อัสซาฟ เอลโววิช หัวหน้าฝ่าย AI ของ monday.com – สัมภาษณ์ซีรีส์

คุณได้นำทีม AI ในบริษัทที่มีชื่อเสียงที่สุดในด้านเทคโนโลยี รวมถึง Wix และ monday.com ในปัจจุบัน – สิ่งใดที่ดึงดูดคุณส่วนบุคคลให้เข้าร่วมที่ท้าทายในการสร้างระบบอัจฉริยะ?

การเดินทางของฉันในด้าน AI เริ่มต้นในช่วงปี 2015 เมื่อฉันสัมผัสกับ AI bot ที่สามารถเข้าใจความตั้งใจได้อย่างแท้จริง มันรู้สึกเหมือนเวทมนตร์ นี่ไม่ใช่แค่ความใหม่ใจจัง แต่เป็นการแก้ปัญหาที่แท้จริง เช่น การนัดหมายและการตอบคำถามที่ซับซ้อน

สิ่งที่ดึงดูดฉันจริงๆ คือการรับรู้ว่า AI ได้กลายเป็นเครื่องมือที่เข้าถึงได้ง่ายขึ้น เครื่องมือและ API บางอย่างทำให้นักพัฒนาสามารถสร้างแอปพลิเคชันที่มีประสิทธิภาพโดยไม่ต้องมีปริญญาเอกในด้านการเรียนรู้ของเครื่อง ความเป็นไปได้ที่ไม่มีที่สิ้นสุดนี้ทำให้ฉันรู้สึกตื่นเต้น และฉันก็รู้ว่าฉันต้องการมีส่วนร่วมในการเปลี่ยนแปลงนี้ ตั้งแต่นั้นมา ฉันจึงมุ่งมั่นที่จะสร้างผลิตภัณฑ์ AI ที่แก้ปัญหาที่แท้จริงและปรับปรุงชีวิตของผู้คน

ความท้าทายในการสร้างระบบอัจฉริยะนี้ดึงดูดฉันเพราะมันอยู่ที่จุดตัดระหว่างความคิดสร้างสรรค์และเทคโนโลยีที่ทันสมัย ทุกๆ โครงการเป็นเหมือนการแก้ปัญหาที่ต้องเข้าใจไม่เพียงแต่ความสามารถทางเทคนิคเท่านั้น แต่ยังรวมถึงวิธีการทำงานของคนและความต้องการของพวกเขา

ก่อนที่จะเข้าร่วม monday.com คุณได้สร้างเครื่องมือโอเพ่นซอร์ส เช่น GPT Researcher ซึ่งได้รับการตอบรับจากนักพัฒนาและนักวิจัย – ประสบการณ์เหล่านี้ได้เปลี่ยนแปลงแนวทางของคุณในการสร้างผลิตภัณฑ์ AI ระดับองค์กรในปัจจุบันอย่างไร?

ประสบการณ์ในการสร้างโอเพ่นซอร์สสอนให้ฉันเรียนรู้บทเรียนที่มีค่าเกี่ยวกับการสร้างเพื่อตอบสนองความต้องการของผู้ใช้จริงๆ ไม่ใช่ความต้องการที่เป็นเพียงทฤษฎี เมื่อคุณสร้างสิ่งใดในโอเพ่นซอร์ส คุณจะได้รับคำติชมที่ไม่ผ่านการกรองจากนักพัฒนาที่พยายามแก้ปัญหา ซึ่งสอนให้ฉันเน้นไปที่ความเป็นประโยชน์จริงมากกว่าการแสดงผลที่น่าประทับใจ

การทำงานร่วมกับชุมชนยังเน้นย้ำถึงความสำคัญของการทำให้ AI เข้าถึงได้ นักพัฒนาส่วนใหญ่ที่ใช้เครื่องมือเหล่านี้ไม่ใช่นักวิทยาศาสตร์ AI แต่พวกเขากำลังสร้างแอปพลิเคชันและต้องการความสามารถ AI ที่เชื่อถือได้และง่ายต่อการรวมเข้าด้วยกัน ประสบการณ์นี้มีอิทธิพลโดยตรงต่อวิธีที่เรามอง AI Blocks ที่ monday.com: ทำให้ความสามารถ AI ที่ทรงพลังสามารถเข้าถึงได้สำหรับลูกค้าที่ไม่ใช่เทคนิคผ่านอินเทอร์เฟซที่直观

เมื่อเร็วๆ นี้ monday.com ได้เผยโฉมวิสัยทัศน์ AI ใหม่ด้วยสามเสาหลัก: AI Blocks, Product Power-ups และ Digital Workforce – วิสัยทัศน์นี้เกิดขึ้นได้อย่างไร และคุณกำลังพยายามเติมช่องว่างในตลาดอย่างไร?

วิสัยทัศน์ AI ของเราพัฒนาขึ้นจากการที่เราได้สังเกตเห็นความท้าทายพื้นฐาน: องค์กรทุกขนาดต้องการใช้ AI แต่โซลูชันส่วนใหญ่ต้องการความเชี่ยวชาญทางเทคนิคหรือไม่ยืดหยุ่นสำหรับความต้องการทางธุรกิจที่หลากหลาย เราเห็นว่าคนไม่แค่ต้องการ AI ที่ช่วยเหลือ แต่ต้องการ AI ที่สามารถรวมเข้ากับกระบวนการทำงานที่มีอยู่และปรับให้เข้ากับกระบวนการเฉพาะของธุรกิจได้

ช่องว่างที่เรากำลังพยายามเติมคือพื้นที่ระหว่างเครื่องมือ AI ที่ง่ายและโซลูชันองค์กรที่ซับซ้อน หลายธุรกิจอยู่ในพื้นที่กลางที่ต้องการมากกว่าการทำงานอัตโนมัติแบบพื้นฐาน แต่ไม่สามารถให้เหตุผลเข้าข้างตนเองหรือใช้ระบบ AI ที่มีน้ำหนักมากได้ แนวทางสามเสาหลักของเราช่วยให้องค์กรสามารถเริ่มต้นได้ง่ายด้วยบล็อก เพิ่มประสิทธิภาพผลิตภัณฑ์ด้วย Power-ups และสร้างกองกำลังดิจิทัลที่ซับซ้อนในอนาคต

ตั้งแต่การเปิดตัว เราได้ผลักดันการเติบโตอย่างแข็งแกร่งทั่วทุกแนวตั้ง โดยมีการเติบโตที่สำคัญในด้านการนำไปใช้และผู้ใช้ที่จ่ายเงิน

เรายังได้แนะนำผลิตภัณฑ์ “vibe coding” ที่มุ่งสู่ภารกิจในการทำให้ซอฟต์แวร์เข้าถึงได้ ด้วยความก้าวหน้าล่าสุดใน AI มันไม่เคยเป็นเรื่องง่ายในการสร้างแอปพลิเคชันเต็มรูปแบบด้วยภาษาธรรมชาติแบบง่ายๆ ผลิตภัณฑ์ใหม่ๆ ของเราที่มีชื่อว่า monday vibe และ magic สามารถช่วยให้ผู้ใช้ที่ไม่ใช่เทคนิคใช้ระบบ monday เพื่อสร้างแอปพลิเคชันที่ปรับแต่งได้สำหรับการทำงาน

คุณสามารถอธิบายว่า AI Blocks ทำงานอย่างไรในทางปฏิบัติได้หรือไม่? มีเส้นการเรียนรู้สำหรับผู้ใช้ที่ไม่ใช่เทคนิคในการรวมเครื่องมือเหล่านี้เข้ากับกระบวนการทำงานประจำวันของตนอย่างไร?

AI Blocks ได้รับการออกแบบให้เป็นเหมือนบล็อกที่สามารถสร้างได้ – ดังนั้นจึงมีชื่อว่าบล็อก ในทางปฏิบัติ ผู้ใช้อาจลาก “extract deadlines” บล็อกเข้าไปในกระบวนการการจัดการโครงการ หรือเพิ่ม “summarize meeting notes” บล็อกเข้าไปในกระบวนการรีวิวสัปดาห์ บล็อกเหล่านี้จัดการความซับซ้อนของ AI ในเบื้องหลังในขณะที่นำเสนออินเทอร์เฟซที่เรียบง่ายและคุ้นเคยสำหรับลูกค้า

เส้นการเรียนรู้มีเจตนาให้เหลือน้อยที่สุด เราได้เห็นทีมต่างๆ ประสบความสำเร็จในการใช้ AI Blocks ในช่วงเซสชันแรกๆ ตัวอย่างเช่น ทีมการตลาดอาจสร้างกระบวนการที่วิเคราะห์ข้อความบนโซเชียลมีเดียอัตโนมัติสำหรับความรู้สึกและข้อความสำคัญที่ถูกดึงออกมา โดยไม่ต้องเขียนโค้ดแม้แต่บรรทัดเดียว

ข้อคิดหลักคือผู้คนไม่จำเป็นต้องเข้าใจว่า AI ทำงานอย่างไรเพื่อที่จะใช้ประโยชน์จากมัน พวกเขาต้องเข้าใจกระบวนการของตนเองเพียงพอเพื่อที่จะระบุว่าตรงจุดไหนที่การทำงานอัตโนมัติจะช่วยได้ เราได้ออกแบบบล็อกเหล่านี้ให้ตรงกับโมเดลจิตของผู้คนเกี่ยวกับกระบวนการทำงานของตนเอง

คุณได้เปิดตัวชุดเครื่องมือที่มีพลังด้วย AI รวมถึง monday magic, monday vibe และ monday sidekick – สิ่งใดที่ทำให้ผลิตภัณฑ์เหล่านี้แตกต่างจากผู้ช่วยหรือคู่หูที่ดั้งเดิม และคุณเห็นพวกมันเล่นบทบาทอะไรในอุตสาหกรรมต่างๆ?

ผลิตภัณฑ์ใหม่ของเรานำเสนอแนวทางที่ครอบคลุมต่อ AI ในสถานที่ทำงานที่ไปไกลกว่าผู้ช่วยแบบดั้งเดิม แต่ละความสามารถมีจุดประสงค์ที่แตกต่างกัน แต่ทำงานร่วมกันเป็นระบบนิเวศที่รวมกันซึ่งเปลี่ยนแปลงวิธีการทำงานของทีมอย่างพื้นฐาน โดยยึดมั่นในความก้าวหน้าของเราจากการจัดการงานไปสู่การดำเนินงานสำหรับลูกค้าของเรา

monday magic นำการทำงานอัตโนมัติแบบฉลาดเข้าสู่กระบวนการ โดยใช้ AI เพื่อคาดการณ์ความต้องการและทำงานอัตโนมัติกระบวนการที่ซับซ่อนก่อนที่ผู้ใช้จะรู้ว่าต้องการ monday vibe เป็นแพลตฟอร์ม “vibe coding” ที่ช่วยให้ทุกคนสามารถสร้างแอปพลิเคชันธุรกิจที่ปรับแต่งได้ตามความต้องการของทีม monday sidekick ทำหน้าที่เป็นเพื่อนร่วมงาน AI ที่เข้าใจรูปแบบการทำงานเฉพาะของคุณและให้การสนับสนุนที่มีประสิทธิภาพตามบทบาทและความรับผิดชอบของคุณ

ความสามารถเหล่านี้รวมกันทำให้ลูกค้าของเราข้ามจากการจัดการและการติดตามงานไปสู่การดำเนินงานที่มีประสิทธิภาพมากขึ้น แทนที่จะจัดระเบียบงานและติดตามความก้าวหน้า ทีมสามารถพึ่งพา AI เพื่อเพิ่มประสิทธิภาพการทำงาน คาดการณ์ความท้าทาย และดำเนินการอัตโนมัติได้ การเปลี่ยนแปลงนี้จากการจัดการแบบผ่านไปสู่การดำเนินการที่มีประสิทธิภาพมากขึ้นนั้นเปลี่ยนแปลงทุกอย่าง หมายถึงการใช้เวลาน้อยลงในการจัดการและการติดตามงาน และมุ่งเน้นไปที่งานที่มีคุณค่าสูงซึ่งผลักดันผลลัพธ์

สิ่งที่ทำให้ผลิตภัณฑ์เหล่านี้แตกต่างจากผู้ช่วยแบบดั้งเดิมคือการบูรณาการที่ลึกซึ้งกับบริบทการทำงานที่แท้จริง และการเน้นไปที่การสนับสนุนเชิงรุกมากกว่าการรอคำถามจากผู้ใช้ ในขณะที่ผู้ช่วย AI ส่วนใหญ่รอจนกว่าคุณจะถามคำถาม ผลิตภัณฑ์ของเราจะสังเกตเห็นรูปแบบ คาดการณ์ความต้องการ และดำเนินการภายในกระบวนการและความ разрешที่กำหนดไว้

monday.com เน้นไปที่ความเข้าใจได้และประสบการณ์ของผู้ใช้ ไม่ใช่แค่ประสิทธิภาพของโมเดลเท่านั้น – สิ่งนี้ดูเหมือนอย่างไรเบื้องหลัง และคุณสร้างสมดุลระหว่างความโปร่งใสและพลังงานได้อย่างไร?

ความเข้าใจได้เป็นเรื่องพื้นฐานในการสร้างความไว้วางใจ โดยเฉพาะในสภาพแวดล้อมองค์กรที่การตัดสินใจมีผลกระทบจริงๆ เบื้องหลัง เราได้ลงทุนอย่างมากในการทำให้ AI ของเรามีความโปร่งใส เมื่อ Risk Analyzer ของเราระบุความล่าช้าโครงการที่อาจเกิดขึ้น มันไม่เพียงแต่แสดงการแจ้งเตือนเท่านั้น แต่ยังแสดงปัจจัยที่ทำให้เกิดการประเมินนั้นและความมั่นใจในการคาดการณ์ด้วย

การเน้นไปที่ความโปร่งใสนี้มาจากประสบการณ์ ระบบ AI ในยุคแรกๆ มักจะรู้สึกเหมือนกล่องดำ ซึ่งทำให้ลูกค้าลังเลที่จะพึ่งพาในการตัดสินใจที่สำคัญ เราได้เรียนรู้ว่าลูกค้าต้องการเข้าใจไม่เพียงแต่สิ่งที่ AI แนะนำเท่านั้น แต่ยังรวมถึงเหตุผลที่ AI ให้คำแนะนำนั้นด้วย

การสร้างสมดุลระหว่างความโปร่งใสและพลังงานนั้นขึ้นอยู่กับการเปิดเผยที่มีหลายชั้น เราให้ข้อมูลเชิงลึกที่สามารถดำเนินการได้ทันทีในระดับผิวเผิน แต่ลูกค้าสามารถเจาะลึกเพื่อดูเหตุผลที่ละเอียดมากขึ้นเมื่อพวกเขา cần สิ่งนี้ช่วยสร้างความไว้วางใจในขณะที่ยังคงรักษาความใช้งานได้ – ลูกค้าไว้วางใจระบบมากกว่าเมื่อพวกเขาเข้าใจมัน ซึ่งทำให้พวกเขาเต็มใจที่จะใช้ความสามารถที่มีประสิทธิภาพสูงมากขึ้น

ด้วยการดำเนินการ AI มากกว่า 46 ล้านครั้งบนแพลตฟอร์มแล้ว สิ่งใดที่เป็นวิธีการใช้ AI ที่น่าประหลาดใจหรือสร้างสรรค์ที่สุดจากลูกค้าของคุณ?

ความคิดสร้างสรรค์ของลูกค้าของเรานั้นไม่เคยหยุดน่าประหลาดใจเลย เราได้เห็นผู้วางแผนงานแต่งงานใช้ AI Blocks เพื่อจัดประเภทการตอบรับจากผู้ขายและดึงข้อมูลสำคัญ เช่น ราคาและวันที่ที่มีอยู่อัตโนมัติ ทีมวิจัยสร้างกระบวนการที่วิเคราะห์เอกสารทางวิชาการและเติมฐานข้อมูลด้วยผลการวิจัยและวิธีวิจัยอัตโนมัติ

กรณีการใช้งานที่สร้างสรรค์อย่างหนึ่งคือร้านอาหารที่ใช้ AI ของเราในการวิเคราะห์ข้อเสนอแนะจากลูกค้าข้ามทุกแห่งและระบุข้อกังวลด้านความปลอดภัยของอาหารโดยการตรวจจับรูปแบบในข้อร้องเรียน พวกเขาได้สร้างระบบเตือนภัยล่วงหน้าสำหรับปัญหาด้านการดำเนินงาน

สิ่งที่น่าประหลาดใจคือวิธีที่ลูกค้ารวมบล็อกง่ายๆ ในรูปแบบที่ซับซ้อน พวกเขาไม่ได้เพียงแต่ทำงานอัตโนมัติแต่ละงานเท่านั้น แต่ยังเปลี่ยนแปลงกระบวนการทั้งหมดโดยรอบความสามารถ AI ที่เราออกแบบมาไม่เฉพาะเจาะจงสำหรับการใช้งานของพวกเขา

คุณยังทำหน้าที่เป็น Sequoia Capital scout โดยลงทุนในสตาร์ทอัพ AI ในช่วงแรก – จากมุมมองนี้ คุณเห็นข้อผิดพลาดที่พบบ่อยที่ผู้ก่อตั้งทำเมื่อสร้างผลิตภัณฑ์ AI?

ข้อผิดพลาดที่พบบ่อยที่สุดคือผู้ก่อตั้งถูกดึงดูดไปกับความเป็นไปได้ทางเทคนิคของ AI โดยไม่เข้าใจความต้องการและกระบวนการทำงานของผู้ใช้จริงๆ พวกเขาสร้างการแสดงผลที่น่าประทับใจซึ่งแสดงความสามารถ AI แต่ไม่แก้ปัญหาที่แท้จริงตามที่ผู้คนทำงาน

อีกปัญหาที่พบบ่อยคือการให้คำมั่นสัญญาเกินจริงเกี่ยวกับความเป็นอิสระของ AI มากเกินไป ผู้ก่อตั้งหลายคนต้องการสร้างระบบอัตโนมัติเต็มรูปแบบเมื่อลูกค้าต้องการเครื่องมือที่เสริมความสามารถของพวกเขา โดยเฉพาะอย่างยิ่งในการตัดสินใจทางธุรกิจที่มีความเสี่ยงสูง

มีการเพิกเฉยต่อความสำคัญของความไว้วางใจและความเข้าใจได้ ผู้ก่อตั้งมักจะเน้นไปที่เมตริกความแม่นยำ แต่เพิกเฉยต่อประสบการณ์ของผู้ใช้ในการจัดการความไม่แน่นอนและข้อผิดพลาด ในสภาพแวดล้อมองค์กร โดยเฉพาะอย่างยิ่ง ลูกค้าต้องการเข้าใจเมื่อและทำไมจึงควรไว้วางใจคำแนะนำของ AI

สุดท้าย สตาร์ทอัพ AI หลายๆ แพลตฟอร์มต้องดิ้นรนในการกระจายสินค้า การมีเทคโนโลยี AI ที่ดีไม่เพียงพอ คุณต้องเข้าใจวิธีการรวมมันเข้ากับกระบวนการทำงานที่มีอยู่และแสดง ROI ที่ชัดเจนให้กับผู้ตัดสินใจที่อาจมีความกังขาเกี่ยวกับ AI

คุณคิดว่าเอเย่นต์ AI จะพัฒนาไปอย่างไรในอีกไม่กี่ปีข้างหน้า – พวกมันจะกลายเป็นอิสระมากขึ้น มีความเชี่ยวชาญมากขึ้น หรือสิ่งอื่นที่แตกต่างไปเลย?

เราจะเห็นเอเย่นต์ AI พัฒนาไปสู่การทำงานร่วมกันที่มีบริบทมากกว่าการเป็นอิสระที่สมบูรณ์ อนาคตไม่ใช่การมีเอเย่นต์อัตโนมัติที่ตัดสินใจโดยไม่มีการแทรกแซงจากมนุษย์ แต่เป็นเอเย่นต์ที่เข้าใจบริบทและสามารถดำเนินการตามนั้นได้ตามสถานการณ์และความชอบของผู้ใช้

เรากำลังจะเห็นการพัฒนาที่สำคัญในด้านการประสานงานระหว่างเอเย่นต์หลายตัว แทนที่จะเป็นเอเย่นต์ AI ที่สมบูรณ์แบบ เราจะเห็นเอเย่นต์ที่มีความเชี่ยวชาญซึ่งทำงานร่วมกันและกับมนุษย์ในทีมที่มีพลวัต เอเย่นต์สำหรับการวิจัยของคุณอาจทำงานร่วมกับเอเย่นต์สำหรับการจัดตารางและการสื่อสารเพื่อประสานงานการเปิดตัวโครงการที่ซับซ้อน

การเปลี่ยนแปลงหลักจะอยู่ที่อินเทอร์เฟซระหว่างมนุษย์และ AI เอเย่นต์จะกลายเป็นมิตรกับมนุษย์มากขึ้นในการสื่อสารเหตุผลของพวกเขา การแสดงความไม่แน่นอน และการปรับตัวให้เข้ากับรูปแบบการทำงานส่วนบุคคลของแต่ละคน จุดมุ่งหมายคือการทำงานร่วมกันที่ไม่มีขอบเขตที่ชัดเจนระหว่างการมีส่วนร่วมของมนุษย์และ AI แต่ผลลัพธ์ที่รวมกัน

ภายในบริษัท คุณจัดโครงสร้างการทำงานร่วมกันระหว่างทีม AI, ผลิตภัณฑ์, การออกแบบ และการตลาดเพื่อให้แน่ใจว่า AI ถูกฝังตัวในประสบการณ์ของผู้ใช้อย่างไร?

การสร้างผลิตภัณฑ์ AI ที่ประสบความสำเร็จต้องมีการทำลายกำแพงแบบดั้งเดิมและสร้างความเข้าใจร่วมกันระหว่างทีมต่างๆ เราพบว่าปัจจัยสำคัญคือการสร้างภาษาร่วมกันเกี่ยวกับความสามารถและข้อจำกัดของ AI ที่ทุกคนสามารถใช้ได้ ตั้งแต่วิศวกรไปจนถึงนักออกแบบและนักการตลาด

กระบวนการของเริ่มต้นด้วยเซสชันการค้นพบแบบข้ามฟังก์ชันที่เราสำรวจปัญหาผู้ใช้ร่วมก่อนที่จะพูดถึงโซลูชันทางเทคนิค สิ่งนี้ช่วยป้องกันไม่ให้เราเริ่มต้นด้วยความสามารถ AI แล้วหาปัญหาให้เหมาะสม

เรายังลงทุนอย่างมากในการสร้างต้นแบบและการทดสอบผู้ใช้ตลอดกระบวนการออกแบบและพัฒนา ทีมการออกแบบและผลิตภัณฑ์ทำงานอย่างใกล้ชิดกับวิศวกร AI เพื่อทำความเข้าใจสิ่งที่เป็นไปได้ ในขณะที่ทีม AI เรียนรู้เกี่ยวกับข้อจำกัดและความชอบของผู้ใช้จริงๆ การเรียนรู้ที่เป็นสองทางนี้มีความสำคัญอย่างยิ่งในการสร้างคุณสมบัติ AI ที่รู้สึกเป็นธรรมชาติ

จากมุมมองของการตลาด ทีมของเราถูกฝังอยู่ในกระบวนการพัฒนาตั้งแต่วันแรก พวกเขาช่วยให้เราเข้าใจไม่เพียงแต่สิ่งที่ลูกค้าต้องการเท่านั้น แต่ยังรวมถึงวิธีที่พวกเขาคิดเกี่ยวกับ AI อีกด้วย สิ่งนี้มีอิทธิพลโดยตรงต่อการออกแบบผลิตภัณฑ์และการนำไปใช้ทางเทคนิค

สุดท้าย ในฐานะคนที่เชื่อมโยงระหว่างโอเพ่นซอร์ส องค์กร AI และ VC คุณคิดว่าความก้าวหน้าที่สำคัญถัดไปใน AI จะเกิดขึ้นที่ไหน – ในเครื่องมือ อินฟราสตรัคเจอร์ หรือสิ่งที่เรายังไม่ได้มองเห็น?

ความก้าวหน้าที่สำคัญถัดไปน่าจะเกิดขึ้นที่จุดตัดระหว่างอินเทอร์เฟซการทำงานร่วมกันระหว่างมนุษย์และ AI เราได้ทำความก้าวหน้าที่น่าประทับใจในด้านความสามารถของโมเดล แต่ยังอยู่ในช่วงแรกๆ ของการค้นหาวิธีที่ดีที่สุดในการทำงานร่วมกันระหว่างมนุษย์และระบบ AI

ความก้าวหน้าจะไม่เกิดขึ้นจากการทำให้ AI มีอิสระมากขึ้น แต่จะเกิดขึ้นจากการทำให้การทำงานร่วมกันระหว่างมนุษย์และ AI มีประสิทธิภาพมากขึ้น นี่หมายถึงความก้าวหน้าในการสื่อสารความไม่แน่นอน การปรับตัวให้เข้ากับรูปแบบการทำงานส่วนบุคคล และการประสานงานระหว่างมนุษย์และ AI หลายตัว

จากมุมมองของอินฟราสตรัคเจอร์ ฉันกำลังติดตามการพัฒนาที่เกิดขึ้นใน AI ที่สามารถเข้าใจและดำเนินการตามข้อมูลที่เปลี่ยนแปลงอย่างต่อเนื่องได้ ความสามารถในการสร้างระบบ AI ที่สามารถรักษาบริบทไว้ในช่วงเวลานานและหลายรูปแบบของการโต้ตอบจะทำให้เกิดแอปพลิเคชันใหม่ๆ

แต่จริงๆ แล้ว ความก้าวหน้าที่น่าตื่นเต้นที่สุดอาจมาจากทิศทางที่ไม่คาดคิด เช่นเดียวกับที่ทรานส์ฟอร์เมอร์เกิดขึ้นจากกลไกการดึงความสนใจในเครื่องมือแปลภาษา ความก้าวหน้าที่สำคัญถัดไปอาจมาจากการแก้ปัญหาที่ดูเหมือนแคบแต่มีการใช้งานที่กว้างขวาง กุญแจสำคัญคือการรักษามุมมองของผู้เริ่มต้นและเปิดกว้างสำหรับโอกาสที่เรายังไม่ได้เห็น

ขอขอบคุณสำหรับสัมภาษณ์ที่ดีเยี่ยม ผู้อ่านสามารถเยี่ยมชม monday.com เพื่อเรียนรู้เพิ่มเติม