Assaf Elovic, monday.com:n AI-johtaja – Haastattelusarja

Olet johtanut AI-ponnisteluita joissakin teknologian dynaamisimmista yrityksistä, mukaan lukien Wix ja nyt monday.com—mitä sinut henkilökohtaisesti veti rakentamaan älykkäitä järjestelmiä?

Matkani AI:hin alkoi chatbot-buumin aikana vuonna 2015. Minulla oli vuorovaikutus AI-bottiin, joka pystyi todella ymmärtämään aikomusta; se tuntui magialta. Tämä ei ollut vain uutuus; se ratkaisi todellisia ongelmia, kuten ajanvarauksia ja monimutkaisia kysymyksiä. Se hetki sytytti uteliaisuuteni siitä, miten nämä järjestelmät toimivat.

Se, mikä todella veti minut mukaan, oli tajunta siitä, kuinka saatavilla AI oli. Joitakin työkaluja ja API:ja, jotka mahdollistivat kehittäjien luoda vahvoja sovelluksia ilman, että heidän tarvitsi olla machine learning -tohtoreita. Loputtomat mahdollisuudet olivat jännittäviä, ja tiesin, että halusin osallistua tähän muutokseen. Siitä lähtien olen omistautunut rakentamaan AI-tuotteita, jotka ratkaisevät todellisia haasteita ja parantavat ihmisten elämää.

Älykkäiden järjestelmien rakentamisen haaste vetää minua, koska se sijaitsee luovuuden ja viimeisimmän teknologian leikkauspisteessä. Jokainen projekti on kuin uuden puzzleen ratkaiseminen; sinun on ymmärrettävä sekä teknisiä kykyjä että sitä, miten ihmiset todella työskentelevät ja mitä he tarvitsevat.

Ennen kuin liityit monday.com:iin, loit avoimia työkaluja, kuten GPT Researcher, jotka resonoi kehittäjien ja tutkijoiden kanssa. Miten nuo avoimet, yhteisölliset kokemukset ovat muovanneet lähestymistapaasi rakentaa enterprise-AI-tuotteita tänään?

Avoimen lähdekoodin kokemus opetti minulle arvokkaita oppeja siitä, miten rakentaa todellisten käyttäjien tarpeisiin, eikä teoreettisiin tarpeisiin. Kun rakennat avoimesti, saat välittömän, suodattamattoman palautteen kehittäjiltä, jotka yrittävät ratkaista ongelmia. Tämä opetti minulle keskittymään käytännön hyödyllisyyteen vaikuttavien demojen sijaan.

Työskenteleminen yhteisön kanssa vahvisti myös AI:n saatavuuden tärkeyttä. Monet kehittäjät, jotka käyttivät näitä työkaluja, eivät olleet AI-asiantuntijoita – he olivat sovelluksia, jotka tarvitsivat luotettavia ja helppokäyttöisiä AI-ominaisuuksia. Tämä kokemus vaikuttaa suoraan siihen, miten lähestymme AI-lohkareita monday.com:ssa: tehdä voimallisia AI-ominaisuuksia saatavilla ei-tekniillisille asiakkaille intuitiivisten käyttöliittymien kautta.

Aikaisemmin tänä vuonna monday.com esitteli rohkean uuden AI-vision, jossa on kolme pilaria: AI-lohkareet, Tuotevoimistukset ja Digitaalinen työvoima. Miten tämä viitekehyksesi tuli yhteen, ja mitä aukkoa markkinoilla yrität täyttää?

Aiempi AI-vision syntyi havainnosta perustavanlaatuisesta haasteesta: organisaatiot kaiken kokoiset haluavat hyödyntää AI:ta, mutta useimmat ratkaisut vaativat merkittävää teknistä asiantuntemusta tai ovat liian jähmeitä liiketoiminnan moninaisille tarpeille. Näimme, että ihmiset eivät etsineet vain toista AI-avustajaa; he tarvitsivat AI:ta, joka voisi sulautua olemassa oleviin työnkulkuihinsa ja mukautua heidän erityisiin prosesseihinsa. Lopulta me keskitymme nyt auttamaan ihmisiä tekemään työtä AI:n avulla, siirtymästä työn hallinnasta työn suorittamiseen.

Aukko, jonka täytämme, on tila yksinkertaisten AI-työkalujen ja monimutkaisten enterprise-ratkaisujen välillä. Monet yritykset sijoittuvat keskitasolle, jossa he tarvitsevat enemmän kuin perusautomaatiota, mutta eivät voi oikeuttaa tai toteuttaa raskaita AI-järjestelmiä. Kolmen pilarin lähestymistapamme antaa organisaatioille joustavuuden aloittaa yksinkertaisilla lohkoilla, parantaa tuotteitaan voimistuksilla ja lopulta rakentaa monimutkaisia digitaalisia työvoimia.

Siitä lähtien, kun lanseerasimme, olemme työnnetyt vahvasti kaikilla pystyvuorilla merkittävän kasvun ja maksavia käyttäjiä.

Olemme myös esittäneet “vibe-koodaus”-tuotteita, jotka tähtäävät tehtävään democratizing ohjelmistoa. Viimeisimpien AI-edistysten ansiosta on koskaan ollut helpompaa rakentaa täysiä sovelluksia yksinkertaisella luonnollisella kielellä. Viimeisimmät tuotteemme, kuten monday vibe ja magic, voivat mahdollistaa minkä tahansa ei-tekniikan käyttäjän hyödyntää monday-ekosysteemiä mukautettujen sovellusten luomiseen työhön.

Voitko kuljettaa meidät läpi siitä, miten AI-lohkareet toimivat käytännössä? Mikä on oppimiskäyrä ei-tekniillisille käyttäjille, jotka yrittävät integroida nämä työkalut päivittäisiin työnkulkuihinsa?

AI-lohkareet on suunniteltu olemaan yhtä intuitiivisia kuin rakennuspalikat – siitä nimitys. Käytännössä käyttäjä voi vetää “erota määräpäivät” -lohkon projektiensa hallintatyönkulkuun tai lisätä “tiivistä kokousmuistiinpanot” -lohkon viikoittaiseen katsaukseen. Lohkareet käsittelevät AI-monimutkaisuuden taustalla, kun taas asiakkaat esitetään yksinkertaisilla, tuttujen käyttöliittymillä.

Oppimiskäyrä on tarkoituksella vähäinen. Olemme nähneet tiimien onnistuneen AI-lohkojen toteuttamisessa ensimmäisessä istunnossa. Esimerkiksi markkinointitiimi voi luoda työnkulun, jossa sosiaalisen median maininnat analyysoidaan automaattisesti mielipiteen ja avainaiheiden mukaan, kaikki ilman yhden koodirivin kirjoittamista.

Avainnäkemyksenä on, että ihmiset eivät tarvitse ymmärtää, miten AI toimii, vaan hyötyä siitä. He vain tarvitsevat ymmärtää omia prosessejaan tarpeeksi hyvin, jotta he voivat tunnistaa, missä automaatio auttaisi. Olemme suunnitelleet lohkat vastaamaan mental malleja, joita ihmiset jo käyttävät työnkuluissaan.

Olet viime aikoina lanseerannut joukon AI-vetoinen työkaluja, mukaan lukien monday magic, monday vibe ja monday sidekick. Mitä tekee nämä tuotteet erilaisiksi perinteisistä avustajista tai copilotista, ja mikä rooli sinä näet heidän pelaavan eri aloilla?

Viimeisimmät julkaisumme edustavat kattavaa lähestymistapaa työpaikan AI:lle, joka menee perinteisten avustajien ulkopuolelle. Kunkin kyky palvelee erillistä tarkoitusta, mutta toimii yhdessä integroidussa ekosysteemissä, joka muuttaa perustavasti, miten tiimit toimivat, vahvistaen siirtymistämme työn hallinnasta työn suorittamiseen asiakkaidemme keskuudessa.

monday magic tuo älykkään automaation työnkulkuihin, käyttäen AI:ta ennustamaan tarpeita ja automatisoimaan monimutkaisia prosesseja, ennen kuin käyttäjät edes toteavat, että he tarvitsevat niitä. monday vibe on vibe-koodausalusta, joka mahdollistaa kenelle tahansa luoda turvallisia, mukautettuja liiketoimintasovelluksia, jotka on suunniteltu heidän tiiminsä tarkoituksiin. ja monday sidekick toimii kontekstuaalisena AI-kumppanina, joka ymmärtää heidän työskentelytapansa ja tarjoaa proaktiivista apua, joka on räätälöity heidän roolilleen ja vastuilleen.

Nämä kyvyt yhdessä siirtävät asiakkaitamme yksinomaan työn hallinnasta aktiiviseen suorittamiseen. Sen sijaan, että he vain järjestäisivät ja seuraisivat tehtäviä, tiimit voivat nyt luottaa AI:hen työn optimoimiseksi, haasteiden ennakoimiseksi ja toiminnan automatisoimiseksi. Tämä siirtymä passiivisesta hallinnasta aktiiviseen suorittamiseen on muuntava; se tarkoittaa vähemmän aikaa hallinnollisissa tehtävissä ja enemmän aikaa arvokkaassa työssä, joka tuottaa tuloksia.

Mitä tekee nämä erilaisiksi kuin perinteiset avustajat, on heidän syvä integraatio heidän työn kontekstinsa ja heidän fokuksensa proaktiivisessa tukemisessa eikä reaktiivisessa tukemisessa. Kun useimmat AI-avustajat odottavat, että sinä kysyt kysymyksiä, meidän sarjamme havaitsee kuvioita, ennustaa tarpeita ja toimii heidän olemassa olevien työnkulkujensa ja valtuuksien puitteissa.

monday.com korostaa selittämiskykyä ja käyttäjäkokemusta, ei vain raakaa mallin suorituskykyä. Mitä tämä näyttää taustalla, ja miten säilytät tasapainon avoimuuden ja voiman välillä?

Selittämiskyky on perustavanlaatuinen luottamuksen rakentamisessa, erityisesti enterprise-ympäristöissä, joissa päätökset ovat todellisia seuraamuksia. Taustalla investoimme paljon AI:n perustelujen tekemiseksi läpinäkyviksi. Kun Risk Analyzer -merkintä luo mahdollisen projektin viivästymisen, se ei vain nostaa hälytystä; se näyttää tarkalleen, mitkä tekijät vaikuttivat arviointiin ja kuinka varma se on ennusteessa.

Tämä fokus tuli kokemuksesta. Varhaiset AI-järjestelmät tuntuivat usein mustilta laatikoilta, mikä teki asiakkaat epäröiväisiksi luottamisesta niihin tärkeisiin päätöksiin. Olemme oppineet, että asiakkaat tarvitsevat ymmärtää, mitä AI ehdottaa, mutta myös miksi se tekee ehdotuksen.

Tasapaino avoimuuden ja voiman välillä tulee kerroksellisesta paljastamisesta. Tarjoamme välittömän, toimivan näyn pinnalla, mutta asiakkaat voivat porautua syvemmälle ymmärtääkseen yksityiskohtaisen perustelun, kun he tarvitsevat sitä. Tämä lähestymistapa luo luottamusta samalla, kun se säilyttää käytettävyyden – asiakkaat luottavat järjestelmään enemmän, kun he ymmärtävät sen, mikä tekee heidän enemmän halukkaita hyödyntämään sen täysiä kykyjä.

46 miljoonalla AI-toiminnolla, jotka nyt suoritetaan alustalla, mitkä ovat joitakin yllättävimmistä tai luovimmista tavoista, joilla asiakkaat ovat käyttäneet AI:ta?

Asiakkaiden luovuus yllättää minua jatkuvasti. Olemme nähneet hääsuunnittelijan, joka käytti AI-lohkoja luokitellaan automaattisesti toimittajien vastauksia ja poimia avainyksityiskohtia, kuten hinnoittelua ja saatavuuspäivämääriä. Tutkimusryhmä loi työnkulun, joka analysoi akateemisia papereita ja automaattisesti täytti tietokannan avainlöydöksillä ja menetelmällisillä huomautuksilla, kaikki ilman yhden koodirivin kirjoittamista.

Yksi erityisen luova tapaus oli ravintolaketju, joka käytti meidän AI:ta analysoimaan asiakaspalautetta eri sijainteista ja automaattisesti merkintöjä potentiaalisista elintarvikeneprobleemeista tunnistamalla kuvioita valituksissa. He loivat varhaisen varoitusjärjestelmän operatiivisille ongelmille.

Mikä on yllättävää, on se, miten asiakkaat yhdistävät yksinkertaisia lohkoja monimutkaisilla tavoilla. He eivät vain automatisoi yksittäisiä tehtäviä; he suunnittelevat uudelleen koko prosesseja AI-kykyjen ympärille, joita emme koskaan suunnitelleet heidän tarkoitettuun käyttöön.

Sinä myös toimit Sequoia Capitalin scouttina, sijoittajana varhaisessa vaiheessa oleviin AI-startup-yrityksiin. Mitä yleisiä virheitä perustajat tekevät rakentaessaan AI-ensin -tuotteita?

Yleisin virhe, jonka näen, on perustajat, jotka joutuvat teknisen mahdollisuuksien lumoihin ilman, että he ymmärtävät todellisia käyttäjien työnkuluja ja haasteita. He rakentavat vaikuttavia demoja, jotka esittelevät AI-kykyjä, mutta eivät ratkaise todellisia ongelmia, joita ihmiset todella kohtaavat.

Toinen yleinen ongelma on yli-ilmoittaminen AI-autonomiasta liian aikaisin. Monet perustajat haluavat rakentaa täysin autonomisia järjestelmiä, kun taas asiakkaat tarvitsevat yhteistyössä toimivia työkaluja. Ihmiset haluavat AI:n, joka täydentää heidän kykyjään, eikä korvaa heidän harkintaa, erityisesti korkean panoksen liiketoimintapäätöksissä.

On myös taipumus aliarvioida luottamuksen ja selittämiskyvyn tärkeyttä. Perustajat keskittyvät usein tarkkuusmittareihin, mutta laiminlyövät käyttäjäkokemuksen epävarmuuden ja virheiden käsittelyssä. Enterprise-kontekstissa, erityisesti, asiakkaat tarvitsevat ymmärtää, milloin ja miksi luottaa AI-suosituksiin.

Lopulta monet AI-ensin -start-upit kamppailevat jakelun kanssa. Ollaan hyvä AI-teknologia ei riitä; sinun on ymmärrettävä, miten integroida se olemassa oleviin työnkulkuihin, ja osoittaa selkeä ROI:lle päättäjille, jotka saattavat olla epäileviä AI-hypeä kohtaan.

Miten sinä ajattelet, että AI-agentit kehittyvät seuraavien vuosien aikana – tulevatko ne olemaan enemmän autonomisia, erikoistuneita tai jotain aivan muuta?

Näen AI-agenttien kehittyvän kohti kontekstuaalista yhteistyötä eikä pelkästään autonomiaa. Tulevaisuus ei ole täysin autonomisia agenteja, jotka tekevät itsenäisiä päätöksiä, vaan agenteja, jotka ymmärtävät kontekstin ja voivat ottaa asianmukaisia toimia tilanteen ja käyttäjän suosituksien mukaan.

Me liikumme kohti agenteja, jotka voivat käsitellä rutiininomaisia päätöksiä autonomisesti, mutta sulkeutuvat vaivattomasti monimutkaisiin tai epäselviin tilanteisiin ihmisten puoleen. Tämä vaatii sofistikoitunutta ymmärrystä kontekstista, riskiarviosta ja käyttäjän aikomuksesta, kyvyistä, jotka paranevat nopeasti.

Odotan myös merkittävää kehitystä moni-agenttikoordinoinnissa. Sen sijaan, että olisimme yksittäisiä AI-avustajia, näemme erikoistuneita agenteja, jotka työskentelevät toistensa ja ihmisten kanssa dynaamisissa tiimeissä. Tutkimusagenttisi voi työskennellä aikataulutusagenttisi ja viestintäagenttisi kanssa koordinoimaan monimutkaista projektilauunchia.

Avainkehitys on ihmisen ja AI:n välisessä käyttöliittymässä. Agentit tulevat olemaan parempia perustelujensa ja epävarmuutensa ilmaisemisessa ja sopeutumisessa yksilöllisiin työskentelytavoisiin. Tavoitteena on vaivattoman yhteistyön, jossa rajat ihmisen ja AI:n välillä tulevat vähemmän tärkeiksi kuin yhteinen tulos.

Sisäisesti, miten säilytät yhteistyön AI-, tuote-, suunnittelu- ja GTM-tiimien välillä, jotta AI on vaivattomasti upotettu käyttäjäkokemukseen?

Onnistunut AI-tuotekehitys vaatii perinteisten silojen murtamista ja yhteisen ymmärryksen luomista kaikille tiimille. Olemme löytäneet, että avain on perustaa yhteinen kieli AI-kykyjen ja rajoitusten ympärillä, jota kaikki, insinöörit, suunnittelijat ja markkinoijat, voivat käyttää.

Prosessimme alkaa monitieteisistä löytöistiloista, joissa tutkimme käyttäjien ongelmia yhdessä ennen kuin keskustelemme teknisistä ratkaisuista. Tämä estää yleisen virheen, jossa AI-kyvyt johtavat ja etsitään ongelmia ratkaisemiseksi.

Me myös investoimme paljon prototyyppien ja käyttäjätestien kehittämiseen kehitysprosessin aikana. Suunnittelu- ja tuotetiimit työskentelevät läheisesti AI-insinöörien kanssa ymmärtääkseen, mitä on mahdollista, kun taas AI-tiimit oppivat todellisista käyttäjien rajoituksista ja suosituksista. Tämä kaksisuuntainen oppiminen on olennainen luomassa AI-ominaisuuksia, jotka tuntuvat luonnollisilta eikä kiinni.

GTM:n kannalta meidän tiimimme on upotettu kehitysprosessiin päivästä yksi. He auttavat meitä ymmärtämään, mitä asiakkaat haluavat, miten he ajattelevat AI:sta, mitä huolia heillä on, ja miten he suosittelevat uusia kykyjä. Tämä näkemys vaikuttaa suoraan sekä tuote- ja tekniseen toteutukseen.

Lopulta, sinä, joka yhdistää avoimen lähdekoodin, enterprise-AI:n ja VC:n, missä sinä ajattelet, että seuraava suuri AI-läpimurto tulee tapahtumaan – työkaluissa, infrastruktuurissa tai jossain, mihin emme vielä kiinnittäneet huomiota?

Seuraava läpimurto tulee todennäköisesti tapahtumaan ihmisen ja AI:n välisten yhteistyöliittymien leikkauspisteessä. Olemme tehneet merkittävää edistystä mallien kyvyissä, mutta olemme vasta alkuvaiheessa siinä, miten ihmiset ja AI-järjestelmät voivat työskennellä tehokkaasti yhdessä.

Läpimurto ei tule olemaan siinä, että tehdään AI:ta autonomisemmaksi, vaan siinä, että tehdään ihmisen ja AI:n yhteistyö vaivattomammaksi ja luonnollisemmaksi. Tämä kattaa edistystä siinä, miten AI-järjestelmät viestivät epävarmuutta, miten ne sopeutuvat yksilöllisiin työskentelytavoisiin, ja miten ne koordinoivat useiden ihmisten ja muiden AI-järjestelmien kanssa samanaikaisesti.

Tulevaisuuden näkymistä infrastruktuurin kannalta olen seuraamassa kehitystä reaaliaikaisessa, kontekstuaalisessa AI:ssa, joka voi ymmärtää ja toimia dynaamisissa tietovirroissa. Kyky rakentaa AI-järjestelmiä, jotka ylläpitävät kontekstia pitkien aikajaksojen ja useiden vuorovaikutusten yli, mahdollistaa täysin uusia sovellusluokkia.

Mutta rehellisesti, kaikkein jännittävimmät läpimurrot voivat tulla odottamattomista suunnista. Niin kuin transformerit nousivat esiin huomionmekaniismeista neuroniverkkokonekäännöksessä, seuraava merkittävä edistysaskel voi tulla ratkaisemalla näennäisesti kapean ongelman, jolla on laajat sovellukset. Avain on säilyttää se aloittelijan mieli ja pysyä avoimena mahdollisuuksille, joita emme vielä ole kuvitelleet. Kiitos hienosta haastattelusta, lukijat, jotka haluavat oppia lisää, kannattaa vierailla monday.com-sivustolla.