AsanaのCPOであるArnab Boseが、AI時代におけるソフトウェア企業の生き残り戦略について語る。バイブコーディングによってソフトウェアが簡単に作れる時代が来ても、Asanaのような業務管理ツールは、セキュリティ、信頼性、統合の深さといった差別化要素を持つため、企業が自前で構築するよりも利用する方が合理的である。Asanaは「ワークグラフ」と呼ばれる独自のデータモデルを活用し、AIエージェントに企業固有のコンテキストと共有メモリを提供することで、汎用的な「平均の平均」ではなく、その企業に最適化された高品質なアウトプットを実現する。21種類のプリビルトAIチームメイトを提供し、ユーザーは独自のエージェントも構築可能。人間とAIの協調を深化させ、忙しい雑務を削減しながら、人間のクリエイティビティと判断力を最大限に引き出すことを目指している。
AIとソフトウェア企業の共存
Asanaのようなソフトウェア企業は、AIと戦うべきなのか、それとも受け入れるべきなのか。本日は、AsanaのチーフプロダクトオフィサーであるArnab Boseさんをスタジオにお迎えして、この問題について話を伺います。この対談はAsanaの提供でお送りします。Arnabさん、ようこそ。
ありがとうございます、Alex。お招きいただき感謝します。
こちらこそ、特にこのタイミングでお話しできて嬉しいです。Asanaは業務管理ソフトウェアですが、よく言われる話として、業務管理ソフトウェアに限らず、あらゆるソフトウェアはいずれ、誰かがClaude CodeやCodexのようなコンソールの前に座ってバイブコーディングで作れるようになるというものがあります。そうなると、どうなるのでしょうか。では率直にお聞きします。Asanaのようなものは、バイブコーディングで作れるのでしょうか。
問題は、なぜそうしたいのかということです。セキュリティ、信頼性、99.99%のアップタイム、統合の深さ、新しいAIエージェントを人間とAIの協調プラットフォームにどうオンボーディングするか、こうした課題について考える時間を費やしたいですか。これらの問題は難しく、プルーフ・オブ・コンセプトやデモを作るだけよりもはるかに深い思考を必要とします。特に、これが企業内でのエージェント投資から成果を引き出すための協調レイヤーである場合はなおさらです。
私たちの論点は、すべての企業がAI活用企業になりつつあるということです。企業はAIから成果を得たいと考えています。Asanaは、人間同士の協調を可能にするために構築してきたワークグラフ、つまりコンテキストのシステムを活用し、人間とAIエージェント、そして複数のAIエージェント同士が協調できるようにする上で、非常に優れた立場にあります。私たちはこの技術を10年以上にわたって構築してきました。グローバルな可用性、アップタイムの信頼性、セキュリティ、そしてこれらのエージェントが共有メモリと呼ばれる概念を、企業にとって安全な方法で取得できるようにすることに注力してきました。
誰かが本当にこれを再構築し、自社のコアビジネスから時間とエネルギーを奪って、この統合の深さ、アップタイムの深さ、パフォーマンスの深さ、拡張性の深さについて考えたいと思うでしょうか。それとも、実際のビジネス成果の達成に集中したいと思うでしょうか。
AIエージェントによる業務の自動化
私には、こんなクレイジーなアイデアがあります。もしかしたら、ひとつのAIエージェントがソフトウェアを構築し、他のAIエージェントがアップタイム、信頼性、最新の標準への対応など、あなたが話したようなことに集中する、というような形になるかもしれません。AIが人々が意図する方向に進んだ場合、どう思いますか。
それでも、顧客としては、ビジネスを補助的に運営するのを助けるソフトウェアを構築するだけでなく、そのソフトウェアが安全で、利用可能で、信頼性があり、あらゆる権限の懸念に対処していることを確認するために、さらに多くのトークンを費やすことになります。
もし未来が、最も効率的な方法で最大のトークンバーンを費やす人が、その特定の業界の垂直軸において最高のビジネス成果を達成するというものであれば、なぜ自分のコアビジネスではないものに集中するのでしょうか。
人間とAIの協調という観点から、それが私たちのコアビジネスだからこそ、Asanaにそれを任せてください。あなたは自分のビジネスに集中すればいいのです。それが旅行会社であろうと、金融機関であろうと、医療機関であろうと、これらの企業は、人間とAIエージェント間の協調に関する成果を達成するためにトークンとコストを費やすことになれば、成功しないでしょう。
なるほど、いい指摘ですね。つまり、確かに試してみてもいいけれど、トークンはタダではないということですね。
その通りです。ですから、ある世界では必要なすべてのソフトウェアを構築できるかもしれませんが、それを構築し、おそらくより効率の悪い手段で維持するために、多額のお金を費やすことになります。
まったくその通りです。自分自身に問いかけてみてください。これは差別化したい重要なコア能力なのか、そしてこれが自分の会社のミッションとビジョンを成功させる真の理由なのか。もしそうでなく、単なる実現技術であれば、なぜそれをやるのでしょうか。
そうですね。しかし、もうひとつ起きていることがあります。この技術の波が到来するにつれて、大衆向けに、規模を拡大するために構築されたソフトウェアを、人々が自分の興味に合わせてカスタマイズし、自分の使用事例に特化したツールのセットを構築したり、その中で作業したりできるようになっています。カスタマイズされたソフトウェアですね。これについて、受け入れられるものと見ていますか、それとも戦うものですか。
ああ、それは完全に受け入れているものです。私たちは、どこで差別化し、企業にどんな価値を提供するかについて、戦略を真剣に考えてきました。企業への価値提案は、私たちが何年も、10年以上にわたって、この協調にかかる税負担について真剣に考えてきたという事実です。
タスク、プロジェクト、ポートフォリオを定義するワークグラフを使用することで得られる明確さのピラミッドが、企業レベルの目標やミッションに明確にはしごをかけるようにする方法について考えてきました。そして、そのフレームワークは、AIエージェントのトレーニングにも非常にうまく機能し、AIエージェントが適切なレベルのビジネスコンテキストとエンタープライズグレードのメモリを持って仕事を遂行できるようにすることが、実証されています。
ですから、Asanaがあらゆる企業にとって目的に適合し、可能な限り最良の方法で機能するようにしたいと考えています。そして、独自のエージェントを持ち込んだり、事前構築されたAIチームメイトのひとつをカスタマイズしたりできるカスタマイズは、100%私たちの戦略の一部です。Asanaをどのように使いたいか、そして仕事を遂行し、ミッションとビジョンを達成するために私たちをどう活用するかについて、できる限り少ない思考で済むようにしたいのです。なぜなら、あらゆるAIエージェントが活用できる柔軟なフレームワークを構築してきたからです。それは、エンタープライズグレードのメモリ、共有コンテキストという差別化を提供し、人間が過去に行ったことを再学習する必要がないようにします。
Asanaの製品概要とAIチームメイト
なるほど、これを分解して、ひとつひとつ見ていきたいと思います。PAIについて少し話してください。人々がAsanaを何に使うのか。ハイレベルで60秒ほど、製品が何をするのか説明してください。
私たちの主な理想的な顧客プロファイルは、マーケティング、IT運用、戦略的計画です。彼らが私たちを使うのは、クロスファンクショナルなプロジェクトです。たとえば、マーケティングでキャンペーンを立ち上げるのは、マーケティングチームが製品やデザインからインプットを必要とするクロスファンクショナルなプロジェクトです。
サードパーティベンダーとの調整も必要です。キャンペーンブリーフがあり、資材リストがあり、人間を整合させるための協調にかかる税があります。人々は今日、AI以前の使用事例として、これらのプロジェクトを時間通りに進めるためにAsanaを使っています。戦略的な運用の観点からは、ローンチ計画を考えるといったことです。
ローンチ計画を考えるには、コンボンボードのようなものが必要で、それにはたくさんのタイムラインがあり、多くの異なる機能が貢献します。法務の承認が必要かもしれません。それを確実に行いましたか。これらが、人々がAI以前に私たちを使っている使用事例です。
つまり、一種の内部協調エンジンですね。
その通りです。興味深いのは、この協調エンジンがもたらすものが、誰が何をいつまでにやるかを定義するだけでなく、過去にそれらのプロジェクトがどのように完了したか、特定の問題によってそのプロジェクトが軌道から外れたときに何が起こったか、どのような改善措置が取られたかという実績も持っているということです。
そして、そのようなデータはエージェントにとって魅力的です。なぜなら、エージェントはワークグラフの履歴を調べて、たとえばこの特定のタイプのキャンペーンブリーフドキュメントが2023年や2022年のキャンペーンで非常にうまく機能したことを理解できるからです。これが、それに協力した他の人間が提供したフィードバックの種類でした。
ですから、チームのマーケターそれぞれが、Claude CoworkやChatGPTといった選択したAIチャットボットを最適にプロンプトする方法を理解し、大量のドキュメントデータや個人データを提供するのではなく、Asana内でキャンペーンブリーフライターAIチームメイトを展開し、ワークグラフへのアクセスを与えれば、自動的にそれをクロールして、あなたのビジネスに、あなたのビジネスが歴史的に運営されてきた方法に、超特化した最高の回答を得られます。
チーム全員にこれらの新しいヒントやコツをトレーニングする必要はありません。人々がローカルマシンにマークダウンファイルを作成し、コンテキストウィンドウを肥大化させない最良の方法を見つけようとしているのを見かけますが、私たちはそれをすべてあなたのために処理しています。
なるほど。では、バイブコーディングソフトウェアから、Asanaのようなソフトウェア内でAIエージェントが実際に何をするのかという話に移りましたね。
その通りです。
それで、あなたたちが受け入れている方法は、エージェントをソフトウェアの中に入れようということですね。
正解です。まず定義の質問ですが、ワークグラフとは何ですか。
Asanaが今日定義されている方法について考えてみてください。プロジェクトを作成でき、プロジェクトにアクセスできる人々のチームがいます。プロジェクト内には、個人が完了するタスクや作業項目があります。タスクが完了すると、プロジェクトが前進します。プロジェクトは、ポートフォリオと呼ばれるより広範なプロジェクトセットの一部である可能性があります。企業レベルの目標がある可能性もあります。
これがAsanaの背後にあるデータモデルです。Asanaは、チームが仕事を遂行し、チームが協調し、チームが混沌から明確さを見出すのを助けるというコンセプトによって動いています。そして、それを支える基礎となるデータモデルがあり、私たちはそれをワークグラフと呼んでいます。それが長年にわたって人間同士の協調機能を強化してきたものであり、それを私たちは公開してきました。そして、新しいAsana AIチームメイトのローンチで公開しました。これにより、AIエージェントがワークグラフを活用して、適切なビジネスコンテキストを取得したり、人間から学習したり、過去に人間がどのようにタスクを完了したかを学んだりといった、私が話している主要な成果を得られるようになります。
ワークグラフと共有メモリの仕組み
共有メモリと呼ばれるこの概念を作り出せます。たとえば、Alexさんがあなたがある特定のキャンペーンブリーフや、ローンチ計画内で見つけたリスクが間違っていると伝えたとします。私もそのAIチームメイトと同じプロジェクトにアクセスできる限り、私がそれを使うと、AIエージェントはAlexさんが伝えたことを覚えていて、同じ間違いを繰り返さないようにします。これは、今日使われているコパイロットや個人エージェントとの大きな違いです。
そこにはメモリがないのですね。
その通りです。共有メモリがありません。あなたが伝えたことを覚えていて、また同じことをするように頼むと、あなたに対してはその間違いを犯しませんが、私がコーチングしたことがなければ、私に対しては同じ間違いを犯します。
なるほど。では、あなたたちが構築しているものを正しく理解できているか確認させてください。Asanaでは、企業が目標を達成するために部門間で協調します。マーケティングの例を使いましょう。私はそれに詳しいですし、私はマーケティングでキャリアをスタートさせましたので。
そうですね。
マーケティングに転向する前に、ジャーナリズムとは全く逆の動きをしたのですが、それはまた別の話です。マーケティングでは、ビジネスオーナーからこのキャンペーンを割り当てられ、そのためのマーケティングキャンペーンを作成しなければなりません。最初に始まるのは、その情報を彼らから得て、クリエイティブブリーフを考え出すことです。
その通りです。
それで、Asana内で起こることは、Asana内でこのプロセスを構築し始め、部門をまたいで作業するということです。マーケティング内で作業し、最も面倒なのは承認を得ることです。それが承認を効率化する方法です。しかし、これらのAIエージェントは、プロジェクトを開始し、それに関する情報を入力すると、クリエイティブブリーフを書く担当者を割り当てることを考えるときに導入できるでしょうか。クリエイティブブリーフは、ターゲットオーディエンス、彼らへの利益、どのようにコミュニケーションするかを示すバイブル的なドキュメントですが。
製品の詳細をAsanaに入力したら、エージェントを使ってクリエイティブブリーフを書くことができますね。
100%できます。立ち上げ方は、最初の要件を収集してタスクに入れ、そのタスクを直接エージェントに割り当てます。
エージェントか人間かを選べるのですね。
その通りです。そして、エージェントは基本的に過去のキャンペーンを見て、これらが私たちの成功したマーケティングキャンペーンでした、過去にうまくいったものに沿ってクリエイティブブリーフを作成しましょう、となります。
まったくその通りです。エージェントはワークグラフにアクセスでき、過去のマーケティングキャンペーン、過去のキャンペーンブリーフドキュメント、クリエイティブブリーフドキュメントを見ることができます。また、詳細なウェブ検索と分析も行えます。ですから、公開キャンペーンや公開ストーリーを見ることができ、そのすべての入力を活用して、サブタスクに分解する研究計画を作成します。
研究計画をサブタスクに分解するとき、チーム内の誰でも、あなた自身でも、その特定のプロジェクトにアクセスできる同僚のマーケターでも、フィードバックを与えることができます。たとえば、2024年に書いたクリエイティブブリーフを見ているけど、それは実際にはうまくいかない、なぜならこういう問題があったから、というように伝えられます。
そのフィードバックを与えると、リアルタイムで研究計画を再計算して更新し、最終的にGoogleドキュメント形式またはWord形式のブリーフを作成します。設定によります。そして、人間がそのクリエイティブブリーフにフィードバックを与えられます。
繰り返しになりますが、これはマルチプレイヤー方式で実行されるため、マーケティングチーム全体が同じページにいられます。ドキュメントを受け取ったときに、プロンプトが何だったのか、研究計画は正しかったのかと誰も混乱しません。
タスクに戻ってそれが何だったかを見ることができます。あなたに直接連絡して、Xについて合意したのになぜこうなったのか理解できない、と言う必要がありません。それはすべてAsanaに記録されています。ですから、AIの出力がこのように見える理由を理解するという点で、協調にかかる税も削減されています。
そしてもちろん、承認はすでにAsana内に組み込まれています。クリエイティブブリーフを承認すれば、次の段階に進みます。最初にそのキャンペーンを依頼したビジネス部門や製品部門に戻り、彼らがそれを見始めることができます。望めば、彼らもAIエージェントが作成したすべての作業にアクセスできます。
ですから、AIエージェントの作業を見て、イエスかノーかを言ったり、ナッジやフィードバックを与えて再計算させたりすることもできます。
AIエージェントの活用と人間の役割
では、このミッションクリティカルな仕事の一部をAIエージェントに任せる意義は何でしょうか。このマーケティングの例を続けますが、優秀なクリエイティブディレクターがいるとします。彼らにこのポジショニングをリードしてもらいたいですよね。
それをAIに任せると、AIが平均の平均のようなものを与えるリスクはありませんか。これは通常、クリエイティブなタスクで行われることです。世界で行われてきたすべてを見て、次に最も可能性の高い計画が何かをある意味で予測するわけです。
では、仕事の一部をエージェントに任せると、どこで差別化が得られるのでしょうか。
目標は、協調の負担と、プロジェクトやタスクを過去にどのように行ってきたかを調べる負担を軽減し、クリエイティブディレクターが自分の帯域幅の100%を趣味と判断に適用できるようにすることです。
なるほど。
それがステップ1です。つまり、会社が過去に作成したこの歴史的なタスクやクリエイティブブリーフから学んでいるのです。繰り返しますが、世界中のクリエイティブブリーフの平均の平均を与えているわけではありません。あなたたちが過去にどのようにメッセージング、キャンペーンを行ってきたかに高度にトレーニングされ、集中しています。
ですから、それで80%または90%の良い状態になるはずで、AIスロップのようなものを作成しているわけではありません。それがステップ1です。
なるほど。
ステップ2は、クリエイティブディレクターが今、より多くの時間を持ち、その骨格部分をまとめるのではないため、趣味作りとクラフトに集中する時間がより多くあるということです。その80%良いまたは90%良い出力を取り、自分自身の印を、自分自身の印象を付けて、次のレベルに引き上げることができます。
そして、Asana内のこのモデルで本当に興味深いのは、共有メモリがあるため、クリエイティブディレクターが提供したフィードバックは何でも、エージェントが今後覚えているということです。ですから、次回誰が実行しても、90%になることを期待できます。そして、その90%以上に趣味と判断を適用することになります。
理論的には、すべてを前進させることになります。クリエイティブ出力の質、ローンチ計画のリスク分析の質、改善措置の質、すべてがどんどん良く、どんどん速くなっていきます。
そうですね、これはコンテキストウィンドウが非常に重要だという点です。AIエージェントに適切な量のコンテキストを注入したり含めたりしないと、平均の平均が得られます。
その通りです。
しかし、自分の組織や使用事例に独自にうまくいったもののコンテキストで溢れさせれば、平均の平均を与えるのではなく、自分自身に独自で特定されたものを与え始めるのです。
その通りです。
そうですね。では、この場合、クリエイティブディレクターはどうなるのでしょうか。最近、遠隔操作ロボットについて誰かと話していたのですが、その人が言っていたのは、ロボットの遠隔操作に行く場合、どこか外部の場所から人がロボットを指示しようとすると、通常4、5人必要なところを、一度に4、5台のロボットを動かせるということでした。
なるほど。
この協調の負担がすべて軽減されれば、1人のクリエイティブディレクターが4倍のキャンペーンを処理できるように思えます。それは正しいですか、それとも何か見落としていますか。
ええ、趣味作りの人々、自分のクラフトを本当に理解している人々を、自分の時間でより多くのことができるように引き上げるべきです。ですから、彼らはより多くを生産できるようになります。より高品質の出力を生産できるようになります。より高速で動けるようになります。
理論的には、ビジネスにとって、人的資本に100ドル費やしているとして、具体的に言うと、そこからますます多くの価値を得始めるでしょう。そして、より効果的になり、より差別化され、そしてより速く進むのを助けるはずです。
そうですね。私は最近、Nvidiaのジェンスン・フアンが言ったことが気に入りました。AIを解雇に使っているなら、想像力が欠けているということです。
まったくその通りです。そうですね、問題は、もっとやれということでしょうね。これはジェヴォンズのパラドックスですよね。特定の業界の垂直軸、特定の地域に集中していたとして、人的資本を見て、それが過去に400ドルで得られたのと同じ量の出力を生み出しているなら、今や既存の1つではなく、4倍の数の場所、地域の数、ターゲットオーディエンスを追いかけることができます。
なるほど。企業がそのような方向に進むことを本当に願っています。別の方法を試す企業もあると思いますが、そうしない企業に遅れを取るかもしれません。
ひとつ指摘しておきたいのは、今日、顧客は一般的に、AIを受け入れてきた人々が、投資からその指数関数的な出力のレベルを得ていないと思います。あるいは、正しい言い方は、指数関数的な成果のレベルを投資から得ていないということです。なぜなら、私たちの論点は、モデルが素晴らしくなったということだからです。
モデルは深い推論を行い、よくフォーマットされたコンテンツや、コード生成のような時代における長くて速いPRなどを作成するすべての複雑なロジックを生成できます。しかし、私たちが見ているのは、これらのモデルからの出力を高度にカスタマイズするために使用されているコンテキストが十分でないということです。
あなたのコメントにあったように、平均の平均の出力になってしまっているのです。そして2つ目は、より速く、より長い平均の平均の出力を得ているため、趣味作りを担当する人間が実際には遅くなっているということです。大量のコンテンツを見て、どうやって趣味を適用するか、どうやって判断を適用するか、どうやってこれを引き上げるかを理解しようとしなければなりません。ですから、実際には望む出力を得ていないのです。
高速で大量のテキストを得ていますが、実際にはビジネスを前進させていません。これが、プロダクト責任者の観点から私が解決しようとしている重要なことです。得られる出力が実際に成果を駆動することを確保しようとしています。出力が、企業固有のメモリに対して高度にトレーニングされ、高度に最適化されていることを確保しようとしています。
そして、そのエージェントにフィードバックを与えるたびに、企業内のすべての人間がそれを活用でき、自分たちの出力もより良くなるような方法で、より良くなっていくことを確保しようとしています。
協調税の観点から解決しようとしている2つの本当に重要なことがあります。ひとつは、この10倍、100倍、1000倍の速度で出てくるエージェント出力を活用しようとし、どうにかしてそれを理解しようとする代わりに、そのエージェント出力を高度に特定的で、高度に最適化され、あなたの企業にとって素晴らしいものにしましょう、ということです。
そして、それに提供する趣味や判断は何でも、チーム全体が恩恵を受ける方法で行えます。そして、これらの小さなノートブックやドキュメントを持って、Claudeを適切にプロンプトする方法や、私の個人的なagents.mdのレシピはこれだ、といったことをする必要はありません。
技術的であるかどうかに関係なく、誰にとってもより良くなるだけです。
AIチームメイトのローンチと機能
これが、ラボが能力のオーバーハングについて話すときのことです。基本的に、私たちはモデルを構築しました、今あなたは生産的な方法でそれを使う方法を見つけるだけです、ということです。
まったくその通りです。
このAIチームメイトのローンチは、基本的に今まさに起きていることです。
ええ、今まさに起きています。Asanaから購入する顧客に対して一般提供されています。21個の事前構築されたAIチームメイトを出荷しました。これらは、キャンペーンブリーフの作成やIT チケットの偏向ができるAIエージェントです。または、ローンチ計画を見て、そのローンチ計画を調べて、タスクとスケジュールに沿って進むのを助けることができます。
しかし、もちろん、自分で構築することもできます。それは、その行動ガイダンスを設定するプロンプトを提供するのと同じくらい簡単です。これらのAIエージェントで本当に興味深いのは、AsanaのWorkgraftとの接続です。ですから、適切なコンテキストから始まり、このエージェントメモリや企業メモリの概念があり、エージェントはそれらを利用する人間全体で、伝えられたこと、学んだことを覚えていられます。
では、理想的な世界でこれがどのようになるかについて少し話してください。すべてうまくいった場合です。これは人々の生活をどのように変えますか。
忙しい仕事を取り除き、中程度の平均的なコンテンツをさらに大量に得るという方法ではなく、あなたが働く方法、あなたの会社がミッションと価値をどのように設定したか、あなたの会社がどのように運営されているか、そしてあなたの会社レベルの目標が何であるかに対して、高度に最適化され、特化されたコンテンツをさらに大量に得るという方法で、人々の生活を変えます。
これにより、会社が成果指標を達成する能力が引き上げられるはずです。真の主要な結果対、ああ、たくさんのコードを出荷したけど実際には製品を販売できなかった、とか、5つの新しいキャンペーンを出荷したけど差別化されていなかった、というものです。
その差別化のレベルに到達し、主要な結果を得て、すべての人間チームメンバーを趣味作りの人に引き上げること。それらが私が駆動している成果です。
これらのエージェントがどのようにオンボーディングされるのか、非常に興味があります。自分でカスタムのものを構築できるとおっしゃいましたね。
ええ。
たとえば、クリエイティブディレクターを構築していなかったとして、私がクリエイティブディレクターを構築したいとします。Asana内でそのタイプの体験をどのようにオンボーディングするのですか。
もちろんです。その方法は、クリエイティブディレクターであるAIチームメイトを構築したいという小さなプロンプトを入力することです。ビルダーチャットAIエージェントが戻ってきて、では、このクリエイティブディレクターにどのようなプロジェクトとポートフォリオへのアクセスを持たせたいですか、と言います。
なぜなら、本物の人間のクリエイティブディレクターをチームに雇ったとしたら、おそらく彼らのためのオンボーディング計画があるでしょう。おそらく、会社のミッションと価値についてこれらのドキュメントを読むように伝え、クリエイティブチームが過去にどのように働いてきたかについて、これらのプロジェクトとタスクを見るように伝えるでしょう。そのコンテキストが提供されます。
なるほど。
そうすると、自動的にそれを調べて、スターター タスクを要求します。ですから、これらのタスクを私に割り当ててくれますか、なぜならこれは今後、私の仕事をより良くするのに役立つからです、と言います。
つまり、そうですね。
文字通り、これらのことに取り組みたいです、と言うのです。
ええ。ですから、プロジェクト内のすべてのタスクを調べて、オープンで未完了のものをいくつか見つけます。これらのスターター タスクは、仕事で学び始めるのに良いものに見えます、と言います。
そして、はい、それでやってください、と言えます。そして、それを使うにつれて、実行するたびにどんどん良くなっていきます。
突然、このタスクをやってくださいと言ったら、クリエイティブディレクターがCEOになろうとするような、暴走するAIについて心配する必要はありませんね。
ええ、ここには多くのチェックとバランスがあります。ですから、どのタスクを取り上げるかは完全にコントロールできます。標準の承認プロセスを通過します。ですから、人間がループ内で承認しない限り、他の人々のためにたくさんのコンテンツやタスクを作成して、ワークアウトの割り当てを始めることはできません。
ですから、そのようなことが起こるのを防ぐ十分なチェックとバランスがあります。または、それが起こることを望むなら、それは完全にあなたのコントロール下にあります。たとえば、私のCEOのように考え、過去にCEOから受けたすべてのフィードバックに基づいて、実際に私を批判できるエージェントが欲しいと言えます。
ですから、これらはすべて完全に問題ない使用事例ですが、人間は完全にコントロールしています。何が承認されるか、どのタスクが割り当てられるかのコントロールを知っています。プロジェクトが実際には完了していないと思えば、そう言えます。そうすると、それに反応するだけです。
モデル選択とフロンティアラボとの連携
OpenAI、Anthropicのような主要なモデル企業とどのように連携しているか、そしてどのタイプのモデルを入力するかをどのように選んでいるかについて教えてください。
私たちの研究開発チームは、フロンティアモデルプロバイダーと密接に連携しており、最新のリリースをすべてテストしています。Asana AI全体で、OpenAIとAnthropicの両方のモデルを使用しています。
すみません、彼らは忙しい人たちです。
忙しい人たちです。そうですね。Asana AI全体では、OpenAIとAnthropicの両方のモデルを使用しています。特に、AIチームメイトのローンチについては、AnthropicのClaude Opus 3.5モデルを選択しました。
それが今ローンチしているものです。それが動力源です。テストと分析で最高の結果を出しました。早期アクセスとベータの期間中にです。ですから、それが提供している能力に非常に興奮しています。そして、モデルプロバイダーが次にどこへ行くか、より多くの能力、より多くの推論などの点で、楽しみにしています。
そうですね。それについてどのように計画しますか。つまり、今日存在するこれらのモデル内の能力しか統合できませんが、地平線上にはいくつかの進歩が見えています。モデルがより能力が高くなったら再構築するということですか。
良いニュースは、Asanaが機能する方法、私たちが提供している真の価値は、企業レベルのコンテキストと共有メモリにあるということです。
ですから、それは推論モデルがより良くなるにつれて、即座により価値が高くなります。ですから、差別化された価値として提供するもの、それらは再構築する必要がないものです。なぜなら、それは入力コンテキストのようなものだからです。それがひとつの興味深い角度です。
2つ目は、私たちの観点ではマキシマリストです。つまり、モデルが今日何かをできないなら、実際にはできます、Opusは本当に良いHTMLプレビューを作成できます、キャンペーンが立ち上がった場合、更新されたウェブサイトがどのように見えるべきかの。
ですから、これらのエージェントのひとつにモックアップを作成するように伝えれば、それができます。しかし、今はできなかったとしましょう。私たちのR&Dの観点からの仮定は、モデルが今日欠けているスキルは何でも、将来は持つだろうということです。
ですから、それが来ると仮定し、それがあるべき場合、それをサポートする適切なフレームワークと適切な人間体験をどのように支援するかを見ることです。そして、そのレベルのマキシマリストな思考は、この時代には良いことです。なぜなら、モデルがさらに改善されるにつれて、4から6週間ごとに進歩が来るのを見ているからです。
Asanaが持つ差別化は、より重要になるのか、それとも重要でなくなるのでしょうか。流行語を使うのは嫌ですが、たとえばAGIに到達し、人間が行うすべてを見かけ上できるようになった場合、それは私たちをどこに導きますか。
繰り返しになりますが、ここには物理の法則のようなものがあると思います。コンテキストウィンドウと、それが学べること、覚えていることについての物理の法則があります。
ですから、私たちはこれらのベクトル全体にわたって、本物の厳しいコンピューターサイエンスの利益を提供しています。ですから、推論能力が向上しても、私たちがワークグラフを通じて提供するコンテキストグラフと共有メモリの概念から、極めて大きな価値が出続けると確信しています。
なるほど。プロダクト責任者がここにいるのは嬉しいです。なぜなら、これらのような細かいモデルの質問ができるからです。それで、OpenAIとAnthropicを使用しているとおっしゃいましたね。ひとつの質問は、なぜClaudeだけを使わないのかということです。Claudeは見かけ上、仕事のために構築されています。では、なぜ2つのモデルに広げるのですか。
繰り返しになりますが、この技術が時間とともにどのように進化しているかを見る必要があります。今、AIチームメイトにはOpenAIを使用していませんが、Asana AIの他の部分では使用しています。それらのモデルが、AIスタジオ機能内、または無料で提供している直接のAIチャット機能内で、それらの使用事例に対してコスト効率が高いか、高性能であることが証明されている場所です。
ですから、AIの幅広い応用があります。AIサマリゼーションのような非常に基本的なものや、Asanaとチャットして個人の仕事や活動からインサイトを得る方法などがあります。ですから、多数の使用事例があり、パフォーマンスの観点からだけでなく、純粋な馬力の能力だけでなく、結果を返す時間のパフォーマンス、決定論的対非決定論的ワークフロー、そしてコストの観点から、顧客にとって正しいことを行っていることを確保する必要があります。
ですから、これらすべてを考慮すると、複数のモデルの使用事例があります。しかし、繰り返し強調すると、AIチームメイトのローンチ、チームメイト自体はClaudeによって動力を得ています。
OpenAIは大規模な企業プッシュを行っています。企業ビジネスを獲得するために本当に一生懸命働いています。そこで改善が見られますか。そのタイプのビジネスに挑戦する機会があると思いますか。
彼らは非常に資金が豊富で、私たちと多く話しています。ですから、明確な勝者がいるかどうかを予測するのは非常に難しいと思います。
この特定の時点でそれを呼ぶことは可能だとは思いません。ですから、今後の彼らの進歩を楽しみにしています。そうですね。
オープンソースは使わないのですか。
今のところ、オープンソースモデルは使用していません。しかし、繰り返しになりますが、将来を見据えて、ある時点で検討することはできます。特定のペイロードに対して意味があるほど十分に良くなるかもしれません。
しかし、フロンティアラボの製品は、2026年3月のこの特定のフェーズでは、非常に差別化されていると言えます。
興味深いですね。かつてこのような進行を聞いたことがあります。基本的に、OpenAIから始めるのは、それが最も一般的だからです。次に、製品を相互運用可能にして、その中で任意のモデルを使用できるようにします。そして、オープンソースに卒業して、よりカスタマイズできるようにします。
フロンティアラボからカスタマイズの面で進歩があって、オープンソース対それらの上に構築できるようになったのですか、それとも何が起こったのですか。
良い質問です。起こったことは、繰り返しになりますが、私たちのマキシマリストな思考は、フロンティアラボが推論のレベルと彼らのモデルの能力において革新を続けるだろうということです。
ですから、これらのカスタマイズを作成したり、独自のトークンウェイトを追加したりしようとすることは、良いアイデアではなく、この特定の時点でのR&Dリソースの無駄です。なぜなら、私たちが見ている革新の速度があるからです。
彼らが持っている資金と彼らが持っている研究人材の質で、彼らのスペースで革新を続けると信頼しないのはなぜでしょうか。そして、基本的に私たちの使用事例に最適なものを評価するだけです。
私の観点は時間とともに変わるかもしれませんが、この時代では、十分な速度が彼らから出ているのを見ているので、遅れるかもしれない別の道を作ろうとすることは意味がありません。
それは驚くべきことです。なぜなら、従来の常識では、フロンティアラボはオープンソースの3から6ヶ月先を行っているというものですが、明らかに彼らがやっていることは非常に強力に革新しているので、行くことは意味がありません。
そうですね。そして3から6ヶ月は重要です。もしフォークを作成して、競争が行っている可能性があることより常に3から6ヶ月遅れているなら。
他の企業もあると思います、きっと、私たちがAsanaで取り組んでいるような課題のいくつかについて考えている企業が。彼らより3ヶ月か6ヶ月遅れたくありません。それは私にとって大きな問題になるでしょう。
ですから、モデル能力の点でエッジにとどまり、すべてのR&Dリソースが、私たちが持っている差別化の構築に専念されるようにしたいと思います。人間とAIの協調体験、ワークグラフがコンテキストウィンドウを爆発させない方法でより多くのコンテキストを提供する能力、共有メモリをより良く行う能力、より良い統合、より良いスキル。
それらが、フロンティアラボを出し抜こうとするのではなく、レーザー集中したい場所です。
賢いですね。終わる前にいくつか質問があります。今日、AIエージェントについて人々が誤解していると思うことは何ですか。
人々が誤解している第一のことは、素晴らしいアウトプットと成果を提供することを確保するために必要な作業量だと思います。
これらのデモを見て、ああ、すごい、と言うのは簡単です。AIチーフオブスタッフを持つことができる方法がたくさんあり、それは素晴らしく、私の一日のすべての忙しい仕事の世話をしてくれるでしょう、と。
それを設定し、実際に信頼でき、安全で、パフォーマンスが高く、AIスロップを生成しないように適切な種類のコンテキストを持つ方法で正しく行うためには、難しいです。
ですから、それが私たちが完全に集中している側面である理由です。つまり、モデル空間で起きている素晴らしい進歩が、アウトプットが本当のビジネス成果を駆動する方法で、実際のビジネス作業に使用できるようにしましょう、ノイズの速度だけでなく、ということです。
未来の展望と複数エージェントの管理
最後にひとつ聞かせてください。未来について少し考えて、プロダクトハットをかぶった状態で、いわば。私たちの生活の中に、私たちの個人的なもの、ビジネスのものを処理し、他のエージェントを実行させるために送り出すような、ひとつのマスターエージェントを持つのでしょうか。それとも、異なるインターフェースでエージェントからエージェントへと行くのでしょうか。
私の個人的な哲学は、おそらく異なることをするのが得意な異なるエージェントが欲しいということです。そして、それらのメモリに実際にある分離があることです。なぜなら、おそらく非常に複雑な課題があるからです。たとえば、あなたのエージェントが個人生活と仕事の生活の両方を処理している場合、これらは非決定論的ワークフローであるため、どうやって確実にわかりますか。
情報が一方から他方に漏れないことをどうやって確実にわかりますか。
本当にそれらが混ざることは望みません。
その通りです。ちなみに私の妻はジャーナリストです。ですから、ある意味で、私が個人的に持っているいくつかの特定のAsanaの会話は、彼女から抽象化しておく必要があります。なぜなら、それは重要な非公開情報だからです。
そうですね。
そして、私は人間として、コンテキストに基づいて何を共有し、何を共有しないかを知っているので、それは簡単です。しかし、繰り返しになりますが、AIエージェントが毎回それを正しく行うことをどうやって確実にわかりますか。それは難しいかもしれません。そして、おそらく複数のエージェントがいる場合に分離することが最善の行動です。
そうですね、あなたのエージェントや彼女のエージェントは、彼女にスクープを得るために最適化されているかもしれません。
その通りです。まさに。アクセスできます。
トラブルに巻き込まれる可能性があります。そうですね。
なるほど。AsanaのAIチームメイトについて学びたい人は、どこに行けばいいですか。
asana.comに行ってください。
なるほど。すべてそこにあります。そうですね。
わかりました。Arnob、番組に来てくれてありがとうございました。
お招きいただきありがとうございます。そうですね。
なるほど。ご視聴ありがとうございました。チャンネルでまた別のビデオでお会いしましょう。
コメント