Assaf Elovic，monday.com的人工智能负责人 – 采访系列

您曾在一些最具动态的科技公司中领导过AI工作，包括Wix和现在的 monday.com——您最初被什么吸引到构建智能系统的挑战中？

我对AI的探索始于2015年的聊天机器人热潮。我与一个能够真正理解意图的AI机器人进行了交互，这感觉像魔术。这不仅仅是一个新奇事物；它正在解决真正的问题，如预约和回答复杂问题。那个时刻激发了我对这些系统工作原理的好奇心。

真正吸引我的是AI变得如此便捷。一些工具和API使得开发人员能够在不需要机器学习博士学位的情况下构建强大的应用程序。无尽的可能性令人兴奋，我知道我想为这一变革做出贡献。从那时起，我致力于构建能够解决现实世界挑战和改善人们生活的AI产品。

构建智能系统的挑战之所以吸引我，是因为它处于创造力和尖端技术的交叉点。每个项目都像解开一个新谜题；你必须不仅了解技术能力，还要了解人们实际如何工作和他们需要什么。

在加入 monday.com 之前，您创建了像GPT Researcher这样的开源工具，这些工具与开发人员和研究人员产生了共鸣。这些草根、社区驱动的经历如何塑造您现在构建企业AI产品的方法？

开源经验教会了我关于构建实际用户需求而非理论需求的宝贵教训。当你在开源中构建时，你会从实际尝试解决问题的开发人员那里获得即时、无滤镜的反馈。这教会了我专注于实用工具而非令人印象深刻的演示。

与社区合作也强调了使AI变得可及的重要性。使用这些工具的许多开发人员并不是AI专家；他们正在构建应用程序，并需要可靠且易于集成的AI能力。这种经验直接影响了我们在monday.com对AI Blocks的方法：通过直观的界面为非技术客户提供强大的AI能力。

今年早些时候， monday.com 推出了一个大胆的新AI愿景，包括三个支柱：AI Blocks、Product Power-ups和数字工作力。这个框架是如何形成的，您试图填补什么市场空白？

我们的AI愿景源自观察到一个基本挑战：各类组织都希望利用AI，但大多数解决方案需要显著的技术专长或过于僵化，无法满足多样化的业务需求。我们看到人们不仅仅在寻找另一个AI助手；他们需要能够无缝集成到现有工作流程并适应其特定流程的AI。最后，我们现在专注于帮助人们用AI完成工作，而不是仅仅管理工作。

我们填补的空白是简单AI工具和复杂企业解决方案之间的空间。许多企业处于中间地带，他们需要比基本自动化更强大的东西，但又无法证明或实施重型AI系统。我们的三支柱方法为组织提供了从简单的块开始、用增强功能增强其产品并最终构建复杂的数字工作力的灵活性。

自推出以来，我们在所有垂直领域都取得了强劲的增长，采用率和付费用户数量显著增加。

我们还推出了“氛围编码”产品，旨在实现我们的使命——民主化软件。凭借AI的最新进展，使用简单的自然语言构建完整的应用程序比以往任何时候都更容易。我们的最新产品，如monday vibe和magic，可以使任何非技术用户利用Monday生态系统构建定制的工作应用程序。

您能带我们了解一下AI Blocks在实践中的工作原理吗？非技术用户在将这些工具集成到日常工作流程中时的学习曲线是什么？

AI Blocks的设计初衷是像积木一样直观——因此得名。在实践中，用户可能会将“提取截止日期”块拖入其项目管理工作流程，或将“总结会议记录”块添加到其每周审查流程中。块处理AI的复杂性，同时为客户提供简单、熟悉的界面。

学习曲线故意保持最小。我们看到团队在第一次会话中就成功实施了AI Blocks。例如，营销团队可能会创建一个工作流程，自动分析社交媒体提及并提取关键主题和情绪，所有这些都无需编写一行代码。

关键见解是人们不需要了解AI的工作原理就能从中受益。他们只需要了解自己的流程，并足够了解哪里可以实现自动化。我们设计了块以匹配人们已经对工作流程的认识。

您最近推出了包括monday magic、monday vibe和monday sidekick在内的一套AI驱动工具。这些产品与传统助手或副驾驶有什么不同，它们在各个行业中将扮演什么角色？

我们最新的发布代表了一种全面的工作场所AI方法，超越了传统的助手。每个功能都服务于一个独特的目的，同时作为一个集成的生态系统，根本性地改变了团队的运作方式，巩固了我们从工作管理到工作执行的转变，为客户带来根本的变化。

monday magic将智能自动化带入工作流程，使用AI预测需求并在用户意识到需要之前自动化复杂流程。monday vibe是一个氛围编码平台，允许任何人构建安全、定制的商业应用程序，适应他们团队的确切需求。monday sidekick作为您的上下文AI伴侣，了解您的特定工作模式，并提供适合您的角色和职责的主动支持。

这些功能共同将我们的客户从简单地管理和跟踪工作转变为更智能地执行工作。团队不再仅仅组织任务和监控进度；他们现在可以依靠AI来优化性能、预测挑战并自动采取行动。这一从被动管理到主动执行的转变是变革性的；它意味着花在行政开销上的时间更少，专注于推动结果的高价值工作的时间更多。

使这些功能与传统助手不同的，是它们与实际工作背景的深度集成以及对主动支持的关注。虽然大多数AI助手等待您提出问题，但我们的套件观察模式、预测需求并在您的既定工作流程和权限内采取行动。

monday.com 强调可解释性和用户体验，而不仅仅是原始模型性能。这种方法在幕后是什么样的，您如何在透明度和功能性之间取得平衡？

可解释性对于构建信任至关重要，尤其是在企业环境中，决策具有真正的后果。在幕后，我们大量投资于使我们的AI的推理过程透明。当我们的风险分析器标记一个潜在的项目延迟时，它不仅仅发出警报；它还显示了导致该评估的确切因素以及它对该预测的信心程度。

这种关注点源自经验。早期的AI系统常常感觉像黑盒，这使得客户犹豫是否依赖它们来做出重要的决定。我们了解到，客户需要了解不仅是AI建议的内容，还有它为什么做出这样的建议。

在透明度和功能性之间的平衡，取决于分层的披露。我们在表面层提供即时的、可执行的洞察，同时允许客户深入了解详细的推理过程。这一方法建立了信任，同时保持了可用性——客户更有信心使用系统，因为他们理解它，这反过来使他们更愿意利用其全部功能。

随着平台上现在已经执行了超过4600万次AI操作，客户以最令人惊讶或创造性的方式使用AI的例子有哪些？

客户的创造力一直令我惊讶。我们看到一位婚礼策划师使用AI Blocks自动分类供应商回复并提取关键细节，如价格和可用性日期。一个研究团队创建了一个工作流程，分析学术论文并自动填充数据库以关键发现和方法笔记。

一个特别创造性的用例是餐厅连锁店使用我们的AI分析客户反馈并自动标记潜在的食品安全问题，通过检测投诉中的模式。他们基本上创建了一个对运营问题的早期警告系统。

令人惊讶的是，客户如何以复杂的方式组合简单的块。他们不仅仅是在自动化单个任务；他们正在根据AI能力重新设计整个流程，我们从未明确为他们的特定用例设计过这些能力。

您还担任红杉资本的探索者，投资早期AI创业公司。从这个角度来看，创始人在构建AI优先产品时最常犯的错误是什么？

我看到的最常见的错误是创始人被AI的技术可能性所迷惑，而没有深入了解用户的实际工作流程和痛点。他们构建了令人印象深刻的演示，展示了AI的能力，但却没有解决真正的问题，按照人们实际工作的方式解决问题。

另一个常见的问题是过早地承诺AI的自治性。许多创始人希望构建完全自治的系统，而客户实际上需要的是协作工具。人们希望AI能够增强他们的能力，而不是取代他们的判断，尤其是在高风险的商业决策中。

还有低估信任和可解释性的重要性。创始人经常关注准确性指标，但忽略了处理不确定性和错误的用户体验。在企业环境中，尤其如此，客户需要了解何时以及为什么应该信任AI的建议。

最后，许多AI优先的初创公司在分销方面挣扎。拥有伟大的AI技术是不够的；您需要了解如何将其集成到现有的工作流程中，并向可能对AI炒作持怀疑态度的决策者展示明确的投资回报率。

您认为AI代理将如何在未来几年内演变——它们会变得更加自治、更加专业，还是完全不同？

我们将看到AI代理朝着上下文协作的方向演变，而不是纯粹的自治。未来不是完全自治的代理做出独立的决定，而是能够深入理解上下文并根据情况和用户偏好采取适当行动的代理。

我们正在朝着代理能够自主处理常规决策，同时无缝地将复杂或模糊的情况升级到人类的方向发展。这种能力需要对上下文、风险评估和用户意图有着复杂的理解，这些能力正在迅速改进。

我还期待在多代理协调方面会有显著的进展。我们将看到的不是单一的AI助手，而是能够与人类和其他AI系统合作的专用代理。您的研究代理可能会与您的日程安排代理和您的通信代理合作，以协调一个复杂的项目启动。

关键的演变将在人机界面中发生。代理将变得更擅长于传达其推理、表达不确定性以及适应个体工作风格。目标是实现无缝的协作，在那里人类和AI的贡献之间的界限变得不那么重要，集体成果变得更加重要。

在内部，您如何在AI、产品、设计和市场团队之间结构化合作，以确保AI无缝地嵌入用户体验？

成功的AI产品开发需要打破传统的壁垒，并在所有团队中建立共享的理解。我们发现关键在于在AI能力和局限性方面建立一个所有人都可以使用的共同语言，从工程师到设计师再到营销人员。

我们的过程始于跨职能的发现会议，我们在讨论技术解决方案之前，共同探索用户的问题。这种方法可以防止常见的错误，即首先带着AI能力，然后寻找问题来解决它们。

我们还大量投资于整个开发过程中的原型设计和用户测试。设计和产品团队与AI工程师密切合作，以了解什么是可能的，而AI团队则学习实际的用户约束和偏好。这种双向学习对于创建感觉自然而非强加的AI功能至关重要。

从市场角度来看，我们的团队从开发过程的第一天就参与其中。他们帮助我们了解不仅客户想要什么，还有他们如何思考AI、他们有什么顾虑以及他们如何更喜欢学习新功能。这种洞察力直接影响了产品设计和技术实现。

最后，作为一个连接开源、企业AI和VC的人，您认为下一个大型AI突破将在哪里——是在工具、基础设施，还是我们尚未看到的东西？

下一个突破可能会出现在人机协作界面的交叉点。我们在模型能力方面取得了令人难以置信的进步，但我们仍处于早期阶段，尚未完全弄清楚人类和AI系统如何最有效地合作。

突破不会在于使AI更加自治，而在于使人类和AI的协作更加流畅和自然。这包括在AI系统传达不确定性、适应个体工作风格以及与多个人类和其他AI系统协调方面的进展。

从基础设施的角度来看，我正在关注能够理解和对动态信息流做出反应的实时、上下文AI的发展。构建能够在长时间范围内保持上下文并处理多种交互类型的AI系统的能力，将使我们能够开发出全新的应用程序类别。

但是，说实话，最令人兴奋的突破可能会来自意想不到的方向。就像从注意力机制中出现的Transformer一样，下一个重大进步可能会来自解决一个看似狭窄的问题，但具有广泛应用的解决方案。关键在于保持初学者的心态，并对我们尚未想象到的可能性保持开放。感谢您这次精彩的采访，希望读者能够通过访问monday.com来了解更多信息。