อัสซาฟ เอลโอวิก หัวหน้าฝ่าย AI ของ monday.com – ซีรีส์สัมภาษณ์

อัสซาฟ เอลโอวิก หัวหน้าฝ่าย AI ของ monday.com – เป็นนักเทคโนโลยี ผู้ก่อตั้ง และนักลงทุน ที่ด้านหน้าของนวัตกรรม AI เขาได้สร้าง GPT Researcher ซึ่งเป็นตัวแทนการวิจัยที่มีมากกว่า 20,000 ดาวใน GitHub และร่วมก่อตั้ง Tavily ซึ่งเป็นเครื่องมือค้นหาชั้นนำสำหรับ LLMs ที่ monday.com เขานำกลยุทธ์ AI ของบริษัททั่วทั้งผลิตภัณฑ์ วิศวกรรม การออกแบบ และการตลาด ในขณะที่ยังทำหน้าที่เป็น Sequoia Capital scout โดยให้คำแนะนำและลงทุนในสตาร์ทอัพ AI ระยะแรก อาชีพของเขาครอบคลุมการพัฒนาผลิตภัณฑ์ การเป็นผู้นำ R&D และการขยายทีมระดับโลก โดยมุ่งเน้นไปที่การสร้างผลิตภัณฑ์ AI ที่เปลี่ยนแปลงและเพิ่มขีดความสามารถให้กับบริษัท AI ในอนาคต

monday.com เป็นระบบปฏิบัติการทำงานชั้นนำที่ช่วยให้ทีมจัดการโครงการ การทำงาน และการทำงานร่วมกันในลักษณะที่สามารถปรับแต่งได้สูง ระบบนี้ได้รับความไว้วางใจจากองค์กรทั่วโลก โดยรวมการทำงานอัตโนมัติด้วย AI การวิเคราะห์ และการประสานงานระหว่างทีมอย่างไม่มีข้อจำกัด เพื่อเพิ่มผลผลิตและเร่งการตัดสินใจ ด้วยโซลูชันที่ครอบคลุมการจัดการโครงการ CRM การพัฒนาผลิตภัณฑ์ และการตลาด monday.com ได้กลายเป็นศูนย์กลางสำหรับธุรกิจที่ต้องการขยายตัวได้อย่างมีประสิทธิภาพและนวัตกรรมเร็วขึ้น

คุณได้นำทีม AI ในบริษัทเทคโนโลยีที่มีชื่อเสียงหลายแห่ง รวมถึง Wix และปัจจุบันคือ monday.com—สิ่งใดที่ดึงดูดคุณส่วนบุคคลในการสร้างระบบอัจฉริยะ?

การเดินทางของฉันเข้าสู่ AI เริ่มต้นในช่วงปี 2015 เมื่อฉันสัมผัสกับ AI bot ที่สามารถเข้าใจความตั้งใจได้อย่างแท้จริง มันรู้สึกเหมือนเวทมนตร์ นี่ไม่ใช่แค่ความน่าสนใจ แต่มันช่วยแก้ปัญหาเชิงปฏิบัติ เช่น การจองนัดหมายและการตอบคำถามที่ซับซ้อน สิ่งนี้กระตุ้นความสนใจของฉันเกี่ยวกับวิธีการทำงานของระบบเหล่านี้

สิ่งที่ดึงดูดฉันจริงๆ คือการเข้าถึง AI ที่เป็นไปได้ เครื่องมือและ API บางอย่างทำให้นักพัฒนาสามารถสร้างแอปพลิเคชันที่มีประสิทธิภาพโดยไม่ต้องมีปริญญาเอกในด้านการเรียนรู้ของเครื่อง ความเป็นไปได้ที่ไม่มีที่สิ้นสุดนี้น่าตื่นเต้น และฉันรู้ว่าฉันต้องการมีส่วนร่วมในการเปลี่ยนแปลงนี้ ตั้งแต่นั้นมา ฉัน đãอุทิศตัวเองในการสร้างผลิตภัณฑ์ AI ที่แก้ปัญหาเชิงปฏิบัติและปรับปรุงชีวิตของผู้คน

ความท้าทายในการสร้างระบบอัจฉริยะดึงดูดฉันเพราะมันอยู่ที่จุดตัดกันระหว่างความคิดสร้างสรรค์และเทคโนโลยีที่ทันสมัย ทุกโครงการเป็นเหมือนการแก้ปัญหาใหม่; คุณต้องเข้าใจไม่เพียงแต่ความสามารถทางเทคนิคเท่านั้น แต่ยังรวมถึงวิธีการทำงานของคนและความต้องการของพวกเขา

ก่อนที่จะเข้าร่วม monday.com คุณได้สร้างเครื่องมือโอเพ่นซอร์ส เช่น GPT Researcher ซึ่งได้รับการยอมรับจากนักพัฒนาและนักวิจัย การสัมผัสกับชุมชนเหล่านี้สอนคุณอะไรบ้าง และมันเปลี่ยนแปลงวิธีการสร้างผลิตภัณฑ์ AI ระดับองค์กรของคุณอย่างไร?

ประสบการณ์ในการสร้างโอเพ่นซอร์สสอนฉันบทเรียนที่มีค่าเกี่ยวกับการสร้างสิ่งที่ตอบสนองความต้องการของผู้ใช้จริงๆ ไม่ใช่ความต้องการในทางทฤษฎี เมื่อคุณสร้างสิ่งใดในโอเพ่นซอร์ส คุณจะได้รับการติชมทันทีและไม่มีการกรองจากนักพัฒนาที่พยายามแก้ปัญหา สิ่งนี้สอนฉันให้มุ่งเน้นไปที่ความเป็นประโยชน์จริงมากกว่าการแสดงผลที่น่าประทับใจ

การทำงานร่วมกับชุมชนยังเน้นย้ำถึงความสำคัญของการทำให้ AI เข้าถึงได้ นักพัฒนาส่วนใหญ่ที่ใช้เครื่องมือเหล่านี้ไม่ใช่นักวิชาการ AI แต่พวกเขากำลังสร้างแอปพลิเคชันและต้องการความสามารถ AI ที่เชื่อถือได้และง่ายต่อการรวมเข้าด้วยกัน ประสบการณ์นี้มีอิทธิพลโดยตรงต่อวิธีการที่เราเข้าถึง AI Blocks ที่ monday.com: ทำให้ความสามารถ AI ที่ทรงพลังสามารถเข้าถึงได้สำหรับลูกค้าที่ไม่ใช่เทคนิคผ่านอินเทอร์เฟซที่直观

เมื่อต้นปีนี้ monday.com ได้เผยโฉมวิสัยทัศน์ AI ใหม่แบบกล้าๆ กับสามเสาหลัก: AI Blocks, Product Power-ups และ Digital Workforce วิสัยทัศน์นี้เกิดขึ้นได้อย่างไร และคุณพยายามเติมช่องว่างในตลาดอะไร?

วิสัยทัศน์ AI ของเราพัฒนาขึ้นจากการสังเกตความท้าทายพื้นฐาน: องค์กรทุกขนาดต้องการใช้ AI แต่โซลูชันส่วนใหญ่ต้องการความเชี่ยวชาญทางเทคนิคหรือไม่ยืดหยุ่นสำหรับความต้องการทางธุรกิจที่หลากหลาย เราเห็นว่าคนไม่เพียงแต่กำลังมองหาอีกหนึ่ง AI ที่ช่วยเหลือ แต่ต้องการ AI ที่สามารถรวมเข้ากับกระบวนการทำงานที่มีอยู่และปรับให้เข้ากับกระบวนการเฉพาะของธุรกิจได้ สุดท้าย เรากำลังเน้นไปที่การช่วยให้ผู้คนทำงานให้เสร็จสิ้นด้วย AI ซึ่งเป็นการเปลี่ยนแปลงจากการจัดการงานไปสู่การดำเนินการ

ช่องว่างที่เรากำลังเติมคือพื้นที่ระหว่างเครื่องมือ AI ที่เรียบง่ายและโซลูชันองค์กรที่ซับซ้อน องค์กรหลายแห่งต้องการมากกว่าการทำงานอัตโนมัติแบบพื้นฐาน แต่ไม่สามารถให้เหตุผลหรือใช้ระบบ AI ที่มีน้ำหนักมากได้ แนวทางสามเสาหลักของเราช่วยให้องค์กรมีความยืดหยุ่นในการเริ่มต้นด้วยบล็อก การเพิ่มประสิทธิภาพผลิตภัณฑ์ด้วย Power-ups และสร้าง Digital Workforce ที่ซับซ้อน

นับตั้งแต่การเปิดตัว เราได้ขยายตัวข้ามแนวตั้งทั้งหมดด้วยการเติบโตที่สำคัญในด้านการนำไปใช้และผู้ใช้ที่จ่ายเงิน

เรายังได้แนะนำ “vibe coding” ซึ่งเป็นส่วนหนึ่งของภารกิจในการทำให้ซอฟต์แวร์เข้าถึงได้ ด้วยความก้าวหน้าล่าสุดใน AI มันไม่เคยเป็นเรื่องง่ายในการสร้างแอปพลิเคชันแบบเต็มรูปแบบด้วยภาษาธรรมชาติแบบธรรมดา ผลิตภัณฑ์ล่าสุดของเราที่มีชื่อว่า monday vibe และ magic สามารถทำให้ผู้ใช้ที่ไม่ใช่เทคนิคใช้ระบบ monday เพื่อสร้างแอปพลิเคชันที่ปรับแต่งได้สำหรับการทำงาน

คุณสามารถอธิบายว่า AI Blocks ทำงานอย่างไรในทางปฏิบัติได้หรือไม่? มีเส้นการเรียนรู้สำหรับผู้ใช้ที่ไม่ใช่เทคนิคในการรวมเครื่องมือเหล่านี้เข้ากับกระบวนการทำงานประจำวันของตนอย่างไร?

AI Blocks ได้รับการออกแบบให้เป็นเหมือนบล็อกการสร้าง—ดังนั้นชื่อนั้น ในทางปฏิบัติ ผู้ใช้อาจลาก “บล็อกการค้นหาเส้นตาย” เข้าสู่กระบวนการการจัดการโครงการ หรือเพิ่ม “บล็อกสรุปบันทึกการประชุม” เข้าสู่กระบวนการตรวจสอบสัปดาห์ บล็อกเหล่านี้จัดการความซับซ้อนของ AI ในเบื้องหลัง ในขณะที่นำเสนออินเทอร์เฟซที่เรียบง่ายและคุ้นเคยให้กับลูกค้า

เส้นการเรียนรู้ได้รับการออกแบบให้เหลือน้อยที่สุด เราได้เห็นทีมงานใช้ AI Blocks ในเซสชันแรกของพวกเขา ตัวอย่างเช่น ทีมการตลาดอาจสร้างกระบวนการที่วิเคราะห์ข้อความในโซเชียลมีเดียโดยอัตโนมัติและค้นหาเรื่องราวหลักและหัวข้อที่ถูกกล่าวถึงทั้งหมด โดยไม่ต้องเขียนโค้ดแม้แต่บรรทัดเดียว

ข้อคิดหลักคือผู้คนไม่จำเป็นต้องเข้าใจว่า AI ทำงานอย่างไรเพื่อให้ได้รับประโยชน์จากมัน พวกเขาต้องเข้าใจกระบวนการของตนเองเพียงพอเพื่อระบุว่ากระบวนการใดที่การทำงานอัตโนมัติจะช่วยได้ เราได้ออกแบบบล็อกเหล่านี้ให้ตรงกับแบบจำลองความคิดที่ผู้คนมีต่อกระบวนการทำงานของตนเอง

คุณได้เปิดตัวชุดเครื่องมือ AI ที่มีพลัง รวมถึง monday magic, monday vibe และ monday sidekick เครื่องมือเหล่านี้แตกต่างจากผู้ช่วยหรือคู่หูแบบดั้งเดิมอย่างไร และคุณเห็นพวกมันเล่นบทบาทอะไรในอุตสาหกรรมต่างๆ?

การเปิดตัวล่าสุดของเรานำเสนอแนวทางที่ครอบคลุมต่อ AI ในสถานที่ทำงาน ซึ่งไปไกลกว่าผู้ช่วยแบบดั้งเดิม แต่ละความสามารถมีจุดประสงค์ที่แตกต่างกัน แต่ทำงานร่วมกันเป็นระบบนิเวศที่รวมกันซึ่งเปลี่ยนแปลงวิธีการทำงานของทีมอย่างพื้นฐาน

monday magic นำการทำงานอัตโนมัติที่ชาญฉลาดเข้าสู่กระบวนการ โดยใช้ AI เพื่อคาดการณ์ความต้องการและทำงานอัตโนมัติกระบวนการที่ซับซ้อนก่อนที่ผู้ใช้จะรู้ว่าพวกเขาต้องการ monday vibe เป็นแพลตฟอร์ม “vibe coding” ที่ช่วยให้ทุกคนสามารถสร้างแอปพลิเคชันธุรกิจที่ปรับแต่งได้ตามความต้องการของทีม monday sidekick ทำหน้าที่เป็นเพื่อนร่วมงาน AI ที่เข้าใจรูปแบบการทำงานเฉพาะของคุณและให้การสนับสนุนแบบกระตือรือร้นตามบทบาทและความรับผิดชอบของคุณ

เครื่องมือเหล่านี้แตกต่างจากผู้ช่วยแบบดั้งเดิมเพราะการรวมเข้ากับบริบทการทำงานที่แท้จริงและโฟกัสในการสนับสนุนแบบกระตือรือร้น ไม่ใช่แค่รอคำถาม แต่สังเกตเห็นรูปแบบ คาดการณ์ความต้องการ และดำเนินการภายในกระบวนการทำงานและความปลอดภัยที่กำหนดไว้

monday.com เน้นการอธิบายและประสบการณ์ของผู้ใช้ ไม่ใช่แค่ประสิทธิภาพของโมเดลเท่านั้น สิ่งนี้ดูเหมือนอย่างไรเบื้องหลัง และคุณสร้างสมดุลระหว่างความโปร่งใสและพลังงานได้อย่างไร?

การอธิบายเป็นเรื่องพื้นฐานในการสร้างความไว้วางใจ โดยเฉพาะในบรรยากาศองค์กรที่การตัดสินใจมีผลกระทบจริงๆ เบื้องหลัง เราได้ลงทุนอย่างมากในการทำให้เหตุผลของ AI ของเราง่ายต่อการเข้าใจ เมื่อเครื่องมือวิเคราะห์ความเสี่ยงของเราระบุความล่าช้าในโครงการที่อาจเกิดขึ้น มันไม่เพียงแต่แสดงการเตือนเท่านั้น แต่ยังแสดงปัจจัยที่ทำให้เกิดการประเมินนั้นและความมั่นใจในการคาดการณ์ด้วย

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

การสร้างสมดุลระหว่างความโปร่งใสและพลังงานมาจากการเปิดเผยที่ชั้นเชิง เราให้ข้อมูลเชิงลึกทันทีและสามารถดำเนินการได้ที่ระดับผิวเผิน แต่ลูกค้าสามารถเจาะลึกเพื่อดูเหตุผลที่ละเอียดถี่ถ้วนเมื่อพวกเขาต้องการ สิ่งนี้สร้างความมั่นใจในขณะที่รักษาความใช้งานได้—ลูกค้ามั่นใจในระบบมากขึ้นเมื่อเข้าใจมัน ซึ่งทำให้พวกเขายอมรับและใช้ความสามารถที่มีให้เต็มที่

ด้วยการกระทำ AI มากกว่า 46 ล้านครั้งที่ดำเนินการบนแพลตฟอร์มแล้ว คุณพบวิธีการใช้งานที่น่าประหลาดใจหรือสร้างสรรค์จากลูกค้าอย่างไร?

ความคิดสร้างสรรค์ของลูกค้าทำให้ฉันประหลาดใจอยู่เสมอ เราได้เห็นผู้วางแผนงานแต่งงานที่ใช้ AI Blocks เพื่อจัดประเภทและค้นหารายละเอียดสำคัญจากการตอบรับของซัพพลายเออร์โดยอัตโนมัติ ทีมวิจัยสร้างกระบวนการที่วิเคราะห์เอกสารวิชาการและเติมข้อมูลสำคัญและวิธีการลงในฐานข้อมูลโดยอัตโนมัติ

กรณีการใช้งานที่สร้างสรรค์อย่างหนึ่งคือร้านอาหารที่ใช้ AI ของเราเพื่อวิเคราะห์ข้อเสนอแนะจากลูกค้าข้ามที่ต่างๆ และระบุปัญหาด้านความปลอดภัยของอาหารโดยอัตโนมัติจากการตรวจจับรูปแบบในข้อร้องเรียน พวกเขาแทบจะสร้างระบบเตือนภัยล่วงหน้าสำหรับปัญหาด้านการดำเนินงาน

สิ่งที่น่าประหลาดใจคือวิธีที่ลูกค้ารวมบล็อกง่ายๆ ในรูปแบบที่ซับซ้อน พวกเขาไม่ได้เพียงแต่ทำงานอัตโนมัติงานเดียว แต่กำลังออกแบบกระบวนการทั้งหมดใหม่โดยรอบความสามารถ AI ที่เราออกแบบมาไม่เฉพาะเจาะจงสำหรับกรณีการใช้งานเฉพาะของพวกเขา

คุณยังทำหน้าที่เป็น Scout สำหรับ Sequoia Capital โดยลงทุนในสตาร์ทอัพ AI ระยะแรก จากมุมมองนี้ คุณพบว่าผู้ก่อตั้งมีความผิดพลาดทั่วไปอะไรบ้างเมื่อสร้างผลิตภัณฑ์ AI?

ข้อผิดพลาดที่พบบ่อยที่สุดคือผู้ก่อตั้งถูกดึงดูดด้วยความเป็นไปได้ทางเทคนิคของ AI โดยไม่เข้าใจกระบวนการทำงานและจุดอ่อนของลูกค้าอย่างลึกซึ้ง พวกเขาสร้างการแสดงผลที่น่าประทับใจซึ่งแสดงความสามารถ AI แต่ไม่ได้แก้ปัญหาในโลกแห่งความเป็นจริง

อีกประเด็นที่พบบ่อยคือการให้คำมั่นสัญญาเกี่ยวกับการทำงานอัตโนมัติของ AI มากเกินไป ผู้ก่อตั้งหลายคนต้องการสร้างระบบอัตโนมัติเต็มรูปแบบเมื่อลูกค้าต้องการเครื่องมือที่ทำงานร่วมกัน ไม่เฉพาะเจาะจงในการตัดสินใจทางธุรกิจที่สำคัญ

มีการมองข้ามความสำคัญของความไว้วางใจและความสามารถในการอธิบายได้ง่ายๆ ผู้ก่อตั้งมักมุ่งเน้นไปที่เมตริกความแม่นยำ แต่เพิกเฉยต่อประสบการณ์ของผู้ใช้ในการจัดการความไม่แน่นอนและข้อผิดพลาด

สุดท้าย สตาร์ทอัพ AI หลายแห่งต้องดิ้นรนในการกระจายสินค้า การมีเทคโนโลยี AI ที่ดีไม่เพียงพอ; คุณต้องเข้าใจวิธีการรวมมันเข้ากับกระบวนการทำงานที่มีอยู่และแสดง ROI ที่ชัดเจนให้กับผู้ตัดสินใจที่อาจลังเลใจเกี่ยวกับ AI

คุณคิดว่าเอเจนต์ AI จะพัฒนาไปอย่างไรในอีกไม่กี่ปีข้างหน้า—จะกลายเป็นอิสระมากขึ้น มีเอกลักษณ์เฉพาะตัวมากขึ้น หรือสิ่งอื่นที่แตกต่างไปเลย?

เราจะเห็นเอเจนต์ AI พัฒนาไปสู่การทำงานร่วมกันเชิงบริบทมากกว่าการทำงานอิสระ อนาคตไม่ใช่เอเจนต์ที่อิสระและตัดสินใจโดยไม่มีการแทรกแซงจากมนุษย์ แต่เป็นเอเจนต์ที่เข้าใจบริบทอย่างลึกซึ้งและสามารถดำเนินการตามนั้น

เรากำลังเคลื่อนไปสู่เอเจนต์ที่สามารถจัดการการตัดสินใจแบบอัตโนมัติสำหรับงานประจำวัน ในขณะที่ยกระดับสถานการณ์ที่ซับซ้อนหรือไม่แน่นอนให้กับมนุษย์ สิ่งนี้ต้องการความเข้าใจที่ซับซ้อนเกี่ยวกับบริบท การประเมินความเสี่ยง และความตั้งใจของผู้ใช้ ซึ่งกำลังปรับปรุงอย่างรวดเร็ว

ฉันคาดว่าจะมีการพัฒนาที่สำคัญในด้านการประสานงานระหว่างเอเจนต์หลายตัว แทนที่จะมี AI ที่ช่วยเหลือแบบเดียว เราจะเห็นเอเจนต์ที่เชี่ยวชาญซึ่งทำงานร่วมกันและกับมนุษย์ในทีมที่มีพลวัต

การเปลี่ยนแปลงหลักจะอยู่ที่อินเทอร์เฟซระหว่างมนุษย์และ AI เอเจนต์จะดีขึ้นในการสื่อสารเหตุผลของพวกเขา แสดงความไม่แน่นอน และปรับให้เข้ากับรูปแบบการทำงานส่วนบุคคลของแต่ละคน เป้าหมายคือการทำงานร่วมกันอย่างไม่มีเงื่อนไขโดยที่ขอบเขตระหว่างการมีส่วนร่วมของมนุษย์และ AI ไม่สำคัญเท่ากับผลลัพธ์รวม

ภายในองค์กร คุณจัดโครงสร้างการทำงานร่วมกันระหว่างทีม AI ผลิตภัณฑ์ การออกแบบ และการตลาด (GTM) อย่างไร เพื่อให้แน่ใจว่า AI ถูกฝังอยู่ในประสบการณ์ของผู้ใช้อย่างไร?

การสร้างผลิตภัณฑ์ AI ที่ประสบความสำเร็จต้องทำลายสิ่งที่คิดว่าเป็นปัญหาแบบดั้งเดิม และสร้างความเข้าใจร่วมกันระหว่างทีมต่างๆ เราพบว่าคำสำคัญคือการสร้างภาษาร่วมกันเกี่ยวกับความสามารถและข้อจำกัดของ AI ที่ทุกคนสามารถใช้ได้ ตั้งแต่วิศวกรไปจนถึงนักออกแบบและผู้ทำการตลาด

กระบวนการของเริ่มต้นด้วยเซสชันการค้นพบแบบข้ามฟังก์ชันที่เราสำรวจปัญหาผู้ใช้ร่วมกัน ก่อนที่จะพูดถึงคำตอบทางเทคนิค สิ่งนี้ป้องกันข้อผิดพลาดทั่วไปในการนำความสามารถ AI มาใช้ก่อน แล้วหาปัญหาให้เหมาะสม

เรายังลงทุนอย่างมากในการสร้างต้นแบบและการทดสอบผู้ใช้ตลอดกระบวนการพัฒนา การออกแบบและทีมผลิตภัณฑ์ทำงานอย่างใกล้ชิดกับวิศวกร AI เพื่อเข้าใจสิ่งที่เป็นไปได้ ในขณะที่ทีม AI เรียนรู้เกี่ยวกับข้อจำกัดและความชอบของผู้ใช้จริง การเรียนรู้ที่สองทางนี้มีความสำคัญอย่างยิ่งในการสร้างคุณสมบัติ AI ที่รู้สึกเป็นธรรมชาติ ไม่ใช่เพิ่งถูกติดเข้ากับผลิตภัณฑ์

จากมุมมองของ GTM ทีมของเราถูกฝังอยู่ในกระบวนการพัฒนาตั้งแต่วันแรก พวกเขาช่วยให้เราเข้าใจไม่เพียงแต่สิ่งที่ลูกค้าต้องการ แต่ยังรวมถึงวิธีที่พวกเขาคิดเกี่ยวกับ AI อีกด้วย สิ่งนี้มีอิทธิพลโดยตรงต่อการออกแบบผลิตภัณฑ์และการนำไปใช้ทางเทคนิค

สุดท้าย ในฐานะคนที่เชื่อมระหว่างโอเพ่นซอร์ส องค์กร AI และ VC คุณคิดว่าความก้าวหน้า AI ที่สำคัญครั้งถัดไปจะเกิดขึ้นที่ไหน—ในเครื่องมือ อินฟราสตรัคเชอร์ หรือสิ่งที่เรายังไม่ได้มองเห็น?

ความก้าวหน้าครั้งถัดไปมีแนวโน้มที่จะเกิดขึ้นที่จุดตัดกันระหว่างอินเทอร์เฟซการทำงานร่วมกันระหว่างมนุษย์และ AI เราได้ทำความก้าวหน้าอย่างมากในด้านความสามารถของโมเดล แต่ยังอยู่ในช่วงเริ่มต้นในการค้นหาวิธีที่ดีที่สุดในการทำงานร่วมกันระหว่างมนุษย์และระบบ AI

ความก้าวหน้านี้จะไม่อยู่ที่การทำให้ AI มีอิสระมากขึ้น แต่อยู่ที่การทำให้การทำงานร่วมกันระหว่างมนุษย์และ AI มีประสิทธิภาพและเป็นธรรมชาติมากขึ้น รวมถึงความก้าวหน้าในด้านการประมวลผล AI ในแบบเรียลไทม์ที่สามารถเข้าใจและดำเนินการตามข้อมูลได้อย่างต่อเนื่อง ความสามารถในการสร้างระบบ AI ที่รักษาบริบทได้ตลอดระยะเวลานานและหลายรูปแบบของการโต้ตอบจะเปิดโอกาสให้ใช้งานได้หลากหลาย

แต่ความก้าวหน้าที่น่าตื่นเต้นที่สุดอาจมาจากทิศทางที่ไม่คาดคิด เช่นเดียวกับที่ทรานส์ฟอร์เมอร์เกิดขึ้นจากกลไกการดึงความสนใจในแปลภาษา การก้าวหน้าที่สำคัญครั้งถัดไปอาจมาจากการแก้ปัญหาที่ดูแคบแต่มีการใช้งานที่กว้างขวาง

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม monday.com.