Assaf Elovic, Szef AI w monday.com – Seria Wywiadów

Masz doświadczenie w kierowaniu wysiłkami AI w niektórych z najbardziej dynamicznych firm w branży technologicznej, w tym Wix i obecnie monday.com—co Cię osobiście skłoniło do podjęcia wyzwania budowy inteligentnych systemów?

Moja podróż do AI rozpoczęła się podczas boomu chatbotów w 2015 roku. Miałem interakcję z AI-botem, który mógł naprawdę zrozumieć intencję; było to jak magia. To nie było tylko nowinką; rozwiązywało prawdziwe problemy, takie jak rezerwacja spotkań i odpowiedzi na skomplikowane pytania. Ten moment rozwinął moją ciekawość dotyczącą tego, jak te systemy działają.

To, co mnie naprawdę pociągało, to zrozumienie, jak dostępne stało się AI. Niektóre narzędzia i API umożliwiły deweloperom budowanie solidnych aplikacji bez potrzeby posiadania doktoratu z dziedziny machine learningu. Niekończące się możliwości były ekscytujące, i wiedziałem, że chcę przyczynić się do tej transformacji. Od tego czasu poświęciłem się budowaniu produktów AI, które rozwiązują rzeczywiste wyzwania i poprawiają życie ludzi.

Wyzwanie budowy inteligentnych systemów przyciąga mnie, ponieważ leży na przecięciu kreatywności i najnowocześniejszej technologii. Każdy projekt jest jak rozwiązywanie nowej układanki; trzeba zrozumieć nie tylko techniczne możliwości, ale także to, jak ludzie naprawdę pracują i czego potrzebują.

Przed dołączeniem do monday.com stworzyłeś otwarte narzędzia, takie jak GPT Researcher, które odniosły sukces wśród deweloperów i badaczy. Jak te doświadczenia z grassroots, społecznością napędzanymi wpłynęły na Twoje podejście do budowy produktów AI dla przedsiębiorstw?

Doświadczenie z otwartym kodem źródłowym nauczyło mnie niezwykle ważnych lekcji o budowaniu dla prawdziwych potrzeb użytkowników, a nie teoretycznych. Kiedy budujesz w otwarty sposób, otrzymujesz natychmiastowy, niefiltrowany feedback od deweloperów, którzy naprawdę starają się rozwiązać problemy. To nauczyło mnie, aby skoncentrować się na praktycznej użyteczności zamiast imponujących demo.

Praca ze społecznością również wzmocniła znaczenie dostępności AI. Wielu z tych deweloperów nie byli specjalistami od AI; budowali aplikacje i potrzebowali możliwości AI, które były niezawodne i łatwe do zintegrowania. To doświadczenie bezpośrednio wpływa na to, jak podchodzimy do AI Blocks w monday.com: robimy potężne możliwości AI dostępne dla nie-technicznych klientów za pomocą intuicyjnych interfejsów.

Na początku tego roku monday.com przedstawił nową, odważną wizję AI z trzema filarami: AI Blocks, Product Power-ups i Digital Workforce. Jak powstała ta struktura, a jaki lukę na rynku starasz się wypełnić?

Nasza wizja AI powstała z obserwacji podstawowego wyzwania: organizacje wszystkich rozmiarów chcą wykorzystywać AI, ale większość rozwiązań wymaga znacznej ekspertyzy technicznej lub jest zbyt sztywna dla różnorodnych potrzeb biznesowych. Zobaczyliśmy, że ludzie nie szukają tylko kolejnego asystenta AI; potrzebują AI, które mogą bezproblemowo zintegrować się z ich istniejącymi przepływami pracy i dostosować się do ich konkretnych procesów. Ostatnio koncentrujemy się na pomocy ludziom w wykonaniu pracy z AI, co jest zmianą od pomocy w zarządzaniu pracą.

Lukę, którą wypełniamy, to przestrzeń między prostymi narzędziami AI a złożonymi rozwiązaniami dla przedsiębiorstw. Wiele firm znajduje się w połowie, gdzie potrzebują więcej niż podstawowej automatyki, ale nie mogą uzasadnić lub wdrożyć ciężkich systemów AI. Nasze trójfilarowe podejście daje organizacjom elastyczność, aby zacząć prosto z blokami, wzmocnić swoje produkty za pomocą power-upów i ostatecznie zbudować zaawansowaną cyfrową siłę roboczą.

Od czasu premiery napędzamy silny wzrost we wszystkich pionach z znacznym wzrostem adopcji i płacących użytkowników.

Wprowadziliśmy również produkty „vibe coding”, które mają na celu demokratyzację oprogramowania. Z najnowocześniejszymi postępami w AI nigdy nie było łatwiej budować pełne aplikacje za pomocą prostego języka naturalnego. Nasze najnowsze produkty, takie jak monday vibe i magic, mogą umożliwić każdemu nie-technicznemu użytkownikowi wykorzystanie ekosystemu Monday do tworzenia niestandardowych aplikacji do pracy.

Czy możesz nas zaprowadzić przez to, jak AI Blocks działają w praktyce? Jaki jest krzywa uczenia się dla nie-technicznych użytkowników starających się zintegrować te narzędzia z ich codziennymi przepływami pracy?

AI Blocks są zaprojektowane tak, aby być tak intuicyjne, jak budowanie bloków – stąd nazwa. W praktyce użytkownik może przeciągnąć blok „wyodrębnij terminy” do swojego przepływu zarządzania projektem lub dodać blok „podsumuj notatki ze spotkania” do swojego tygodniowego procesu przeglądu. Bloki zajmują się złożonością AI w tle, prezentując klientom proste, znajome interfejsy.

Krzywa uczenia się jest zamierzonycznie minimalna. Widzieliśmy zespoły, które z powodzeniem wdrożyły AI Blocks w ramach swojej pierwszej sesji. Na przykład zespół marketingowy mógł utworzyć przepływ, w którym wzmianki w mediach społecznościowych są automatycznie analizowane pod kątem sentymentu, a kluczowe tematy są wyodrębnione, wszystko bez pisania jednej linii kodu.

Kluczowe spostrzeżenie polega na tym, że ludzie nie muszą rozumieć, jak działa AI, aby z niej korzystać. Muszą tylko zrozumieć swoje procesy wystarczająco dobrze, aby zidentyfikować, gdzie automatyka byłaby pomocna. Zaprojektowaliśmy bloki, aby odpowiadały modelom mentalnym, które ludzie już mają na temat swoich przepływów.

Niedawno wprowadziłeś pakiet narzędzi zasilanych przez AI, w tym monday magic, monday vibe i monday sidekick. Czym te produkty różnią się od tradycyjnych asystentów lub pilotów, a jaka rolę widzisz dla nich we wszystkich branżach?

Nasze najnowsze wydania reprezentują kompleksowe podejście do AI w miejscu pracy, które wykracza poza tradycyjnych asystentów. Każda funkcjonalność służy odrębnemu celowi, pracując razem jako zintegrowany ekosystem, który fundamentalnie zmienia sposób, w jaki zespoły działają, umacniając naszą zmianę od zarządzania pracą do wykonania pracy dla naszych klientów.

monday magic wprowadza inteligentną automatykę do przepływów, wykorzystując AI do przewidywania potrzeb i automatyzacji złożonych procesów, zanim użytkownicy nawet zdają sobie sprawę, że ich potrzebują. monday vibe to platforma vibe coding, która umożliwia każdemu budowanie bezpiecznych, niestandardowych aplikacji biznesowych dostosowanych do dokładnych potrzeb ich zespołu. monday sidekick służy jako Twój kontekstowy towarzysz AI, rozumiejący Twoje specyficzne wzorce pracy i zapewniający proaktywną pomoc dostosowaną do Twojej roli i obowiązków.

Te możliwości razem przenoszą naszych klientów poza proste zarządzanie i śledzenie pracy do jej faktycznego wykonania w bardziej inteligentny sposób. Zamiast po prostu organizować zadania i monitorować postępy, zespoły mogą teraz polegać na AI, aby zoptymalizować wydajność, przewidzieć wyzwania i podjąć działanie automatycznie. Ta zmiana z biernego zarządzania na aktywne wykonanie jest przełomowa; oznacza mniej czasu spędzonego na administracyjnym obciążeniu i więcej czasu skupionego na wysoko-wartościowej pracy, która napędza wyniki.

Co sprawia, że te produkty różnią się od tradycyjnych asystentów, to ich głęboka integracja z rzeczywistym kontekstem pracy i ich skupienie na proaktywnej, a nie reaktywnej, pomocy. Podczas gdy większość asystentów AI czeka, aż zostaną poproszone o pytania, nasz pakiet obserwuje wzorce, przewiduje potrzeby i podejmuje działania w ramach ustanowionych przepływów i uprawnień.

monday.com kładzie nacisk na wyjaśnialność i doświadczenie użytkownika, a nie tylko surowe osiągnięcia modelu. Jak to wygląda za kulisami, i jak balansujesz przejrzystość z mocą?

Wyjaśnialność jest podstawowa w budowaniu zaufania, szczególnie w środowiskach przedsiębiorstw, gdzie decyzje mają prawdziwe konsekwencje. Za kulisami inwestujemy dużo w to, aby nasze AI były przejrzyste. Kiedy nasz Risk Analyzer flaguje potencjalne opóźnienie projektu, nie tylko podnosi alarm; pokazuje dokładnie, które czynniki przyczyniły się do tej oceny i jak pewny jest w tej prognozie.

Ten nacisk wynika z doświadczenia. Wczesne systemy AI często wydawały się czarnymi skrzynkami, co sprawiało, że klienci wahali się, czy mogą na nie polegać w przypadku ważnych decyzji. Nauczyliśmy się, że klienci muszą zrozumieć nie tylko to, co AI sugeruje, ale także dlaczego to robi.

Równowaga między przejrzystością a mocą sprowadza się do warstwowej ujawniania. Zapewniamy natychmiastowe, działania insights na powierzchni, ale klienci mogą zagłębić się, aby zobaczyć szczegółowe powody, kiedy potrzebują. To podejście buduje zaufanie, utrzymując przy tym użyteczność – klienci ufają systemowi bardziej, gdy go rozumieją, co paradoksalnie sprawia, że są bardziej skłonni wykorzystać jego pełne możliwości.

Z ponad 46 milionami działań AI wykonanych na platformie, jakie są niektóre z najbardziej zaskakujących lub kreatywnych sposobów, w jaki klienci wykorzystali AI?

Kreatywność naszych klientów nieustannie mnie zadziwia. Widzieliśmy planistę wesel, który wykorzystał AI Blocks do automatycznego kategoryzowania odpowiedzi dostawców i wyodrębniania kluczowych szczegółów, takich jak daty dostępności. Zespół badawczy stworzył przepływ, który analizował artykuły akademickie i automatycznie wypełniał bazę danych kluczowymi wnioskami i notatkami o metodzie.

Jeden szczególnie kreatywny przypadek użycia to sieć restauracji, która wykorzystała nasze AI do analizy opinii klientów we wszystkich lokalizacjach i automatycznego flagowania potencjalnych problemów z bezpieczeństwem żywności poprzez wykrywanie wzorców w skargach. Stworzyli w zasadzie system wczesnego ostrzegania o problemach operacyjnych.

Co zaskakujące, to jak klienci łączą proste bloki w sposób wyrafinowany. Nie tylko automatyzują poszczególne zadania; przebudowują całe procesy wokół możliwości AI, których nie wyraźnie zaprojektowaliśmy dla ich konkretnych przypadków użycia.

Także służysz jako skaut dla Sequoia Capital, inwestując w wczesne AI startupy. Z tej perspektywy, jakie powszechne błędy popełniają założyciele, budując produkty AI-pierwsze?

Najczęstszym błędem, który widzę, jest to, że założyciele zostają uwiedzeni przez techniczne możliwości AI bez głębokiego zrozumienia rzeczywistych przepływów pracy i bólu użytkowników. Budują imponujące demo, które prezentuje możliwości AI, ale nie rozwiązują prawdziwych problemów w sposób, w jaki ludzie naprawdę pracują.

Innym częstym problemem jest przeszacowanie autonomii AI zbyt wcześnie. Wielu założycieli chce budować w pełni autonomiczne systemy, gdy klienci potrzebują współpracujących narzędzi. Ludzie chcą, aby AI uzupełniało ich możliwości, a nie zastępowało ich osąd, szczególnie w przypadku ważnych decyzji biznesowych.

Istnieje również tendencja do zaniżania znaczenia zaufania i wyjaśnialności. Założyciele często koncentrują się na metrykach dokładności, ale zaniedbują doświadczenie użytkownika w radzeniu sobie z niepewnością i błędami. W kontekście przedsiębiorstw, w szczególności, klienci muszą zrozumieć, kiedy i dlaczego ufać rekomendacjom AI.

Wreszcie wiele startupów AI-first ma trudności z dystrybucją. Posiadanie wielkiego AI nie jest wystarczające; trzeba zrozumieć, jak zintegrować je z istniejącymi przepływami i wykazać klarowny ROI decydentom, którzy mogą być sceptyczni wobec szumu wokół AI.

Jak myślisz, że agenci AI będą ewoluować w ciągu najbliższych kilku lat – staną się bardziej autonomiczni, bardziej wyspecjalizowani czy coś zupełnie innego?

Będziemy świadkami ewolucji agentów AI w kierunku kontekstowej współpracy, a nie czystej autonomii. Przyszłość nie leży w pełnej autonomii agentów podejmujących decyzje niezależnie, ale raczej w agentach, które głęboko rozumieją kontekst i mogą podjąć odpowiednie działania na podstawie sytuacji i preferencji użytkownika.

Poruszamy się w stronę agentów, które mogą obsługiwać rutynowe decyzje w sposób autonomiczny, jednocześnie płynnie eskalując złożone lub niejasne sytuacje do ludzi. To wymaga wyrafinowanego zrozumienia kontekstu, oceny ryzyka i intencji użytkownika, zdolności, które szybko się poprawiają.

Spodziewam się również znaczącej ewolucji w koordynacji wielu agentów. Zamiast monolitycznych asystentów AI, zobaczymy wyspecjalizowane agenty, które współpracują ze sobą i z ludźmi w dynamicznych zespołach. Twój agent badawczy może współpracować z twoim agentem planowania i twoim agentem komunikacji, aby skoordynować złożone uruchomienie projektu.

Kluczowa ewolucja nastąpi w interfejsie człowiek-AI. Agenci staną się lepsi w komunikowaniu swojego powodu, wyrażaniu niepewności i dostosowaniu się do indywidualnych stylów pracy. Celem jest bezproblemowa współpraca, gdzie granice między wkładem człowieka a AI stają się mniej ważne niż zbiorowy wynik.

Wewnętrznie, jak strukturyzujesz współpracę między zespołami AI, produktu, designu i wejścia na rynek, aby zapewnić, że AI jest bezproblemowo wbudowane w doświadczenie użytkownika?

Pomyślne rozwijanie produktów AI wymaga rozbicia tradycyjnych barier i stworzenia wspólnej lingwiściki wokół możliwości i ograniczeń AI, której każdy może używać, od inżynierów po designerów i marketerów.

Nasze podejście zaczyna się od sesji odkrywczych między zespołami, gdzie wspólnie badamy problemy użytkowników, zanim omówimy techniczne rozwiązania. To zapobiega powszechnemu błędowi, który polega na rozpoczęciu od możliwości AI, a następnie szukaniu problemów do rozwiązania.

Inwestujemy również dużo w prototypowanie i testowanie użytkowników w całym procesie rozwoju. Zespoły designu i produktu pracują ściśle z inżynierami AI, aby zrozumieć, co jest możliwe, podczas gdy zespoły AI uczą się o prawdziwych ograniczeniach użytkowników i preferencjach. To dwukierunkowe uczenie się jest kluczowe dla tworzenia funkcjonalności AI, które wydają się naturalne, a nie dodane.

Od strony wejścia na rynek nasze zespoły są wbudowane w proces rozwoju od samego początku. Pomagają nam zrozumieć nie tylko to, czego chcą klienci, ale także to, jak myślą o AI, jakie obawy mają i jak wolą uczyć się o nowych możliwościach. To spostrzeżenie bezpośrednio wpływa na projektowanie produktu i implementację techniczną.

Wreszcie, jako ktoś, kto łączy otwarty kod, AI dla przedsiębiorstw i VC, gdzie myślisz, że następny wielki przełom AI nastąpi – w narzędziach, infrastrukturze czy czymś, czego jeszcze nie rozważamy?

Następny przełom prawdopodobnie nastąpi na przecięciu interfejsów współpracy człowiek-AI. Zrobiliśmy niesamowite postępy w możliwościach modeli, ale nadal jesteśmy na wczesnym etapie rozwoju w kwestii tego, jak ludzie i systemy AI mogą najlepiej współpracować.

Przełom nie nastąpi w uczynieniu AI bardziej autonomicznym, ale w uczynieniu współpracy człowiek-AI bardziej płynną i naturalną. To obejmuje postępy w tym, jak systemy AI komunikują niepewność, jak dostosowują się do indywidualnych stylów pracy i jak koordynują z wieloma ludźmi i innymi systemami AI jednocześnie.

Od strony infrastruktury obserwuję rozwój AI w czasie rzeczywistym, kontekstowym, który może zrozumieć i działać na dynamicznych strumieniach informacji. Możliwość budowania systemów AI, które utrzymują kontekst w długim horyzoncie czasowym i wielu typach interakcji, umożliwi całkowicie nowe kategorie aplikacji.

Ale szczerze, najbardziej ekscytujące przełomy mogą przyjść z nieoczekiwanych kierunków. Tak jak transformery pojawiły się z mechanizmów uwagi w tłumaczeniu maszynowym, następny znaczący postęp może wyniknąć z rozwiązania pozornie wąskiego problemu o szerokim zastosowaniu. Kluczem jest utrzymanie tej mentalności początkującego i pozostanie otwartym na możliwości, których jeszcze nie wyobrażamy.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić monday.com.