构建 AI 代理的企业团队面临一个常见问题：聊天机器人缺乏对过往交互的记忆，且无法追踪先前版本的有效性。Asana 首席产品官 Arnab Bose 分享了其团队如何通过开发代理式工作管理（Agentic Work Management, AWM）来解决这一问题。AWM 是一个操作系统，旨在将 AI 代理视为可指导的团队成员。AWM 利用了 Asana 拥有 18 年的工作图（Work Graph）架构，这是一种基于图的数据库，用于组织任务、项目、投资组合和公司目标。该架构使 AWM 能够创建“多玩家队友”，使其能够访问公司级目标、更新项目状态，并与人类同事共享记忆。在向企业客户部署 AWM 的过程中，Asana 通过实施访问控制克服了数据治理挑战，以防止共享记忆中的机密信息泄露。该系统还处理动态模型路由，通过自动为特定任务选择适当的 AI 模型，将提示工程从用户端抽象出来。此外，Asana 设计了一种计费架构，按任务完成次数收取固定费用，使得企业定价具有可预测性，尽管计算复杂度各不相同。AWM 解决了基础聊天式代理的状态缺失问题，后者仅执行一次性任务而无法创建可复用的工作流。通过集成工作图，AWM 创建了持久状态，记录任务完成的元数据及其对项目和公司目标的影响。早期采用者 CoreWeave 利用 AWM 简化新产品发布流程，其中 AI 代理自动化项目结构创建、任务分配和瓶颈识别。Bose 承认与前沿模型提供商存在“亦敌亦友”的问题，这些提供商也推出竞争的代理产品，但他强调 AWM 的优势在于 Asana 18 年的用户体验、工作流数据以及预建的标准操作程序。这种领域专业知识使 AWM 能够提供真正的端到端解决方案，而不同于前沿模型提供的轻量级集成。