Assaf Elovic, responsable de l’IA chez monday.com – Série d’entretiens

Vous avez dirigé les efforts d’IA dans certaines des entreprises les plus dynamiques de la technologie, notamment Wix et maintenant monday.com—qu’est-ce qui vous a personnellement attiré dans le défi de construire des systèmes intelligents?

Mon parcours dans l’IA a commencé lors de l’explosion des chatbots en 2015. J’ai eu une interaction avec un bot d’IA qui pouvait vraiment comprendre l’intention ; cela ressemblait à de la magie. Ce n’était pas juste une nouveauté ; c’était la résolution de véritables problèmes comme la réservation de rendez-vous et la réponse à des questions complexes. Ce moment a éveillé ma curiosité quant à la façon dont ces systèmes fonctionnaient.

Ce qui m’a vraiment attiré, c’est la réalisation que l’IA était devenue accessible. Certains outils et API rendaient possible pour les développeurs de créer des applications robustes sans avoir besoin d’un doctorat en apprentissage automatique. Les possibilités infinies étaient excitantes, et je savais que je voulais contribuer à cette transformation. Depuis, je me suis consacré à la construction de produits d’IA qui résolvent des défis du monde réel et améliorent la vie des gens.

Le défi de construire des systèmes intelligents m’attire parce qu’il se situe à l’intersection de la créativité et de la technologie de pointe. Chaque projet est comme résoudre une nouvelle énigme ; vous devez comprendre non seulement les capacités techniques, mais également la façon dont les gens travaillent réellement et ce dont ils ont besoin.

Avant de rejoindre monday.com, vous avez créé des outils open source comme GPT Researcher qui ont résonné auprès des développeurs et des chercheurs. Comment ces expériences menées par la communauté ont-elles façonné votre approche de construction de produits d’IA d’entreprise aujourd’hui?

L’expérience open source m’a enseigné des leçons inestimables sur la construction pour répondre à des besoins d’utilisateurs réels plutôt qu’à des besoins théoriques. Lorsque vous construisez dans l’open, vous obtenez un retour immédiat et non filtré des développeurs qui tentent réellement de résoudre des problèmes. Cela m’a appris à me concentrer sur l’utilité pratique plutôt que sur des démonstrations impressionnantes.

Travailler avec la communauté a également renforcé l’importance de rendre l’IA accessible. De nombreux développeurs utilisant ces outils n’étaient pas des spécialistes de l’IA ; ils construisaient des applications et avaient besoin de capacités d’IA fiables et faciles à intégrer. Cette expérience influence directement la façon dont nous abordons les Blocks d’IA chez monday.com : rendre des capacités d’IA puissantes disponibles pour les clients non techniques via des interfaces intuitives.

Plus tôt cette année, monday.com a récemment dévoilé une nouvelle vision audacieuse pour l’IA avec trois piliers : les Blocks d’IA, les Power-ups de produit et une main-d’œuvre numérique. Comment ce cadre est-il venu ensemble, et quel espace du marché essayez-vous de combler?

Notre vision d’IA est née de l’observation d’un défi fondamental : les organisations de toutes tailles veulent exploiter l’IA, mais la plupart des solutions nécessitent une expertise technique significative ou sont trop rigides pour les besoins commerciaux divers. Nous avons vu que les gens ne cherchaient pas juste un autre assistant d’IA ; ils avaient besoin d’une IA qui puisse s’intégrer sans effort dans leurs flux de travail existants et s’adapter à leurs processus spécifiques. Enfin, nous nous concentrons désormais sur l’aide aux personnes pour accomplir un travail avec l’IA, un changement par rapport à l’aide aux personnes pour gérer le travail.

L’espace que nous essayons de combler est l’espace entre les outils d’IA simples et les solutions d’entreprise complexes. De nombreuses entreprises se situent dans un milieu où elles ont besoin de plus que l’automatisation de base, mais ne peuvent pas justifier ou mettre en œuvre des systèmes d’IA lourds. Notre approche à trois piliers donne aux organisations la flexibilité de commencer simplement avec des blocs, d’améliorer leurs produits avec des power-ups et de finalement construire des main-d’œuvres numériques sophistiquées.

Depuis le lancement, nous avons poussé fortement dans tous les secteurs verticaux avec une croissance significative en termes d’adoption et d’utilisateurs payants.

Nous avons également introduit des produits de « codage de vibe » qui visent à notre mission de démocratiser les logiciels. Avec les dernières avancées de l’IA, il n’a jamais été aussi facile de construire des applications complètes avec un langage naturel simple. Nos produits les plus récents comme monday vibe et magic peuvent permettre à tout utilisateur non technique d’utiliser l’écosystème monday pour construire des applications personnalisées pour le travail.

Pouvez-vous nous guider à travers la façon dont les Blocks d’IA fonctionnent dans la pratique? Quelle est la courbe d’apprentissage pour les utilisateurs non techniques qui tentent d’intégrer ces outils dans leurs flux de travail quotidiens?

Les Blocks d’IA sont conçus pour être aussi intuitifs que des blocs de construction—d’où le nom. Dans la pratique, un utilisateur pourrait glisser un bloc « extraire les délais » dans son flux de travail de gestion de projet, ou ajouter un bloc « résumer les notes de réunion » à son processus de révision hebdomadaire. Les blocs gèrent la complexité de l’IA en arrière-plan tout en présentant aux clients des interfaces simples et familières.

La courbe d’apprentissage est intentionnellement minimale. Nous avons vu des équipes mettre en œuvre avec succès des Blocks d’IA dans leur première session. Par exemple, une équipe marketing pourrait créer un flux de travail où les mentions sur les réseaux sociaux sont automatiquement analysées pour le sentiment et les thèmes clés sont extraits, le tout sans écrire une seule ligne de code.

L’insight clé est que les gens n’ont pas besoin de comprendre comment fonctionne l’IA pour en bénéficier. Ils ont juste besoin de comprendre suffisamment leurs propres processus pour identifier où l’automatisation serait utile. Nous avons conçu les blocs pour correspondre aux modèles mentaux que les gens ont déjà sur leurs flux de travail.

Vous avez récemment lancé une suite d’outils alimentés par l’IA, notamment monday magic, monday vibe et monday sidekick. Qu’est-ce qui rend ces produits différents des assistants ou des copilotes traditionnels, et quel rôle voyez-vous-les jouer à travers les industries?

Nos derniers lancements représentent une approche globale de l’IA sur le lieu de travail qui va au-delà des assistants traditionnels. Chaque capacité sert un objectif distinct tout en fonctionnant ensemble comme un écosystème intégré qui transforme fondamentalement la façon dont les équipes opèrent, consolidant notre passage de la gestion du travail à l’exécution du travail pour nos clients.

monday magic apporte une automatisation intelligente aux flux de travail, en utilisant l’IA pour prédire les besoins et automatiser des processus complexes avant même que les utilisateurs ne réalisent qu’ils en ont besoin. monday vibe est une plate-forme de codage de vibe qui permet à quiconque de construire des applications métier personnalisées sécurisées adaptées aux besoins exacts de son équipe. Et monday sidekick sert de compagnon d’IA contextuel, comprenant les modèles de travail spécifiques et offrant une assistance proactive adaptée au rôle et aux responsabilités.

Ensemble, ces capacités déplacent nos clients au-delà de la simple gestion et du suivi du travail pour réellement exécuter le travail de manière plus intelligente. Au lieu de simplement organiser les tâches et de surveiller les progrès, les équipes peuvent maintenant compter sur l’IA pour optimiser les performances, anticiper les défis et agir automatiquement. Ce passage de la gestion passive à l’exécution active est transformateur ; cela signifie moins de temps passé sur la paperasse administrative et plus de temps concentré sur un travail à haute valeur qui génère des résultats.

Ce qui les rend différents des assistants traditionnels, c’est leur intégration profonde avec le contexte de travail réel et leur focalisation sur un soutien proactif plutôt que réactif. Alors que la plupart des assistants d’IA attendent que vous leur posiez des questions, notre suite observe les modèles, anticipe les besoins et prend des mesures dans les flux de travail et les autorisations établis.

monday.com met l’accent sur l’explicabilité et l’expérience utilisateur, et non seulement sur les performances brutes du modèle. Qu’est-ce que cela ressemble derrière la scène, et comment équilibrez-vous la transparence avec la puissance?

L’explicabilité est fondamentale pour établir la confiance, en particulier dans les environnements d’entreprise où les décisions ont de réelles conséquences. Derrière la scène, nous investissons beaucoup pour rendre la raison d’être de notre IA transparente. Lorsque notre Risk Analyzer signale un retard de projet potentiel, il ne se contente pas de lever une alerte ; il montre exactement quels facteurs ont contribué à cette évaluation et à quel point il est confiant dans la prédiction.

Cette focalisation est venue de l’expérience. Les premiers systèmes d’IA ressemblaient souvent à des boîtes noires, ce qui rendait les clients hésitants à s’appuyer sur eux pour des décisions importantes. Nous avons appris que les clients ont besoin de comprendre non seulement ce que l’IA suggère, mais pourquoi elle fait cette suggestion.

L’équilibre entre la transparence et la puissance se résume à une divulgation en couches. Nous fournissons des insights immédiats et actionnables au niveau de surface, mais les clients peuvent creuser pour voir la raison détaillée lorsqu’ils en ont besoin. Cette approche renforce la confiance tout en maintenant l’utilisabilité—les clients font plus confiance au système lorsqu’ils le comprennent, ce qui les rend plus disposés à exploiter pleinement ses capacités.

Avec plus de 46 millions d’actions d’IA maintenant effectuées sur la plate-forme, quels sont certains des usages les plus surprenants ou créatifs que les clients ont faits de l’IA?

La créativité de nos clients me surprend constamment. Nous avons vu un planificateur de mariage utiliser des Blocks d’IA pour catégoriser automatiquement les réponses des fournisseurs et extraire les détails clés tels que les dates de disponibilité et les prix. Une équipe de recherche a créé un flux de travail qui analyse des articles universitaires et remplit automatiquement une base de données avec les résultats clés et les notes de méthodologie.

Un cas d’utilisation particulièrement créatif était une chaîne de restaurants qui a utilisé notre IA pour analyser les commentaires des clients sur tous les emplacements et signaler automatiquement les préoccupations potentielles en matière de sécurité alimentaire en détectant des modèles dans les plaintes. Ils ont essentiellement créé un système d’alerte précoce pour les problèmes opérationnels.

Ce qui est surprenant, c’est la façon dont les clients combinent des blocs simples de manière sophistiquée. Ils n’automatisent pas seulement des tâches individuelles ; ils réinventent des processus entiers autour des capacités d’IA que nous n’avons pas explicitement conçues pour leurs cas d’utilisation spécifiques.

Vous servez également de scout pour Sequoia Capital, en investissant dans des startups d’IA en démarrage. De ce point de vue, quels sont les erreurs courantes que les fondateurs font lors de la construction de produits d’IA en premier?

L’erreur la plus courante que je vois est que les fondateurs sont séduits par les possibilités techniques de l’IA sans comprendre profondément le flux de travail réel et les points de douleur de l’utilisateur. Ils construisent des démonstrations impressionnantes qui mettent en valeur les capacités de l’IA, mais échouent à résoudre des problèmes réels de la manière dont les gens travaillent réellement.

Un autre problème fréquent est la promesse excessive d’autonomie de l’IA trop tôt. De nombreux fondateurs veulent construire des systèmes entièrement autonomes lorsque les clients ont réellement besoin d’outils collaboratifs. Les gens veulent que l’IA augmente leurs capacités, et non remplace leur jugement, en particulier dans les décisions commerciales à haute prise de risque.

Il y a également une tendance à sous-estimer l’importance de la confiance et de l’explicabilité. Les fondateurs se concentrent souvent sur les mesures d’exactitude, mais négligent l’expérience utilisateur dans la gestion de l’incertitude et des erreurs. Dans les contextes d’entreprise, en particulier, les clients ont besoin de comprendre quand et pourquoi faire confiance aux recommandations de l’IA.

Enfin, de nombreuses startups d’IA en premier ont du mal avec la distribution. Avoir une grande technologie d’IA ne suffit pas ; vous devez comprendre comment l’intégrer dans les flux de travail existants et démontrer un ROI clair aux décideurs qui peuvent être sceptiques de l’hype de l’IA.

Comment pensez-vous que les agents d’IA évolueront au cours des prochaines années—deviendront-ils plus autonomes, plus spécialisés, ou quelque chose de complètement différent?

Nous allons voir les agents d’IA évoluer vers une collaboration contextuelle plutôt que vers une autonomie pure. Le futur n’est pas des agents d’IA entièrement autonomes prenant des décisions indépendantes, mais plutôt des agents qui comprennent profondément le contexte et peuvent prendre des mesures appropriées en fonction de la situation et des préférences de l’utilisateur.

Nous nous dirigeons vers des agents capables de gérer les décisions de routine de manière autonome tout en escaladant sans effort les situations complexes ou ambiguës aux humains. Cela nécessite une compréhension sophistiquée du contexte, de l’évaluation des risques et de l’intention de l’utilisateur, des capacités qui s’améliorent rapidement.

Je m’attends également à une évolution significative dans la coordination multi-agents. Au lieu d’assistants d’IA monolithiques, nous allons voir des agents spécialisés qui collaborent les uns avec les autres et avec les humains dans des équipes dynamiques. Votre agent de recherche travaillera avec votre agent de planification et votre agent de communication pour coordonner un lancement de projet complexe.

L’évolution clé sera dans l’interface humain-IA. Les agents deviendront meilleurs pour communiquer leur raisonnement, exprimer l’incertitude et s’adapter aux styles de travail individuels. L’objectif est une collaboration fluide où les frontières entre les contributions humaines et d’IA deviennent moins importantes que le résultat collectif.

À l’interne, comment structurez-vous la collaboration entre vos équipes d’IA, de produit, de conception et de commercialisation pour garantir que l’IA est intégrée de manière transparente dans l’expérience utilisateur?

Le développement réussi de produits d’IA nécessite de briser les silos traditionnels et de créer une compréhension partagée entre toutes les équipes. Nous avons constaté que la clé est d’établir un langage commun autour des capacités et des limites de l’IA que tout le monde peut utiliser, des ingénieurs aux designers en passant par les marketeurs.

Notre processus commence par des sessions de découverte interfonctionnelles où nous explorons les problèmes des utilisateurs ensemble avant de discuter des solutions techniques. Cela empêche l’erreur courante de commencer par les capacités de l’IA et de chercher ensuite des problèmes à résoudre.

Nous investissons également beaucoup dans la création de prototypes et les tests utilisateurs tout au long du processus de développement. Les équipes de conception et de produit travaillent en étroite collaboration avec les ingénieurs d’IA pour comprendre ce qui est possible, tandis que les équipes d’IA apprennent sur les contraintes et les préférences réelles des utilisateurs. Cette compréhension bidirectionnelle est cruciale pour créer des fonctionnalités d’IA qui semblent naturelles plutôt que greffées.

Du point de vue de la commercialisation, nos équipes sont intégrées dans le processus de développement dès le premier jour. Elles nous aident à comprendre non seulement ce que les clients veulent, mais également la façon dont ils pensent à l’IA, quels sont leurs préoccupations et comment ils préfèrent apprendre sur les nouvelles capacités. Cette compréhension influence directement à la fois la conception du produit et la mise en œuvre technique.

Enfin, en tant que personne qui relie l’open source, l’IA d’entreprise et le capital-risque, où pensez-vous que la prochaine grande avancée en IA se produira—dans les outils, les infrastructures ou quelque chose que nous ne regardons pas encore?

La prochaine avancée se produira probablement à l’intersection des interfaces de collaboration humain-IA. Nous avons fait des progrès incroyables dans les capacités des modèles, mais nous sommes encore aux premiers stades de la compréhension de la façon dont les humains et les systèmes d’IA peuvent travailler ensemble de manière la plus efficace.

La percée ne consistera pas à rendre l’IA plus autonome, mais à rendre la collaboration humain-IA plus fluide et naturelle. Cela inclut les progrès dans la façon dont les systèmes d’IA communiquent l’incertitude, s’adaptent aux styles de travail individuels et coordonnent avec plusieurs humains et autres systèmes d’IA simultanément.

Du point de vue de l’infrastructure, je surveille les développements dans l’IA en temps réel, contextuelle, qui peut comprendre et agir sur des flux d’informations dynamiques. La capacité de construire des systèmes d’IA qui maintiennent le contexte sur de longues périodes et plusieurs types d’interactions permettra des catégories d’applications entièrement nouvelles.

Mais honnêtement, les avancées les plus excitantes pourraient provenir de directions inattendues. Tout comme les transformateurs sont apparus à partir des mécanismes d’attention dans la traduction automatique neuronale, la prochaine avancée significative pourrait provenir de la résolution d’un problème apparemment étroit qui a des applications larges. La clé est de maintenir cet esprit de débutant et de rester ouvert aux possibilités que nous n’avons pas encore imaginées.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus devraient visiter monday.com.