アサフ・エロビック、monday.comのAI担当 – インタビュー・シリーズ

あなたはテクノロジー界で最もダイナミックな企業のいくつかにてAIの取り組みを牽引してきました。Wixや現在のmonday.comを含みます。智能システムの構築という課題にあなたを最初に惹きつけたのは何でしたか。

私のAIへの旅は2015年のチャットボットブームのときに始まりました。私は意図を真正に理解できるAIボットと出会い、それは魔法のように感じられました。これは単なる新奇性ではありませんでした。実際の問題、例えば予約の手配や複雑な質問への回答を解決していました。その瞬間、私をAIの仕組みについての好奇心に駆り立てました。

私を引き付けたのは、AIがどれほどアクセスしやすくなっているかということです。いくつかのツールやAPIが、開発者が機械学習のPh.D.を必要とせずに堅牢なアプリケーションを構築できるようにしました。無限の可能性が魅力的で、私はこの変革に貢献したいと思いました。以来、私は実際の課題を解決し、人々の生活を改善するAI製品を構築することに尽力しています。

智能システムを構築するという課題は、私に創造性と最先端テクノロジーの交差点に立たせるものです。毎プロジェクトは新しいパズルを解くようなものです。技術的な能力だけでなく、人々が実際にどのように働き、何が必要かを理解する必要があります。

monday.comに参加する前に、あなたはGPT Researcherのようなオープンソースツールを作成しました。これらは開発者や研究者から共感を得ました。草の根、コミュニティ主導の経験は、今日のエンタープライズAI製品の構築へのあなたのアプローチをどのように形作ってきましたか。

オープンソースでの経験は、実際のユーザーニーズではなく、理論的なニーズに焦点を当てるのではなく、貴重な教訓を私に授けました。オープンで開発するとき、開発者からフィードバックが即座に得られます。彼らは実際の問題を解決しようとしているのです。これは、私に実用的なユーティリティよりも印象的なデモに焦点を当てることを教えました。

コミュニティと働くことは、AIをアクセスしやすくすることの重要性を私に再び強調しました。多くの開発者はAIスペシャリストではありませんでした。彼らはアプリケーションを構築しており、信頼性が高く統合が容易なAI機能が必要でした。この経験は、monday.comでのAI Blocksへの私のアプローチに直接影響しています。非技術的な顧客にパワフルなAI機能を、直感的なインターフェイスを通じて提供することです。

今年の初め、monday.comは、AI Blocks、Product Power-ups、デジタルワークフォースの3つの柱を持つ大胆な新しいAIビジョンを発表しました。このフレームワークはどのようにしてまとめられたのでしょうか。どのような市場のギャップを埋めようとしていますか。

私たちのAIビジョンは、組織がAIを活用したいが、多くのソリューションが技術的な専門知識を必要とするか、ビジネスの多様なニーズに柔軟性が欠けているという基本的な課題を観察したことから生まれました。私たちは、人々が別のAIアシスタントではなく、既存のワークフローにシームレスに統合され、特定のプロセスに適応できるAIを必要としていることを理解しました。最後に、私たちは、仕事を管理するのではなく、実際に仕事を実行することに焦点を当てています。

私たちが埋めようとしているギャップは、シンプルなAIツールと複雑なエンタープライズソリューションの間の空白です。多くのビジネスは、基本的な自動化以上のものが必要だが、重厚なAIシステムを実装または正当化できない中間領域にあります。私たちの3つの柱アプローチにより、組織はシンプルなブロックから始めて、製品をパワーアップし、最終的に洗練されたデジタルワークフォースを構築できます。

発表後、私たちは全ての 垂直市場で強力に押し進めてきました。採用と有料ユーザーの増加が著しく、成長しています。

また、「バイブコーディング」製品を導入し、ソフトウェアの民主化を目指しています。最新のAIの進歩により、単純な自然言語でフルアプリケーションを構築することが今までになく簡単になりました。monday vibeやmagicのような最新の製品により、非技術的なユーザーが monday エコシステムを活用して、カスタマイズされたアプリケーションを構築できます。

実際に、AI Blocksはどのように機能しますか。非技術的なユーザーがこれらのツールを日常のワークフローに統合する際の学習曲線はどのようになりますか。

AI Blocksは、名前の通り、組み立てやすいように設計されています。実際の使い方としては、ユーザーがプロジェクト管理ワークフローに「締め切りを抽出」というブロックをドラッグアンドドロップしたり、週次レビュー処理に「会議ノートをまとめる」というブロックを追加したりすることができます。ブロックは裏でAIの複雑さを処理し、顧客にはシンプルで馴染みやすいインターフェイスを提供します。

学習曲線は意図的に最小限に抑えられています。チームが最初のセッション内にAI Blocksを実装するのを見たことがあります。例えば、マーケティングチームが、AI Blocksを使用してソーシャルメディアの言及を自動的に分析し、感情や重要なテーマを抽出するワークフローを作成することができます。すべてが、コードを1行も書かずに実現します。

重要な洞察は、人々がAIの仕組みを理解する必要がないということです。彼らはただ、ワークフローについて十分に理解して、自動化がどこで役立つかを知る必要があります。ブロックは、人々がすでに持っているワークフローのメンタルモデルに合わせて設計されています。

最近、monday magic、monday vibe、monday sidekickのようなAIパワードツールのスイートを立ち上げました。これらの製品は従来のアシスタントやコパイロットとはどのように異なり、業界全体でどのような役割を果たすことを想定していますか。

私たちの最新リリースは、従来のアシスタントを超えた、職場でのAIへの包括的なアプローチを表しています。各機能は独自の目的を持ちながら、統合されたエコシステムの一部として機能し、顧客のチームが運営する方法を根本的に変革しています。

monday magicは、ワークフローに知的自動化をもたらし、ユーザーが必要とする前に複雑なプロセスを予測して自動化します。monday vibeは、チームの正確なニーズに合わせてカスタマイズされたビジネスアプリを構築できる「バイブコーディング」プラットフォームです。而、monday sidekickは、ユーザーの特定のワークパターンを理解し、役割と責任に合わせたプロアクティブな支援を提供する、コンテキストを理解したAIコンパニオンです。

これらの機能を合わせると、私たちの顧客は仕事の管理から実際の仕事の実行へと移行することができます。タスクの管理と進捗の追跡ではなく、AIがパフォーマンスを最適化し、課題を予測し、自動的に行動を起こすことができます。この移行は変革的です。管理上のオーバーヘッドに費やされる時間が減り、成果をもたらす価値の高い仕事に集中できる時間が増えるからです。

これらが従来のアシスタントと異なるのは、実際のワークコンテキストの深い統合と、プロアクティブなサポートへの焦点にあることです。大多数のAIアシスタントは質問を待っている間に、私たちのスイートはパターンを観察し、ニーズを予測し、既存のワークフローと権限内で行動を起こします。

monday.comは、説明可能性とユーザーエクスペリエンスを重視しています。ただ、生のモデルパフォーマンスだけではなく、内部ではどうなっていますか。透明性とパワーをどのようにバランスをとっていますか。

説明可能性は、特にエンタープライズ環境で、信頼を構築する上で基本的なものです。裏では、私たちは私たちのAIの推論を透明にすることに多大な投資をしています。リスクアナライザーが潜在的なプロジェクトの遅延を警告する場合、それは単に警告を出すだけでなく、どの要因がその評価に寄与し、どの程度の確信を持っているかを示します。

この焦点は経験から生まれました。初期のAIシステムはブラックボックスのように感じられ、顧客は重要な決定に頼ることをためらっていました。私たちは、顧客がAIが何を提案しているかだけでなく、 почему それを提案しているかを理解する必要があることを学びました。

透明性とパワーのバランスは、層別の開示に帰結します。私たちは、表面レベルで即座に活用可能な洞察を提供し、顧客が必要な場合は詳細な推論を見ることができるようにします。このアプローチは、信頼を構築しながら使いやすさを維持します。顧客はシステムをよりよく理解するにつれて、より自信を持ち、全機能を活用するようになります。

現在、プラットフォーム上で46百万以上のAIアクションが実行されています。顧客が最も驚かせたり、創造的にAIを使用した例は何ですか。

私たちの顧客の創造性は常に私を驚かせます。私たちは、ウェディングプランナーがAI Blocksを使用してベンダーの返信を自動的にカテゴリ化し、重要な詳細を抽出するワークフローを作成したことを見たことがあります。研究チームは、学術的な論文を分析し、重要な発見や方法論のノートを自動的にデータベースにポップュレートするワークフローを作成しました。

特に創造的なユースケースは、レストランチェーンが私たちのAIを使用して、ロケーション全体の顧客のフィードバックを分析し、苦情のパターンを検出して潜在的な食品安全上の懸念を自動的にフラグする早期警戒システムを作成したことです。

驚くべきことは、顧客がシンプルなブロックを複雑な方法で組み合わせていることです。彼らは単にタスクを自動化しているのではなく、AIの機能を考慮して全体のプロセスを再設計しています。私たちが明示的に設計していない特定のユースケースに対応するブロックを組み合わせています。

あなたはまた、Sequoia Capitalのスカウトとして初期段階のAIスタートアップに投資しています。スカウトとしての視点から、創設者がAIファースト製品を構築する際に最も一般的な間違いは何ですか。

私が最もよく見る間違いは、創設者が技術的な可能性に魅了され、ユーザーの実際のワークフローと痛み点を深く理解せずにAIを構築することです。彼らは印象的なデモを作りますが、人々が実際に直面している問題を解決しません。

別の一般的な問題は、AIの自律性を早すぎる段階で約束することです。多くの創設者は完全に自律的なシステムを構築しようとしますが、顧客は実際にはコラボレーションツールを必要としています。特にビジネス上の重要な決定では、人々はAIが判断を置き換えるのではなく、能力を補完することを望んでいます。

信頼と説明可能性の重要性を軽視する傾向もあります。創設者は精度のメトリクスに焦点を当てがちですが、ユーザー体験、不確実性、エラーの扱いを怠りがちです。エンタープライズの文脈では、顧客はAIの推奨事項を信頼する理由を理解する必要があります。

最後に、多くのAIファーストスタートアップは、配信の重要性を軽視しています。優れたAIテクノロジーを持つことは十分ではありません。既存のワークフローにAIを統合する方法と、AIに懐疑的かもしれない意思決定者に明確なROIを示す方法を理解する必要があります。

次の数年で、AIエージェントはどのように進化すると思いますか。より自律的になるでしょうか、より専門化するでしょうか、あるいはまったく別の方向に進むでしょうか。

私たちは、AIエージェントがコンテキストを理解し、状況とユーザーの好みに基づいて適切な行動をとることができるように、コラボレーションに重点を置いた方向に進化することを期待しています。未来は、完全に自律的なエージェントが独立した決定を下すものではありません。ユーザーのプロセスを理解し、適切なレベルの行動をとることができるエージェントが必要です。これには、コンテキスト、リスク評価、ユーザーの意図を理解するための高度な能力が必要です。

また、エージェント間の調整の進化も期待しています。単一のAIアシスタントではなく、人間と協力し合う専門化されたエージェントを通じて、より複雑なタスクを解決できるようになるでしょう。研究エージェントがスケジューリングエージェントやコミュニケーションエージェントと協力して、複雑なプロジェクトの立ち上げを調整するようなシナリオが考えられます。

主な進化は、人間とAIのインターフェイスにあります。エージェントは、その推論をよりよく伝え、不確実性を表現し、個々の作業スタイルに適応できるようになるでしょう。目標は、人間とAIの貢献の境界が重要ではなく、集団的な成果が重要になるような、シームレスなコラボレーションを実現することです。

社内では、AI、製品、デザイン、GTMチーム間のコラボレーションをどのように構造化していますか。ユーザーエクスペリエンスにAIがシームレスに組み込まれることを保証するために。

AI製品の成功した開発には、従来のシロを打ち破り、すべてのチームが共通の言語でAIの能力と限界について話し合うことが必要です。私たちは、AIの能力と技術的な解決策について議論する前に、クロスファンクショナルなディスカバリーセッションを実施し、ユーザーの問題を探求します。これにより、AIの能力から始めて問題を探すという一般的な間違いを避けることができます。

プロトタイピングとユーザーテストにも多大な投資をしています。デザインと製品チームはAIエンジニアと密接に協力し、実際のユーザーの制約と好みを理解しています。AIチームは、ユーザーのニーズをより深く理解する機会を得ています。この双方向の学習は、AI機能が自然に感じられるようにするために不可欠です。

GTMチームは、開発プロセスから最初の段階で関与しています。彼らは、顧客がAIについてどう考え、どのように学びたいかを理解するのに役立ちます。この洞察は、製品設計と技術的実装に直接影響します。

オープンソース、エンタープライズAI、VCを橋渡しする立場として、次の大きなAIブレークスルーはどこで起こると考えていますか。ツール、インフラストラクチャー、あるいはまだ見えていない何かです。

次のブレークスルーは、人間とAIのコラボレーションインターフェイスの交差点で起こりそうです。モデル能力の驚異的な進歩を遂げてきましたが、人間とAIシステムが最も効果的にどのように協力できるかを理解するのはまだ初期段階にあります。

ブレークスルーは、AIをより自律的にすることではなく、人間とAIのコラボレーションをより流暢にし、自然にすることです。これには、AIシステムが不確実性を伝え、個々の作業スタイルに適応し、複数の人間や他のAIシステムと同時に調整できるようにする能力の向上が含まれます。

インフラストラクチャーの観点から、私は、動的情報ストリームを理解して行動できるリアルタイムのコンテキストAIの進歩に注目しています。長時間の時間枠と複数のインタラクションタイプを横断してコンテキストを保持できるAIシステムを構築する能力は、まったく新しいアプリケーションのカテゴリを可能にします。

しかし、最も興奮するブレークスルーは、予期せぬ方向から来るかもしれません。トランスフォーマーがニューラルマシン翻訳の注意メカニズムから生まれたように、狭い問題を解決することで幅広い応用が可能になる次の重要な進歩が来る可能性があります。重要なのは、初心者の心持ちを維持し、まだ想像できていない可能性に開かれたままであることです。

素晴らしいインタビュー、詳しく知りたい読者はmonday.comを訪れてください。