Assaf Elovic, Head of AI at monday.com – Interview Series

Assaf Elovic, Head of AI at monday.com – je technológ, zakladatel a investor na předním místě inovace AI. Vytvořil GPT Researcher, prvního hlubokého výzkumného agenta s více než 20 000 hvězdiček na GitHubu, a spoluzaložil Tavily, vedoucí vyhledávač pro LLM. Ve společnosti monday.com řídí AI strategii společnosti napříč produktem, inženýrstvím, designem a marketingem, a současně působí jako scout společnosti Sequoia Capital, poradce a investor v začínajících AI startupů. Jeho kariéra zahrnuje vývoj produktů, vedení výzkumu a vývoje a rozšiřování globálních týmů, se stálým zaměřením na budování transformačních AI produktů a podporu další vlny AI poháněných společností.

monday.com je vedoucí pracovní operační systém, který umožňuje týmům spravovat projekty, pracovní postupy a spolupráci vysoce přizpůsobitelným způsobem. Důvěryhodný organizacemi po celém světě, platforma integruje AI poháněnou automatizaci, analytiku a bezproblémovou koordinaci mezi týmy, aby zvýšila produktivitu a urychlit rozhodování. S řešeními, která zahrnují projektový management, CRM, vývoj produktů a marketing, se monday.com stal centrálním uzlem pro podniky, které chtějí škálovat efektivně a inovovat rychleji.

Máte zkušenosti s vedením AI úsilí v některých z nejdynamičtějších společností v technologiích, včetně Wix a nyní monday.com—co vás osobně přitáhlo k výzvě budování inteligentních systémů?

Má cesta do AI začala během chatbotového boomu v roce 2015. Měl jsem interakci s AI botem, který mohl skutečně pochopit záměr; cítilo se to jako magie. To nebylo jen novinkou; řešilo skutečné problémy, jako je rezervace schůzek a odpovědi na komplexní otázky. Tento okamžik rozvířil mou zvědavost o tom, jak tyto systémy fungují.

Co mě opravdu přitáhlo, byla skutečnost, že AI se stala přístupnou. Některé nástroje a API umožňovaly vývojářům budovat robustní aplikace bez potřeby doktorského titulu v oblasti strojového učení. Neomezené možnosti byly vzrušující a věděl jsem, že chci přispět k této transformaci. Od té doby jsem se soustředil na budování AI produktů, které řeší skutečné výzvy a zlepšují životy lidí.

Výzva budování inteligentních systémů mě přitahuje, protože se nachází na rozhraní tvořivosti a nejmodernější technologie. Každý projekt je jako řešení nové hádanky; musíte pochopit nejen technické schopnosti, ale také, jak lidé skutečně pracují a co potřebují.

Předtím, než jste se připojil k monday.com, jste vytvořil open-source nástroje, jako je GPT Researcher, které rezonovaly s vývojáři a výzkumníky. Jak tyto komunitní zkušenosti ovlivnily váš přístup k budování podnikových AI produktů dnes?

Zkušenost s open-source mi naučila neocenitelné lekce o budování pro skutečné uživatelské potřeby, spíše než teoretické. Když budujete otevřeně, dostanete okamžitou, nefiltrovanou zpětnou vazbu od vývojářů, kteří se skutečně snaží řešit problémy. To mi naučilo soustředit se na praktickou užitečnost spíše než na působivé demo.

Práce s komunitou také zdůraznila důležitost zpřístupnění AI. Mnozí z vývojářů, kteří používali tyto nástroje, nebyli AI specialisty – budovali aplikace a potřebovali AI schopnosti, které byly spolehlivé a snadno integrovatelné. Tato zkušenost přímo ovlivňuje, jak přistupujeme k AI Blocks v monday.com: zpřístupňování powerful AI schopností nekvalifikovaným zákazníkům prostřednictvím intuitivních rozhraní.

Na začátku tohoto roku, monday.com nedávno odhalil odvážnou novou AI vizi se třemi pilíři: AI Blocks, Product Power-ups a Digitální pracovní síla. Jak se tato struktura vytvořila a jakou mezeru na trhu se snažíte vyplnit?

Naše AI vize vyšla z pozorování fundamentální výzvy: organizace všech velikostí chtějí využívat AI, ale většina řešení vyžaduje významnou technickou odbornost nebo je příliš rigidní pro rozmanité podnikové potřeby. Viděli jsme, že lidé nehledají jen další AI asistenta; potřebovali AI, které by mohlo bezproblémově integrovat do svých stávajících pracovních postupů a přizpůsobit se jejich specifickým procesům. Nakonec se soustředíme na pomoc lidem dokončit práci s AI, posun od pomoci lidem spravovat práci.

Mezera, kterou vyplňujeme, je prostor mezi jednoduchými AI nástroji a komplexními podnikovými řešeními. Mnohé podniky spadají do střední kategorie, kde potřebují více než základní automatizaci, ale nemohou ospravedlnit nebo implementovat těžká AI systémy. Naše trojpilířový přístup poskytuje organizacím flexibilitu začít jednoduše s bloky, vylepšit své produkty s power-upy a nakonec vybudovat sofistikované digitální pracovní síly.

Od spuštění jsme táhli silně napříč všemi vertikály s významným růstem v přijetí a placených uživatelích.

Také jsme představili “vibe coding” produkty, které cílí na naši misi demokratizovat software. S nejnovějšími pokroky v AI nikdy nebylo snadnější budovat plné aplikace s jednoduchým přirozeným jazykem. Naše nejnovější produkty, jako monday vibe a magic, mohou umožnit jakékoli nekvalifikovaným uživatelům využít monday ekosystém k budování přizpůsobených aplikací pro práci.

Můžete nás provést, jak AI Blocks fungují v praxi? Jaký je učení křivka pro nekvalifikované uživatele, kteří se snaží integrovat tyto nástroje do svých denních pracovních postupů?

AI Blocks jsou navrženy tak, aby byly stejně intuitivní jako stavební bloky – odtud název. V praxi by uživatel mohl táhnout “extrahovat termíny” blok do svého pracovního postupu pro správu projektů nebo přidat “shrnující poznámky ze schůzek” blok do svého týdenního přehledu. Bloky zpracovávají AI složitost na pozadí, zatímco prezentují zákazníkům jednoduchá, známá rozhraní.

Učení křivka je záměrně minimální. Viděli jsme týmy úspěšně implementovat AI Blocks ve svém prvním sezení. Například marketingový tým by mohl vytvořit pracovní postup, ve kterém jsou automaticky analyzovány sociální média a extrahovány klíčová témata, vše bez psaní jediné řádky kódu.

Klíčovým poznatkem je, že lidé nemusí rozumět, jak AI funguje, aby z něj mohli mít prospěch. Musí pouze rozumět svým vlastním procesům dostatečně dobře, aby identifikovali, kde by automatizace pomohla. Navrhli jsme bloky tak, aby odpovídaly mentálním modelům, které lidé již mají o svých pracovních postupech.

Vous nedávno spustili sadu AI poháněných nástrojů, včetně monday magic, monday vibe a monday sidekick. Co dělá tyto produkty odlišnými od tradičních asistentů nebo copilotů a jakou roli si představujete, že budou hrát napříč odvětvími?

Naše nejnovější verze představují komplexní přístup k AI na pracovišti, který jde za hranice tradičních asistentů. Každá schopnost slouží specifickému účelu, zatímco pracuje společně jako integrovaný ekosystém, který zásadně transformuje, jak týmy operují, upevňující náš posun od správy práce k provádění práce pro naše zákazníky.

monday magic přináší inteligentní automatizaci pracovních postupů, pomocí AI k předpovědi potřeb a automatizaci komplexních procesů, než si uživatelé uvědomí, že je potřebují. monday vibe je “vibe coding” platforma, která umožňuje komukoli budovat zabezpečené, přizpůsobené obchodní aplikace přizpůsobené přesně potřebám jejich týmu. A monday sidekick slouží jako váš kontextový AI společník, rozumí vašim specifickým pracovním vzorcům a poskytuje proaktivní pomoc přizpůsobenou vaší roli a odpovědnosti.

Společně tyto schopnosti přesouvají naše zákazníky za hranice pouhé správy a sledování práce a umožňují jim skutečně provádět ji inteligentněji. Místo toho, aby se soustředili na organizaci úkolů a monitorování pokroku, mohou týmy nyní spoléhat na AI, aby optimalizovaly výkon, předpovídaly výzvy a prováděly akce automaticky. Tento posun z pasivní správy k aktivnímu provádění je transformační; znamená to méně času stráveného na administrativní režii a více času zaměřeného na vysokohodnotnou práci, která přináší výsledky.

Co dělá tyto produkty odlišnými od tradičních asistentů, je jejich hluboká integrace s skutečným pracovním kontextem a jejich zaměření na proaktivní rather než reaktivní podporu. Zatímco většina AI asistentů čeká, až jim budete klást otázky, naše sada pozoruje vzorce, předpovídá potřeby a provádí akce v rámci vašich zavedených pracovních postupů a oprávnění.

monday.com zdůrazňuje vysvětlitelnost a uživatelský zážitek, ne jen surový modelový výkon. Jak vypadá to za scénou a jak vyvažujete transparentnost se silou?

Vysvětlitelnost je zásadní pro budování důvěry, zejména v podnikovém prostředí, kde rozhodnutí mají skutečné důsledky. Za scénou investujeme značně do transparentnosti našeho AI úsudku. Když náš Risk Analyzer označí potenciální zpoždění projektu, neoznámí pouze upozornění; ukazuje přesně, které faktory přispěly k tomuto hodnocení a jak je jistý v předpovědi.

Tento přístup přišel z experiencia. Rané AI systémy často vypadaly jako černé skříňky, což dělalo zákazníky váhavými, aby se na ně spoléhali pro důležitá rozhodnutí. Naučili jsme se, že zákazníci potřebují rozumět ne jen tomu, co AI navrhuje, ale proč to navrhuje.

Rovnováha mezi transparentností a silou spočívá v vrstveném odhalení. Poskytujeme okamžitou, akční informaci na povrchové úrovni, ale zákazníci mohou kliknout, aby viděli podrobné odůvodnění, když je potřebují. Tento přístup buduje důvěru, zatímco udržuje použitelnost – zákazníci důvěřují systému více, když rozumí, což paradoxně činí více ochotnými využít jeho plné schopnosti.

S více než 46 miliony AI akcí nyní provedenými na platformě, co jsou některé z nejvíce překvapivých nebo kreativních způsobů, kterými zákazníci použili AI?

Kreativita našich zákazníků nás neustále překvapuje. Viděli jsme, jak svatební plánovač použil AI Blocks k automatickému kategorizování odpovědí dodavatelů a extrahování klíčových detailů, jako jsou ceny a dostupné datumy. Vědecký tým vytvořil pracovní postup, který analyzuje akademické články a automaticky vyplňuje databázi klíčovými poznatky a metodickými poznámkami.

Jeden zvláště kreativní případ použití byl restaurační řetězec, který použil naše AI k analýze zákaznických zpětných vazeb napříč lokalitami a automaticky označil potenciální problémy s bezpečností potravin, detekující vzorce ve stížnostech.

Co je překvapivé, je to, jak zákazníci kombinují jednoduché bloky sofistikovaným způsobem. Neautomatizují pouze jednotlivé úkoly; přebudovávají celé procesy kolem AI schopností, které jsme výslovně nevytvořili pro jejich specifické použití.

Také působíte jako scout pro Sequoia Capital, investující do začínajících AI startupů. Z tohoto úhlu pohledu, jaké jsou nejčastější chyby, kterých se dopouštějí zakladatelé, když budují AI-first produkty?

Nejčastější chyba, kterou vidím, je, že zakladatelé jsou okouzleni technickými možnostmi AI, aniž by hluboce rozuměli skutečnému pracovnímu postupu a bolestem zákazníků. Budují působivé demo, které ukazuje AI schopnosti, ale nezřídí skutečné problémy způsobem, jakým lidé skutečně pracují.

Dalším častým problémem je slibovat AI autonomii příliš brzy. Mnozí zakladatelé chtějí budovat plně autonomní systémy, zatímco zákazníci skutečně potřebují spolupracující nástroje. Lidé chtějí AI, která bude doplňovat jejich schopnosti, ne nahrazovat jejich úsudek, zejména v podnikových rozhodnutích s vysokými ставkami.

Existuje také tendence podceňovat důležitost důvěry a vysvětlitelnosti. Zakladatelé se často soustředí na metriky přesnosti, ale zanedbávají uživatelský zážitek z nakládání s nejistotou a chybami. V podnikovém kontextu, zejména, zákazníci potřebují rozumět, kdy a proč důvěřovat AI doporučením.

Nakonec mnohé AI-first startupy bojují s distribucí. Mít skvělé AI technologie nestačí; musíte rozumět, jak je integrovat do stávajících pracovních postupů a prokázat jasnou návratnost investic pro rozhodčí, kteří mohou být skeptičtí vůči AI hype.

Jak si myslíte, že se AI agenti budou vyvíjet v příštích letech – stanou se více autonomními, více specializovanými nebo něčím úplně jiným?

Budeme sledovat, jak se AI agenti vyvinou směrem ke kontextové spolupráci, spíše než čisté autonomii. Budoucnost nejsou plně autonomní agenti, kteří činí nezávislá rozhodnutí, ale spíše agenti, kteří hluboce rozumí kontextu a mohou podniknout příslušné kroky na základě situace a uživatelských preferencí.

Pohybujeme se směrem k agentům, kteří mohou zpracovat rutinní rozhodnutí autonomně, zatímco bezproblémově eskalují komplexní nebo nejednoznačné situace lidem. To vyžaduje sofistikované pochopení kontextu, hodnocení rizika a uživatelského úmyslu, schopnosti, které se rychle zlepšují.

Také očekávám významný vývoj v koordinaci více agentů. Místo monolitických AI asistentů uvidíme specializované agenty, kteří spolupracují s ostatními a s lidmi v dynamických týmech. Váš výzkumný agent může spolupracovat se svým plánovacím agentem a komunikačním agentem, aby koordinoval komplexní projekt.

Klíčovým vývojem bude lidsko-AI rozhraní. Agenti se stanou lepšími v komunikaci svého úsudku, vyjadřování nejistoty a přizpůsobení individuálním pracovním stylům. Cílem je bezproblémová spolupráce, kde hranice mezi lidským a AI příspěvkem se stanou méně důležitými než kolektivní výsledek.

Interně, jak strukturalizujete spolupráci mezi vašimi AI, produktovými, designovými a GTM týmy, aby bylo zajištěno, že AI je bezproblémově integrováno do uživatelského zážitku?

Úspěšný vývoj AI produktů vyžaduje rozbití tradičních sil. Našli jsme, že klíčem je stanovení společného jazyka kolem AI schopností a limitů, které může použít každý, od inženýrů po designéry až po marketéry.

Náš proces začíná mezioborovými objevnými sezeními, kde prozkoumáváme uživatelské problémy společně, než budeme diskutovat o technických řešení. To zabraňuje běžné chybě, kdy se vede s AI schopnostmi a poté hledá problémy, které je třeba vyřešit.

Také investujeme značně do prototypování a uživatelského testování po celou dobu vývoje. Design a produktové týmy úzce spolupracují s AI inženýry, aby pochopili, co je možné, zatímco AI týmy se učí o skutečných uživatelských omezeních a preferencích. Tento oboustranný proces učení je zásadní pro vytváření AI funkcí, které se cítí přirozeně, nikoli bolted-on.

Z GTM perspektivy jsou naše týmy zapojeny do vývojového procesu od samého začátku. Pomáhají nám pochopit, co zákazníci chtějí, ale také, jak myslí o AI, jaké obavy mají a jak preferují se učit o nových schopnostech. Tento vhled přímo ovlivňuje jak návrh produktu, tak technickou implementaci.

Nakonec, jako někdo, kdo spojuje open source, podnikovou AI a VC, kde si myslíte, že bude příští velký AI průlom – ve nástrojích, infrastruktuře nebo něčem, na co jsme ještě neviděli?

Příští průlom pravděpodobně nastane na rozhraní lidsko-AI spolupráce. Učinili jsme významný pokrok v modelových schopnostech, ale jsme stále na počátku porozumění, jak lidé a AI systémy mohou spolupracovat nejúčinněji.

Průlom nebude v tom, aby se AI stal více autonomním, ale v tom, aby se lidsko-AI spolupráce stala více tekoucí a přirozenou. To zahrnuje pokroky v tom, jak AI systémy komunikují nejistotu, jak se přizpůsobují individuálním pracovním stylům a jak koordinují s více lidmi a dalšími AI systémy současně.

Z infrastrukturálního hlediska sleduji vývoj v reálném čase, kontextovém AI, který může pochopit a jednat na základě dynamických informačních toků. Schopnost budovat AI systémy, které udržují kontext po dlouhou dobu a napříč několika interakcemi, umožní zcela nové kategorie aplikací.

Ale upřímně, nejvíce vzrušující průlomy mohou pocházet z neočekávaných směrů. Stejně jako transforméry vyšly z mechanismů pozornosti v neuronálním strojovém překladu, další významný pokrok může pocházet z řešení úzce vymezeného problému, který má široké aplikace. Klíčem je udržovat začínající mysl a zůstat otevřený možnostem, které jsme ještě neimaginovali.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit monday.com.