Assaf Elovic, Jefe de Inteligencia Artificial en monday.com – Serie de Entrevistas

Ha liderado esfuerzos de inteligencia artificial en algunas de las empresas más dinámicas de la tecnología, incluyendo Wix y ahora monday.com—¿qué lo atrajo personalmente al desafío de construir sistemas inteligentes?

Mi viaje en inteligencia artificial comenzó durante el auge de los chatbots en 2015. Tuve una interacción con un bot de inteligencia artificial que podía entender realmente la intención; parecía magia. Esto no era solo una novedad; estaba resolviendo problemas reales como la reserva de citas y la respuesta a preguntas complejas. Ese momento despertó mi curiosidad sobre cómo funcionaban estos sistemas.

Lo que realmente me atrajo fue darme cuenta de lo accesible que se había vuelto la inteligencia artificial. Algunas herramientas y API hacían posible que los desarrolladores construyeran aplicaciones robustas sin necesidad de un doctorado en aprendizaje automático. Las posibilidades eran infinitas, y supe que quería contribuir a esta transformación. Desde entonces, me he dedicado a construir productos de inteligencia artificial que resuelvan desafíos del mundo real y mejoren la vida de las personas.

El desafío de construir sistemas inteligentes me atrae porque se encuentra en la intersección de la creatividad y la tecnología de vanguardia. Cada proyecto es como resolver un nuevo rompecabezas; debes entender no solo las capacidades técnicas, sino también cómo trabajan las personas y qué necesitan.

Antes de unirse a monday.com, creó herramientas de código abierto como GPT Researcher que resonaron con desarrolladores e investigadores por igual. ¿Cómo han moldeado esas experiencias impulsadas por la comunidad su enfoque para construir productos de inteligencia artificial empresarial hoy en día?

La experiencia de código abierto me enseñó lecciones invaluables sobre la construcción de productos para necesidades de usuarios reales en lugar de teoréticas. Cuando se construye de manera abierta, se obtiene una retroalimentación inmediata y sin filtro de los desarrolladores que están tratando de resolver problemas. Esto me enseñó a enfocarme en la utilidad práctica en lugar de demos impresionantes.

Trabajar con la comunidad también reforzó la importancia de hacer que la inteligencia artificial sea accesible. Muchos de los desarrolladores que utilizaban estas herramientas no eran especialistas en inteligencia artificial; estaban construyendo aplicaciones y necesitaban capacidades de inteligencia artificial que fueran confiables y fáciles de integrar. Esta experiencia influye directamente en cómo nos acercamos a los Bloques de Inteligencia Artificial en monday.com: hacer que las capacidades de inteligencia artificial poderosas estén disponibles para clientes no técnicos a través de interfaces intuitivas.

Al comienzo de este año, monday.com presentó una visión audaz y nueva de inteligencia artificial con tres pilares: Bloques de Inteligencia Artificial, Mejoras de Producto y Fuerza Laboral Digital. ¿Cómo surgió este marco de trabajo y qué brecha en el mercado están tratando de llenar?

Nuestra visión de inteligencia artificial surgió al observar un desafío fundamental: las organizaciones de todos los tamaños quieren aprovechar la inteligencia artificial, pero la mayoría de las soluciones requieren una gran experiencia técnica o son demasiado rígidas para las necesidades empresariales diversas. Vimos que la gente no solo buscaba otro asistente de inteligencia artificial; necesitaban inteligencia artificial que se integrara sin problemas en sus flujos de trabajo existentes y se adaptara a sus procesos específicos. Finalmente, nos enfocamos en ayudar a las personas a realizar trabajo con inteligencia artificial, un cambio de ayudar a las personas a gestionar el trabajo.

La brecha que estamos llenando es el espacio entre herramientas de inteligencia artificial simples y soluciones empresariales complejas. Muchas empresas se encuentran en un punto intermedio donde necesitan más que la automatización básica pero no pueden justificar o implementar sistemas de inteligencia artificial pesados. Nuestro enfoque de tres pilares da a las organizaciones la flexibilidad para comenzar de manera sencilla con bloques, mejorar sus productos con mejoras y eventualmente construir fuerzas laborales digitales sofisticadas.

Desde el lanzamiento, hemos estado empujando fuerte en todos los verticales con un crecimiento significativo en la adopción y los usuarios que pagan.

También hemos introducido “vibe coding” productos que apuntan a nuestra misión de democratizar el software. Con los últimos avances en inteligencia artificial, nunca ha sido más fácil construir aplicaciones completas con lenguaje natural simple. Nuestros productos más recientes como monday vibe y magic pueden permitir que cualquier usuario no técnico aproveche el ecosistema de Monday para construir aplicaciones personalizadas para el trabajo.

¿Puede explicarnos cómo funcionan los Bloques de Inteligencia Artificial en la práctica? ¿Cuál es la curva de aprendizaje para usuarios no técnicos que intentan integrar estas herramientas en sus flujos de trabajo diarios?

Los Bloques de Inteligencia Artificial están diseñados para ser tan intuitivos como los bloques de construcción—de ahí el nombre. En la práctica, un usuario podría arrastrar un bloque “extraer fechas límite” a su flujo de trabajo de gestión de proyectos, o agregar un bloque “resumir notas de reuniones” a su proceso de revisión semanal. Los bloques manejan la complejidad de la inteligencia artificial detrás de escena mientras presentan a los clientes interfaces simples y familiares.

La curva de aprendizaje es intencionalmente mínima. Hemos visto que los equipos implementan con éxito los Bloques de Inteligencia Artificial en su primera sesión. Por ejemplo, un equipo de marketing podría crear un flujo de trabajo donde las menciones en las redes sociales se analicen automáticamente para sentimiento y se extraigan temas clave, todo sin escribir una sola línea de código.

La idea clave es que las personas no necesitan entender cómo funciona la inteligencia artificial para beneficiarse de ella. Solo necesitan entender sus propios procesos lo suficientemente bien como para identificar dónde la automatización ayudaría. Hemos diseñado los bloques para coincidir con los modelos mentales que las personas ya tienen sobre sus flujos de trabajo.

Recientemente, lanzó una suite de herramientas impulsadas por inteligencia artificial que incluye monday magic, monday vibe y monday sidekick. ¿Qué hace que estos productos sean diferentes de los asistentes tradicionales o copilotos, y qué papel vislumbra para ellos en various industrias?

Nuestros lanzamientos más recientes representan un enfoque integral de la inteligencia artificial en el lugar de trabajo que va más allá de los asistentes tradicionales. Cada capacidad sirve a un propósito distinto mientras trabaja juntas como un ecosistema integrado que transforma fundamentalmente la forma en que los equipos operan, solidificando nuestro cambio de la gestión del trabajo a la ejecución del trabajo para nuestros clientes.

monday magic aporta automatización inteligente a los flujos de trabajo, utilizando la inteligencia artificial para predecir necesidades y automatizar procesos complejos antes de que los usuarios siquiera se den cuenta de que los necesitan. monday vibe es una plataforma de “vibe coding” que permite a cualquiera construir aplicaciones de negocio personalizadas y seguras adaptadas a las necesidades exactas de su equipo. Y monday sidekick actúa como su compañero de inteligencia artificial contextual, entendiendo sus patrones de trabajo específicos y brindando asistencia proactiva adaptada a su rol y responsabilidades.

Juntas, estas capacidades mueven a nuestros clientes más allá de la simple gestión y seguimiento del trabajo para ejecutarlo de manera más inteligente. En lugar de solo organizar tareas y monitorear el progreso, los equipos pueden ahora confiar en la inteligencia artificial para optimizar el rendimiento, anticipar desafíos y tomar medidas automáticamente. Este cambio de la gestión pasiva a la ejecución activa es transformador; significa menos tiempo dedicado a la sobrecarga administrativa y más tiempo centrado en el trabajo de alto valor que impulsa resultados.

Lo que los hace diferentes de los asistentes tradicionales es su integración profunda con el contexto real del trabajo y su enfoque en el soporte proactivo en lugar de reactivo. Mientras que la mayoría de los asistentes de inteligencia artificial esperan a que se les hagan preguntas, nuestra suite observa patrones, anticipa necesidades y toma medidas dentro de los flujos de trabajo y permisos establecidos.

monday.com enfatiza la explicabilidad y la experiencia del usuario, no solo el rendimiento del modelo. ¿Cómo se ve esto detrás de escena, y cómo equilibra la transparencia con el poder?

La explicabilidad es fundamental para construir confianza, especialmente en entornos empresariales donde las decisiones tienen consecuencias reales. Detrás de escena, invertimos mucho en hacer que el razonamiento de nuestra inteligencia artificial sea transparente. Cuando nuestro Analizador de Riesgos señala un posible retraso en el proyecto, no solo levanta una alerta; muestra exactamente qué factores contribuyeron a esa evaluación y cuán segura está de la predicción.

Este enfoque surgió de la experiencia. Los sistemas de inteligencia artificial tempranos a menudo parecían cajas negras, lo que hacía que los clientes se mostraran reacios a confiar en ellos para decisiones importantes. Aprendimos que los clientes necesitan entender no solo qué sugiere la inteligencia artificial, sino por qué lo sugiere.

El equilibrio entre transparencia y poder se reduce a la divulgación en capas. Proporcionamos información inmediata y accionable en el nivel de superficie, pero los clientes pueden profundizar para ver el razonamiento detallado cuando lo necesitan. Este enfoque construye confianza mientras mantiene la usabilidad—los clientes confían más en el sistema cuando lo entienden, lo que paradójicamente los hace más dispuestos a aprovechar al máximo sus capacidades.

Con más de 46 millones de acciones de inteligencia artificial realizadas en la plataforma, ¿cuáles son algunas de las formas más sorprendentes o creativas en que los clientes han utilizado la inteligencia artificial?

La creatividad de nuestros clientes siempre me asombra. Hemos visto a un planificador de bodas utilizar Bloques de Inteligencia Artificial para categorizar automáticamente las respuestas de los proveedores y extraer detalles clave como fechas de disponibilidad. Un equipo de investigación creó un flujo de trabajo que analiza artículos académicos y automáticamente pobla una base de datos con hallazgos clave y notas de metodología.

Un caso de uso particularmente creativo fue una cadena de restaurantes que utilizó nuestra inteligencia artificial para analizar comentarios de clientes en varias ubicaciones y automáticamente señalar posibles preocupaciones de seguridad alimentaria al detectar patrones en las quejas. Esencialmente, crearon un sistema de alerta temprana para problemas operativos.

Lo que es sorprendente es cómo los clientes combinan bloques simples de maneras sofisticadas. No solo están automatizando tareas individuales; están redesigando procesos enteros alrededor de capacidades de inteligencia artificial que nunca diseñamos explícitamente para sus casos de uso específicos.

También sirve como explorador de Sequoia Capital, invirtiendo en startups de inteligencia artificial en etapas tempranas. Desde esa perspectiva, ¿qué errores comunes cometen los fundadores al construir productos de inteligencia artificial en primer lugar?

El error más común que veo es que los fundadores se dejan seducir por las posibilidades técnicas de la inteligencia artificial sin entender profundamente el flujo de trabajo real y los puntos de dolor del usuario. Construyen demos impresionantes que muestran capacidades de inteligencia artificial pero fallan en resolver problemas reales de la manera en que las personas realmente trabajan.

Otro problema frecuente es prometer demasiado sobre la autonomía de la inteligencia artificial demasiado pronto. Muchos fundadores quieren construir sistemas completamente autónomos cuando los clientes realmente necesitan herramientas colaborativas. La gente quiere que la inteligencia artificial aumente sus capacidades, no reemplace su juicio, especialmente en decisiones comerciales de alto riesgo.

Hay una tendencia a subestimar la importancia de la confianza y la explicabilidad. Los fundadores a menudo se enfocan en métricas de precisión pero descuidan la experiencia del usuario al manejar la incertidumbre y los errores. En contextos empresariales, especialmente, los clientes necesitan entender cuándo y por qué confiar en las recomendaciones de la inteligencia artificial.

Finalmente, muchas startups de inteligencia artificial en primer lugar luchan con la distribución. Tener gran tecnología de inteligencia artificial no es suficiente; debes entender cómo integrarla en flujos de trabajo existentes y demostrar un ROI claro para los responsables de la toma de decisiones que pueden ser escépticos sobre el hype de la inteligencia artificial.

¿Cómo cree que los agentes de inteligencia artificial evolucionarán en los próximos años—¿se volverán más autónomos, más especializados o algo completamente diferente?

Veremos a los agentes de inteligencia artificial evolucionar hacia la colaboración contextual en lugar de la autonomía pura. El futuro no son agentes completamente autónomos que toman decisiones independientes, sino agentes que entienden profundamente el contexto y pueden tomar niveles apropiados de acción basados en la situación y las preferencias del usuario.

Estamos avanzando hacia agentes que puedan manejar decisiones rutinarias de manera autónoma mientras escalan sin problemas situaciones complejas o ambiguas a los humanos. Esto requiere una comprensión sofisticada del contexto, la evaluación del riesgo y la intención del usuario, capacidades que están mejorando rápidamente.

También espero una evolución significativa en la coordinación de múltiples agentes. En lugar de asistentes de inteligencia artificial monolíticos, veremos agentes especializados que colaboran entre sí y con los humanos en equipos dinámicos. Su agente de investigación podría trabajar con su agente de programación y su agente de comunicación para coordinar un lanzamiento de proyecto complejo.

La evolución clave será en la interfaz humana-inteligencia artificial. Los agentes se volverán mejores para comunicar su razonamiento, expresar incertidumbre y adaptarse a los estilos de trabajo individuales. El objetivo es una colaboración sin fisuras donde las fronteras entre las contribuciones humanas y las de la inteligencia artificial se vuelvan menos importantes que el resultado colectivo.

Internamente, ¿cómo estructura la colaboración entre sus equipos de inteligencia artificial, producto, diseño y marketing para asegurarse de que la inteligencia artificial se integre de manera fluida en la experiencia del usuario?

El desarrollo exitoso de productos de inteligencia artificial requiere romper los silos tradicionales y crear una comprensión compartida en todos los equipos. Hemos encontrado que la clave es establecer un lenguaje común sobre las capacidades y limitaciones de la inteligencia artificial que todos puedan usar, desde ingenieros hasta diseñadores y marketeros.

Nuestro proceso comienza con sesiones de descubrimiento entre equipos donde exploramos los problemas de los usuarios juntos antes de discutir soluciones técnicas. Esto evita el error común de liderar con capacidades de inteligencia artificial y luego buscar problemas para resolver.

También invertimos mucho en la creación de prototipos y pruebas de usuario a lo largo del proceso de desarrollo. Los equipos de diseño y producto trabajan en estrecha colaboración con los ingenieros de inteligencia artificial para entender qué es posible, mientras que los equipos de inteligencia artificial aprenden sobre las limitaciones y preferencias reales de los usuarios. Este aprendizaje bidireccional es crucial para crear características de inteligencia artificial que se sientan naturales en lugar de agregadas.

Desde una perspectiva de marketing, nuestros equipos están integrados en el proceso de desarrollo desde el primer día. Nos ayudan a entender no solo lo que quieren los clientes, sino cómo piensan sobre la inteligencia artificial, qué preocupaciones tienen y cómo prefieren aprender sobre nuevas capacidades. Esta perspicacia influye directamente tanto en el diseño del producto como en la implementación técnica.

Finalmente, como alguien que conecta el código abierto, la inteligencia artificial empresarial y el capital de riesgo, ¿dónde cree que ocurrirá el próximo gran avance en inteligencia artificial—¿en herramientas, infraestructura o algo que aún no estamos mirando?

El próximo avance probablemente ocurrirá en la intersección de las interfaces de colaboración humana-inteligencia artificial. Hemos hecho un progreso increíble en las capacidades de los modelos, pero aún estamos en las primeras etapas de descubrir cómo los humanos y los sistemas de inteligencia artificial pueden trabajar juntos de la manera más efectiva.

El avance no será hacer que la inteligencia artificial sea más autónoma, sino hacer que la colaboración humana-inteligencia artificial sea más fluida y natural. Esto incluye avances en cómo los sistemas de inteligencia artificial comunican la incertidumbre, cómo se adaptan a los estilos de trabajo individuales y cómo coordinan con múltiples humanos y otros sistemas de inteligencia artificial simultáneamente.

Desde una perspectiva de infraestructura, estoy observando los desarrollos en inteligencia artificial contextual en tiempo real que pueden entender y actuar sobre flujos de información dinámicos. La capacidad de construir sistemas de inteligencia artificial que mantengan el contexto a lo largo de horizontes de tiempo largos y múltiples tipos de interacción permitirá categorías de aplicaciones completamente nuevas.

Pero honestamente, los avances más emocionantes pueden provenir de direcciones inesperadas. Al igual que los transformadores surgieron de los mecanismos de atención en la traducción neuronal de máquina, el próximo avance significativo puede provenir de resolver un problema aparentemente estrecho que tiene aplicaciones amplias. La clave es mantener esa mentalidad de principiante y estar abierto a posibilidades que aún no hemos imaginado.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar monday.com.