้ใช้ต้องเริ่มต้นใหม่ทุกครั้งที่ใช้งาน  ในงาน Fireside Chat กับ VentureBeat ณ งาน VB Transform 2026  CPO Arnarn Bose ได้อธิบายว่า AWM ถูกออกแบบให้ AI ทำหน้าที่เป็น “teammate” ที่สามารถทำงานร่วมกับมนุษย์ได้อย่างต่อเนื่อง ไม่ใช่แค่ผู้ช่วยส่วนบุคคลเท่านั้น

ระบบใหม่นี้ใช้ Work Graph ของ Asana ซึ่งสะสมข้อมูลการทำงานของบริษัทมานานกว่า 18 ปี  เพื่อให้ AI สามารถเข้าถึงเป้าหมายระดับองค์กรและอัปเดตสถานะโครงการได้แบบเรียลไทม์  ตัวอย่างเช่น งานออกแบบที่ล่าช้าอาจถูกเชื่อมโยงกับผลกระทบต่อเป้าหมายรายได้ของบริษัทโดยตรง

Architecture & Work Graph

Work Graph ของ Asana ถูกจัดระเบียบตามแนวคิด Pyramid of Clarity  โดยเริ่มจาก “task” ที่มีผู้รับผิดชอบและกำหนดเสร็จ, งานเหล่านี้รวมเป็น “project”, แล้วต่อเนื่องเป็น “portfolio” และสุดท้ายเชื่อมกับเป้าหมายระดับบริษัท  โครงสร้างกราฟนี้ทำหน้าที่เป็น “real‑time ledger” บันทึกว่าใครทำอะไรเมื่อไหร่และเพื่อเหตุผลใด

AWM เชื่อม AI agents เข้ากับ Work Graph ทำให้ตัวแทนไม่จำกัดอยู่แค่การตอบคำสั่งของผู้ใช้คนเดียวเท่านั้น  แทนที่จะดูไฟล์ markdown ส่วนบุคคลหรือ prompt เพียงอันเดียว, ตัวเอเจนท์จะทำงานบน “shared ledger” ของทั้งองค์กร  การออกแบบนี้ช่วยให้ AI สามารถอัปเดตสถานะโครงการ, ตรวจสอบความสอดคล้องกับเป้าหมายระดับสูง และบันทึกผลลัพธ์ของการดำเนินงานได้อย่างต่อเนื่อง

Guardrails for Confidential Data

เมื่อเอเจนท์ทำงานข้ามหลายทีม การรักษาความเป็นส่วนตัวจึงกลายเป็นเรื่องสำคัญ  Bose เน้นว่าต้องมี “boundary” ชัดเจนระหว่างหน่วยความจำที่สร้างจากโครงการลับและข้อมูลที่ผู้ใช้คนอื่นสามารถเข้าถึงได้  ตัวอย่างเช่น หากผู้บริหารใช้ AWM สร้าง workflow สำหรับโครงการควบรวมกิจการ (M&A) ที่เป็นความลับ, ระบบต้องป้องกันไม่ให้เอเจนท์แชร์หน่วยความจำนั้นกับพนักงานที่ไม่มีสิทธิ์

เพื่อแก้ไขปัญหา Asana พัฒนาระบบ access controls ที่กำหนดเงื่อนไขการสร้างและเรียกใช้หน่วยความจำ  การตรวจสอบสิทธิ์ทำเมื่อเอเจนท์ต้องบันทึกข้อมูลใหม่ หรือเพียงแค่ดำเนินงานตามคำสั่งที่ไม่มีผลต่อข้อมูลลับ  วิธีนี้ช่วยให้บริษัทสามารถใช้ AI agents อย่างปลอดภัยโดยไม่เสี่ยงต่อการรั่วไหลของโครงการสำคัญ

Dynamic Model Routing & Billing Model

AWM ยังจัดการเรื่อง model routing อัตโนมัติ เพื่อลดความซับซ้อนในการตั้งค่า prompt ให้กับผู้ใช้  เมื่อผู้ใช้มอบหมายงานให้ AI (เช่น การเขียนประกาศรับสมัครตำแหน่ง GM) ระบบจะอ้างอิงจากข้อมูลภายนอก เช่น ประกาศงานสาธารณะ, style guide ของ Asana, และเอกสารข้อกำหนดผลิตภัณฑ์  หากงานซับซ้อน ระบบจะส่งคำขอไปยังโมเดลระดับสูง (เช่น Anthropic Opus หรือโมเดลของ OpenAI) ส่วนงานเบา ๆ จะใช้โมเดลที่เร็วและต้นทุนต่ำกว่า

เพื่อให้การเรียกใช้ AI มีความคาดการณ์ได้ง่าย Asana ได้ออกแบบโครงสร้าง billing ที่คิดค่าใช้จ่ายต่อ “task completion” อย่างคงที่  แม้ว่าแต่ละงานอาจต้องใช้ทรัพยากรคอมพิวเตอร์แตกต่างกัน ระบบจะดูดซับความซับซ้อนของการเลือกโมเดล, จำนวน token, และข้อจำกัดการใช้งานไว้ในระดับแพลตฟอร์ม  วิธีนี้ช่วยป้องกันลูกค้าไม่ต้องกังวลเรื่อง “credit burn” ที่อาจทำให้พนักงานจำกัดการใช้ AI

• Model routing: Heavy frontier models (Anthropic Opus, OpenAI) Complex tasks; Lighter models Simple tasks
• Billing: Fixed cost per task completion, regardless of underlying model complexity

Addressing Statelessness in Enterprise AI

Bose ชี้ให้เห็นว่าการผสาน LLM กับเครื่องมือเช่น Slack หรือ Google Drive ผ่าน Model Context Protocol (MCP) ยังไม่แก้ไขปัญหา “statelessness” ของ chatbot  ตัวอย่างเช่น ผู้ใช้ขอให้เอเจนท์ร่างแคมเปญการตลาดโดยดึงข้อมูลประวัติและการแข่งขันจากระบบภายนอก, ผลลัพธ์จะถูกส่งกลับในรูปแบบของคำตอบเดียวที่ไม่มีการบันทึกไว้เป็นกระบวนการต่อเนื่อง

AWM แก้ไขข้อจำกัดนี้ด้วยการบันทึกเมตาดาต้าเมื่อทำงานสำเร็จ  ระบบจะเก็บข้อมูลว่าการดำเนินงานนั้นได้ปรับสถานะโครงการอย่างไรและมีผลต่อเป้าหมายระดับบริษัทอย่างใด  ผลลัพธ์ที่เกิดขึ้นกลายเป็น “permanent state” ที่ผู้ใช้คนต่อไปสามารถอ้างอิงหรือขยายต่อได้โดยไม่ต้องเริ่มต้นจากศูนย์

Summary

Asana เปิดตัว **Agentic Work Management (AWM) เพื่อให้ AI agents มีหน่วยความจำร่วมกันในองค์กรพร้อมระบบควบคุมข้อมูลลับและการเรียกเก็บค่าใช้จ่ายแบบคงที่  การออกแบบนี้ตอบโจทย์ข้อจำกัดของ chatbot แบบ “stateless” และอาจเป็นแนวทางใหม่สำหรับบริษัทที่ต้องการนำ AI ไปใช้งานระดับทีมอย่างปลอดภัยและมีประสิทธิภาพ.