共计 1315 个字符，预计需要花费 4 分钟才能阅读完成。
到目前为止，大多数人都听说过 AI 代理——能够自主执行一系列任务的软件。然而，[Asana](https://techcrunch.com/2024/02/19/sierra-ai-agents-customer-service/) 决定在涉及 AI 时采取不同的方式。该公司于周三推出了他们所称的“AI 队友”测试版，旨在帮助推动组织内部工作的进行。
Asana 的 AI 主管 Paige Costello 表示，公司有意选择这个名称，以在人们思考与 AI 在工作中的互动方式时产生一种心理转变。“我们相信未来的工作是人类不仅与人类合作，而且还与 AI 合作，”Costello 告诉 TechCrunch。
“我们相信在那个世界里，了解你向 AI 提出了什么要求、它做了什么以及为实现这一切付出了多少成本将变得同样重要。”Costello 表示，这是为了围绕 AI 创造透明度和结构，以便企业可以指定并创建定制助手来执行工作流程的核心部分。
听起来不错，但在实践中是什么样子呢？根据 Costello 的说法，先前一代的工作流工具定义死板，而今天的这一宣布（以及生成式 AI 一般）之间的区别在于它提供了一种更灵活的方式来推动公司内部的工作。
因此，当工作进入时，AI 可以评估当前状态，并确定是否准备好进入下一步，或者是否需要将工作退还给人类以添加更多信息，然后才能继续进行。例如，如果收到一个带有缺失或不充分描述的帮助工单，AI 队友可以将其退回给提交工单的人，要求提供所需信息。这可能涉及使用生成式 AI 帮助人类员工编写工单，然后将其发送给 AI 队友，后者可以将工单指定给正确的人员以解决问题。
显然，Asana 拥有与公司内部工作流动相关的大量数据来训练其模型，这要归功于其 [工作图](https://asana.com/resources/work-graph)，该图模拟了工作在个人和部门之间的连接方式。但尽管这一切听起来不错，我们知道 [AI 代理仍然可能产生幻觉](https://techcrunch.com/2023/09/04/are-language-models-doomed-to-always-hallucinate/)，它们并不总是理解活动的性质。
但 Costello 承认，他们鼓励客户保持人类参与，因为他们意识到 AI 并不总能做对。“我会说，我们在 Asana 对于 AI 的一个核心原则是‘人在循环中’。我们相信，最终，人类对决策负责，并对结果负责，”她说。
这意味着人类需要能够监督和检查 AI，以确保它做出符合公司价值观和工作方式的合理建议。
为了解决这个问题，Asana 一直在寻找能够实现高准确度的工作流程。“我们发现，我们能够嵌入 AI 队友来快速消除这些系统中的大量行政工作和跟踪工作，并且取得了很高的成功度。我们发现的另一件事是，我们有效地能够使用动态变量来检索有关工作和工作环境的信息，这在工作环境中也是非常好的，”她说。
尽管如此，这仍处于测试阶段，特别是当公司试图超越实验阶段并在规模上实施时，可能会涉及一些成长阵痛。但是，如果数据是构建更准确模型的关键，像 Asana 这样了解公司工作方式的组织可能比大多数其他组织更有可能成功地帮助以更智能的方式推动工作通过一系列步骤。
