Asana, 사용자별로 흩어지는 AI agent 교정 문제 겨냥해 팀 전체에 적용되는 shared memory 아키텍처 강조

본 기사는 AI agent가 개인의 프롬프트 개선이나 피드백은 학습하더라도 같은 팀의 다른 사용자에게는 그 개선이 전달되지 않는 문제를 짚습니다. Asana는 팀원이 agent를 교정하면 해당 변경이 전체 팀에 반영되는 shared memory 기반 Agentic Work Management 플랫폼을 내세우며, 지식 노동자의 75%가 AI를 쓰지만 생산성 향상을 보고한 기업은 5%에 그친다는 자체 조사 결과를 제시했습니다.

enterprise AI 도입의 병목은 모델의 추론 성능만이 아니라 조직 맥락을 지속적으로 축적·공유하는 context layer의 부재로 이동하고 있습니다. multi-agent workflow가 확산될수록 각 agent가 같은 업무 맥락과 행동 규칙을 참조하도록 만드는 메모리 아키텍처가 생산성, 거버넌스, 보안 설계의 핵심 경쟁 요소가 될 가능성이 큽니다.