Modele i platformy AI

Smartsheet prezentuje vsActual i Execution Graph dla sztucznej inteligencji w przedsiębiorstwach

mm
Dodaj Unite.AI do preferowanych źródeł w Google
Conceptual illustration of strategy, project timelines and resources connected through an execution graph.

Sztuczna inteligencja może pomóc zespołowi szybciej wykonywać zadania, niekoniecznie pomagając organizacji realizować jej strategię. Smartsheet chce wypełnić tę lukę za pomocą vsActual — nowego, samodzielnego produktu do planowania i realizacji, zaprojektowanego od podstaw z myślą o AI, który zaprezentowano na konferencji dla klientów ENGAGE 2026.

Oprócz vsActual firma zapowiedziała wyspecjalizowanych agentów, cykliczne przepływy pracy oparte na agentach, nowe integracje i dodatkowe zabezpieczenia. Łącznie te aktualizacje mają zapewnić AI pełniejszy obraz zależności między projektami, ludźmi, budżetami i priorytetami biznesowymi oraz sygnalizować, gdy rzeczywista praca zaczyna odbiegać od zatwierdzonego planu.

vsActual łączy strategię z bieżącą pracą

vsActual ma działać w różnych systemach, z których zespoły już korzystają, zamiast wymagać przeniesienia wszystkich działań do nowego narzędzia do zarządzania projektami. Smartsheet wymienia wśród obsługiwanych systemów platformy finansowe, HR, obsługi klienta i usługowe, takie jak Oracle, SAP, Workday, Salesforce, Jira i ServiceNow.

Punktem wyjścia jest sama strategia. Produkt przekształca plany z prezentacji, dokumentów budżetowych lub arkuszy kalkulacyjnych w aktualizowany na bieżąco plan obejmujący cele, harmonogramy i ograniczenia, takie jak wydatki i dostępność personelu. Nowe wnioski można następnie oceniać pod kątem zgodności z tymi priorytetami.

Funkcje planowania scenariuszowego mają pokazywać budżetowe i kadrowe konsekwencje decyzji, zanim kierownik ją zatwierdzi. Po wybraniu scenariusza staje się on obowiązującym planem. Następnie agenci porównują trwające prace z tym planem, wykrywają pojawiające się opóźnienia lub konflikty dotyczące zasobów i przygotowują podsumowania dla kadry kierowniczej na podstawie danych źródłowych.

„Każda firma ma strategię. Wygrywają te, których działania rzeczywiście ją realizują” — powiedział Rajeev Singh, dyrektor generalny Smartsheet. Opisał vsActual jako sposób na zmniejszenie rozbieżności między planami a rzeczywistymi wynikami.

Jedno z kluczowych ograniczeń dotyczy roli ludzi: firma twierdzi, że agenci nie mogą samodzielnie zmieniać planu, a rekomendacje zawierają uzasadnienie do wglądu kierowników. W ogłoszeniu firma zachęca klientów do rejestrowania się, by otrzymywać aktualizacje, ale nie podaje, kiedy vsActual będzie ogólnie dostępny ani ile będzie kosztować.

Execution Graph dostarcza kontekstu biznesowego

Podstawą vsActual jest Execution Graph firmy Smartsheet, który odwzorowuje zależności między poszczególnymi zadaniami, projektami i programami a celami strategicznymi. Firma informuje, że rozwiązanie korzysta z 20 lat doświadczeń w zakresie przepływów pracy, milionów projektów i dziewięciu petabajtów danych.

Koncepcja techniczna wykracza poza gromadzenie dokumentów na potrzeby chatbota. Przydatny model realizacji musi odwzorowywać zależności: to, która inicjatywa zależy od opóźnionego projektu, które zespoły korzystają z tych samych ograniczonych zasobów, kto odpowiada za decyzję oraz jakie uprawnienia lub zatwierdzenia warunkują kolejny krok. Smartsheet twierdzi, że graf uwzględnia te relacje operacyjne i wymogi ładu korporacyjnego.

Na przykład opóźnienie kamienia milowego może być możliwe do opanowania, jeśli rozpatruje się je osobno, ale stać się krytyczne, gdy kilka finansowanych inicjatyw zależy od tego samego zespołu. Połączenie harmonogramów, dostępności zasobów i priorytetów strategicznych może pozwolić wykryć taki konflikt wcześniej niż przy korzystaniu z oddzielnych pulpitów. Przydatność rekomendacji nadal zależy od kompletności i aktualności połączonych danych.

Dotychczasowa architektura AI firmy Smartsheet łączy już jej warstwę inteligencji i graf wiedzy z modelami podstawowymi udostępnianymi za pośrednictwem Azure OpenAI i Amazon Bedrock. Z publicznej dokumentacji firmy wynika, że rozwiązanie dodaje do modeli ogólnego przeznaczenia kontekst związany z konkretną pracą. Nowy Execution Graph rozszerza nacisk firmy na kontekst, obejmując planowanie i realizację; w komunikacie nie wskazano nowego, wytrenowanego modelu podstawowego ani nie opublikowano porównawczych wyników wydajności.

Nowi agenci zajmują się konfigurowaniem projektów i cyklicznymi kontrolami

Wraz z aktualizacją platformy wprowadzono przepływy pracy oparte na agentach, które przekształcają instrukcje w języku naturalnym w cykliczne zadania, takie jak przygotowywanie cotygodniowego podsumowania projektu lub sprawdzanie ryzyka i zależności. Wyniki trafiają do odpowiednich osób, bez konieczności ponawiania prośby za każdym razem.

Wśród funkcji dostępnych od premiery wymieniono także dwóch wyspecjalizowanych agentów. Agent tworzenia buduje struktury projektów, w tym arkusze, pulpity, raporty i automatyzacje, na podstawie celu opisanego prostym językiem. Agent jakości danych analizuje arkusze i oznacza problemy według ich wagi — na żądanie lub zgodnie z harmonogramem.

Funkcje te rozwijają możliwości Smart Assist i serwera Model Context Protocol firmy Smartsheet. Dotychczasowa dokumentacja wyjaśnia, jak wbudowany asystent i zgodne z nim zewnętrzne narzędzia AI mogą odczytywać aktualne dane projektowe i wykonywać działania za zgodą użytkownika. MCP zapewnia wspólny interfejs połączenia; odpowiedni kontekst i egzekwowanie zasad dostępu nadal muszą zapewniać aplikacje korzystające z tego interfejsu.

Smartsheet ogłosił również natywne integracje z ServiceNow, Microsoft Dynamics 365, HubSpot i Workday. Osobny agent integracyjny jest dostępny w ramach wczesnego dostępu; początkowo obsługuje GitHub, Zendesk, Airtable i Monday.com. Ma umożliwiać klientom proszenie w formie konwersacji o połączenie z zewnętrznym źródłem danych.

Ład korporacyjny staje się częścią warstwy realizacji

W miarę jak agenci zyskują zdolność do działania, uprawnienia stają się równie ważne jak jakość ich odpowiedzi. Smartsheet twierdzi, że ludzie i agenci korzystają z tego samego grafu objętego nadzorem, a agenci mają ograniczone uprawnienia dostępu i możliwość wprowadzania zmian do zakresu dozwolonego osobie, którą reprezentują.

Nowe mechanizmy kontroli obejmują strumieniowe przesyłanie zdarzeń związanych z bezpieczeństwem, które niemal w czasie rzeczywistym przekazuje zdarzenia audytowe do narzędzi takich jak Splunk i Microsoft Sentinel. Klasyfikacja danych, dostępna w ramach Smartsheet Safeguard, pozwala administratorom definiować etykiety wrażliwości oraz śledzić ich wykorzystanie za pomocą scentralizowanych raportów i ścieżki audytu.

Firma ogłosiła również uzyskanie certyfikatu ISO/IEC 42001 w zakresie zarządzania sztuczną inteligencją oraz przeprowadzenie australijskiej oceny bezpieczeństwa IRAP. Pierwsze z tych działań dotyczy zarządzania sztuczną inteligencją w organizacji, a drugie — ocenionych mechanizmów kontroli bezpieczeństwa; żadne z nich nie gwarantuje poprawności każdej rekomendacji wygenerowanej przez sztuczną inteligencję.

Szerszy Centrum zaufania Smartsheet opisuje uprawnienia na poziomie poszczególnych elementów, mechanizmy kontroli tożsamości i funkcje audytowe, a także stwierdza, że dane klientów nie są wykorzystywane do trenowania zewnętrznych modeli bazowych. Zobowiązania te stanowią istotny kontekst, natomiast nowe rozwiązania zapewniają dodatkowe mechanizmy kontroli, których celem jest skalowanie aktywności agentów.

Dla przedsiębiorstw kluczowe jest pytanie, czy sztuczna inteligencja potrafi zachować użyteczne, objęte nadzorem rozumienie realizacji zadań w rozproszonych systemach. Smartsheet stawia na to, że historia firmy w dziedzinie zarządzania pracą zapewnia jej kontekst potrzebny do osiągnięcia tego celu. Znaczenie vsActual będzie zależeć od tego, jak skutecznie rozwiązanie przełoży ten kontekst na podejmowane na czas decyzje dotyczące priorytetów, zasobów i działań naprawczych.

Aiden Cross jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się strategią produktów AI, wykonaniem oraz praktycznymi wyzwaniami związanymi z przekształcaniem modeli eksperymentalnych w produkty skalowalne i gotowe do wejścia na rynek. Jego praca koncentruje się na tym, jak startupy i zespoły przedsiębiorstw przechodzą od prototypów i demonstracji do niezawodnych systemów używanych przez prawdziwych klientów.
Z pragmatycznym i szczegółowym podejściem Aiden analizuje plany rozwoju produktów, strategie wejścia na rynek, decyzje dotyczące platformy oraz kompromisy organizacyjne, które determinują, czy inicjatywy AI odnoszą sukces, czy utykają w miejscu. Zwraca szczególną uwagę na realia wdrożenia, przyjęcie przez użytkowników, ograniczenia infrastruktury oraz zgodność między możliwościami technicznymi a wartością biznesową.
Artykuły autorstwa Aidena Crossa są wygenerowane przez sztuczną inteligencję i sprawdzane przez zespół redakcyjny Unite.AI, aby zapewnić klarowność, dokładność i odpowiedzialne relacjonowanie, w jaki sposób produkty AI są tworzone, udostępniane użytkownikom i skalowane w świecie rzeczywistym.