Maciej Saganowski, direktør for AI-produkter, Appfire – Intervju-serie

Maciej Saganowski er direktør for AI-produkter i Appfire.

Appfire er en ledende leverandør av bedriftsprogramvareløsninger designet for å forbedre samarbeid, strømlinje arbeidsflyter og forbedre produktivitet over team. Appfire tilbyr en robust samling av apper tilpasset prosjektledelse, automatisering, rapportering og IT-tjenestehåndtering, og spesialiserer seg på verktøy som integrerer med plattformer som Atlassian, Salesforce og Microsoft. Med en global tilstedeværelse og et fokus på innovasjon, har selskapet blitt en pålitelig partner for organisasjoner som søker å optimalisere sine programvareøkosystemer, og betjener et bredt spekter av bransjer og muliggjør at team kan oppnå målene sine effektivt.

Appfire er kjent for å levere bedriftssamarbeidsløsninger, kan du introdusere oss for Appfires tilnærming til utvikling av AI-drevne produkter?

I løpet av det siste året har markedet blitt oversvømt av AI-drevne løsninger, ettersom selskaper justerer seg for å forbli relevante og konkurrerende. Mens noen av disse produktene har møtt forventningene, finnes det fortsatt en mulighet for leverandører til å virkelig møte virkelige kundebehov med effektive løsninger.

I Appfire er vi fokusert på å forbli i forkant av AI-innovasjon, og muliggjør at vi kan forutse og overgå de utviklende behovene til bedriftssamarbeid. Vi nærmer oss AI-integrasjon med målet om å levere virkelig verdi, snarere enn bare å hevde “AI-klarhet” for å skille oss fra andre. Vår tilnærming til utvikling av AI-drevne produkter sentrerer seg på å skape ubesvarte, effektive opplevelser for våre kunder.

Vi ønsker at AI skal smelte inn i brukeropplevelsen, og forbedre den uten å overskygge den eller, verre, skape en ekstra byrde ved å kreve at brukerne lærer helt nye funksjoner.

“Time to Value” er ett av de viktigste målene for våre AI-drevne funksjoner. Dette prinsippet fokuserer på hvor raskt en bruker – spesielt en ny bruker – kan begynne å dra nytte av våre produkter.

For eksempel, med Canned Responses, trenger en supportagent som svarer på en kunde ikke å gjennomse hele e-posttråden; AI kan foreslå den mest passende svarmalen, og spare tid og forbedre nøyaktigheten.

Appfire har inngått et samarbeid med Atlassian for å lansere WorkFlow Pro som en Rovo-agent. Hva gjør denne AI-drevne produktet spesielt i et marked fylt med lignende produkter?

Denne kategorien av produkter er relativt uvanlig. Vi er ett av de første selskapene som har lansert en Jira-klasse programvareautomatiseringskonfigurasjonsassistent – og dette er bare begynnelsen.

WorkFlow Pro er en AI-drevet automatiseringsassistent for Jira som transformerer hvordan team konfigurerer og håndterer sine automatiseringsarbeidsflyter. Drevet av Atlassians Rovo AI, assisterer den brukerne med å konfigurere nye automatiseringer eller feilsøke eksisterende.

Historisk sett har Jira-automatiseringsprodukter vært komplekse og krevd en bestemt grad av ekspertise. WorkFlow Pro avmystifiserer disse konfigurasjonene og muliggjør at nye eller mindre erfarne Jira-administratorene kan utføre oppgavene sine uten å bruke tid på produktdokumentasjon, forum eller risikere kostbare feil.

En ny Jira-administrator kan enkelt spørre agenten hvordan man utfører en oppgave, og basert på den installerte automatiseringsappen (JMWE, JSU eller Power Scripts), gir agenten en steg-for-steg-veiledning for å oppnå det ønskede resultatet. Det er som å ha en Michelin-stjernekokk i kjøkkenet ditt, klar til å svare på noen spørsmål med presise instruksjoner.

I Appfire er vi dedikert til å forenkle livene til våre kunder. I den neste versjonen av WorkFlow Pro vil brukerne kunne be om nye automatiseringer på vanlig engelsk ved å skrive det ønskede resultatet, uten å måtte navigere i konfigurasjonsgrensesnittet eller kjenne til noen skriptspråk. Ved å returnere til vår kokk-analogi, vil den neste versjonen tillate brukeren ikke bare å spørre kokken hvordan man lager en rett, men også å lage den på deres vegne, og frigjøre dem til å fokusere på viktigere oppgaver.

Hvordan involverer du brukertilbakemeldinger når du itererer på AI-produkter som WorkFlow Pro? Hva er rollen til kundetilbakemelding i å forme utviklingen av disse verktøyene?

I Appfire holder vi oss svært nær våre brukere. Ikke bare våre designere og produktledere engasjerer regelmessig med dem, men vi har også en dedikert brukerforskningsgruppe som gjennomfører bredere forskningsinitiativer, og informerer vår visjon og produktveier.

Vi analyserer både kvantitative data og brukerhistorier fokusert på utfordringer, og spør oss selv: “Kan AI hjelpe i denne situasjonen?” Hvis vi forstår brukerens problem godt nok, og tror AI kan tilby en løsning, begynner vårt team å eksperimentere med teknologien for å løse problemet. Hver funksjons reise begynner ikke med teknologien, men fra brukerens smertepunkt.

For eksempel, lærte vi fra våre brukere at nye administratorer møter en betydelig hindring når de lager komplekse automatiseringer. Mange mangler erfaring eller tid til å studere dokumentasjon og mestre intrikate skriptmekanismer. WorkFlow Pro ble utviklet for å lette denne smertepunktet, og hjelpe brukerne med å lære og konfigurere Jira mer enkelt.

Utenom WorkFlow Pro planlegger Appfire å utvikle flere AI-drevne applikasjoner. Hvordan vil disse nye produktene transformere måten brukerne setter mål, sporer arbeid og utnytter data mer effektivt?

AI vil ha en dyptgående innvirkning på hva fremtidens kunnskapsarbeidere kan oppnå og hvordan de samhandler med programvare. Organisasjoner vil utvikle seg, og bli flatere, mer smidige og mer effektive. Prosjekter vil kreve færre mennesker til å koordinere og levere. Mens dette kan høres ut som en dristig forutsigelse, er det allerede i ferd med å ta form gjennom tre nøkkel AI-drevne fremgangsmåter:

1. Overføring av teknisk komplekse eller mundane oppgaver til AI
2. Samhandling med programvare ved hjelp av naturlig språk
3. Agent-arbeidsflyter

Vi ser allerede AI redusere byrden av mundane oppgaver og lette nye brukere inn i disse produktene. For eksempel, kan AI-assistenter ta møtenoter eller liste handlinger. For å illustrere dette på Appfire-eksemplet, når en leder oppretter et nytt nøkkelresultat i deres OKR-rammeverk, vil AI foreslå nøkkelresultat-ordlyden basert på bransjebeste praksis og selskapets unike kontekst, og lette den mentale byrden på brukerne mens de lærer å definere effektive OKR-er.

Naturlige språk-grensesnitt representerer en stor paradigmeskifte i hvordan vi designer og bruker programvare. Utviklingen av programvare de siste 50 årene har skapt virtualt ubegrensede muligheter for kunnskapsarbeidere, men denne sammenkoblede kraften har også ført til betydelig kompleksitet.

Inntil nylig, var det ikke en enkel måte å navigere i denne kompleksiteten på. Nå gjør AI og naturlige språk-grensesnitt det håndterbart og tilgjengelig. For eksempel, er en av Appfires mest populære app-kategorier Dokumenthåndtering. Mange Fortune 500-selskaper krever dokumentarbeidsflyter for overholdelse eller regulativ gjennomgang. Snart, kan opprettelse av disse arbeidsflytene være like enkelt som å snakke med systemet. En leder kan si: “For å godkjenne og distribuere en politikk til alle ansatte, må den først være gjennomgått og godkjent av det seniorledende teamet.” AI vil forstå denne instruksjonen og opprette arbeidsflyten. Hvis noen detaljer mangler, vil AI be om klargjøring og tilby tips for smidigere flyter.

I tillegg, er “agent-arbeidsflyter” den neste fronten i AI-revolusjonen, og vi omfavner dette i Appfire med vår agent WorkFlow Pro. I fremtiden, vil AI-agenter fungere mer som menneskelige samarbeidspartnere, i stand til å håndtere komplekse oppgaver som gjennomføring av forskning, innhenting av informasjon fra multiple kilder og koordinering med andre agenter og mennesker for å levere et forslag innen timer eller dager. Denne agent-drevne tilnærmingen vil gå utover enkle interaksjoner som de med ChatGPT; agenter vil bli proaktive, kanskje foreslå en utkastpresentasjonsdekk før du ennå innser at du trenger en. Og stemmeinteraksjoner med agenter vil bli mer vanlige, og tillate brukerne å arbeide mens de er på farten.

I sammenfatning, hvor vi er på vei med AI i kunnskapsarbeid, ligner det på hvordan vi nå opererer kjøretøy: vi vet hvor vi vil gå, men vanligvis trenger vi ikke å forstå intrikatisitetene i forbrenningsmotorer eller finjustere bilen selv.

Du forbedrer også eksisterende Appfire-produkter ved hjelp av AI. Kan du gi oss eksempler på hvordan AI har forbedret nåværende Appfire-applikasjoner, og forbedret funksjonaliteten og brukeropplevelsen?

Hver av våre apper er unik, løser distinkte brukerutfordringer og er designet for ulike brukerroller. Som et resultat, er bruken av AI i disse appene tilpasset å forbedre bestemte funksjoner og forbedre brukeropplevelsen på meningsfulle måter.

I Canned Responses, akselererer AI kunde-kommunikasjonen ved å hjelpe brukerne med å formulere svar raskt basert på innholdet i en forespørsel og eksisterende maler. Denne AI-funksjonen sparer ikke bare tid, men forbedrer også kvaliteten på kundeinteraksjoner.

I OKR for Jira, for eksempel, kunne AI assistere brukere som er nye til OKR-rammeverket (Objective and Key Results). Ved å forenkle og klargjøre denne ofte komplekse metoden, kunne AI gi veiledning i å formulere effektive nøkkelresultater i samsvar med bestemte mål, og gjøre OKR-prosessen mer tilgjengelig.

Til slutt, representerer WorkFlow Pro en innovativ måte å samhandle med vår dokumentasjon, og eksemplifiserer vårt fokus på agent-arbeidsflyter og naturlig språk-automatiseringsforespørsler. Denne AI-drevne tilnærmingen reduserer barrieren for inngang for nye Jira-administratorene og strømlinjeformer arbeidsflyter for erfarne administratorene likevel.

Felles AI-tjenester, som summeringsfunksjonen, utvikles over flere Appfire-applikasjoner. Hvordan forestiller du deg at disse tjenestene vil påvirke brukerproduktiviteten over hele plattformen?

I Appfire har vi et bredt spekter av apper over flere markedssteder, inkludert Atlassian, Microsoft, monday.com og Salesforce.

Med et så stort utvalg av apper og ulike brukssaker for AI, tok vi et steg tilbake for å designe og bygge en felles intern AI-tjeneste som kunne utnyttes over flere apper.

Vi utviklet en plattform AI-tjeneste som tillater produktteamene over våre apper å koble til multiple LLM-er. Nå at tjenesten er live, vil vi fortsette å utvide den med funksjoner som lokale kjørte modeller og forhånds-pakket prompts.

Med den raske utviklingen av AI-teknologier, hvordan sikrer du at Appfires tilnærming til AI-utvikling fortsatt møter endrede kundebehov og markedskrav?

I Appfire er en produktleders topprioritet å brygge gapet mellom teknisk mulighet og å løse meningsfulle kundeproblemer. Mens AI-kapasiteter utvikler seg raskt, holder vi oss oppdatert med markedstrender og overvåker aktivt bransjen for beste praksis. På kundesiden, engasjerer vi kontinuerlig med våre brukere for å forstå utfordringene deres, ikke bare innenfor våre apper, men også i de underliggende plattformene de bruker.

Når vi identifiserer en overlapping mellom teknisk mulighet og et meningsfullt kundebehov, fokuserer vi på å levere en sikker og robust AI-funksjon. Før lansering, eksperimenterer og tester vi disse løsningene med brukerne for å sikre at de virkelig løser deres smertepunkter.

Appfire opererer i et høyt konkurrerende AI-drevet SaaS-landskap. Hva trinn tar du for å sikre at Appfires AI-innovasjoner forblir unike og fortsetter å drive verdi for brukerne?

Appfires tilnærming til AI fokuserer på formålet. Vi integrerer ikke AI bare for å markere en boks; vårt mål er at AI skal fungere så naturlig innenfor våre produkter at det blir nesten usynlig for brukeren. Vi ønsker at AI skal løse virkelige utfordringer våre kunder møter – enten det er å forenkle arbeidsflyter i Jira, håndtere komplekse dokumentprosesser eller strømlinjeforme strategisk planlegging. Ideelt sett, bør bruk av AI føles like intuitivt som å plukke opp en penn.

Mange SaaS-produkter har tradisjonelt krevd spesialisert ekspertise for å låse opp deres fulle potensiale. Vår visjon for AI er å redusere lærekurven og gjøre våre apper mer tilgjengelige. Med lanseringen av vår første Rovo-agent, WorkFlow Pro, tar vi et viktig steg i denne reisen. Til slutt, sikrer vi at AI innenfor våre apper muliggjør at brukerne kan oppnå verdi raskere.

Ser fremover, hva tror du er de viktigste trendene i AI-utvikling som vil ha den største innvirkningen på SaaS-industrien i de kommende årene?

To store AI-trender som vil forme SaaS-industrien i de kommende årene, er oppblomstringen av AI-drevne agenter og økende bekymringer om sikkerhet og personvern.

Noen hevder at agentteknologien ennå ikke har levd opp til sin hype og forblir relativt umoden. Til disse skeptikerne, ville jeg si at vi ofte overvurderer hva teknologien vil oppnå på 1-2 år, men underskattar kraftig hva den vil oppnå over en tiårsperiode. Mens nåværende agentbrukssaker ennå er begrensede, er vi vitne til massive investeringer i agent-arbeidsflyter over hele programvareverdikjeden. Grunnleggende modeller fra selskaper som OpenAI og Anthropic, samt plattformer Appfire nå opererer eller planlegger å operere på, gjør omfattende investeringer i agentteknologi. OpenAI, for eksempel, arbeider med “System 2”-agenter i stand til å resonere, mens Anthropic har lansert modeller i stand til å bruke vanlige apper og nettsider, og etterligne menneskelige handlinger. Atlassian har introdusert Rovo, og Salesforce har lansert Agentforce. Hver uke bringer nye annonseringer i agent-fremgang, og i Appfire er vi begeistrere over disse utviklingene og ser frem til å integrere dem i våre apper.

På samme tid, når AI-kapasiteter utvides, øker også risikoen forbundet med datasikkerhet og personvern. Bedrifter må sikre at enhver AI-integrasjon respekterer og beskytter både deres egne og kundenes verdier, fra sensitive data til bredere sikkerhetstiltak. Å balansere innovasjon med robuste sikkerhetspraksis vil være essensielt for å låse opp AI sin fulle verdi i SaaS og muliggjøre ansvarlige, sikre fremgang.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, bør besøke Appfire.