Assaf Elovic, Hoofd van AI bij monday.com – Interviewreeks

Assaf Elovic, Hoofd van AI bij monday.com – is een technoloog, oprichter en investeerder aan de voorhoede van AI-innovatie. Hij creëerde GPT Researcher, de eerste diepe onderzoeksagent met meer dan 20.000 GitHub-sterren, en mede-oprichter van Tavily, een toonaangevende zoekmachine voor LLM’s. Bij monday.com leidt hij het bedrijfsbrede AI-beleid voor product, techniek, ontwerp en go-to-market, evenals een scout voor Sequoia Capital, waar hij startende AI-bedrijven adviseert en investeert. Zijn carrière omvat productontwikkeling, R&D-leiderschap en het opschalen van wereldwijde teams, met een consistente focus op het bouwen van transformatieve AI-producten en het stimuleren van de volgende golf van AI-gedreven bedrijven.

monday.com is een toonaangevend werkbesturingssysteem dat teams in staat stelt om projecten, workflows en samenwerking op een hoge mate van aanpasbaarheid te beheren. Vertrouwd door organisaties wereldwijd, integreert het platform AI-gedreven automatisering, analytics en naadloze cross-teamcoördinatie om de productiviteit te verhogen en het besluitvormingsproces te versnellen. Met oplossingen die projectbeheer, CRM, productontwikkeling en marketing omvatten, is monday.com een centraal hub geworden voor bedrijven die efficiënt willen schalen en sneller willen innoveren.

U heeft AI-inspanningen geleid bij enkele van de meest dynamische bedrijven in tech, waaronder Wix en nu monday.com—wat trok u persoonlijk aan om intelligente systemen te bouwen?

Mijn reis naar AI begon tijdens de chatbot-boom van 2015. Ik had een interactie met een AI-bot die echt intentie kon begrijpen; het voelde als magie. Dit was niet alleen een noviteit; het loste echte problemen op zoals het plannen van afspraken en het beantwoorden van complexe vragen. Dat moment wekte mijn nieuwsgierigheid over hoe deze systemen werkten.

Wat me echt aantrok, was het realiseren hoe toegankelijk AI was geworden. Sommige tools en API’s maakten het mogelijk voor ontwikkelaars om robuuste toepassingen te bouwen zonder een PhD in machine learning nodig te hebben. De eindeloze mogelijkheden waren spannend, en ik wist dat ik wilde bijdragen aan deze transformatie. Sindsdien ben ik toegewijd aan het bouwen van AI-producten die echte uitdagingen oplossen en het leven van mensen verbeteren.

De uitdaging van het bouwen van intelligente systemen spreekt me aan omdat het op het snijvlak van creativiteit en cutting-edge technologie ligt. Elk project is als het oplossen van een nieuwe puzzel; je moet niet alleen de technische mogelijkheden begrijpen, maar ook hoe mensen werkelijk werken en wat ze nodig hebben.

Voordat u bij monday.com kwam, creëerde u open-source tools zoals GPT Researcher die bij ontwikkelaars en onderzoekers in de smaak vielen. Hoe hebben die grassroots, community-gedreven ervaringen uw benadering van het bouwen van enterprise AI-producten vandaag beïnvloed?

De open-source ervaring leerde me waardevolle lessen over het bouwen voor echte gebruikersbehoeften in plaats van theoretische. Wanneer je in het openbaar bouwt, krijg je onmiddellijke, ongefilterde feedback van ontwikkelaars die echt proberen problemen op te lossen. Dit leerde me om me te concentreren op praktische bruikbaarheid in plaats van indrukwekkende demos.

Werken met de community benadrukte ook het belang van het toegankelijk maken van AI. Veel van de ontwikkelaars die deze tools gebruikten, waren geen AI-specialisten – ze bouwden toepassingen en hadden AI-mogelijkheden nodig die betrouwbaar en gemakkelijk te integreren waren. Deze ervaring beïnvloedt rechtstreeks hoe we AI Blocks bij monday.com benaderen: krachtige AI-mogelijkheden beschikbaar stellen aan niet-technische klanten via intuïtieve interfaces.

Vroeg dit jaar onthulde monday.com een visionaire nieuwe AI-visie met drie pijlers: AI Blocks, Product Power-ups en een Digitale Werkforce. Hoe kwam dit kader tot stand, en welke lacune in de markt proberen jullie te vullen?

Onze AI-visie ontstond uit het observeren van een fundamentele uitdaging: organisaties van alle maten willen AI gebruiken, maar de meeste oplossingen vereisen aanzienlijke technische expertise of zijn te rigide voor diverse bedrijfsbehoeften. We zagen dat mensen niet alleen op zoek waren naar een andere AI-assistent; ze hadden AI nodig die naadloos in hun bestaande workflows kon worden geïntegreerd en zich kon aanpassen aan hun specifieke processen. Ten slotte richten we ons nu op het helpen van mensen om werk te doen met AI, een verschuiving van het helpen van mensen om werk te beheren.

De lacune die we proberen te vullen, is de ruimte tussen eenvoudige AI-hulpmiddelen en complexe enterprise-oplossingen. Veel bedrijven vallen in een middengebied waarin ze meer nodig hebben dan basisautomatisering, maar geen zware AI-systemen kunnen rechtvaardigen of implementeren. Onze driepijlerbenadering geeft organisaties de flexibiliteit om eenvoudig te beginnen met blokken, hun producten te verbeteren met power-ups en uiteindelijk geavanceerde digitale werkforces te bouwen.

Sinds de lancering hebben we sterk gepusht in alle verticale richtingen met aanzienlijke groei in adoptie en betalende gebruikers.

We hebben ook “vibe coding”-producten geïntroduceerd die gericht zijn op onze missie om software te democratiseren. Met de laatste vooruitgang in AI is het nog nooit zo eenvoudig geweest om volledige toepassingen te bouwen met eenvoudige natuurlijke taal. Onze laatste producten zoals monday vibe en magic kunnen elke niet-technische gebruiker in staat stellen om het monday-ecosysteem te gebruiken om aangepaste toepassingen voor werk te bouwen.

Kunt u ons doorlopen hoe AI Blocks in de praktijk werken? Wat is de leercurve voor niet-technische gebruikers die deze tools proberen te integreren in hun dagelijkse workflows?

AI Blocks zijn ontworpen om zo intuïtief te zijn als bouwblokken – vandaar de naam. In de praktijk kan een gebruiker een “extract deadlines”-blok in zijn projectmanagementworkflow slepen, of een “samenvatting van notities”-blok toevoegen aan zijn wekelijkse reviewproces. De blokken behandelen de AI-complexiteit achter de schermen, terwijl ze klanten een eenvoudige, vertrouwde interface presenteren.

De leercurve is opzettelijk minimaal. We hebben gezien dat teams AI Blocks binnen hun eerste sessie succesvol hebben geïmplementeerd. Bijvoorbeeld, een marketingteam kan een workflow maken waarin social media-vermeldingen automatisch worden geanalyseerd op sentiment en belangrijke thema’s worden geëxtraheerd, alles zonder één regel code te schrijven.

Het belangrijke inzicht is dat mensen niet hoeven te begrijpen hoe AI werkt om ervan te profiteren. Ze hoeven alleen maar hun eigen processen goed genoeg te begrijpen om te identificeren waar automatisering zou helpen. We hebben de blokken zo ontworpen dat ze overeenkomen met de mentale modellen die mensen al hebben over hun workflows.

U heeft onlangs een reeks AI-gepowered tools gelanceerd, waaronder monday magic, monday vibe en monday sidekick. Wat maakt deze producten anders dan traditionele assistenten of copilots, en welke rol zien jullie voor hen weggelegd in de industrie?

Onze laatste releases vertegenwoordigen een alomvattende benadering van workplace AI die verder gaat dan traditionele assistenten. Elke mogelijkheid dient een apart doel en werkt samen als een geïntegreerd ecosysteem dat de manier waarop teams opereren fundamenteel transformeert, waarmee we onze verschuiving van werkbeheer naar werkuitvoering voor onze klanten versterken.

monday magic brengt intelligente automatisering naar workflows, met behulp van AI om behoeften te voorspellen en complexe processen te automatiseren voordat gebruikers zelfs maar beseffen dat ze ze nodig hebben. monday vibe is een vibe coding-platform dat iedereen in staat stelt om beveiligde, aangepaste bedrijfsapps te bouwen die zijn afgestemd op de exacte behoeften van hun team. En monday sidekick dient als uw contextuele AI-companjon, die uw specifieke werkpatronen begrijpt en proactieve ondersteuning biedt die is afgestemd op uw rol en verantwoordelijkheden.

Samen verplaatsen deze mogelijkheden onze klanten verder dan het simpelweg beheren en bijhouden van werk naar het daadwerkelijk uitvoeren van werk op een slimmere manier. In plaats van taken te organiseren en de voortgang te bewaken, kunnen teams nu vertrouwen op AI om prestaties te optimaliseren, uitdagingen te anticiperen en automatisch actie te ondernemen. Deze verschuiving van passief beheer naar actieve uitvoering is transformatief; het betekent minder tijd besteed aan administratieve overhead en meer tijd gefocust op hoogwaardig werk dat resultaten oplevert.

Wat deze producten anders maakt dan traditionele assistenten, is hun diepe integratie met de werkelijke context van het werk en hun focus op proactieve in plaats van reactieve ondersteuning. Terwijl de meeste AI-assistenten wachten tot u vragen stelt, observeert onze suite patronen, anticipeert behoeften en neemt actie binnen uw bestaande workflows en machtigingen.

monday.com benadrukt uitlegbaarheid en gebruikerservaring, niet alleen ruwe modelprestaties. Hoe ziet dat erachter de schermen uit, en hoe balanceren jullie transparantie met kracht?

Uitlegbaarheid is fundamenteel voor het opbouwen van vertrouwen, vooral in enterprise-omgevingen waar beslissingen echte gevolgen hebben. Achter de schermen investeren we zwaar in het maken van onze AI-redenering transparant. Wanneer onze Risk Analyzer een potentiële projectvertraging signaleert, geeft het niet alleen een waarschuwing; het toont exact welke factoren bijdroegen aan die beoordeling en hoe zeker het is van de voorspelling.

Deze focus kwam uit ervaring. Vroege AI-systemen voelden vaak als zwarte dozen, wat klanten aarzelend maakte om erop te vertrouwen voor belangrijke beslissingen. We leerden dat klanten niet alleen moeten weten wat de AI suggereert, maar ook waarom het die suggestie doet.

De balans tussen transparantie en kracht komt neer op laagsgewijze openbaarmaking. We bieden onmiddellijke, actiegerichte inzichten op het oppervlakkige niveau, maar klanten kunnen dieper graven om de gedetailleerde redenering te zien wanneer ze dat nodig hebben. Deze aanpak bouwt vertrouwen op terwijl het gebruiksgemak behoudt – klanten vertrouwen het systeem meer als ze het begrijpen, wat paradoxale wijze maakt dat ze meer geneigd zijn om zijn volledige mogelijkheden te benutten.

Met meer dan 46 miljoen AI-acties die nu op het platform worden uitgevoerd, kunt u ons doorlopen over enkele van de meest verrassende of creatieve manieren waarop klanten AI hebben gebruikt?

De creativiteit van onze klanten verbaast me constant. We hebben gezien dat een weddingplanner AI Blocks gebruikt om automatisch leveranciersreacties te categoriseren en belangrijke details zoals prijzen en beschikbaarheidsdata te extraheren. Een onderzoeksteam creëerde een workflow die academische papers analyseert en automatisch een database bevolkt met belangrijke bevindingen en methodenotities.

Een bijzonder creatief gebruik was een restaurantketen die onze AI gebruikte om klantfeedback over alle locaties te analyseren en automatisch potentiële voedselveiligheidsproblemen te signaleren door patronen in klachten te detecteren. Ze creëerden in wezen een vroegwaarschuwingssysteem voor operationele problemen.

Wat verrassend is, is hoe klanten eenvoudige blokken combineren op geavanceerde manieren. Ze automatiseren niet alleen individuele taken; ze ontwerpen hele processen opnieuw rond AI-mogelijkheden die we nooit expliciet voor hun specifieke use-cases hebben ontworpen.

U dient ook als scout voor Sequoia Capital, investeert in startende AI-startups. Vanuit dat perspectief, welke veelvoorkomende fouten maken oprichters wanneer ze AI-first producten bouwen?

De meest voorkomende fout die ik zie, is dat oprichters worden verleid door de technische mogelijkheden van AI zonder diep te begrijpen wat de gebruiker echt nodig heeft en hoe ze werken. Ze bouwen indrukwekkende demos die AI-mogelijkheden laten zien, maar falen om echte problemen op te lossen op de manier waarop mensen werkelijk werken.

Een andere frequente kwestie is het te vroeg beloven van AI-autonomie. Veel oprichters willen volledig autonome systemen bouwen wanneer klanten eigenlijk collaboratieve tools nodig hebben. Mensen willen AI die hun capaciteiten versterkt, niet vervangt, vooral in high-stakes zakelijke beslissingen.

Er is ook een neiging om de belangrijkheid van vertrouwen en uitlegbaarheid te onderschatten. Oprichters focussen vaak op nauwkeurigheidsmetrieken, maar negeren de gebruikerservaring bij het omgaan met onzekerheid en fouten. In enterprise-contexten, vooral, moeten klanten begrijpen wanneer en waarom ze AI-aanbevelingen moeten vertrouwen.

Ten slotte worstelen veel AI-first startups met distributie. Grote AI-technologie hebben is niet genoeg; je moet begrijpen hoe je het moet integreren in bestaande workflows en duidelijke ROI moet demonstreren aan besluitvormers die mogelijk sceptisch zijn over AI-hype.

Hoe denkt u dat AI-agents de komende jaren zullen evolueren – zullen ze meer autonoom, meer gespecialiseerd of iets anders worden?

We zullen AI-agents zien evolueren naar contextuele samenwerking in plaats van pure autonomie. De toekomst is niet volledig autonome agents die onafhankelijke beslissingen nemen, maar agents die diep begrijpen wat de context is en passende actie kunnen ondernemen op basis van de situatie en de voorkeuren van de gebruiker.

We bewegen ons in de richting van agents die routineuze beslissingen autonoom kunnen afhandelen, terwijl ze complexe of dubieuze situaties naadloos kunnen escaleren naar mensen. Dit vereist een geavanceerd begrip van context, risicobeoordeling en gebruikersintentie, capaciteiten die snel verbeteren.

Ik verwacht ook een significante evolutie in multi-agent coördinatie. In plaats van monolithische AI-assistenten, zullen we gespecialiseerde agents zien die samenwerken met elkaar en met mensen in dynamische teams. Uw onderzoeksagent kan samenwerken met uw planningsagent en uw communicatieagent om een complex project te coördineren.

De sleutel tot evolutie ligt in het menselijk-AI-interface. Agents worden beter in het communiceren van hun redenering, het uiten van onzekerheid en het aanpassen aan individuele werkstijlen. Het doel is naadloze samenwerking waarbij de grenzen tussen menselijke en AI-bijdragen minder belangrijk worden dan het collectieve resultaat.

Intern, hoe structureren jullie de samenwerking tussen jullie AI-, product-, ontwerp- en GTM-teams om ervoor te zorgen dat AI naadloos in de gebruikerservaring is geïntegreerd?

Succesvolle AI-productontwikkeling vereist het doorbreken van traditionele silo’s en het creëren van een gedeelde begrip over AI-mogelijkheden en -beperkingen die iedereen kan gebruiken, van engineers tot ontwerpers tot marketeers.

Ons proces begint met cross-functionele ontdekkingsessies waarin we gebruikersproblemen samen verkennen voordat we technische oplossingen bespreken. Dit voorkomt de veelvoorkomende fout van het leiden met AI-mogelijkheden en vervolgens naar problemen zoeken om op te lossen.

We investeren ook zwaar in prototyping en gebruikerstests gedurende het hele ontwikkelingsproces. Ontwerp- en productteams werken nauw samen met AI-ingenieurs om te begrijpen wat mogelijk is, terwijl AI-teams leren over echte gebruikersbeperkingen en -voorkeuren. Deze tweerichtingsleren is cruciaal voor het creëren van AI-functies die natuurlijk aanvoelen in plaats van aangehecht.

Vanuit een GTM-perspectief zijn onze teams vanaf de eerste dag ingebed in het ontwikkelingsproces. Ze helpen ons begrijpen niet alleen wat klanten willen, maar ook hoe ze over AI denken, wat hun zorgen zijn en hoe ze graag leren over nieuwe mogelijkheden. Deze inzichten beïnvloeden rechtstreeks zowel het productontwerp als de technische implementatie.

Tenslotte, als iemand die open source, enterprise AI en VC verbindt, waar denkt u dat de volgende grote AI-doorbraak zal plaatsvinden – in tools, infrastructuur of iets waar we nog niet naar kijken?

De volgende doorbraak zal waarschijnlijk plaatsvinden op het snijvlak van menselijk-AI-samenwerkinginterfaces. We hebben enorme vooruitgang geboekt in modelmogelijkheden, maar we zijn nog in de vroege stadia van het begrijpen hoe mensen en AI-systemen het beste kunnen samenwerken.

De doorbraak zal niet liggen in het maken van AI meer autonoom, maar in het maken van menselijk-AI-samenwerking meer vloeiend en natuurlijk. Dit omvat vooruitgang in hoe AI-systemen onzekerheid communiceren, hoe ze zich aanpassen aan individuele werkstijlen en hoe ze coördineren met meerdere mensen en andere AI-systemen tegelijk.

Vanuit een infrastructuurperspectief kijk ik naar ontwikkelingen in real-time, contextuele AI die dynamische informatiestromen kan begrijpen en actie kan ondernemen. De mogelijkheid om AI-systemen te bouwen die context behouden over lange tijdshorizon en meerdere interactietypen, zal geheel nieuwe categorieën van toepassingen mogelijk maken.

Maar eerlijk gezegd, de meest spannende doorbraken kunnen komen uit onverwachte richtingen. Net zoals transformers ontstonden uit aandachtmechanismen in neurale machinetaalvertaling, kan de volgende significante vooruitgang komen uit het oplossen van een ogenschijnlijk smalle uitdaging met brede toepassingen. De sleutel is het behouden van een beginnersgeest en open te blijven voor mogelijkheden die we nog niet hebben bedacht.