Асаф Элович, руководитель отдела искусственного интеллекта monday.com – серия интервью

Вы руководили разработками в области искусственного интеллекта в некоторых из самых динамичных компаний в сфере технологий, включая Wix, а теперь и monday.com— Что лично вас изначально привлекло к задаче создания интеллектуальных систем?

Мой путь в мир ИИ начался во время бума чат-ботов в 2015 году. Я познакомился с ботом на основе ИИ, который действительно понимал намерения; это было похоже на волшебство. Это было не просто новшество; это было решение реальных задач, таких как запись на приём и ответы на сложные вопросы. Именно тогда у меня возникло любопытство по поводу того, как работают эти системы.

Меня по-настоящему привлекло осознание того, насколько доступным стал ИИ. Некоторые инструменты и API позволили разработчикам создавать эффективные приложения, не имея докторской степени в области машинного обучения. Безграничные возможности были захватывающими, и я понял, что хочу внести свой вклад в эти преобразования. С тех пор я посвятил себя созданию продуктов на основе ИИ, которые решают реальные задачи и улучшают жизнь людей.

Задача создания интеллектуальных систем привлекает меня, потому что она находится на стыке творчества и передовых технологий. Каждый проект — это как решение новой головоломки: нужно понимать не только технические возможности, но и то, как люди работают и что им нужно.

Перед присоединением monday.comВы создали инструменты с открытым исходным кодом, такие как GPT Researcher, которые нашли отклик как у разработчиков, так и у исследователей. Как этот опыт, основанный на опыте широких масс, сформировал ваш современный подход к созданию корпоративных продуктов на основе ИИ?

Опыт работы с открытым исходным кодом научил меня бесценным урокам о разработке, ориентированной на реальные потребности пользователей, а не на теоретические рассуждения. Работая с открытым исходным кодом, вы получаете мгновенную, непредвзятую обратную связь от разработчиков, которые действительно пытаются решить проблемы. Это научило меня сосредотачиваться на практической пользе, а не на впечатляющих демонстрациях.

Работа с сообществом также подчеркнула важность обеспечения доступности ИИ. Многие разработчики, использовавшие эти инструменты, не были специалистами в этой области — они создавали приложения и нуждались в надёжных и простых в интеграции возможностях ИИ. Этот опыт напрямую влияет на наш подход к AI Blocks на сайте monday.com: сделать мощные возможности ИИ доступными для нетехнических пользователей через интуитивно понятные интерфейсы.

Ранее в этом году, monday.com Недавно мы представили смелую новую концепцию развития ИИ, основанную на трёх принципах: ИИ-блоки, улучшения продуктов и цифровая рабочая сила. Как возникла эта концепция и какую нишу на рынке вы пытаетесь заполнить?

Наше видение ИИ возникло в результате анализа фундаментальной проблемы: организации любого размера хотят использовать ИИ, но большинство решений требуют значительных технических знаний или слишком ограничены для различных бизнес-потребностей. Мы увидели, что люди ищут не просто очередного ИИ-помощника; им нужен ИИ, который мог бы легко интегрироваться в их текущие рабочие процессы и адаптироваться к их специфическим задачам. Наконец, теперь мы фокусируемся на том, чтобы помогать людям выполнять работу с помощью ИИ, а не просто помогать им управлять работой.

Мы заполняем пробел между простыми инструментами ИИ и сложными корпоративными решениями. Многие компании занимают промежуточное положение, когда им требуется больше, чем базовая автоматизация, но они не могут оправдать или внедрить мощные системы ИИ. Наш трёхкомпонентный подход даёт организациям гибкость: начать с простых блоков, улучшить свои продукты с помощью дополнительных возможностей и в конечном итоге создать сложную цифровую рабочую силу.

С момента запуска мы активно развиваемся по всем направлениям, добившись значительного роста числа пользователей, внедряющих наши решения, и числа платящих пользователей.

Мы также представили продукты «vibe coding», которые направлены на нашу миссию по демократизации программного обеспечения. Благодаря последним достижениям в области искусственного интеллекта создавать полноценные приложения на простом естественном языке стало ещё проще. Наши новейшие продукты, такие как monday vibe и magic, позволят любому пользователю, не разбирающемуся в технических вопросах, использовать экосистему Monday для создания персонализированных рабочих приложений.

Можете ли вы рассказать нам, как работают AI Blocks на практике? Насколько сложно освоить эти инструменты нетехническим пользователям, пытающимся интегрировать их в свои повседневные рабочие процессы?

Блоки ИИ разработаны так же интуитивно, как и строительные блоки, отсюда и название. На практике пользователь может перетащить блок «извлечь сроки» в свой рабочий процесс управления проектами или добавить блок «сводку заметок по встречам» в процесс еженедельного обзора. Блоки справляются со сложной архитектурой ИИ, предоставляя клиентам простые и знакомые интерфейсы.

Кривая обучения намеренно минимальна. Мы видели, как команды успешно внедряли AI Blocks уже в первом сеансе. Например, маркетинговая команда может создать рабочий процесс, в котором упоминания в социальных сетях автоматически анализируются на тональность и извлекаются ключевые темы, и всё это без написания единой строки кода.

Ключевой вывод заключается в том, что людям не нужно понимать, как работает ИИ, чтобы извлечь из него пользу. Им достаточно достаточно хорошо понимать свои собственные процессы, чтобы определить, где автоматизация может помочь. Мы разработали блоки с учётом уже существующих ментальных моделей, касающихся рабочих процессов.

Недавно вы запустили набор инструментов на базе искусственного интеллекта, включая Monday Magic, Monday Vibe и Monday Sidekick. Чем эти продукты отличаются от традиционных помощников или вторых пилотов, и какую роль, по вашему мнению, они будут играть в различных отраслях?

Наши последние релизы представляют собой комплексный подход к ИИ на рабочем месте, выходящий за рамки традиционных помощников. Каждая функция служит своей цели, работая вместе как интегрированная экосистема, которая кардинально меняет работу команд, закрепляя наш переход от управления работой к её выполнению для наших клиентов.

Monday Magic обеспечивает интеллектуальную автоматизацию рабочих процессов, используя ИИ для прогнозирования потребностей и автоматизации сложных процессов ещё до того, как пользователи осознают их необходимость. Monday Vibe — это платформа для программирования Vibe, позволяющая любому пользователю создавать безопасные бизнес-приложения, адаптированные к конкретным потребностям его команды. Monday Sidekick станет вашим контекстным помощником на базе ИИ, который понимает ваши особенности работы и предоставляет проактивную помощь, адаптированную к вашей роли и обязанностям.

В совокупности эти возможности позволяют нашим клиентам не просто управлять и отслеживать работу, а выполнять её более интеллектуально. Вместо того, чтобы просто организовывать задачи и отслеживать прогресс, команды теперь могут полагаться на ИИ для оптимизации производительности, прогнозирования проблем и автоматического принятия мер. Этот переход от пассивного управления к активному выполнению задач даёт революционные результаты: он позволяет сократить административные расходы и уделить больше времени важной работе, которая приносит результаты.

Отличие этих помощников от традиционных заключается в их глубокой интеграции с реальным рабочим контекстом и ориентации на проактивную, а не реактивную поддержку. В то время как большинство ИИ-помощников ждут ваших вопросов, наш пакет отслеживает закономерности, предугадывает потребности и выполняет действия в рамках ваших рабочих процессов и разрешений.

monday.com Делает акцент на объяснимости и пользовательском опыте, а не только на голых характеристиках модели. Как это выглядит за кулисами и как сбалансировать прозрачность и эффективность?

Объясняемость играет основополагающую роль в построении доверия, особенно в корпоративной среде, где решения имеют реальные последствия. Мы вкладываем значительные средства в обеспечение прозрачности рассуждений нашего ИИ. Когда наш анализатор рисков обнаруживает потенциальную задержку проекта, он не просто выдаёт предупреждение, но и показывает, какие именно факторы повлияли на эту оценку и насколько он уверен в своём прогнозе.

Этот подход был обусловлен опытом. Ранние системы ИИ часто воспринимались как «чёрные ящики», из-за чего клиенты не решались полагаться на них при принятии важных решений. Мы узнали, что клиентам важно понимать не только то, что предлагает ИИ, но и почему он это делает.

Баланс между прозрачностью и эффективностью достигается за счёт многоуровневого раскрытия информации. Мы предоставляем мгновенные и практические аналитические данные на поверхностном уровне, но клиенты могут углубиться в детали, чтобы увидеть их обоснования, когда им это необходимо. Такой подход укрепляет доверие, сохраняя при этом удобство использования: клиенты больше доверяют системе, когда понимают её, что, как ни парадоксально, повышает их готовность использовать все её возможности.

На платформе уже выполнено более 46 миллионов действий с использованием ИИ. Каковы наиболее удивительные или креативные способы использования ИИ клиентами?

Креативность наших клиентов постоянно меня поражает. Мы видели, как организатор свадеб использовал AI Blocks для автоматической категоризации ответов поставщиков и извлечения ключевых данных, таких как цены и даты доступности. Исследовательская группа разработала рабочий процесс, который анализирует научные статьи и автоматически заполняет базу данных ключевыми результатами и методологическими заметками.

Одним из особенно креативных примеров использования стала сеть ресторанов, которая использовала наш ИИ для анализа отзывов клиентов в разных точках и автоматического выявления потенциальных проблем с безопасностью пищевых продуктов, выявляя закономерности в жалобах. По сути, они создали систему раннего оповещения о проблемах в работе.

Удивительно, как клиенты комбинируют простые блоки сложными способами. Они не просто автоматизируют отдельные задачи, но и перестраивают целые процессы с учётом возможностей ИИ, которые мы никогда специально не разрабатывали для их конкретных сценариев использования.

Вы также работаете скаутом в Sequoia Capital, инвестируя в стартапы, занимающиеся ИИ на ранних стадиях. Какие типичные ошибки допускают основатели при создании продуктов, ориентированных на ИИ?

Самая распространённая ошибка, которую я вижу, — это то, что основатели компаний поддаются соблазну технических возможностей ИИ, не понимая глубоко реальный рабочий процесс и болевые точки пользователя. Они создают впечатляющие демонстрации возможностей ИИ, но не решают реальные проблемы, связанные с тем, как работают люди.

Ещё одна распространённая проблема — слишком ранние обещания автономности ИИ. Многие основатели хотят создавать полностью автономные системы, когда клиентам действительно нужны инструменты для совместной работы. Люди хотят, чтобы ИИ расширял их возможности, а не заменял их суждения, особенно при принятии важных бизнес-решений.

Также существует тенденция недооценивать важность доверия и объяснимости. Основатели часто фокусируются на показателях точности, но игнорируют пользовательский опыт при работе с неопределенностями и ошибками. В корпоративном контексте, особенно в корпоративном, клиентам важно понимать, когда и почему следует доверять рекомендациям ИИ.

Наконец, многие стартапы, ориентированные на ИИ, испытывают трудности с дистрибуцией. Иметь просто отличную технологию ИИ недостаточно; необходимо понимать, как интегрировать её в существующие рабочие процессы, и демонстрировать чёткую окупаемость инвестиций лицам, принимающим решения, которые могут скептически относиться к шумихе вокруг ИИ.

Как, по вашему мнению, будут развиваться агенты ИИ в течение следующих нескольких лет — станут ли они более автономными, более специализированными или чем-то совершенно иным?

Мы увидим, как ИИ-агенты будут развиваться в сторону контекстного взаимодействия, а не чистой автономии. Будущее — не за полностью автономными агентами, принимающими самостоятельные решения, а за агентами, которые глубоко понимают контекст и могут принимать соответствующие меры в зависимости от ситуации и предпочтений пользователя.

Мы стремимся к созданию агентов, способных самостоятельно принимать рутинные решения и одновременно оперативно передавать сложные или неоднозначные ситуации на рассмотрение людей. Это требует глубокого понимания контекста, оценки рисков и намерений пользователя, и эти возможности стремительно развиваются.

Я также ожидаю значительного развития многоагентной координации. Вместо монолитных ИИ-помощников мы увидим специализированных агентов, которые будут взаимодействовать друг с другом и с людьми в динамичных командах. Ваш исследовательский агент может работать совместно с агентом по планированию и агентом по коммуникациям для координации запуска сложного проекта.

Ключевая эволюция коснётся интерфейса «человек-ИИ». Агенты научатся лучше доносить свои рассуждения, выражать неопределённость и адаптироваться к индивидуальным стилям работы. Цель — бесперебойное взаимодействие, в котором границы между человеком и ИИ становятся менее важными, чем общий результат.

Как вы структурируете взаимодействие между командами ИИ, продукта, дизайна и GTM, чтобы гарантировать полную интеграцию ИИ в пользовательский интерфейс?

Успешная разработка продуктов на базе ИИ требует преодоления традиционной разобщённости и достижения общего понимания между всеми командами. Мы обнаружили, что ключ к успеху — выработка общего языка, определяющего возможности и ограничения ИИ, которым смогут пользоваться все: от инженеров до дизайнеров и маркетологов.

Наш процесс начинается с кросс-функциональных сессий, на которых мы вместе изучаем проблемы пользователей, а затем обсуждаем технические решения. Это позволяет избежать распространённой ошибки, когда сначала используются возможности ИИ, а затем ищутся проблемы, требующие решения.

Мы также активно инвестируем в создание прототипов и пользовательское тестирование на протяжении всего процесса разработки. Команды дизайнеров и разработчиков тесно сотрудничают с инженерами ИИ, чтобы понять возможности, а команды ИИ изучают реальные ограничения и предпочтения пользователей. Такое двунаправленное обучение критически важно для создания функций ИИ, которые кажутся естественными, а не навязанными.

С точки зрения GTM, наши команды вовлечены в процесс разработки с самого начала. Они помогают нам понять не только то, чего хотят клиенты, но и то, как они относятся к ИИ, что их беспокоит и как они предпочитают узнавать о новых возможностях. Это понимание напрямую влияет как на дизайн продукта, так и на его техническую реализацию.

Наконец, как человек, который связывает открытый исходный код, корпоративный ИИ и венчурный капитал, где, по вашему мнению, произойдет следующий большой прорыв в области ИИ — в инструментах, инфраструктуре или в чем-то, на что мы пока даже не смотрим?

Следующий прорыв, вероятно, произойдет на стыке интерфейсов взаимодействия человека и искусственного интеллекта. Мы добились невероятного прогресса в развитии возможностей моделирования, но всё ещё находимся на ранних стадиях понимания того, как люди и системы искусственного интеллекта могут работать вместе наиболее эффективно.

Прорыв будет заключаться не в том, чтобы сделать ИИ более автономным, а в том, чтобы сделать взаимодействие человека и ИИ более гибким и естественным. Это включает в себя достижения в том, как системы ИИ передают информацию о неопределенности, как они адаптируются к индивидуальным стилям работы и как они координируют работу с несколькими людьми и другими системами ИИ одновременно.

С точки зрения инфраструктуры, я наблюдаю за развитием контекстного ИИ в режиме реального времени, способного понимать и реагировать на динамические потоки информации. Возможность создания систем ИИ, сохраняющих контекст в течение длительного времени и поддерживающих различные типы взаимодействия, откроет путь к совершенно новым категориям приложений.

Но, честно говоря, самые захватывающие прорывы могут прийти с неожиданных направлений. Подобно тому, как трансформаторы появились из механизмов внимания в нейронном машинном переводе, следующий значительный прорыв может быть связан с решением, казалось бы, узкой проблемы, имеющей широкое применение. Главное — сохранять мышление новичка и быть открытыми возможностям, которые мы пока не можем себе представить.

Спасибо за отличное интервью, читатели, которые хотят узнать больше, должны посетить monday.com.<