Maciej Saganowski, Director of AI Products, Appfire – Intervju-serie

Maciej Saganowski är Director of AI Products på Appfire.

Appfire är en ledande leverantör av företagsprogramvarulösningar som är utformade för att förbättra samarbete, effektivisera arbetsflöden och förbättra produktiviteten över team. Appfire specialiserar sig på verktyg som integrerar med plattformar som Atlassian, Salesforce och Microsoft, och erbjuder ett robust sortiment av appar som är anpassade för projektledning, automatisering, rapportering och IT-tjänstehantering. Med en global närvaro och ett åtagande att innovera, har företaget blivit en betrodd partner för organisationer som söker att optimera sina programvarumiljöer, och betjänar en bred range av branscher och ger team möjlighet att uppnå sina mål effektivt.

Appfire är känd för att tillhandahålla företagssamarbetslösningar, kan du introducera oss till Appfires tillvägagångssätt för att utveckla AI-drivna produkter?

Under det senaste året har marknaden översvämmats av AI-drivna lösningar när företag vänder sig för att stanna relevanta och konkurrenskraftiga. Medan några av dessa produkter har uppfyllt förväntningarna, finns det fortfarande en möjlighet för leverantörer att真正t tillgodose riktiga kundbehov med effektiva lösningar.

På Appfire fokuserar vi på att stanna i framkanten av AI-innovation, vilket möjliggör för oss att förutse och överträffa de utvecklande behoven av företagssamarbete. Vi närmar oss AI-integration med målet att leverera riktigt värde snarare än att bara hävda “AI-beredskap” för att skilja sig från andra.

Vår tillvägagångssätt för att utveckla AI-drivna produkter fokuserar på att skapa sömlösa, effektiva upplevelser för våra kunder.

Vi vill att AI ska smälta in i användarupplevelsen, förbättra den utan att överskugga den eller, värre, skapa en extra börda genom att kräva att användare lär sig helt nya funktioner.

“Time to Value” är ett av de viktigaste målen för våra AI-drivna funktioner. Denna princip fokuserar på hur snabbt en användare – särskilt en ny användare – kan börja dra nytta av våra produkter.

Till exempel, med Canned Responses, behöver en supportagent som svarar på en kund inte gå igenom hela e-posttråden; AI kan föreslå den mest lämpliga svarsmallen, vilket sparar tid och förbättrar noggrannheten.

Appfire har samarbetat med Atlassian för att lansera WorkFlow Pro som en Rovo-agent. Vad gör denna AI-drivna produkt unik i en marknad fylld med liknande produkter?

Denna kategori av produkter är relativt ovanlig. Vi är ett av de första företagen som levererar en Jira-klassificerad programvaruautomatiseringskonfigurationsassistent – och detta är bara början.

WorkFlow Pro är en AI-driven automatiseringsassistent för Jira som förvandlar hur team konfigurerar och hanterar sina automatiseringsarbetsflöden. Driven av Atlassians Rovo AI, assisterar den användare i att konfigurera nya automatiseringar eller felsöka befintliga.

Historiskt sett har Jira-automatiseringsprodukter varit komplexa och krävt en viss nivå av expertis. WorkFlow Pro avmystifierar dessa konfigurationer och möjliggör för nya eller mindre erfarna Jira-administratörer att utföra sina uppgifter utan att spendera tid på produktinformation, forum eller riskera dyra misstag.

En ny Jira-administratör kan enkelt fråga agenten hur man utför en uppgift, och baserat på den installerade automatiseringsappen (JMWE, JSU eller Power Scripts), ger agenten en steg-för-steg-guide för att uppnå det önskade resultatet. Det är som att ha en Michelin-stjärnkock i ditt kök, redo att svara på någon fråga med precisa instruktioner.

På Appfire är vi åtaganda att förenkla våra kunders liv. I den kommande versionen av WorkFlow Pro kommer användare att kunna begära nya automatiseringar på ren svenska genom att skriva det önskade resultatet, utan att behöva navigera i konfiguratorgränssnittet eller känna till något skriptspråk. Återgå till vår kockanalogi, den kommande versionen kommer att låta användaren inte bara fråga kocken hur man lagar en rätt, utan också att förbereda den på deras vägnar, vilket frigör dem att fokusera på viktigare uppgifter.

Hur involverar du användarfeedback när du itererar på AI-produkter som WorkFlow Pro? Vilken roll spelar kundinput i att forma utvecklingen av dessa verktyg?

På Appfire håller vi oss mycket nära våra användare. Inte bara våra designers och produktchefer engagerar sig regelbundet med dem, utan vi har också en dedikerad användarforskningsgrupp som genomför bredare forskningsinitiativ, som informerar vår vision och produktvägar.

Vi analyserar både kvantitativa data och användarberättelser fokuserade på utmaningar, och frågar oss själva, “Kan AI hjälpa i denna situation?” Om vi förstår användarens problem tillräckligt bra och tror att AI kan tillhandahålla en lösning, börjar vårt team experimentera med teknologin för att lösa problemet. Varje funktionens resa börjar inte med teknologin, utan från användarens smärt punkt.

Till exempel lärde vi oss av våra användare att nya administratörer möter en betydande barriär när de skapar komplexa automatiseringar. Många saknar erfarenhet eller tid att studera dokumentation och bemästra invecklade skriptmekanismer. WorkFlow Pro utvecklades för att lindra denna smärt punkt, och hjälpa användare att lära sig och konfigurera Jira mer lätt.

Bortom WorkFlow Pro planerar Appfire att utveckla ytterligare AI-drivna applikationer. Hur kommer dessa nya produkter att förvandla sättet användare sätter mål, spårar arbete och utnyttjar data mer effektivt?

AI kommer att ha en djup inverkan på vad framtida kunskapsarbetare kan uppnå och hur de interagerar med programvara. Organisationer kommer att utvecklas, bli plattare, mer smidiga och effektivare. Projekt kommer att kräva färre människor för att koordinera och leverera. Medan detta låter som en djärv förutsägelse, är det redan på gång genom tre viktiga AI-drivna framsteg:

1. Att överföra tekniskt komplexa eller tråkiga uppgifter till AI
2. Att interagera med programvara med hjälp av naturligt språk
3. Agenta arbetsflöden

Vi ser redan att AI minskar bördan av tråkiga uppgifter och underlättar för nya användare att komma in i dessa produkter. Till exempel kan AI-assistenter ta mötesanteckningar eller lista åtgärder. För att illustrera detta med Appfire-exemplet, när en chef skapar ett nytt nyckelresultat inom sin OKR-ram, kommer AI att föreslå nyckelresultatets formulering baserat på branschens bästa praxis och företagets unika sammanhang, vilket underlättar den mentala bördan för användare när de lär sig att definiera effektiva OKR.

Naturliga språkgränssnitt representerar en stor paradigmförändring i hur vi utformar och använder programvara. Utvecklingen av programvara under de senaste 50 åren har skapat virtuellt obegränsade möjligheter för kunskapsarbetare, men denna sammanlänkade kraft har också medfört betydande komplexitet.

Tills nyligen fanns det ingen enkel väg att navigera i denna komplexitet. Nu gör AI och naturliga språkgränssnitt det hanterbart och tillgängligt. Till exempel är en av Appfires mest populära appkategorier dokumenthantering. Många Fortune 500-företag kräver dokumentflöden för regelefterlevnad eller regulatorisk granskning. Snart kan skapandet av dessa flöden vara så enkelt som att tala till systemet. En chef kan säga, “För att en policy ska godkännas och distribueras till alla anställda, måste den först granskas och godkännas av det seniora ledningsteamet.” AI kommer att förstå denna instruktion och skapa arbetsflödet. Om några detaljer saknas, kommer AI att fråga om förtydligande och erbjuda tips för smidigare flöden.

Dessutom är “agenta arbetsflöden” den nästa fronten i AI-revolutionen, och vi omfamnar detta på Appfire med vår agent WorkFlow Pro. I framtiden kommer AI-agenter att agera mer som mänskliga samarbetspartner, kapabla att hantera komplexa uppgifter som att genomföra forskning, samla information från flera källor och samordna med andra agenter och människor för att leverera ett förslag inom timmar eller dagar. Denna agent-baserade tillvägagångssätt kommer att gå utöver enkla interaktioner som de med ChatGPT; agenter kommer att bli proaktiva, kanske föreslår en utkast till presentation innan du ens inser att du behöver den. Och röstinteraktioner med agenter kommer att bli vanligare, vilket tillåter användare att arbeta medan de är på språng.

I sammanfattning, vart vi är på väg med AI i kunskapsarbete är liknande hur vi nu opererar fordon: vi vet vart vi vill gå, men vi behöver vanligtvis inte förstå detaljerna i förbränningsmotorer eller finjustera bilen själva.

Du förbättrar också befintliga Appfire-produkter med hjälp av AI. Kan du ge oss exempel på hur AI har förbättrat nuvarande Appfire-appar, förbättrat deras funktionalitet och användarupplevelse?

Var och en av våra appar är unik, löser distinkta användarutmaningar och är utformad för olika användarroller. Som ett resultat är användningen av AI i dessa appar anpassad för att förbättra specifika funktioner och förbättra användarupplevelsen på meningsfulla sätt.

I Canned Responses accelererar AI kundkommunikationen genom att hjälpa användare att snabbt formulera svar baserat på innehållet i en begäran och befintliga mallar. Denna AI-funktion sparar inte bara tid, utan förbättrar också kvaliteten på kundinteraktioner.

I OKR för Jira, till exempel, kan AI hjälpa användare som är nya till OKR-ramen (Objektiv och Nyckelresultat). Genom att förenkla och förtydliga denna ofta komplexa metodik, kan AI tillhandahålla vägledning i att formulera effektiva Nyckelresultat som är anpassade till specifika mål, vilket gör OKR-processen mer tillgänglig.

Slutligen representerar WorkFlow Pro ett innovativt sätt att interagera med vår dokumentation och exemplifierar vårt åtagande till agenta arbetsflöden och naturliga språkautomatiseringsbegäranden. Denna AI-drivna tillvägagångssätt minskar tröskeln för nya Jira-administratörer och effektiviserar arbetsflöden för erfarna administratörer.

Delade AI-tjänster, såsom sammanfattningsfunktionen, utvecklas över flera Appfire-appar. Hur ser du att dessa tjänster påverkar användarproduktivitet över hela plattformen?

På Appfire har vi ett brett utbud av appar över flera marknader, inklusive Atlassian, Microsoft, monday.com och Salesforce.

Med ett sådant stort urval av appar och olika användningsfall för AI, tog vi ett steg tillbaka för att utforma och bygga en delad intern AI-tjänst som kunde utnyttjas över flera appar.

Vi utvecklade en plattform AI-tjänst som tillåter produktteam över våra appar att ansluta till flera LLM. Nu när tjänsten är live, kommer vi att fortsätta expandera den med funktioner som lokalt körda modeller och förpackade prompter.

Med den snabba utvecklingen av AI-teknologier, hur säkerställer du att Appfires tillvägagångssätt för AI-utveckling fortsätter att möta förändrade kundbehov och marknadskrav?

På Appfire är en produktcheefs främsta prioritet att överbrygga gapet mellan teknisk möjlighet och att lösa meningsfulla kundproblem. Medan AI-kapaciteter utvecklas snabbt, håller vi oss uppdaterade med marknadstrender och övervakar aktivt branschen för bästa praxis. På kundsidan engagerar vi oss kontinuerligt med våra användare för att förstå deras utmaningar, inte bara inom våra appar, utan också i de underliggande plattformar de använder.

När vi identifierar en överlappning mellan teknisk möjlighet och ett meningsfullt kundbehov, fokuserar vi på att leverera en säker och robust AI-funktion. Innan lansering, experimenterar och testar vi dessa lösningar med användare för att säkerställa att de verkligen löser deras smärt punkter.

Appfire opererar i en högt konkurrensutsatt AI-driven SaaS-landskap. Vilka steg tar du för att säkerställa att Appfires AI-innovationer förblir unika och fortsätter att driva värde för användare?

Appfires tillvägagångssätt för AI fokuserar på syfte. Vi integrerar inte AI bara för att bocka av en ruta; vårt mål är att AI ska fungera så naturligt inom våra produkter att det blir nästan osynligt för användaren. Vi vill att AI ska lösa riktiga utmaningar som våra kunder möter – antingen det är att förenkla arbetsflöden i Jira, hantera komplexa dokumentprocesser eller effektivisera strategisk planering. Idealiskt sett bör användningen av AI kännas lika intuitivt som att plocka upp en penna.

Många SaaS-produkter har traditionellt sett krävt specialiserad expertis för att låsa upp deras fulla potential. Vår vision för AI är att minska lärandekurvan och göra våra appar mer tillgängliga. Med lanseringen av vår första Rovo-agent, WorkFlow Pro, tar vi ett viktigt steg på denna resa. Slutligen syftar vi till att säkerställa att AI inom våra appar möjliggör för användare att uppnå värde snabbare.

Om du ser framåt, vilka trender inom AI-utveckling tror du kommer att ha den största inverkan på SaaS-branschen under de kommande åren?

Två stora AI-trender som kommer att forma SaaS-branschen under de kommande åren är uppkomsten av AI-drivna agenter och ökande bekymmer om säkerhet och integritet.

Vissa hävdar att agentteknologi ännu inte har infriat sina löften och förblir relativt omogen. Till dessa skeptiker skulle jag säga att vi ofta överskattar vad teknologi kommer att uppnå på 1-2 år, men underskattar kraftigt vad den kommer att åstadkomma under ett decennium. Medan nuvarande användningsfall för agenter verkligen är begränsade, ser vi massiva investeringar i agenta arbetsflöden över hela programvaruvärdet. Grundläggande modeller från företag som OpenAI och Anthropic, samt plattformar som Appfire för närvarande opererar eller planerar att operera på, gör omfattande investeringar i agentteknologi. OpenAI, till exempel, arbetar på “System 2”-agenter som kan resonera, medan Anthropic har lanserat modeller som kan använda vanliga appar och webbplatser, emulerande mänskliga handlingar. Atlassian har introducerat Rovo, och Salesforce har lanserat Agentforce. Varje vecka kommer det nya tillkännagivanden om agentframsteg, och på Appfire är vi entusiastiska över dessa utvecklingar och ser fram emot att integrera dem i våra appar.

Samtidigt som AI-kapaciteter utvidgas, ökar också riskerna som är förknippade med datasäkerhet och integritet. Företag måste säkerställa att alla AI-integrationer respekterar och skyddar både deras tillgångar och kundernas, från känsliga data till bredare säkerhetsåtgärder. Att balansera innovation med robusta säkerhetspraxis kommer att vara avgörande för att låsa upp AI:s fulla värde i SaaS och möjliggöra ansvarsfulla, säkra framsteg.

Tack för det utmärkta intervjun, läsare som vill lära sig mer bör besöka Appfire.