Matt Martin, medgrunnlegger og CEO av Clockwise – Intervju-serie

Matt Martin, medgrunnlegger og CEO av Clockwise er en tidligere advokat som ble ingeniør og entrepreneur som har bygget ett av de mest avanserte AI-drevne planleggingsplattformene i verden. Siden han grunnla Clockwise i 2016, har han ledet selskapet på en misjon om å gjenskape hvordan kunnskapsarbeidere håndterer sin tid, og hjulpet over 40 000 selskaper – inkludert Atlassian, Asana og Uber. Med en karriere som har spennt over lov, produktledelse og programvareutvikling, kombinerer Matt en unik blanding av analytisk strengheit og teknisk ekspertise for å håndtere en av arbeidsplassenes mest oversete utfordringer: å finne tid for det som virkelig betyr noe.

Du har hatt en unik vei fra advokat til programvareutvikler til grunnlegger — hva ledet deg til å starte Clockwise i 2016, og hvordan har denne bakgrunnen formet selskapets misjon?

Vel, det er en ikke-så-åpen sammenheng: Jeg har alltid vært en stor nerd! Fra å bygge nettsider på den tidlige webben til å bygge team, når jeg ser et interessant problem, blir jeg sugd inn. Å flytte fra lov til teknologi i Bay Area ga meg en unik perspektiv på et universelt problem: hvordan kalenderhåndtering hadde blitt ødelagt. Møtene uten avbrekk, dobbeltbookinger og fullstendig mangel på tid til å faktisk gjøre meningsfullt arbeid.

Jeg setter pris på min juridiske utdanning, men jeg kan ikke hevde at den er direkte anvendbar på min dag-til-dag-liv lenger. Det var virkelig mine startup-år, arbeid i selskaper som ikke kunne skaleres effektivt delvis fordi alle var fanget i møtehelvetet, som kristalliserte muligheten.

Hva som formet Clockwises misjon — å hjelpe mennesker finne tid for det som betyr mest i deres dager — var å innse, i motsetning til populær tro, at produktivitet ikke er et individuelt problem, men et grunnleggende bedriftseffektivitetsproblem. De beste selskapene i verden har briljante mennesker, men hvis disse menneskene ikke kan finne tid til å tenke og skape fordi de konstant er fanget i møter, er det et massivt drag på innovasjon og vekst.

Vi bygde Clockwise for å gi selskaper tilbake det som betyr mest: fokusert tid for deres mennesker til å gjøre sitt beste arbeid.

Hva gap så du i arbeidsplassen produktivitet og planlegging som overbeviste deg om at det var verdt å dedikere nesten et tiår til å løse?

Jeg ledet et front-end-utviklingsteam, og jeg ble syk av å tilbringe uendelige timer på å rekruttere, onboard og integrere nye ingeniører bare for å ha dem komme til meg noen måneder senere og klage over hvor lite tid de har i uken til å kode. Hva er dette!? De vil gjøre great arbeid, vi betaler dem (mye) for å gjøre great arbeid, og likevel tar ingen i selskapet noen ansvar for den forferdelige innvirkningen dårlige planer har på disse folkene. Det føltes bare vanvittig.

Vi behandler tidshåndtering som en individuell byrde, men det er så mye en kulp. Dette “synk eller svøm”-tilnærmingen til tidshåndtering representerer systematisk organisatorisk svikt forkledd som personlig ansvar. I virkeligheten kontrollerer ansatte ikke faktisk mye av sin tid! Det er fordi tid er et nettverksystem. Når en person planlegger et møte, har det en innvirkning på alle deltakernes kalender, pluss alle de møter med, også. En enkelt planendring kan påvirke produktivitet over hele teamet.

Den primære inndata til en kunnskapsøkonomi er tiden og oppmerksomheten til enkeltansatte. Et selskap som kan øke mengden av betydningsfull ansatttid, vil ha en ufattelig fordel på markedet. Og ethvert stykke programvare som kan aktivere denne produktiviteten, vil være vanskelig å verdsette. Det er problemet verdt å dedikere nesten et tiår til å løse.

Clockwise brukes nå av over 40 000 organisasjoner, inkludert navn som Atlassian, Uber og Netflix. Hva tror du har resonert mest med enterprise-kunder?

Når team vokser, blir beslutning, fremgang og produktivitet langsommere. Ikke til å nevne at planlegging blir enda mer kompleks.

Selskaper som Uber og Atlassian forstår umiddelbart at mindre tid brukt på å koordinere planer betyr mer tid for betydningsfullt arbeid – det er derfor de avhenger av oss til å håndtere kompleksiteten ved å optimere kalendere organisasjonsvidt.

Si at jeg vil planlegge en time-lang synkronisering med mitt team. På overflaten, ser det ganske enkelt ut, ikke sant? Men det er ganske få begrensninger å vurdere når det kommer til å finne en tid som vil fungere for alle:

• 8 personer over 3 tidssoner
• 2 personer har “ingen møter før 10am”-preferanser
• 1 person er på reise neste uke
• 3 deltakere krever forberedelsestid

Clockwise internaliserer alle kravene og flytter konfliktende hendelser for å gi plass til det nye møtet. Hva som resonerte med kunder er at de ikke må håndtere den påkrevende kalender-Tetris. De vet at viktige møter vil skje, ikke-presserende elementer vil bli omplanlagt, og konflikter vil bli løst — alt automatisk.

Hittil har vi skapt over 7 millioner timer med tid for dyp arbeid og omplanlagt over 18 millioner møter. For bedrifter, er det en målbart avkastning på produktivitet.

Denne uken kunngjør du en ny generasjon av din planleggingshjerne og MCP-server. Hvilke aspekter av denne lanseringen tror du vil ha den største umiddelbare innvirkningen på brukerne?

Ettersom AI-økosystemet eksploderer, ser det ut som om hvert selskap under solen har lansert en assistent, men så feiler ved den mest grunnleggende assistentoppgaven: å planlegge møter. Vi fikser det.

Clockwise MCP gir AI-agenter tilgang til verdens mest avanserte planleggingshjerne (som vi har brukt 9 år på å bygge), og muliggjør at de kan resonere om tid med menneske-lignende nuanser. For første gang, vil AI kunne ta planleggingsbeslutninger og implementere kalenderendringer basert på dyp kontekstuell forståelse, ikke bare hva tid som er tilgjengelig.

Den umiddelbare innvirkningen er at du nå kan si til Claude, ChatGPT eller Cursor: “Planlegg en 90-minutters produktgjennomgang med mitt distribuerte team denne uken, respekter alle fokus-blokker og tidssoner” og det fungerer faktisk som du ville forvente en menneskelig assistent å håndtere det.

Utenfor rett og slett planlegging, å utnytte de unike evnene til LLM-er sammen med Clockwise MCP, låser det også opp helt nye arbeidsflyter. For eksempel, kunne du be Claude vise deg hva teamets produktivitet ser ut som over de siste månedene, optimalisere din plan etter Cal Newport sin Deep Work-metodologi, eller gjennomgå ditt barns skoleavis og blokkere alle viktige datoer på din kalender.

Det er forskjellen på AI som kan lese din kalender og AI som kan tenke som en erfaren EA. Denne forskjellen transformerer disse verktøyene fra imponerende demoer til genuint nyttige arbeidsplassen-hjelpere.

Mange AI-assistenter kan generere tekst eller kode, men snubler på planlegging. Hvorfor er tid så vanskelig for AI å håndtere?

Å manipulere tid er noe som mennesker håndterer intuitivt med nuanser. Men spør en AI-assistent om å planlegge et teammøte neste uke, og den vil foreslå en tid når halve teamet sover eller er i dyp fokus-blokk.

Det er fordi de fleste kalender-integreringer behandler planlegging som database-spørring. De kan finne ledige hull og fylle dem, men de kan ikke ta de smarte beslutningene som faktisk planlegging krever.

Problemet er kontekst. Effektiv planlegging krever å forstå menneske-lignende arbeidsmønster utover enkel tilgjengelighet. AI trenger å vite at Alex liker å hente kaffe etter å ha droppet barna på skolen, noe som gjør det til et perfekt vindu for en uformell telefon-samtale, men ikke en Zoom-presentasjon. Eller at Johanna trenger 10 minutter mellom møter for å håndtere handlinger, og hennes hyppige reising krever asynkron møte-format.

Kontroversiell take: men jeg tror ikke at å kaste mer data og beregning på dette problemet vil resultere i en god løsning noen gang snart.

Hvordan skiller den nye planleggingshjernen seg fra tidligere versjoner av Clockwise, og hva slags forbedringer kan brukerne forvente?

Vi jobber alltid med å forbedre vår planleggingshjerne, og denne neste generasjonen av intelligens er bemerkelsesverdig i sin evne til å være kontekstuell og tilgjengelig på forespørsel.

Den største skiftet er å gå fra reaktiv til proaktiv planlegging. Tidligere ville Clockwise optimere din kalender på en fast daglig plan; nå kan du generere optimaliseringer på forespørsel, når du trenger dem.

Vi har også aktivert hjernen til å tenke mer helhetlig rundt din komplette arbeidsbyrde. Den nye oppgave-integrasjonen lar Clockwise koordinere tid for dine oppgaver sammen med møter, samtidig som den respekterer frister og fokus-blokk-preferanser. Det er ikke bare å håndtere møter lenger; det er å håndtere all viktig arbeid du trenger å få gjort mellom disse møtene.

Og vi har dramatisk forbedret den underliggende algoritmens evne til å prosessere flere planleggingsendringer samtidig. La oss si at du vil omplanlegge alle dine 1:1-møter for uken. Denne enkelt forespørselen.prompt Clockwise til å iverksette handlinger over flere kalender-hendelser. Disse algoritme-forbedringene resulterer i høyere suksessrater for å skape Fokus-tid og forbedre resultater for brukerne.

Oppdateringen introduserer funksjoner som på forespørsel-optimaliseringer, oppgave-integrasjoner og analyser. Hvordan endrer disse forbedringene måten individer og team kan arbeide med sine kalendere?

På forespørsel-optimaliseringer er en spill-ender for individer som ønsker å iverksette umiddelbar handling, i stedet for å vente på at systemet bestemmer når det skal hjelpe. Oppgave-integrasjon er enormt fordi den endelig broer gapet mellom møteplaner og å finne tid for faktisk arbeid å bli gjort.

For team, er analytikke-evnene transformative. Ledere kan nå se mønster de aldri har sett før — som å identifisere når noen er konstant i møter uten avbrekk eller når teamets kollektive Fokus-tid blir erodert av møte-kryp. Nå kan ledere ta data-drevne beslutninger om arbeidsbelastning og møte-hygiene i stedet for bare å håpe at alle håndterer sin tid godt.

Kombinasjonen av disse forbedringene betyr at team kan gå fra reaktiv kalenderhåndtering til proaktiv tid-strategi.

Hva rolle spiller data — som de 17 millioner månedlige kalender-hendelsene Clockwise analyserer — i å muliggjøre menneske-lignende planleggingsintelligens?

Det er to lag til dette svaret.

Først, på en meget direkte måte, muliggjør den massive mengden data vi prosesserer og analyserer å levere en bedre, mer nuansert planleggingshjerne. Clockwise analyserer over 160 millioner kalender-data-punkter hver dag, tester millioner av kalender-arrangementer og orkestrerer optimaliseringer for å holde team produktive. Systemet agreggerer denne informasjonen for å bedre forstå hvordan og når individer, team og hele organisasjoner faktisk gjør sitt beste arbeid. Dette blir deretter reincorporert i produktet i alt fra algoritme-forbedringer til bedre UI/UX.

Second, gitt skalaen av kalender-data — både hard data som flyter fra API-er, men like viktig, myk data i form av individuelle preferanser — innen moderne organisasjoner gjør det bokstavelig talt umulig for noen enkelt menneske å navigere.

Mens de beste menneskelige assistentene er great til å fatter beslutninger basert på kontekstuell kunnskap, kan de virkelig bare optimere for ett, to, kanskje tre individer på samme tid. Det er simpelthen for komplekst å navigere kombinasjons-begrensningene til alle deltakere. En AI-kalender-assistent, på den andre siden, kan effektivt planlegge på bedrifts-skala, ved å kombinere systemer med domene-kunnskap og prosessering av store mengder data effektivt.

Tradisjonell planlegging spør: “Når er alle ledige?” Men det bedre spørsmålet er: “Når er den beste tiden for dette arbeidet å bli gjort, og hvordan gjør vi det?” Du kan virkelig bare håndtere det spørsmålet for alle hvis du opererer over nettverket av alle sine kalendere samtidig.

Hvordan ser du for deg at selskaper vil utnytte Clockwise MCP med agenter fra Anthropic, OpenAI og andre? Er vi på vei mot at hver bedrift kjører sin egen AI-drevne executive-assistent?

Det er noen gjetting nå, men min bet er at det vil være to assistent-lag i bedriften: ett lag vil gi hver ansatt en orkestrerende agent — dette kan ligne en super-utstyrt EA eller Chief of Staff — som vil ringe inn til flere forskjellige agenter som er domene-eksperter i spesifikke områder. Jeg tror det er sannsynlig at noen få forskjellige leverandører vil oppstå for den orkestrerende agenten. I motsetning til forbruker-plassen hvor ChatGPT oppstår som dominant, tenderer bedrift til å sprekke basert på de spesifikke behovene til forskjellige organisasjoner.

Den domene-spesifikke agent-plassen vil være mye mer divers og interessant. Akkurat som du ikke nødvendigvis ønsker at Microsoft skal levere alle deler av programvaren for din organisasjon (selv om Microsoft ville ønske det!), er det tydelig at vi alle vil ha hjelpen til spesifikke agenter levert av spesifikke programvare-leverandører for å håndtere spesialiserte oppgaver

Planlegging og tidshåndtering er definitivt ett av disse spesialiserte tilfellene. For å få det rett, trenger AI evnene til å levere hva mennesker faktisk trenger for å gjøre deres arbeidsdager mer produktive. Tenk en kalender-agent som kjenner hele teamets leveranser, personlige energimønster og organisatoriske prioriteringer, og deretter automatisk orkestrerer alle sine planer for å optimere resultater. Ingen tilbake-og-frem-epost, ingen møte-konflikter, ingen kontekst-skifting. Assistentene vil utvikle seg fra “Hei, du har et møte om 10 minutter” til “Jeg har forberedt dine tale-punkter, ryddet konfliktende prioriteringer og sikret at alle interessenter har forhåndsmaterialet”.

Selskapene som begår seg til å integrere tids-ressonnering i sine AI-arbeidsflyter, vil ikke bare redde oss fra dårlige møter; de vil låse opp en ny front av produktivitet drevet av menneske-AI-samarbeid.

Hva slags sikkerhet eller etiske overveielser kommer inn i bildet når du bygger en AI som ressonerer om hvordan mennesker bruker sin tid?

Først, fra et personvern-perspektiv, tillater vi aldri modeller å få tilgang til kunde-data for trening. Aldri. Og vi går til store lengder for å sikre at dette er tilfelle. Kunde-tillit er absolutt avgjørende ikke bare for vår kommersielle suksess, men det er også sentralt for våre selskaps-verdier.

Second, optimaliserer vi for menneskelig velvære (som fokus-blokker, møte-pauser og lunsj) over tradisjonelle produktivitets-målinger. Vi unngår eksplisitt funksjoner som muliggjør mikro-håndtering eller arbeidsplassen-overvåking: ingen dashboards om team-planleggings-vaner, ingen “produktivitets-poeng” for ytelses-gjennomganger. Mens bruker-preferanser informerer Clockwises optimaliseringer, beholder mennesker kontroll over sine kalendere samtidig som de får intelligente anbefalinger de kan akseptere eller ignorere. Vi reduserer planleggings-frikton samtidig som vi beholder menneskelig handle-evne over menneskenes mest verdifulle ressurs: deres tid.

Ser fremover, hvordan ser du for deg at forholdet mellom AI-assistenter og menneskelig produktivitet vil utvikle seg over de neste fem årene, og hvor passer Clockwise inn i denne fremtiden?

På et meget høyt nivå, ser jeg fundamentalt på AI som et annet verktøy. Evnene det muliggjør, vil forsterke og muliggjøre millioner, men vil også uunngåelig flytte hvor mennesker er mest verdifulle. Jeg håper at vi, som et samfunn, kan være mer tankerige om den menneskelige innvirkningen av store skift i vår økonomi enn vi har vært i fortiden. Men jeg må si at den nåværende politiske atmosfæren ikke inspirerer optimisme på den fronten.

På et mer taktisk nivå, tror jeg vi vil se noen skift.

Først, ettersom agent-arbeidsflyter blir mer pålitelige og vanlige — en trend som nå starter, men har langt igjen — vil vi se en utvikling fra reaktive til proaktive arbeidsflyter. For eksempel, ettersom Clockwises planleggingshjerne har avansert i sin pålitelighet, har vi kunnet iverksette mer proaktive og aggressive inngrep på vegne av en bruker. For å gjøre dette, må teknologien være robust, sikker og nuansert nok til å fungere uten menneskelig inngripen. Ettersom AI-agenter generelt blir mindre fiddly, mer deterministiske og mer resilient, tror jeg de vil gjøre samme skift.

Second, vil vi se avklaringen av plattformer. Nå er det en åpen konkurranse om hvem kan være den orkestrerende agenten i bedriften. Ettersom jeg nevnte tidligere, tror jeg det er plass til mer enn én dominant spiller i bedriften, men som vi har sett i tidligere teknologiske skift, er det vanskelig for slutt-brukere å få tilgang til ny teknologi før plattform-krigene har sett en del ut. Som en tredje-part-programvare-leverandør, må du vite hvilke plattformer det er verdt å investere i, og som en programvare-kjøper, må du ha tillit til at valget ditt vil være en god investering. Så, før det setter seg, vil vi alle bruke en del av våre entreprenør-resurser på å gjette og eksperimentere. For øvrig, det betyr også sannsynligvis en syklus av boble-popping og gjenoppbygging.

Tredje, vil vi se utviklingen av nåværende standarder i en retning som gjør sanne plattformer mulige. Nå er MCP en god-nok-løsning for tredje-part-verktøy-kalling, men den har mange vrinsk til å jette ut. I tillegg tror jeg vi vil måtte se en standard for å injicere tredje-parts-grensesnitt i agentic-arbeidsflyter og chat-grensesnitt. Mennesker er visuelle vesener og programvare-leverandører er eksperter i den beste måten å effektivt samhandle med sine verktøy på.

Tenk en AI som ikke bare analyserer kalender-konflikter, men også automatisk visualiserer team-tilgjengelighet og planleggings-alternativer i ditt prosjekt-håndtering-verktøy, eller en som transformerer budsjettdiskusjoner i Slack til sanntids-finansielle dashboards hvor interessenter kan utforske scenarier sammen. Disse typene sofistikerte, sammenkoblede systemer vil forstå kontekst dypt nok til å vite når å forbli usynlige og når å overflate innsikt gjennom det mest effektive medium — enten det er en notifikasjon, et visuelt grensesnitt eller direkte handling. I denne fremtiden blir AI infrastruktur i stedet for en destinasjon.

Den ultimate visjonen: AI som forsterker menneskelig kreativitet ved å fjerne friksjon mellom intensjon og eksekvering. Når planleggings-intelligens blir usynlig infrastruktur, fokuserer mennesker fullstendig på arbeid som bare mennesker kan gjøre. Suksess vil ikke måles av hvor imponerende AI føles, men av hvor ubesværet kompleks koordinering blir — teknologien forsvinner i bakgrunnen mens menneskelig potensial flytter til rampelyset.

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