Assaf Elovic, Diretor de IA da monday.com – Série de Entrevistas

Você liderou esforços de IA em algumas das empresas mais dinâmicas da tecnologia, incluindo a Wix e agora a monday.com—o que o atraiu pessoalmente ao desafio de construir sistemas inteligentes?

Minha jornada em IA começou durante o boom dos chatbots em 2015. Eu tive uma interação com um bot de IA que podia realmente entender a intenção; parecia mágico. Isso não era apenas uma novidade; estava resolvendo problemas reais, como agendar compromissos e responder a perguntas complexas. Esse momento despertou minha curiosidade sobre como esses sistemas funcionavam.

O que realmente me atraiu foi perceber como a IA havia se tornado acessível. Algumas ferramentas e APIs tornaram possível para os desenvolvedores construir aplicações robustas sem precisar de um PhD em aprendizado de máquina. As possibilidades eram infinitas, e eu sabia que queria contribuir para essa transformação. Desde então, estou dedicado a construir produtos de IA que resolvam desafios do mundo real e melhorem a vida das pessoas.

O desafio de construir sistemas inteligentes me atrai porque está na interseção da criatividade e da tecnologia de ponta. Cada projeto é como resolver um novo quebra-cabeça; você precisa entender não apenas as capacidades técnicas, mas também como as pessoas realmente trabalham e o que elas precisam.

Antes de se juntar à monday.com, você criou ferramentas de código aberto como o GPT Researcher, que ressoaram com desenvolvedores e pesquisadores. Como essas experiências comunitárias e orientadas pela comunidade moldaram sua abordagem para construir produtos de IA empresariais hoje?

A experiência de código aberto me ensinou lições inestimáveis sobre construir para necessidades reais dos usuários, e não teóricas. Quando você constrói de forma aberta, recebe feedback imediato e não filtrado de desenvolvedores que estão tentando resolver problemas. Isso me ensinou a focar na utilidade prática em vez de demonstrações impressionantes.

Trabalhar com a comunidade também reforçou a importância de tornar a IA acessível. Muitos dos desenvolvedores que usavam essas ferramentas não eram especialistas em IA; estavam construindo aplicações e precisavam de capacidades de IA que fossem confiáveis e fáceis de integrar. Essa experiência influencia diretamente como abordamos os Blocks de IA na monday.com: tornando capacidades de IA poderosas disponíveis para clientes não técnicos por meio de interfaces intuitivas.

No início deste ano, a monday.com revelou uma nova visão ousada para a IA com três pilares: Blocks de IA, Power-ups de Produto e Força de Trabalho Digital. Como essa estrutura surgiu, e qual lacuna no mercado você está tentando preencher?

Nossa visão de IA surgiu ao observar um desafio fundamental: as organizações de todos os tamanhos querem aproveitar a IA, mas a maioria das soluções exige expertise técnica significativa ou é muito rígida para necessidades de negócios diversificadas. Vimos que as pessoas não estavam procurando apenas por outro assistente de IA; elas precisavam de IA que pudesse integrar-se perfeitamente em seus fluxos de trabalho existentes e adaptar-se a seus processos específicos. Além disso, agora estamos nos concentrando em ajudar as pessoas a realizar o trabalho com a IA, uma mudança de apenas gerenciar o trabalho.

A lacuna que estamos preenchendo é o espaço entre ferramentas de IA simples e soluções empresariais complexas. Muitas empresas caem em um meio-termo onde precisam de mais do que automação básica, mas não podem justificar ou implementar sistemas de IA pesados. Nossa abordagem de três pilares oferece às organizações a flexibilidade para começar simples com blocos, aprimorar seus produtos com power-ups e, eventualmente, construir forças de trabalho digitais sofisticadas.

Desde o lançamento, estamos impulsionando fortemente em todos os verticais com um crescimento significativo na adoção e nos usuários pagantes.

Também introduzimos produtos de “vibe coding” que visam nossa missão de democratizar o software. Com os últimos avanços em IA, nunca foi tão fácil construir aplicações completas com linguagem natural simples. Nossos produtos mais recentes, como monday vibe e magic, podem permitir que qualquer usuário não técnico aproveite o ecossistema da monday para construir aplicações personalizadas para o trabalho.

Pode nos guiar sobre como os Blocks de IA funcionam na prática? Qual é a curva de aprendizado para usuários não técnicos que tentam integrar essas ferramentas em seus fluxos de trabalho diários?

Os Blocks de IA são projetados para ser tão intuitivos quanto blocos de construção—daí o nome. Na prática, um usuário pode arrastar um bloco “extrair prazos” para seu fluxo de trabalho de gerenciamento de projetos ou adicionar um bloco “resumir notas de reunião” ao seu processo de revisão semanal. Os blocos lidam com a complexidade da IA nos bastidores, enquanto apresentam aos clientes interfaces simples e familiares.

A curva de aprendizado é intencionalmente mínima. Já vimos equipes implementarem com sucesso Blocks de IA dentro de sua primeira sessão. Por exemplo, uma equipe de marketing pode criar um fluxo de trabalho onde menções em mídias sociais são automaticamente analisadas por sentimento e temas-chave são extraídos, tudo sem escrever uma única linha de código.

A chave é que as pessoas não precisam entender como a IA funciona para se beneficiar dela. Elas apenas precisam entender seus próprios processos bem o suficiente para identificar onde a automação ajudaria. Projetamos os blocos para corresponder aos modelos mentais que as pessoas já têm sobre seus fluxos de trabalho.

Você lançou recentemente uma suíte de ferramentas impulsionadas por IA, incluindo monday magic, monday vibe e monday sidekick. O que torna esses produtos diferentes de assistentes tradicionais ou copilotos, e qual papel você vislumbra para eles em diferentes setores?

Nossos lançamentos mais recentes representam uma abordagem abrangente para a IA no local de trabalho que vai além dos assistentes tradicionais. Cada capacidade serve a um propósito distinto, enquanto trabalha juntas como um ecossistema integrado que transforma fundamentalmente a forma como as equipes operam, solidificando nossa mudança de gerenciamento de trabalho para execução de trabalho para nossos clientes.

O monday magic traz automação inteligente para fluxos de trabalho, usando IA para prever necessidades e automatizar processos complexos antes que os usuários sequer percebam que precisam deles. O monday vibe é uma plataforma de “vibe coding” que permite que qualquer pessoa construa aplicativos de negócios personalizados e seguros adaptados às necessidades exatas de sua equipe. E o monday sidekick serve como seu companheiro de IA contextual, entendendo seus padrões de trabalho específicos e fornecendo assistência proativa personalizada para seu papel e responsabilidades.

Juntos, essas capacidades movem nossos clientes além do simples gerenciamento e rastreamento do trabalho para a execução real do trabalho de forma mais inteligente. Em vez de apenas organizar tarefas e monitorar o progresso, as equipes agora podem confiar na IA para otimizar o desempenho, antecipar desafios e tomar ações automaticamente. Essa mudança de gerenciamento passivo para execução ativa é transformadora; significa menos tempo gasto em tarefas administrativas e mais tempo focado em trabalho de alto valor que impulsiona resultados.

O que os torna diferentes dos assistentes tradicionais é a integração profunda com o contexto real do trabalho e o foco no suporte proativo em vez de reativo. Enquanto a maioria dos assistentes de IA espera que você faça perguntas, nossa suíte observa padrões, antecipa necessidades e toma ações dentro de seus fluxos de trabalho estabelecidos e permissões.

monday.com enfatiza a explicabilidade e a experiência do usuário, não apenas o desempenho bruto do modelo. Como isso funciona nos bastidores, e como você equilibra a transparência com o poder?

A explicabilidade é fundamental para construir confiança, especialmente em ambientes empresariais onde as decisões têm consequências reais. Nos bastidores, investimos pesadamente em tornar a razão da IA transparente. Quando nosso Analisador de Risco sinaliza um possível atraso de projeto, ele não apenas levanta um alerta; mostra exatamente quais fatores contribuíram para essa avaliação e quão confiante está na previsão.

Esse foco veio da experiência. Sistemas de IA iniciais frequentemente pareciam caixas-pretas, o que fez com que os clientes hesitassem em confiar neles para decisões importantes. Aprendemos que os clientes precisam entender não apenas o que a IA está sugerindo, mas por que está fazendo essa sugestão.

O equilíbrio entre transparência e poder vem da divulgação em camadas. Fornecemos insights imediatos e ações a nível de superfície, mas os clientes podem mergulhar para ver o raciocínio detalhado quando precisam. Essa abordagem constrói confiança enquanto mantém a usabilidade—os clientes confiam mais no sistema quando o entendem, o que paradoxalmente os torna mais dispostos a aproveitar suas capacidades completas.

Com mais de 46 milhões de ações de IA agora realizadas na plataforma, quais são algumas das formas mais surpreendentes ou criativas que os clientes usaram a IA?

A criatividade dos nossos clientes me surpreende constantemente. Já vimos um planejador de casamento usar Blocks de IA para categorizar automaticamente respostas de fornecedores e extrair detalhes-chave como datas de disponibilidade e preços. Uma equipe de pesquisa criou um fluxo de trabalho que analisa artigos acadêmicos e popula automaticamente um banco de dados com achados-chave e notas de metodologia.

Um caso de uso particularmente criativo foi uma cadeia de restaurantes que usou nossa IA para analisar feedback de clientes em várias localizações e sinalizar automaticamente possíveis preocupações de segurança alimentar detectando padrões em reclamações. Eles basicamente criaram um sistema de alerta antecipado para questões operacionais.

O que é surpreendente é como os clientes combinam blocos simples de maneiras sofisticadas. Eles não estão apenas automatizando tarefas individuais; estão redesenhando processos inteiros em torno de capacidades de IA que nunca projetamos explicitamente para seus usos específicos.

Você também atua como olheiro da Sequoia Capital, investindo em startups de IA em estágio inicial. A partir dessa perspectiva, quais são os erros comuns que os fundadores cometem ao construir produtos de IA?

O erro mais comum que vejo é os fundadores se deixarem seduzir pelas possibilidades técnicas da IA sem entender profundamente o fluxo de trabalho real do usuário e os pontos de dor. Eles constroem demonstrações impressionantes que mostram capacidades de IA, mas falham em resolver problemas reais da forma como as pessoas realmente trabalham.

Outro problema frequente é prometer autonomia de IA muito cedo. Muitos fundadores querem construir sistemas completamente autônomos quando os clientes realmente precisam de ferramentas colaborativas. As pessoas querem que a IA aumente suas capacidades, não substitua seu julgamento, especialmente em decisões de negócios de alto risco.

Há também uma tendência a subestimar a importância da confiança e da explicabilidade. Os fundadores frequentemente se concentram em métricas de precisão, mas negligenciam a experiência do usuário em lidar com incerteza e erros. Em contextos empresariais, especialmente, os clientes precisam entender quando e por que confiar nas recomendações de IA.

Finalmente, muitas startups de IA lutam com a distribuição. Ter uma grande tecnologia de IA não é o suficiente; você precisa entender como integrá-la em fluxos de trabalho existentes e demonstrar um ROI claro para os tomadores de decisão que podem ser céticos em relação à hype da IA.

Como você acha que os agentes de IA evoluirão nos próximos anos—serão mais autônomos, mais especializados ou algo completamente diferente?

Veremos os agentes de IA evoluírem em direção à colaboração contextual em vez da autonomia pura. O futuro não são agentes de IA completamente autônomos tomando decisões independentes, mas sim agentes que entendem profundamente o contexto e podem tomar níveis apropriados de ação com base na situação e nas preferências do usuário.

Estamos nos movendo em direção a agentes que podem lidar com decisões rotineiras de forma autônoma, enquanto escalonam situações complexas ou ambíguas para os humanos de forma transparente. Isso requer uma compreensão sofisticada do contexto, avaliação de risco e intenção do usuário, capacidades que estão melhorando rapidamente.

Também espero uma evolução significativa na coordenação de multiagentes. Em vez de assistentes de IA monolíticos, veremos agentes especializados que colaboram entre si e com os humanos em equipes dinâmicas. Seu agente de pesquisa pode trabalhar com seu agente de agendamento e seu agente de comunicação para coordenar um lançamento de projeto complexo.

A evolução-chave será na interface humano-IA. Os agentes se tornarão melhores em comunicar seu raciocínio, expressar incerteza e adaptar-se a estilos de trabalho individuais. O objetivo é uma colaboração perfeita onde as fronteiras entre contribuições humanas e de IA se tornam menos importantes do que o resultado coletivo.

Internamente, como você estrutura a colaboração entre as equipes de IA, produto, design e GTM para garantir que a IA seja integrada perfeitamente na experiência do usuário?

O desenvolvimento de produtos de IA bem-sucedido requer quebrar silos tradicionais e criar uma compreensão compartilhada em todas as equipes. Encontramos que a chave é estabelecer uma linguagem comum sobre capacidades e limitações de IA que todos possam usar, desde engenheiros até designers e marketers.

Nosso processo começa com sessões de descoberta multifuncionais onde exploramos problemas do usuário juntos antes de discutir soluções técnicas. Isso evita o erro comum de liderar com capacidades de IA e então procurar problemas para resolver.

Também investimos pesadamente em prototipagem e testes de usuário ao longo do processo de desenvolvimento. As equipes de design e produto trabalham em estreita colaboração com os engenheiros de IA para entender o que é possível, enquanto as equipes de IA aprendem sobre restrições e preferências reais dos usuários. Essa aprendizagem bidirecional é crucial para criar recursos de IA que se sentem naturais em vez de adicionados.

Do ponto de vista de GTM, nossas equipes estão embutidas no processo de desenvolvimento desde o início. Elas nos ajudam a entender não apenas o que os clientes querem, mas como eles pensam sobre a IA, quais são suas preocupações e como eles preferem aprender sobre novas capacidades. Essa percepção influencia diretamente tanto o design do produto quanto a implementação técnica.

Finalmente, como alguém que pontua o código aberto, a IA empresarial e o VC, onde você acha que o próximo grande avanço em IA acontecerá—em ferramentas, infraestrutura ou algo que ainda não estamos olhando?

O próximo avanço provavelmente acontecerá na interseção das interfaces de colaboração humano-IA. Fizemos um progresso incrível nas capacidades do modelo, mas ainda estamos nos estágios iniciais de descobrir como os humanos e os sistemas de IA podem trabalhar juntos de forma mais eficaz.

O avanço não será em tornar a IA mais autônoma, mas em tornar a colaboração humano-IA mais fluida e natural. Isso inclui avanços em como os sistemas de IA comunicam incerteza, como eles se adaptam a estilos de trabalho individuais e como coordenam com múltiplos humanos e outros sistemas de IA simultaneamente.

Do ponto de vista da infraestrutura, estou observando os desenvolvimentos em IA contextual em tempo real que podem entender e agir em fluxos de informações dinâmicos. A capacidade de construir sistemas de IA que mantenham o contexto ao longo de horizontes de tempo prolongados e múltiplos tipos de interação permitirá categorias de aplicações completamente novas.

Mas, honestamente, os avanços mais emocionais podem vir de direções inesperadas. Assim como os transformadores surgiram dos mecanismos de atenção em tradução de máquina neural, o próximo avanço significativo pode vir de resolver um problema aparentemente estreito que tem aplicações amplas. A chave é manter a mente de iniciante e permanecer aberto a possibilidades que ainda não imaginamos.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar monday.com.