Інтерв’ю
Ассаф Елович, керівник напрямку штучного інтелекту в monday.com – Серія інтерв’ю
Ассаф Елович, керівник напрямку штучного інтелекту в monday.com – є технологом, засновником та інвестором, який перебуває на передовому краї інновацій штучного інтелекту. Він створив GPT Researcher, перший глибокий дослідницький агент з понад 20 000 зірок на GitHub, та став співзасновником Tavily, провідного пошукового двигуна для великих мовних моделей. У monday.com він керує стратегією компанії щодо штучного інтелекту по відношенню до продукту, інженерії, дизайну та виходу на ринок, а також виступає у якості скаута компанії Sequoia Capital, консультуючи та інвестуючи в стартапи на ранній стадії розвитку, що працюють у сфері штучного інтелекту. Його кар’єра охоплює розвиток продукту, лідерство у сфері досліджень та розробок, а також масштабування глобальних команд, з постійним акцентом на створенні трансформаційних продуктів штучного інтелекту та сприянні появі наступної хвилі компаній, що працюють за допомогою штучного інтелекту.
monday.com є провідною операційною системою для роботи, яка дозволяє командам керувати проектами, робочими процесами та співробітництвом у високо настраїваному вигляді. Ця платформа використовується організаціями усьому світі та інтегрує штучний інтелект, автоматизацію, аналітику та безперебійну координацію між командами для підвищення продуктивності та прискорення процесів прийняття рішень. З рішеннями, що охоплюють керування проектами, CRM, розвиток продукту та маркетинг, monday.com став центральним хабом для бізнесу, який шукає ефективне масштабування та інновації.
Ви керували зусиллями штучного інтелекту в деяких з найбільш динамічних компаній у сфері технологій, включаючи Wix та зараз monday.com— що спочатку особисто привернуло вас до завдання створення інтелектуальних систем?
Моя подорож у сфері штучного інтелекту розпочалася під час буму чат-ботів у 2015 році. У мене була взаємодія з ботом штучного інтелекту, який міг справді зрозуміти намір; це відчувалося як магія. Це не було просто новинкою; це було розв’язанням реальних проблем, таких як бронювання призначень та відповіді на складні питання. Цей момент спонукав мою цікавість щодо того, як працюють ці системи.
Що справді привернуло мене, було те, що штучний інтелект став доступним. Деякі інструменти та API зробили можливим для розробників створювати потужні додатки без необхідності мати ступінь доктора філософії у сфері машинного навчання. Безмежні можливості були цікавими, і я знав, що хочу зробити свій внесок у цю трансформацію. З того часу я присвятив себе створенню продуктів штучного інтелекту, які розв’язують реальні завдання та поліпшують життя людей.
Задача створення інтелектуальних систем приваблює мене, оскільки вона перебуває на перетині творчості та передової технології. Кожен проєкт схожий на розв’язання нової головоломки; вам потрібно зрозуміти не тільки технічні можливості, але й те, як люди працюють і чого їм потрібно.
Перед тим, як вступити до monday.com, ви створили відкриті інструменти, такі як GPT Researcher, які знайшли відгук у розробників та дослідників. Як ці досвіди, пов’язані з спільнотою, сформували ваш підхід до створення продуктів штучного інтелекту для підприємств?
Досвід відкритого джерела навчив мене цінними уроками про створення продуктів, орієнтованих на реальні потреби користувачів, а не на теоретичні. Коли ви створюєте щось у відкритому доступі, ви отримуєте негайну, нефільтровану відгуку від розробників, які справді намагаються розв’язати проблеми. Це навчило мене зосереджуватися на практичній корисності, а не на вражаючих демонстраціях.
Робота зі спільнотою також підкреслила важливість надання штучного інтелекту у доступній формі. Багато розробників, які використовували ці інструменти, не були спеціалістами зі штучного інтелекту; вони створювали додатки та потребували можливостей штучного інтелекту, які були надійними та легкими у інтеграції. Цей досвід безпосередньо впливає на те, як ми підходимо до AI Blocks у monday.com: надання потужних можливостей штучного інтелекту нек-технічним клієнтам через інтуїтивно зрозумілі інтерфейси.
На початку цього року monday.com представила сміливу нову бачення штучного інтелекту з трьома основними напрямками: AI Blocks, Product Power-ups та Цифрова Робоча Сила. Як ця структура сформувалася, і яку прогалину на ринку ви намагаєтеся заповнити?
Наше бачення штучного інтелекту виникло з спостереження за фундаментальною проблемою: організації всіх розмірів хочуть використовувати штучний інтелект, але більшість рішень вимагають значної технічної експертизи або надто жорсткі для різноманітних бізнес-потреб. Ми побачили, що люди не шукають просто іншого помічника штучного інтелекту; їм потрібен штучний інтелект, який може безперебійно інтегруватися у їхні існуючі робочі процеси та адаптуватися до їхніх конкретних процесів. Останнім часом ми зосереджуємося на допомозі людям виконувати роботу зі штучним інтелектом, що є зміщенням від допомоги людям у керуванні роботою.
Прогалину, яку ми заповнюємо, це простір між простими інструментами штучного інтелекту та складними підприємствами. Багато підприємств перебувають у середньому положенні, де їм потрібно щось більше, ніж базова автоматизація, але вони не можуть виправдати або впровадити важкі системи штучного інтелекту. Наш підхід із трьома напрямками надає організаціям гнучкість, щоб почати просто з блоків, покращити свої продукти за допомогою розширень, і врешті-решт створити складні цифрові робочі сили.
Відтоді, як ми запустили цю ініціативу, ми рухаємося вперед із сильним зростанням по всіх вертикалях, з значним зростанням кількості прийняття та оплати користувачами.
Ми також представили продукти “vibe coding”, які спрямовані на нашу місію щодо демократизації програмного забезпечення. З останнім прогресом у сфері штучного інтелекту ніколи не було легше створювати повноцінні додатки за допомогою простої природної мови. Наші останні продукти, такі як monday vibe та magic, можуть дозволити будь-якому нек-технічному користувачеві використовувати екосистему Monday для створення персоналізованих додатків для роботи.
Чи можете ви описати, як працюють AI Blocks на практиці? Яка крива навчання для нек-технічних користувачів, які намагаються інтегрувати ці інструменти у свої щоденні робочі процеси?
AI Blocks створені для того, щоб бути такими ж інтуїтивними, як і будівельні блоки – звідси й назва. На практиці користувач може перетягнути блок “виділення термінів” у свій робочий процес керування проєктами або додати блок “підсумок засідань” до свого щотижневого процесу огляду. Блоки обробляють складність штучного інтелекту на задньому плані, одночасно надаючи клієнтам прості та знайомі інтерфейси.
Крива навчання свідомо мінімальна. Ми бачили, як команди успішно впровадили AI Blocks у свої робочі процеси під час першої сесії. Наприклад, маркетинговій команді може створити робочий процес, у якому автоматично аналізуються згадки у соціальних мережах щодо настрою та виділяються ключові теми, все це без написання жодної строки коду.
Ключовий висновок полягає в тому, що людям не потрібно розуміти, як працює штучний інтелект, щоб з нього користуватися. Ім потрібно лише достатньо добре розуміти свої власні процеси, щоб ідентифікувати, де автоматизація буде корисною. Ми створили блоки таким чином, щоб вони відповідали ментальним моделям, які люди вже мають щодо своїх робочих процесів.
Ви нещодавно представили набір інструментів, що працюють за допомогою штучного інтелекту, включаючи monday magic, monday vibe та monday sidekick. Що робить ці продукти іншими порівняно з традиційними помічниками або копілотами, і яку роль ви бачите для них у різних галузях?
Наші останні випуски представляють комплексний підхід до штучного інтелекту на робочому місці, який виходить за рамки традиційних помічників. Кожна можливість служить окремій меті, одночасно працюючи як інтегрована екосистема, яка фундаментально трансформує, як команди працюють, зміцнюючи наш перехід від керування роботою до виконання роботи для наших клієнтів.
monday magic приносить інтелектуальну автоматизацію до робочих процесів, використовуючи штучний інтелект для передбачення потреб та автоматизації складних процесів, перш ніж користувачі навіть усвідомлюють, що їм це потрібно.
monday vibe є платформою “vibe coding”, яка дозволяє будь-кому створювати безпечні, персоналізовані бізнес-додатки, адаптовані до точних потреб їхньої команди.
monday sidekick служить вашим контекстним помічником штучного інтелекту, який розуміє ваші конкретні робочі моделі та надає активну допомогу, адаптовану до вашої ролі та обов’язків.
Разом ці можливості переміщують наших клієнтів за межі простого керування та моніторингу роботи до її фактичного виконання у більш інтелектуальному вигляді. Замість того, щоб просто організовувати завдання та відстежувати прогрес, команди тепер можуть покладатися на штучний інтелект для оптимізації продуктивності, передбачення викликів та автоматичного виконання дій.
Що робить ці продукти іншими порівняно з традиційними помічниками, це їхня глибока інтеграція з фактичним контекстом роботи та їхня орієнтація на активну підтримку, а не просто реактивну. Хоча більшість помічників штучного інтелекту чекають, коли ви запитаєте питання, наш набір спостерігає за моделями, передбачає потреби та виконує дії у вашому встановленому робочому процесі та межах.
monday.com підкреслює пояснюваність та досвід користувача, а не просто сирові показники моделі. Що це означає за лашками, і як ви балансуйте прозорість із потужністю?
Пояснюваність є фундаментальною для створення довіри, особливо у сфері підприємств, де рішення мають реальні наслідки. За лашками ми вкладаємо великі зусилля у те, щоб зробити наш штучний інтелект прозорим. Коли наш аналіз ризиків виділяє потенційну затримку проєкту, він не просто піднімає тривогу; він показує точно, які чинники сприяли цьому оцінці, і наскільки він впевнений у прогнозі.
Цей акцент виник з досвіду. Ранні системи штучного інтелекту часто відчувалися як чорні скриньки, що робило клієнтів неохочими покладатися на них при прийнятті важливих рішень. Ми дізналися, що клієнтам потрібно не тільки зрозуміти, що пропонує штучний інтелект, але й чому він робить цю пропозицію.
Баланс між прозорістю та потужністю полягає у шарованому розкритті. Ми надаємо негайні, дієвості ідеї на поверхні, але клієнти можуть заглибитися, щоб побачити детальне обґрунтування, коли їм це потрібно. Цей підхід будує довіру, одночасно зберігаючи зручність використання – клієнти довіряють системі більше, коли вони її розуміють, що парадоксально робить їх більш схильними до використання її повних можливостей.
З понад 46 мільйонами дій штучного інтелекту, виконаних на платформі, які з найбільш несподіваних або творчих способів клієнти використовували штучний інтелект?
Креативність наших клієнтів постійно дивує мене. Ми бачили, як планувальник весіль використовував AI Blocks для автоматичного категоризування відповідей постачальників та виділення ключових деталей, таких як ціни та дати доставки.
Одним із особливо творчих випадків використання було використання штучного інтелекту мережею ресторанів для аналізу відгуків клієнтів по всіх закладах та автоматичного виділення потенційних проблем безпеки харчування шляхом виявлення моделей у скаргах.
Що несподівано, це те, як клієнти комбінують прості блоки у складних способах. Вони не просто автоматизують окремі завдання; вони перепроектовують цілі процеси навколо можливостей штучного інтелекту, які ми не явно розробили для їхніх конкретних випадків використання.
Ви також служите скаутом для Sequoia Capital, інвестуючи в стартапи штучного інтелекту на ранній стадії. З цієї точки зору, які спільні помилки роблять засновники при створенні продуктів, орієнтованих на штучний інтелект?
Найпоширенішою помилкою, яку я бачу, є те, що засновники захоплюються технічними можливостями штучного інтелекту без глибокого розуміння фактичних робочих процесів та болів клієнтів. Вони створюють вражаючі демонстрації, які демонструють можливості штучного інтелекту, але не розв’язують реальні проблеми так, як люди працюють.
Іншою частою проблемою є надмірне обіцяння автономності штучного інтелекту надто рано. Багато засновників хочуть створити повністю автономні системи, коли клієнтам насправді потрібні колаборативні інструменти. Люди хочуть, щоб штучний інтелект підсилював їхні можливості, а не заміняв їхнє судження, особливо у високих ставках бізнес-рішень.
Є також тенденція недооцінювати важливість довіри та пояснюваність. Засновники часто зосереджуються на метриках точності, але нехтують досвідом користувача при xửленні невизначеності та помилок. У контексті підприємств, особливо, клієнтам потрібно зрозуміти, коли та чому довіряти рекомендаціям штучного інтелекту.
Нарешті, багато стартапів штучного інтелекту борються з розподілом. Мати велику технологію штучного інтелекту недостатньо; вам потрібно розуміти, як інтегрувати її у існуючі робочі процеси та продемонструвати чітку віддачу інвесторам, які можуть бути скептичними щодо гіпу штучного інтелекту.
Як ви думаєте, що агенти штучного інтелекту будуть розвиватися протягом наступних кількох років – вони стануть більш автономними, більш спеціалізованими чи чимось зовсім іншим?
Ми побачимо, як агенти штучного інтелекту будуть еволюціонувати у напрямку контекстуальної колаборації, а не чистої автономності. Майбутнє не складається з повністю автономних агентів, які приймають незалежні рішення, а з агентів, які глибоко розуміють контекст та можуть приймати відповідні дії на основі ситуації та переваг користувача.
Ми рухаємося у напрямку агентів, які можуть обробляти рутині рішення автономно, одночасно безперебійно ескалуяючи складні чи двозначні ситуації до людей. Це вимагає складного розуміння контексту, оцінки ризику та наміру користувача, можливостей, які швидко покращуються.
Я також очікую значної еволюції у координації між декількома агентами. Замість монолітних помічників штучного інтелекту ми побачимо спеціалізовані агенти, які співпрацюють між собою та з людьми у динамічних командах. Ваш дослідницький агент може працювати з вашим агентом планування та агентом зв’язку, щоб координувати складний запуск проєкту.
Ключова еволюція буде у інтерфейсі людини та штучного інтелекту. Агенти стануть кращими у спілкуванні свого обґрунтування, вираженні невизначеності та адаптації до індивідуальних стилів роботи. Метою є безперебійна колаборація, де межі між внесками людини та штучного інтелекту стають менш важливими, ніж колективний результат.
Внутрішньо, як ви структуруєте співробітництво між вашими командами штучного інтелекту, продукту, дизайну та виходу на ринок, щоб забезпечити безперебійну інтеграцію штучного інтелекту у досвід користувача?
Успішний розвиток продукту штучного інтелекту вимагає розбиття традиційних силосів та створення спільного розуміння серед усіх команд. Ми виявили, що ключем є встановлення спільної мови щодо можливостей та обмежень штучного інтелекту, яку кожен може використовувати, від інженерів до дизайнерів та маркетологів.
Наш процес починається з міжфункціональних сесій відкриття, на яких ми спільно досліджуємо проблеми користувачів, перш ніж обговорювати технічні рішення. Це запобігає поширеній помилці лідерства можливостями штучного інтелекту, а потім пошуку проблем для розв’язання.
Ми також вкладаємо великі зусилля у прототипування та тестування користувачів на всіх етапах розробки. Команди дизайну та продукту працюють у тісній співпраці з інженерами штучного інтелекту, щоб зрозуміти, що можливе, тоді як команди штучного інтелекту вчаться про реальні обмеження та переваги користувачів. Це двонаправлене навчання є важливим для створення функцій штучного інтелекту, які відчуваються природними, а не прикріпленими.
З точки зору виходу на ринок, наші команди інтегровані у процес розробки з першого дня. Вони допомагають нам зрозуміти, чого хочуть клієнти, а також те, як вони думають про штучний інтелект, які у них є побоювання та як вони віддають перевагу навчанню про нові можливості. Ці знання безпосередньо впливають як на дизайн продукту, так і на технічну реалізацію.
Нарешті, як той, хто поєднує відкритий код, підприємства штучного інтелекту та венчурний капітал, де, на вашу думку, наступний великий прорив штучного інтелекту відбуватиметься – у інструментах, інфраструктурі чи щось, на що ми навіть не дивимося?
Наступний прорив, ймовірно, відбуватиметься на перетині інтерфейсів людської колаборації штучного інтелекту. Ми зробили неймовірний прогрес у можливостях моделей, але ми все ще на ранній стадії розуміння того, як люди та системи штучного інтелекту можуть працювати разом найбільш ефективно.
Прорив не буде полягати у тому, щоб зробити штучний інтелект більш автономним, а у тому, щоб зробити колаборацію людини та штучного інтелекту більш безперебійною та природною. Це включає прогрес у тому, як системи штучного інтелекту спілкуються невизначеність, як вони адаптуються до індивідуальних стилів роботи та як вони координують з多цільовими людьми та іншими системами штучного інтелекту одночасно.
З точки зору інфраструктури я спостерігаю за розвитком штучного інтелекту в реальному часі, який може зрозуміти та діяти на основі динамічних потоків інформації. Спроможність будувати системи штучного інтелекту, які підтримують контекст протягом тривалих періодів часу та багаторівних взаємодій, дозволить створити зовсім нові категорії застосунків.
Але, чесно кажучи, найбільш цікаві прориви можуть прийти з несподіваних напрямків. Як і трансформери виникли з механізмів уваги у нейронному машинному перекладі, наступний значний крок може виникнути з розв’язання вузької проблеми, яка має широке застосування. Ключем є підтримання початкового мислення та відкритість до можливостей, які ми ще не уявляли.
