Matt Martin, medstifter og administrerende direktør for Clockwise – Intervju-serie

Matt Martin, medstifter og administrerende direktør for Clockwise, er en tidligere advokat, der blev ingeniør og iværksætter, og som har bygget en af de mest avancerede AI-drevne planlægningsplatforme i verden. Siden han grundlagde Clockwise i 2016, har han ledet virksomheden på en mission for at genopfinde, hvordan videnarbejdere styrer deres tid, og har hjulpet mere end 40.000 virksomheder, herunder Atlassian (TEAM ), Asana og Uber. Med en karriere, der har spændt over jura, produktledelse og software-udvikling, kombinerer Matt en unik blanding af analytisk strenghed og teknisk ekspertise for at tackle en af arbejdspladsens mest oversete udfordringer: at få tid til det, der virkelig betyder noget.

Du har en unik vej fra advokat til software-udvikler til grundlægger — hvad var det, der til sidst fik dig til at starte Clockwise i 2016, og hvordan formede din baggrund virksomhedens mission?

Der er en ikke-så-åbenlys tråd: Jeg har altid været en stor nørd! Fra at bygge websites på det tidlige web til at bygge hold, når jeg ser et interessant problem, bliver jeg suget ind. At skifte fra jura til tech i Bay Area gav mig en unik perspektiv på et universelt problem: hvor dårlig kalenderstyring var blevet. Møder efter møder, dobbeltbookninger og en komplet mangel på tid til at udføre meningsfuld arbejde.

Jeg værdsætter min juridiske uddannelse, men jeg kan ikke påstå, at det er direkte anvendeligt på min dag-til-dag nu. Det var mine startup-år, hvor jeg arbejdede for virksomheder, der ikke kunne skala effektivt, delvist fordi alle var fanget i mødehelvede, der kristalliserede muligheden.

Det, der formede Clockwises mission — at hjælpe mennesker med at få tid til det, der betyder mest i deres dage — var at indse, modsat almindelig tro, at produktivitet ikke er et individuelt problem, men en grundlæggende forretningsøkonomisk problem. De bedste virksomheder i verden har brillante mennesker, men hvis disse mennesker ikke kan finde tid til at tænke og skabe, fordi de konstant skal skifte mellem møder, er det en massiv belastning på innovation og vækst.

Vi byggede Clockwise for at give virksomheder tilbage, hvad der betyder mest: fokuseret tid for deres mennesker til at udføre deres bedste arbejde.

Hvilket hul så du i arbejdspladsens produktivitet og planlægning, der overbeviste dig om, at det var værd at dedikere næsten et årti til at løse?

Jeg var leder af en front-end-udviklingshold, og jeg blev træt af at bruge utallige timer på at rekruttere, onboarde og integrere nye ingeniører, kun for at have dem komme til mig få måneder senere og klage over, hvor lidt tid de havde i ugen til at kode. Hvad er det her!? De vil gerne udføre godt arbejde, vi betaler dem (meget) for at udføre godt arbejde, og alligevel tager ingen i virksomheden nogen ansvar for den forfærdelige impact, dårlige planer har på disse mennesker. Det føltes vanvittigt.

Vi behandler tidsstyring som en individuel byrde, men det er sådan en cop-out. Denne “sink eller svøm” tilgang til tidsstyring repræsenterer systematisk organisationsfejl forkleddet som personlig ansvarlighed. I virkeligheden kontrollerer medarbejderne ikke rigtig deres egen tid! Det er, fordi tid er et netværksystem. Når en person planlægger et møde, har det en indvirkning på alle deltageres kalender, plus alle, de mødes med, også. En enkelt ændring af planen kan påvirke produktiviteten på hele hold.

Den primære input til en videnøkonomi er tiden og opmærksomheden fra enkeltmedarbejdere. En virksomhed, der kan øge mængden af betydningsfuld medarbejder-tid, vil have en utrolig fordel på markedet. Og ethvert stykke software, der kan kunne aktivere denne produktivitet, vil være vanvittigt værdifuldt. Det er problemet, der er værd at dedikere næsten et årti til at løse.

Clockwise er nu brugt af over 40.000 organisationer, herunder navne som Atlassian, Uber og Netflix. Hvad tror du har resonanseret mest med enterprise-kunder?

Når hold vokser, langsommere beslutninger, fremgang og produktivitet. Ikke at nævne, at planlægning bliver endnu mere kompleks.

Virksomheder som Uber og Atlassian forstår straks, at mindre tid brugt på koordinering af planer betyder mere tid til betydningsfuldt arbejde – det er derfor, de afhænger af os til at håndtere kompleksiteterne ved at optimere kalendere på tværs af hele organisationen.

Sæt, jeg vil planlægge en times lang synkronisering med mit hold. På overfladen ser det ud til at være ret enkelt, men der er faktisk ret mange begrænsninger at tage i betragtning, når det kommer til at finde en tid, der fungerer for alle:

• 8 personer på tværs af 3 tidszoner
• 2 personer har “ingen møder før 10” præferencer
• 1 person er på rejse næste uge
• 3 deltagere kræver forberedelsestid

Clockwise internaliserer alle krav og flytter modsatrettede begivenheder for at skabe plads til det nye møde. Det, der resonanserer med kunder, er, at de ikke behøver at håndtere den påkrævede kalender-Tetris. De ved, at vigtige møder vil finde sted, ikke-presserende punkter vil blive omplanlagt, og konflikter vil blive løst – alt sammen automatisk.

Indtil nu har vi skabt over 7 millioner timer til dybt arbejde og omplanlagt over 18 millioner møder. For virksomheder er det en målbart ROI på produktivitet.

Denne uge annoncerer du en ny generation af din planlægningshjerne og MCP-server. Hvilke aspekter af denne lancering tror du vil have den største umiddelbare indvirkning på brugere?

Da AI-økosystemet eksploderer, synes det, som om hver virksomhed under solen har udgivet en assistent, men derefter fejler det mest basale assistent-opgave: planlægning af møder. Vi løser det.

Clockwise MCP giver AI-agenter adgang til verdens mest avancerede planlægningshjerne (som vi har brugt 9 år på at bygge), hvilket muliggør, at de kan tænke over tid med menneske-lignende nuance. For første gang kan AI-planlægning træffe beslutninger og implementere kalenderændringer baseret på dyb kontekstuel forståelse, ikke kun på, hvilken tid der er tilgængelig.

Den umiddelbare indvirkning er, at du nu kan sige til Claude, ChatGPT eller Cursor: “Planlæg en 90-minutters produktgennemgang med mit distribuerede hold denne uge, respekterende alle fokus-blokke og tidszoner” og det virker, som du ville forvente, at en menneskelig assistent håndterer det.

Ud over direkte planlægning låser brugen af de unikke muligheder i LLM’er sammen med Clockwise MCP også op for helt nye arbejdsprocesser. For eksempel kunne du bede Claude om at vise dig, hvordan dit holds produktivitet ser ud over de sidste måneder, optimere din plan følge Cal Newport’s Deep Work-metodologi eller gennemgå din børns skolebulletin og blokere alle vigtige datoer på din kalender.

Det er forskellen mellem AI, der kan læse din kalender, og AI, der kan tænke som en erfaren EA. Denne forskel transformerer disse værktøjer fra imponerende demoer til virkelig nyttige arbejdsplads-assistenter.

Mange AI-assistenter kan generere tekst eller kode, men fejler på planlægning. Hvorfor er tid så svært for AI at håndtere?

At manipulere med tid er noget, mennesker håndterer intuitivt med nuance. Men bed en AI-assistent om at planlægge et holdmøde næste uge, og den vil foreslå en tid, hvor halvdelen af holdet sover eller er i dybe fokus-blokke.

Det skyldes, at de fleste kalenderintegrationer behandler planlægning som database-forespørgsler. De kan finde ledige pladser og udfylde dem, men de kan ikke træffe de smarte beslutninger, som reel planlægning kræver.

Problemet er kontekst. Effektiv planlægning kræver en forståelse af menneskelige arbejdsmønstre ud over enkel tilgængelighed. AI har brug for at vide, at Alex gerne vil hente kaffe efter at have afleveret børnene i skole, hvilket gør, at dette vindue er perfekt til en uformel telefon-samtale, men ikke til en Zoom-præsentation. Eller at Johanna har brug for 10 minutter mellem møder for at håndtere handlinger, og hendes hyppige rejser kræver asynkron møde-format.

En kontroversiel holdning: men jeg tror ikke, at at kaste mere data og beregning på dette problem vil resultere i en god løsning på noget tidspunkt.

Hvordan adskiller den nye planlægningshjerne sig fra tidligere versioner af Clockwise, og hvilke forbedringer kan brugere forvente?

Vi arbejder altid på at forbedre vores planlægningshjerne, og denne næste generation af intelligens er bemærkelsesværdig i sin evne til at være kontekstuel og tilgængelig påkrævet.

Den største ændring er at gå fra reaktiv til proaktiv planlægning. Tidligere ville Clockwise optimere din kalender på en fast daglig plan; nu kan du generere optimeringer påkrævet, når du har brug for dem.

Vi har også aktiveret hjernens evne til at tænke mere holistisk omkring din komplette arbejdsmængde. Den nye opgave-integration tillader Clockwise at koordinere tid for dine opgaver sammen med møder, samtidig med at den respekterer deadlines og fokus-blok-præferencer. Det er ikke længere kun om at styre møder; det er om at styre alt det vigtige arbejde, du skal udføre mellem møderne.

Og vi har dramatisk forbedret den underliggende algoritmes evne til at behandle multiple planlægningsændringer samtidigt. Lad os sige, du vil omplanlægge alle dine 1-til-1-møder for ugen. Denne ene anmodning får Clockwise til at tage handling på tværs af multiple kalenderbegivenheder. Disse algoritme-forbedringer resulterer i højere succesrater for at skabe fokus-tid og forbedre resultater for brugere.

Opdateringen introducerer funktioner som påkrævet optimering, opgave-integration og analytik. Hvordan ændrer disse forbedringer måden, hvorpå individer og hold kan arbejde med deres kalendere?

Påkrævet optimering er en game-changer for individer, der vil tage umiddelbar handling, snarere end at vente på, at systemet beslutter, hvornår det skal hjælpe. Opgave-integration er enormt, fordi den endelig brobygger gapet mellem mødeplaner og faktisk at udføre arbejde.

For hold er analytik-funktionerne transformerende. Chefer kan nu spotte mønstre, de aldrig har set før – som at identificere, hvornår en persons konstant er i møder efter møder, eller hvornår holdets fælles fokus-tid bliver undermineret af møde-kryb. Nu kan ledere træffe datadrevne beslutninger om arbejdsmængdefordeling og mødehygiejne i stedet for bare at håbe, at alle styrer deres tid godt.

Kombinationen af disse forbedringer betyder, at hold kan gå fra reaktiv kalenderstyring til proaktiv tidsstrategi.

Hvad spiller data — som de 17 millioner månedlige kalenderbegivenheder, Clockwise analyserer — for rolle i at aktivere menneske-lignende planlægningsintelligens?

Der er to lag i dette svar.

Først, på en meget direkte måde, muliggør den massive mængde data, vi behandler og analyserer, os til at levere en bedre, mere nuanceret planlægningshjerne. Clockwise analyserer over 160 millioner kalenderdata-punkter hver dag, tester millioner af kalender-arrangementer og orkestrerer optimeringer for at holde hold produktive. Systemet aggregaterer denne information for bedre at forstå, hvordan og hvornår enkeltpersoner, hold og hele organisationer faktisk udfører deres bedste arbejde. Dette genindføres derefter i produktet i alt fra algoritme-forbedringer til bedre UI/UX.

Anden, givet skalaen af kalenderdata – både hård data, der flyder fra API’er, men lige så vigtigt, blød data i form af enkeltpræferencer – inden for moderne organisationer gør det bogstaveligt talt umuligt for nogen enkelt menneske at navigere.

Mens de bedste menneskelige assistenter er gode til at træffe beslutninger baseret på kontekstuel viden, kan de virkelig kun optimere for en, to, måske tre personer ad gangen. Det er simpelthen for komplekst at navigere i de kombinatoriske begrænsninger for alle deltagerne. En AI-kalender-assistent kan derimod effektivt planlægge på virksomheds-skala ved at kombinere systemer med domæne-kendskab og effektivt behandle store mængder data.

Traditionel planlægning spørger: “Hvornår er alle ledige?” Men det bedre spørgsmål er: “Hvornår er den bedste tid for dette arbejde at blive udført, og hvordan kan vi gøre det?” Du kan virkelig kun håndtere dette spørgsmål for alle, hvis du opererer på tværs af alle menneskers planer samtidigt.

Hvordan ser du, at virksomheder vil udnytte Clockwise MCP med agenter fra Anthropic, OpenAI og andre? Er vi på vej mod, at hver virksomhed kører sin egen AI-drevne executive-assistent?

Det er enhver, der kan sige lige nu, men min bedste gæt er, at der vil være to assistent-lag i virksomheden: ét lag vil give hver medarbejder en orkestrerende agent – dette kan ligne en super-udviklet EA eller Chief of Staff – der kan kalde på multiple forskellige agenter, der er domæne-eksperter i bestemte områder. Jeg tror, det er sandsynligt, at et par forskellige udbydere vil opstå til den orkestrerende agent. I modsætning til forbruger-rummet, hvor ChatGPT er ved at opstå som den dominerende, tenderer virksomheder til at splittes baseret på de specifikke behov for forskellige organisationer.

Det domæne-specifikke agent-rum vil være langt mere divers og interessant. Ligesom du ikke nødvendigvis vil have, at Microsoft (MSFT ) skal levere hver enkelt stykke software til din organisation (selvom Microsoft bestemt gerne vil!), er det tydeligt, at vi alle vil have hjælp fra specifikke agenter leveret af specifikke software-udbydere til at håndtere specialiserede opgaver.

Planlægning og tidsstyring er bestemt et af disse specialiserede tilfælde. For at få det rigtigt, har AI brug for de færdigheder til at levere, hvad mennesker faktisk har brug for for at gøre deres arbejdsdage mere produktive. Forestil dig en kalender-agent, der kender hele dit holds leveringsmuligheder, personlige energimønstre og organisationsprioriteter, og derefter automatisk orkestrerer alle menneskers planer for at optimere resultater. Ingen tilbage- og frem-ad-emails, ingen møde-konflikter, ingen kontekst-skift. Assistenter vil udvikle sig fra “Hej, du har et møde om 10 minutter” til “Jeg har forberedt dine talepunkter, ryddet konfliktende prioriteringer og sikret, at alle interessenter har forhånds-læsningsmateriale”.

Virksomheder, der engagerer sig i at integrere tids-mæssig forståelse i deres AI-arbejdsprocesser, vil ikke kun redde os fra dårlige møder; de vil låse op for en ny front af produktivitet drevet af menneske-AI-samarbejde.

Hvilke sikkerhedsforanstaltninger eller etiske overvejelser kommer i spil, når man bygger en AI, der tænker over, hvordan mennesker bruger deres tid?

Først, fra et privatlivssynspunkt, tillader vi aldrig modeller adgang til kunde-data til træning. Aldrig. Og vi går til store længder for at sikre, at dette er tilfældet. Kunde-tillid er absolut afgørende, ikke kun for vores kommercielle succes, men også for vores virksomheds-værdier.

Anden, vi optimerer for menneske-lignende trivsel (som fokus-blokke, møde-pauser og frokost) over traditionelle produktivitets-målinger. Vi undgår eksplit udvikler funktioner, der kan muliggøre mikro-styring eller arbejdsplads-overvågning: ingen dashboards om holdets møde-vaner, ingen “produktivitets-score” til performance-gennemgange. Mens bruger-præferencer informerer Clockwises optimeringer, beholder mennesker kontrollen over deres kalendere, samtidig med at de får intelligente anbefalinger, de kan acceptere eller ignorere. Vi reducerer planlægnings-friction, samtidig med at vi fastholder menneskelig kontrol over folks mest værdifulde ressource: deres tid.

Set fremad, hvordan ser du forholdet mellem AI-assistenter og menneske-lignende produktivitet udvikle sig over de næste fem år, og hvor passer Clockwise ind i denne fremtid?

På et meget højt niveau ser jeg grundlæggende AI som endnu et værktøj. De evner, det muliggør, vil udvide og styrke millioner, men vil også uundgåeligt flytte, hvor mennesker er mest værdifulde. Jeg håber, at vi som samfund kan være mere omhyggelige med den menneskelige indvirkning af store skift i vores økonomi end vi har været i fortiden. Men jeg må sige, at den nuværende politiske situation ikke inspirerer til optimisme på den front.

På et mere taktisk niveau tror jeg, vi vil se et par skift.

Først, da agent-arbejdsprocesser bliver mere pålidelige og almindelige – en tendens, der er ved at starte, men har langt igen – vil vi se en udvikling fra reaktiv til proaktiv arbejdsprocesser. For eksempel, da Clockwises planlægningshjerne er blevet mere avanceret i sin pålidelighed, har vi kunnet udføre mere proaktive og aggressive interventioner på vegne af en bruger. For at gøre dette skal teknologien være robust, selvbevidst og nuanceret nok til at fungere uden menneskelig indput. Da AI-agenter generelt bliver mindre besværlige, mere deterministiske og mere robuste, tror jeg, de vil gøre det samme skift.

Anden, vi vil se platforme, der bliver fastlagt. Lige nu er der en åben kapløb om, hvem der kan være den orkestrerende agent i virksomheden. Da jeg nævnte tidligere, tror jeg, der er plads til mere end en dominerende spiller i virksomheden; det er dog svært for slutbrugere at få adgang til ny teknologi, før platform-krigene er blevet lidt mere afklaret. Som tredjeparts-software-udbyder har du brug for at vide, hvilke platforme der er værd at investere i, og som software-køber har du brug for at have tillid til, at valget du træffer, vil være en god investering. Så indtil det bliver afklaret, vil vi alle bruge en del af vores iværksætter-resourcer på at gøre bud og eksperimentere. For øvrigt betyder det sandsynligvis også en cyklus af boble-poppning og genopbygning.

Tredje, vi vil se udviklingen af nuværende standarder i en retning, der gør sande platforme mulige. Lige nu er MCP en god nok løsning til tredjeparts-værktøj-opkald, men den har mange vrænger, der skal glattes ud. Oveni tror jeg, vi vil se behov for en standard for at injicere tredjeparts-grænseflader i agentic-arbejdsprocesser og chat-grænseflader. Mennesker er visuelle væsener, og software-udbydere er eksperter i den bedste måde for brugere at interagere effektivt med deres software (når de er eksperter…).

Forestil dig en AI, der ikke kun analyserer kalender-konflikter, men automatisk visualiserer holdets tilgængelighed og planlægningsmuligheder i dit projektstyringsværktøj eller en, der transformerer budget-diskussioner i Slack til real-tids-finansielle dashboards, hvor interessenter kan udforske scenarier sammen. Disse typer avancerede, forbundne systemer vil forstå kontekst dybt nok til at vide, hvornår de skal forblive usynlige og hvornår de skal fremme indsigt gennem det mest effektive medium – enten en notification, en visuel grænseflade eller direkte handling. I denne fremtid bliver AI-infrastructuren i stedet for en destination.

Den ultimative vision: AI, der forstærker menneske-lignende kreativitet ved at fjerne friction mellem intention og udførelse. Når planlægnings-intelligens bliver usynlig infrastructuren, fokuserer mennesker udelukkende på arbejde, der kun mennesker kan udføre. Succes vil ikke blive målt af, hvor imponerende AI føles, men af, hvor uden anstrengelse kompleks koordination bliver – teknologien forsvinder i baggrunden, mens menneske-lignende potentiale rykker ind i rampelyset. Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Clockwise.