monday.com의 AI 책임자 Assaf Elovic – 인터뷰 시리즈

당신은 테크 산업에서 가장 역동적인 회사 중 일부에서 AI 노력을 이끌었으며, 현재 monday.com에서 일하고 있습니다. 인텔리전트 시스템을 구축하는 도전에 대해 개인적으로 어떤 것이 처음으로 끌렸나요?

나의 AI와의 여정은 2015년의 챗봇 붐으로 시작되었다. 나는 진정으로 의도를 이해할 수 있는 AI 봇과 상호 작용했으며, 그것은 마법 같았다. 이것은 단순한 신기함이 아니었다. 실제 문제를 해결할 수 있었다. 예를 들어, 약속을 예약하거나 복잡한 질문에 대답할 수 있었다. 그 순간에 나는 이러한 시스템이 어떻게 작동하는지에 대한 호기심을 느꼈다.

나를 끌었던 것은 AI가 얼마나 접근하기 쉬워졌는지였다. 일부 도구와 API는 개발자가 기계 학습에 대한 박사 학위를 필요로하지 않아도 강력한 애플리케이션을 구축할 수 있도록 했다. 끝없는 가능성은 흥미로웠고, 나는 이 변화를 기여하고 싶었다. 그 때부터 나는 실제 세계의 도전을 해결하고 사람들의 삶을 개선하는 AI 제품을 구축하는 데 헌신했다.

인텔리전트 시스템을 구축하는 도전은 창의성과 최신 기술의 교차점에 위치한다. 각 프로젝트는 새로운 퍼즐을 해결하는 것과 같다. 기술적인 능력만이 아니라 사람들이 실제로 어떻게 일하는지 이해해야 한다.

monday.com에 합류하기 전에, 당신은 개발자와 연구자에게 공유된 공감을 불러일으키는 오픈 소스 도구인 GPT Researcher를 만들었습니다. 그 경험은 어떻게 당신의 엔터프라이즈 AI 제품 구축 접근법을 형성했나요?

오픈 소스 경험은 실제 사용자需求에 대한 깊은 이해를 제공했다. 오픈 소스에서 작업할 때, 개발자들은 실제로 문제를 해결하려고 할 때 즉각적인 피드백을 제공한다. 이것은 실제 사용자需求에 초점을 맞추는 것이 중요하다는 것을 가르쳐주었다.

커뮤니티와 함께 작업하는 것은 AI를 쉽게 접근할 수 있게 하는 것의 중요성을 강조했다. 많은 개발자들은 AI 전문가가 아니었지만, 신뢰할 수 있고 통합하기 쉬운 AI 기능이 필요했다. 이 경험은 monday.com에서 AI 블록을 접근하는 방식에 직접적인 영향을 미쳤다. 비기술적인 고객에게 직관적인 인터페이스를 통해 강력한 AI 기능을 제공하는 것이다.

이번 년초, monday.com은 세 가지 기둥을 가진 대담한 새로운 AI 비전을 발표했습니다. AI 블록, 제품 파워업, 디지털 워크포스. 이 프레임워크는 어떻게 형성되었으며, 시장에서 어떤 간극을 메우고 있나요?

우리의 AI 비전은 조직이 AI를 활용하고 싶지만, 대부분의 솔루션은 상당한 기술 전문 지식이 필요하거나 비즈니스需求에 너무僵硬하다는 기본적인 도전을 관찰하면서 나타났다. 우리는 사람들이 단순히 또 다른 AI 어시스턴트가 아니라, 기존 워크플로에無缝하게 통합되고 특정 프로세스에 적응할 수 있는 AI를 필요로 한다는 것을 보았다. 마지막으로, 우리는 이제 작업을 관리하는 것에서 작업을 수행하는 것으로 전환하고 있다.

우리가 메우는 간극은 단순한 AI 도구와 복잡한 엔터프라이즈 솔루션 사이의 공간이다. 많은 비즈니스는 중간 지대를 차지하며, 기본적인 자동화 이상의 것을 필요로 하지만, 무거운 AI 시스템을 구현하거나 정당화할 수 없다. 우리의 3가지 기둥 접근법은 조직이 시작하기 쉽게 블록을 제공하고, 제품을 파워업으로 강화하며, 궁극적으로 복잡한 디지털 워크포스를 구축할 수 있도록 한다.

시작 이후 우리는 모든 수직에서 강력하게 추진하고 있으며, 도입과 유료 사용자 수에서 상당한 성장을 보이고 있다.

우리는 또한 “바이브 코딩” 제품을 도입하여 소프트웨어를 민주화하는 우리의 사명을 달성하고 있다. 최신 AI 진보로 인해 자연어로 전체 애플리케이션을 구축하는 것이 कभ든 쉽지 않았다. 우리의 최신 제품인 monday vibe와 magic은 monday 생태계를 활용하여 맞춤형 애플리케이션을 구축할 수 있는 비기술적인 사용자를 가능하게 한다.

실제에서 AI 블록은 어떻게 작동하나요? 비기술적인 사용자가 일일 워크플로에 이러한 도구를 통합하는 데 필요한 학습 곡선은 무엇인가요?

AI 블록은 이름에서 알 수 있듯이 블록을 쌓는 것과 같다. 실제로, 사용자는 프로젝트 관리 워크플로에 “마감일 추출” 블록을 끌어들이거나, 주간 검토 프로세스에 “회의록 요약” 블록을 추가할 수 있다. 블록은 뒤에서 AI 복잡성을 처리하며, 고객에게는 익숙한 단순한 인터페이스를 제공한다.

학습 곡선은 의도적으로 최소화되어 있다. 우리는 팀이 첫 번째 세션에서 AI 블록을 성공적으로 구현하는 것을 보았다. 예를 들어, 마케팅 팀은 소셜 미디어 언급을 자동으로 분석하고 주요 테마를 추출하는 워크플로를 만들 수 있다. 모두 코드 한 줄을 작성하지 않고.

중요한 통찰은 사람들이 AI가 어떻게 작동하는지 이해할 필요가 없다는 것이다. 그들은 단지 자신의 프로세스를 충분히 잘 이해하여 자동화가 도움이 될 곳을 식별할 수 있어야 한다. 우리는 블록을 사람들이 이미 가지고 있는 워크플로에 대한 정신 모델과 일치하도록 설계했다.

최근에 monday magic, monday vibe, monday sidekick를 포함한 AI 파워드 도구 모음을 출시했습니다. 이러한 제품은 전통적인 어시스턴트나 공조자와 어떻게 다르며, 산업 전반에 걸쳐 어떤 역할을 할 것으로 예상하시나요?

우리의 최신 출시 제품은 전통적인 어시스턴트를 넘어서는 종합적인 작업장 AI 접근 방식을 대표한다. 각 기능은 별도의 목적을 제공하지만, 통합된 생태계로서 함께 작동하여 팀이 운영하는 방식을 근본적으로 변革한다. monday magic은 예측과 자동화를 통해 워크플로를 강화한다. monday vibe는 사용자 정의 비즈니스 앱을 구축할 수 있는 바이브 코딩 플랫폼이다. monday sidekick는 사용자의 작업 패턴을 이해하고 역할 및 책임에 맞게 프로액티브한 지원을 제공하는 컨텍스추얼 AI 동료이다.

이러한 기능을 함께 사용하면 고객이 단순히 작업을 관리하고 추적하는 것에서 실제로 작업을 더 지능적으로 실행하는 방식으로 전환할 수 있다. 이제 팀은 작업을 최적화하고, 도전을 예측하며, 자동으로 행동할 수 있다. 이것은 수동적인 관리에서 적극적인 실행으로의 전환으로, 행정적 오버헤드에 소요하는 시간을 줄이고, 결과를驱動하는 가치 있는 작업에 집중할 수 있다.

전통적인 어시스턴트와의 차이점은 실제 작업 컨텍스트와의 깊은 통합과 프로액티브 지원에 대한 초점이다. 대부분의 AI 어시스턴트는 질문을 기다리지만, 우리의 제품은 패턴을 관찰하고, 필요를 예측하며, 기존 워크플로와 권한 내에서 행동한다.

monday.com은 설명 가능성과 사용자 경험에 중점을 두고 있습니다. 이는 어떻게 작동하며, 투명성과 힘을 어떻게 균형을 잡나요?

설명 가능성은 특히 기업 환경에서 의사 결정을 내릴 때 신뢰를 구축하는 데 기본적이다. 뒤에서, 우리는 우리의 AI가 이유를 투명하게 하는데에大量으로 투자한다. 우리의 리스크 분석기가 잠재적인 프로젝트 지연을 플래그할 때, 단순히 경고만을 보내지 않는다. 그것은 정확히 어떤 요인들이 그 평가에 기여했는지와 얼마나 자신감이 있는지 보여준다.

이 초점은 경험에서 비롯되었다. 초기 AI 시스템은 블랙박스처럼 느껴졌고, 고객은 중요한 결정에 대해 의존하기를 주저했다. 우리는 고객이 단순히 AI가 무엇을 제안하는지 이해하는 것뿐만 아니라, 왜那样 제안하는지 이해할 필요가 있다는 것을 배웠다.

투명성과 힘의 균형은 계층화된 공개로 돌아간다. 우리는 즉각적이고 행동 가능한 통찰력을 표면 수준에서 제공하지만, 고객이 필요할 때 자세한 이유를 볼 수 있다. 이 접근 방식은 신뢰를 구축하고, 동시에 사용성을 유지한다. 고객은 시스템을 더 잘 이해할수록, 더 많이 신뢰하고, 그로 인해 더 많이 활용한다.

현재 플랫폼에서 4,600만 개 이상의 AI 동작이 수행되고 있습니다. 고객이 가장 놀라운 또는 창의적인 방식으로 AI를 사용한 예는 무엇인가요?

고객의 창의성은 끊임없이 나를 놀라게 한다. 우리는 웨딩 플래너가 AI 블록을 사용하여 자동으로 벤더 응답을 분류하고 주요 세부 정보를 추출하는 것을 보았다. 연구 팀은 학술 논문을 분석하고 데이터베이스에 주요 발견과 방법론을 자동으로 채우는 워크플로를 만들었다.

특히 창의적인 사용 사례 중 하나는 고객의 피드백을 분석하여 잠재적인 식품 안전 문제를 자동으로 감지하는 레스토랑 체인이었다. 그들은 본질적으로 운영 문제에 대한 초기 경보 시스템을 만들었다.

놀라운 점은 고객이 단순한 블록을 복잡한 방식으로 결합하는 것이다. 그들은 단순히 개별 작업을 자동화하는 것이 아니라, 전체 프로세스를 AI 기능 주위에 재설계하고 있다. 우리는 명시적으로 이러한 사용 사례를 위해 설계하지 않았지만, 고객은 우리가 예상하지 못한 방식으로 창의적으로 사용하고 있다.

또한 Sequoia Capital의 스카우트로 활동하며 초기 AI 스타트업에 투자하고 조언합니다. 그 관점에서 볼 때, 창립자는 AI 최초 제품을 구축할 때 가장 흔한 실수를 무엇이라고 생각하나요?

가장 흔한 실수는 기술적인 가능성에 매료되어 실제 사용자需求과 워크플로를 깊이 이해하지 못하는 것이다. 그들은 실제 문제를 해결하지 못하는 인상적인 데모를 구축한다. 사용자들은 실제로 어떻게 일하는지 이해하지 못한다.

또 다른 일반적인 문제는 너무 이른 시기에 AI 자율성을 과도하게 약속하는 것이다. 많은 창립자는 완전히 자율적인 시스템을 구축하고 싶지만, 고객은 실제로 협업 도구를 원한다. 특히 비즈니스 결정에서 사람들은 자신의 판단을 대체하는 것이 아니라, AI가 능력을 보완하길 원한다.

또한 신뢰와 설명 가능성의 중요성을 과소평가하는 경향이 있다. 창립자는 정확성 지표에 초점을 맞추지만, 불확실성과 오류를 처리하는 사용자 경험을 무시한다. 특히 기업 환경에서 고객은 AI 추천을 신뢰할 때와 왜 신뢰해야 하는지 이해해야 한다.

마지막으로, 많은 AI 최초 스타트업은 분배에 어려움을 겪는다. 훌륭한 AI 기술을 갖고 있는 것은 충분하지 않다. 기존 워크플로에 어떻게 통합할 수 있고, 의사 결정자에게 명확한 ROI를 어떻게 보여줄 수 있는지 이해해야 한다.

앞으로 몇 년 동안 AI 에이전트는 어떻게 진화할 것으로 생각하나요? 더 자율적, 더 전문적, 또는 완전히 다른 방향으로?

우리는 AI 에이전트가 자율적이 아닌 협력적 접근 방향으로 진화할 것으로 예상한다. 미래는 완전히 자율적인 에이전트가 독립적인 결정을 내리는 것이 아니라, 상황과 사용자 선호도에 따라 적절한 행동을 취할 수 있는 에이전트를 의미한다.

우리는 에이전트가 루틴 결정은 자율적으로 처리할 수 있지만, 복잡하거나 모호한 상황에서는 인간에게 무결하게 이스케이프할 수 있는 방향으로 나아갈 것이다. 이것은 상황, 위험 평가, 사용자 의도에 대한 복잡한 이해를 필요로 한다. 이러한 기능은 빠르게 개선되고 있다.

또한 다중 에이전트 조정을 위한 상당한 진화를 예상한다. 단일의 거대한 AI 어시스턴트가 아니라, 서로와 인간과 협력할 수 있는 전문 에이전트를 보게 될 것이다. 연구 에이전트는 스케줄링 에이전트와 커뮤니케이션 에이전트와 함께 복잡한 프로젝트 런치에 대한 조정을 위해 협력할 수 있다.

주요한 진화는 인간-AI 인터페이스에서 일어날 것이다. 에이전트는 이유를 더 잘 전달하고, 불확실성을 표현하며, 개별 작업 스타일에 적응하는 방식으로 더 나아질 것이다. 목표는 무결한 협력을 달성하는 것이다. 여기서 인간과 AI의 기여 사이의 경계는 결과만큼 중요하지 않다.

내부적으로, AI, 제품, 디자인, GTM 팀 간의 협력을 어떻게 구조화하여 사용자 경험에 AI가無缝하게 통합되도록 합니까?

성공적인 AI 제품 개발에는 전통적인 실로를 깨뜨리고 모든 팀이 공유하는 이해를 만들기가 필요하다. 우리는 AI 기능과 한계에 대한 공통 언어를 모든 팀이 사용할 수 있도록 해야 한다. 엔지니어부터 디자이너, 마케터까지.

우리의 프로세스는 모든 팀이 사용자 문제를 함께 탐색하기 시작하면서 시작된다. 기술적인 해결책을 논의하기 전에, 사용자 문제를 먼저 이해한다. 이것은 AI 기능을 먼저 리드하고, 이후에 문제를 해결하려고 하는 일반적인 실수를 방지한다.

우리는 또한 프로토타이핑과 사용자 테스트에大量으로 투자한다. 디자인과 제품 팀은 AI 엔지니어와 함께 실제 사용자 제약과 선호를 이해하기 위해 협력한다. 이것은 AI 기능이 실제 사용자需求을 충족하도록 하는데 필수적이다.

마케팅 팀은 개발 프로세스에서 일찍부터 참여하여 고객이 AI 기능에 대해 어떻게 생각하는지, 어떤 우려를 가지고 있는지, 어떻게 새로운 기능을 배우고 싶어하는지 이해한다. 이러한 통찰은 제품 설계와 기술 구현에 직접적인 영향을 미친다.

마지막으로, 오픈 소스, 엔터프라이즈 AI, VC를 연결하는 사람으로서, 다음 큰 AI 혁신은 어디에서 일어날 것으로 생각하나요? 도구, 인프라, 또는 아직 보지 못한 곳에서?

다음 큰 혁신은 인간-AI 협력 인터페이스의 교차점에서 일어날 것으로 예상한다. 우리는 모델 기능에 엄청난 진보를 이루었지만, 인간과 AI 시스템이 어떻게 가장 효과적으로 협력할 수 있는지 여전히 초기 단계에 있다.

인프라 관점에서, 나는 실시간, 컨텍스트에 따른 AI의 발전에 주목한다. 동적 정보 스트림을 이해하고 행동할 수 있는 AI 시스템을 구축하는 능력은 완전히 새로운 애플리케이션 범주를 가능하게 할 것이다.

하지만, 가장 흥미로운 혁신은 예상치 못한 방향에서 올 수 있다. 트랜스포머는 신경 기계 번역의 주목 메커니즘에서 나타났듯이, 다음의 중요한 발전은 폭넓은 응용 프로그램을 가진 좁은 문제를 해결하는 것에서 올 수 있다. 핵심은 초보자의 마음을 유지하고, 아직 상상하지 못한 가능성에 대해 열린 마음을 갖는 것이다.

이번 인터뷰 감사합니다. 더 많은 정보를 원하는 독자는 monday.com을 방문하십시오.