Assaf Elovic, Hoofd AI bij monday.com – Interviewreeks

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

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 geen 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 zich bevindt op het snijvlak van creativiteit en cutting-edge technologie. Elk project is als het oplossen van een nieuw puzzel; je moet niet alleen de technische capaciteiten begrijpen, maar ook hoe mensen werkelijk werken en wat ze nodig hebben.

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

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

Samenwerken met de community versterkte 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: het beschikbaar stellen van krachtige AI-mogelijkheden voor 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 Werkplaats. Hoe kwam dit kader tot stand, en welke marktgap probeert u te vullen?

Onze AI-visie ontstond uit het observeren van een fundamentele uitdaging: organisaties van alle maten willen AI benutten, 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 bij het uitvoeren van werk met AI, een verschuiving van het beheren van werk.

De marktgap 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 implementeren of rechtvaardigen. Onze driepijleraanpak geeft organisaties de flexibiliteit om eenvoudig te beginnen met blocks, hun producten te verbeteren met power-ups en uiteindelijk geavanceerde digitale werkplaatsen te bouwen.

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

We hebben ook “vibe coding”-producten geïntroduceerd die zijn gericht op onze missie om software te democratiseren. Met de laatste vooruitgang in AI is het nog nooit eenvoudiger geweest om volledige toepassingen te bouwen met eenvoudige natuurlijke taal. Onze nieuwste 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 door de praktische werking van AI Blocks leiden? Wat is de leercurve voor niet-technische gebruikers die proberen deze tools in hun dagelijkse workflows te integreren?

AI Blocks zijn ontworpen om zo intuïtief te zijn als bouwstenen—vandaar de naam. In de praktijk kan een gebruiker een “extract deadlines”-blok in zijn projectbeheerworkflow slepen, of een “samenvatting van notities”-blok toevoegen aan zijn wekelijkse beoordelingsproces. De blokken behandelen de AI-complexiteit achter de schermen, terwijl ze klanten voorzien van eenvoudige, vertrouwde interfaces.

De leercurve is opzettelijk minimaal. We hebben gezien dat teams AI Blocks binnen hun eerste sessie succesvol hebben geïmplementeerd. Een marketingteam kan bijvoorbeeld een workflow creëren waarin socialemediaberichten automatisch worden geanalyseerd op sentiment en belangrijke thema’s worden geëxtraheerd, allemaal zonder één regel code te schrijven.

Het belangrijkste inzicht is dat mensen niet hoeven te begrijpen hoe AI werkt om er profijt van te hebben. Ze moeten alleen hun eigen processen goed genoeg 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 copiloten, en welke rol zien wij ze spelen over verschillende industrieën?

Onze nieuwste releases vertegenwoordigen een alomvattende aanpak van workplace AI die verder gaat dan traditionele assistenten. Elk vermogen dient een specifiek doel en werkt samen als een geïntegreerd ecosysteem dat fundamenteel verandert hoe teams opereren, waarmee we onze verschuiving van werkbeheer naar werkuitvoering voor onze klanten versterken.

monday magic brengt intelligente automatisering naar workflows, met AI die voorspelt wat gebruikers nodig hebben en complexe processen automatisch uitvoert 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 fungeert als uw contextuele AI-companion, die uw specifieke werkpatronen begrijpt en proactieve ondersteuning biedt die is afgestemd op uw rol en verantwoordelijkheden.

Samen verplaatsen deze capaciteiten onze klanten van het enkel beheren en bijhouden van werk naar het daadwerkelijk uitvoeren van werk op een intelligente manier. In plaats van alleen taken te organiseren en vorderingen te volgen, 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 gericht op hoogwaardig werk dat resultaten oplevert.

Wat deze anders maakt dan traditionele assistenten, is hun diepe integratie met de werkelijke werkcontext 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. Wat ziet dit 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 aangeeft, geeft het niet alleen een waarschuwing; het toont exact welke factoren tot die beoordeling hebben bijgedragen en hoe zeker het is van de voorspelling.

Deze focus kwam voort uit ervaring. Vroege AI-systemen voelden vaak als black boxes; dit maakte klanten huiverig om erop te vertrouwen voor belangrijke beslissingen. We leerden dat klanten moeten begrijpen niet alleen wat de AI suggereert, maar waarom het die suggestie doet.

De balans tussen transparantie en kracht komt neer op gelaagde openbaarmaking. We bieden onmiddellijke, actiegerichte inzichten op het oppervlakte niveau, maar klanten kunnen dieper ingaan 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 wanneer ze het begrijpen, wat paradoxalerwijs maakt dat ze meer bereid zijn om zijn volledige capaciteiten te benutten.

Met meer dan 46 miljoen AI-acties die nu op het platform worden uitgevoerd, wat zijn 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 beschikbaarheidsdatums te extraheren. Een onderzoeksteam creëerde een workflow die academische papers analyseerde en automatisch een database vulde met belangrijke bevindingen en methodologienotities.

Een bijzonder creatief gebruik was een restaurantketen die onze AI gebruikte om klantfeedback over locaties te analyseren en automatisch potentiële voedselveiligheidsproblemen aan te geven 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 afzonderlijke taken; ze ontwerpen hele processen opnieuw rond AI-capaciteiten die we nooit expliciet voor hun specifieke gebruik hebben ontworpen.

U dient ook als scout voor Sequoia Capital, waar u investeert in vroege 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 werkelijke workflow en pijn punten van de gebruiker zijn. 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 aanvult, niet vervangt, vooral in hoogrisicobeslissingen.

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. Het hebben van geweldige AI-technologie is niet genoeg; u moet begrijpen hoe u deze kunt integreren in bestaande workflows en aantonen dat er een duidelijke ROI is voor beslissers die mogelijk sceptisch staan tegenover AI-hype.

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

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

We bewegen ons in de richting van agents die routinebeslissingen 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 aanzienlijke evolutie in multi-agentcoördinatie. 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 sleutelontwikkeling zal zijn in de mens-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 afbreken van traditionele silo’s en het creëren van een gedeelde begrip over alle teams. We hebben ontdekt dat de sleutel het vaststellen van een gemeenschappelijke taal rond AI-mogelijkheden en -beperkingen is 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 om te beginnen met AI-mogelijkheden en vervolgens naar problemen te 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-engineers om te begrijpen wat mogelijk is, terwijl AI-teams leren over echte gebruikersbeperkingen en -voorkeuren. Deze wederzijdse leerprocessen zijn 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 het liefst leren over nieuwe capaciteiten. 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 mens-AI-samenwerkingsinterfaces. We hebben enorme vooruitgang geboekt in modelcapaciteiten, maar we zijn nog in de vroege stadia van het uitvinden van 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 mens-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 infrastructuuroogpunt houd ik de ontwikkelingen in de gaten van real-time, contextuele AI die dynamische informatiekanalen 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 kunnen de meest spannende doorbraken uit onverwachte richtingen komen. Net zoals transformers ontstonden uit aandachtmecanismen in neurale machinetaalvertaling, kan de volgende significante vooruitgang komen van het oplossen van een ogenschijnlijk smal probleem met brede toepassingen. De sleutel is het behouden van die beginner’s mindset en open blijven voor mogelijkheden die we nog niet hebben bedacht.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen bezoek monday.com.