Asana và tham vọng Agentic Work Management: Khi AI chia sẻ bộ nhớ doanh nghiệp mà không làm lộ dữ liệu mật

Bài viết được dịch và tổng hợp từ tin tức gốc. Bạn có thể đọc bài viết gốc bằng tiếng Anh tại đây.

Điểm tin nhanh:

• Asana ra mắt Agentic Work Management (AWM), hệ điều hành cho phép các AI Agent cộng tác như những đồng nghiệp thực thụ.
• Công nghệ Work Graph với 18 năm dữ liệu lịch sử giúp AI hiểu rõ bối cảnh công ty thay vì chỉ xử lý các tác vụ rời rạc.
• Hệ thống kiểm soát truy cập phân tầng đảm bảo AI không chia sẻ dữ liệu nhạy cảm giữa các dự án bảo mật, giải quyết bài toán bảo mật doanh nghiệp.

Các đội ngũ phát triển sản phẩm hiện nay đang đối mặt với một nghịch lý: AI Agent có thể trả lời prompt rất nhanh, nhưng lại hoàn toàn mất trí nhớ về những gì đồng nghiệp đã hỏi trước đó, hoặc không thể đánh giá hiệu quả của các phiên bản công việc cũ. Đây chính là rào cản lớn nhất ngăn cản AI trở thành một thành viên thực thụ trong doanh nghiệp. Tại sự kiện VB Transform 2026, Arnab Bose, Giám đốc sản phẩm của Asana, đã giới thiệu giải pháp đột phá mang tên Agentic Work Management (AWM), biến AI từ những trợ lý ảo đơn lẻ thành những đồng nghiệp có khả năng nắm bắt bối cảnh toàn diện.

Sức mạnh từ Work Graph: 18 năm dữ liệu doanh nghiệp

Để xây dựng một hệ điều hành cho các đội ngũ hỗn hợp người và AI, Asana đã tận dụng kiến trúc Work Graph được phát triển trong suốt 18 năm qua. Thay vì các hệ thống quản lý tác vụ rời rạc, Work Graph tổ chức thông tin theo cấu trúc Pyramid of Clarity, nơi mỗi tác vụ (task) đều có người chịu trách nhiệm, thời hạn và mối liên kết chặt chẽ với các mục tiêu chiến lược của công ty.

Khác với các AI copilot truyền thống hoạt động ở trạng thái stateless (không lưu trữ trạng thái), AWM kết nối trực tiếp vào Work Graph. Điều này cho phép AI không chỉ nhìn vào prompt của người dùng mà còn hiểu được bức tranh toàn cảnh: ai đang làm gì, khi nào hoàn thành và tại sao công việc đó lại quan trọng. Đây là bước tiến lớn so với việc chỉ xử lý các tệp tin cục bộ, tương tự như cách các hệ thống tối ưu hóa quy trình lập trình giúp tăng hiệu suất làm việc của kỹ sư.

Bảo mật và quản trị dữ liệu: Rào cản cho các AI Agent

Một trong những thách thức lớn nhất khi triển khai AI Agent trong doanh nghiệp là vấn đề bảo mật. Nếu một AI Agent học hỏi từ luồng công việc của nhân viên, làm thế nào để đảm bảo nó không vô tình tiết lộ thông tin của một dự án M&A bí mật cho một nhân viên không có thẩm quyền?

Asana đã giải quyết vấn đề này bằng cách thiết lập các hàng rào kỹ thuật (guardrails) nghiêm ngặt:

• Phân tách bộ nhớ: Hệ thống phân biệt rõ ràng giữa việc thực thi tác vụ và việc tạo lập bộ nhớ (memory creation).
• Kiểm soát truy cập: AI chỉ được phép truy cập vào ngữ cảnh mà người dùng hiện tại có quyền xem.
• Dynamic Model Routing: Tự động điều hướng prompt đến các mô hình phù hợp (như Opus hoặc các mô hình của OpenAI) dựa trên độ phức tạp, giúp tối ưu hóa chi phí mà không cần người dùng phải là chuyên gia về prompt engineering.

Lưu ý: Việc quản lý quyền truy cập trong các hệ thống AI đa tác nhân rất phức tạp. Bạn nên tham khảo thêm về bảo mật AI Agent để hiểu rõ hơn về các rủi ro tiềm ẩn.

So sánh kiến trúc: Chatbot truyền thống vs Agentic Work Management

Ứng dụng thực tế tại CoreWeave

CoreWeave, một đơn vị tiên phong trong lĩnh vực hạ tầng đám mây, đã bắt đầu sử dụng AWM để tối ưu hóa quy trình ra mắt sản phẩm mới. Thay vì các quy trình thủ công đầy rẫy các biểu mẫu phức tạp, AWM cho phép AI tự động đọc tài liệu yêu cầu sản phẩm, thiết lập cấu trúc dự án và phân bổ tác vụ cho các phòng ban liên quan. Một agent sẽ giám sát các nút thắt cổ chai, trong khi một agent khác dự báo chi phí hạ tầng dựa trên ngân sách lịch sử.

Quy trình này tương tự như việc áp dụng các đặc tả thực thi trong kỹ thuật dữ liệu, giúp giảm thiểu sai sót con người và tăng tốc độ triển khai.

Đánh giá & Lời khuyên Thực tiễn

Từ góc nhìn kỹ thuật, giải pháp của Asana mang lại ưu điểm vượt trội về tính nhất quán dữ liệu. Tuy nhiên, việc triển khai các hệ thống này đòi hỏi sự chuẩn bị kỹ lưỡng về cấu trúc dữ liệu đầu vào. Nếu Work Graph của bạn không được tổ chức tốt, AI sẽ chỉ là một công cụ tạo ra nhiễu thông tin.

• Ưu điểm: Khả năng duy trì ngữ cảnh (persistence), giảm tải công việc hành chính, chi phí dự đoán được.
• Nhược điểm: Phụ thuộc vào kiến trúc dữ liệu sẵn có, rủi ro về quyền riêng tư nếu thiết lập phân quyền sai.
• Lời khuyên: Trước khi áp dụng AI Agent, hãy đảm bảo quy trình làm việc của bạn đã được chuẩn hóa. Bạn có thể tìm hiểu thêm về cách xây dựng quy trình đa tác nhân để có cái nhìn tổng quan hơn về kiến trúc hệ thống.

Câu hỏi thường gặp (FAQ)

Làm sao để đảm bảo AI không làm lộ dữ liệu nhạy cảm?

Asana sử dụng hệ thống kiểm soát truy cập phân tầng, nơi AI chỉ có thể truy cập vào dữ liệu mà người dùng hiện tại có quyền xem, ngăn chặn việc chia sẻ chéo thông tin giữa các dự án bảo mật.

Tại sao AWM lại tốt hơn các chatbot AI thông thường?

AWM không stateless. Nó ghi lại metadata của mỗi tác vụ, giúp tạo ra một "bộ não chung" cho công ty, thay vì chỉ là các phiên chat rời rạc.

Chi phí sử dụng AWM được tính như thế nào?

Asana áp dụng mô hình chi phí cố định trên mỗi tác vụ hoàn thành, giúp doanh nghiệp tránh được sự biến động chi phí do các mô hình AI khác nhau gây ra.

Kết luận

Agentic Work Management của Asana đánh dấu một bước chuyển mình quan trọng từ việc sử dụng AI như một công cụ hỗ trợ sang một đồng nghiệp thực thụ trong doanh nghiệp. Bằng cách kết hợp sức mạnh của Work Graph với các hàng rào bảo mật, Asana đang định hình lại cách chúng ta làm việc. Nếu bạn đang tìm kiếm cách tối ưu hóa quy trình làm việc cho đội ngũ của mình, hãy bắt đầu bằng việc chuẩn hóa dữ liệu ngay hôm nay. Đừng quên theo dõi hi_dev để cập nhật những xu hướng công nghệ mới nhất và chia sẻ ý kiến của bạn về tương lai của AI trong doanh nghiệp dưới phần bình luận.