اعتبار تصویر: Monday.com
اعتبار تصویر: Monday.com

دانیل لره یا، مدیر ارشد محصول و فناوری Monday.com، درباره شکست‌ها و موفقیت‌های هوش مصنوعی و مقیاس‌پذیری می‌گوید

در بحث کسب درآمد، اوضاع مثل یک باغ وحش دیوانه است... بنابراین ما باید به اصول اولیه برمی‌گشتیم.

دانیل لره یا، مدیر ارشد محصول و فناوری (CPTO) Monday.com، می‌داند که این شرکت در یک بازار شلوغ فعالیت می‌کند - اما از سال ۲۰۱۶ که این شرکت هنوز Dapulse نامیده می‌شد، در این شرکت مستقر در تل‌آویو بوده است و به وضوح به توانایی آن در ارائه چیزی متفاوت اعتقاد دارد.

لره یا در تماسی با The Stack مشتاق است تا بر رویکرد این ارائه‌دهنده نرم‌افزار با رشد سریع در جهت کالایی‌سازی فناوری هوش مصنوعی برای پشتیبانی از توسعه‌طلبی‌های بلندپروازانه خود در سراسر CRM، توسعه محصول و پلتفرم‌های صدور بلیط فناوری اطلاعات تاکید کند - پس از اینکه این شرکت درآمدهای کامل سال را اعلام کرد که برای اولین بار از مرز ۱ میلیارد دلار ARR فراتر رفت، با ما همراه شد.

توسعه محصول این شرکت تهاجمی بوده و آن را به میدان رقابت با رقبای سنگین وزنی مانند Salesforce و ServiceNow نزدیک کرده است - و لره یا خوشحال است که مستقیماً پلتفرم‌ها را مقایسه کند. (Monday.com خود را به عنوان پلتفرم چند محصولی که تمام جنبه‌های اصلی کار را اجرا می‌کند توصیف می‌کند.)

به عنوان مثال، ماه گذشته، monday service خود (بله، همراه با نام تجاری مرسوم با حروف کوچک) را از حالت بتا خارج کرد و رسماً فروشگاه یک مرحله‌ای برای عملیات خدمات، طراحی شده برای متمرکز کردن و ساده‌سازی گردش کار در سراسر تیم‌های فناوری اطلاعات، تجاری و خدمات... راه‌اندازی کرد.

یک پلتفرم کاملاً قابل تنظیم

در همین حال، در سال ۲۰۲۲ یک monday CRM راه‌اندازی کرد و لره یا ادعا می‌کند که تنها یک سال پس از راه‌اندازی، این راه‌حل با ارائه چیزی اساساً متفاوت با رهبران بازار رقابت می‌کرد.

او می‌گوید برای اینکه بسیار ساده‌انگارانه صحبت کنیم، در یک طرف بازار راه‌حل‌های کوچک‌تری وجود دارند که فقط برای SMEها مناسب هستند، و در طرف دیگر شما برخی از بزرگ‌ترین پلتفرم‌های جهان را دارید که استقرار آن‌ها پیچیده است.

لره یا با اشاره به Salesforce و ServiceNow می‌گوید: روی کاغذ، شما می‌توانید هر کاری انجام دهید، اما در عمل... اگر می‌خواهید چیزی را در فرآیند فروش خود تغییر دهید، به ارتشی از پیاده‌سازان سیستم نیاز دارید و برای انجام این کار بارها و بارها (به عنوان مثال در واحدهای مختلف) به پول زیادی نیاز دارید.

روی مان، مدیر عامل مشترک Monday.com، می‌گوید CRM از نظر سهم در ARR اهمیت بیشتری پیدا می‌کند اما هنوز روزهای اولیه است - پلتفرم این شرکت هنوز در بین ۱۰ محصول برتر CRM از نظر سهم بازار قرار ندارد.

با وجود این، لره یا ادعا می‌کند که سیستم کم‌کد Monday.com که در آن تقریباً همه افراد در حساب یک سازنده هستند پیروز خواهد شد: این [سازگاری] یک مزیت ذاتی است، و این دلیلی است که من فکر می‌کنم ما پیروز می‌شویم. اگرچه ما هنوز همه ویژگی‌ها را نداریم... ما در معاملاتی [نسبت به] CRMهایی که سال‌ها ساخته شده‌اند، پیروز خواهیم شد.

(این شرکت در جستجوی معاملات بزرگتر سازمانی از منطقه آسایش بازار میانی خود به سمت بالا حرکت کرده است و در سال ۲۰۲۴ بزرگترین مشتری خود را به ۸۰۰۰۰ صندلی رساند. این شرکت بیش از ۲۴۵۰۰۰ مشتری را نام می‌برد و سال گذشته تعداد کارکنان خود را ۳۵ درصد افزایش داد و به ۲۵۰۰ نفر رساند و استخدام‌های بیشتری در انتظار است.)

فراهم کردن انعطاف‌پذیری برای یک پلتفرم چند محصولی

راه‌اندازی CRM در سال ۲۰۲۲ و انتشار سیستم صدور بلیط فناوری اطلاعات Monday Service در سال ۲۰۲۴ بعداً جاه‌طلبی‌های رشد Monday.com را برجسته می‌کند.

The Stack می‌پرسد: در دنیای پس از قطعی Crowdstrike، آیا مشتریان در مقیاس سازمانی می‌توانند با میزبانی بیشتر و بیشتر عملیات خود با یک ارائه‌دهنده احساس راحتی کنند؟ لره یا پاسخ می‌دهد: هیچ شرکت واحدی در جهان وجود ندارد که بتواند بگوید ما ۱۰۰٪ زمان کارکرد خواهیم داشت.

اما CPTO می‌گوید که حالت ذهنی متمرکز بر انعطاف‌پذیری برای تیم او با مقیاس‌بندی شرکت بسیار مهم است: این یک چالش است... اما این یک چالش خوب است، و ما سرمایه‌گذاری زیادی در آن انجام می‌دهیم [مقیاس‌بندی زیرساخت انعطاف‌پذیر] او می‌گوید.

اگر به نقشه سرمایه‌گذاری ما و کاری که با تیم‌های مهندسی و محصول خود انجام می‌دهیم نگاه کنید. [واضح است که] کار زیادی و منابع زیادی به سرمایه‌گذاری در آینده اختصاص داده شده است.

یک تیم توسعه پرشور

در واقع، لره یا ادعا می‌کند که سرمایه‌گذاری هوشمندانه در تیم‌های توسعه Monday.com یکی از دلایل استقبال سریع از محصولات تقویت‌شده با هوش مصنوعی آن است. (در این مورد بیشتر در زیر بخوانید.) هنگامی که ابتدا افرادی را از تیم‌های مهندسی خود برای ایجاد یک نیروی هوش مصنوعی بیرون کشید، بر استعداد و اشتیاق تمرکز کرد. برخی تجربه در آن داشتند، اما [اکثر] در حین کار یاد گرفتند.

با این حال، او می‌گوید که هنگام تلاش برای گسترش، مدتی طول کشید تا متخصصان هوش مصنوعی را پیدا کند که بتوانند دانش خود را به توسعه یک محصول مفید ترجمه کنند.

چالش آوردن استعداد این بود که افرادی را پیدا کنیم که واقعاً مشتاق ارائه ارزش تجاری به مشتریان هستند - زیرا بسیاری از متخصصان هوش مصنوعی [در آنجا] از کاربر نهایی بسیار دور هستند.

Monday.com یک تیم اصلی راه‌اندازی کرد که روی در واقع شکستن فناوری سخت کار می‌کرد، قبل از اینکه دیگران را تشویق کند تا از طریق رویدادهایی مانند هکاتون هوش مصنوعی خود از این فناوری برای نوآوری‌های جدید استفاده کنند. لره یا می‌گوید: اصطلاح داخلی ما برای این کار هسته در مقابل زمین بازی است. بنابراین تیم اصلی باید [هسته فناوری] را بسازد و سپس باید یک زمین بازی بسازد که در آن افراد دیگر بتوانند از این هسته بدون وارد شدن به عمق، استفاده کنند.

دانستن کجا سرمایه‌گذاری کنیم و چگونه کسب درآمد کنیم

در حالی که همه چیز خوب است که یک تیم مهندسی برتر را سرپرستی کنید و آن‌ها زیرساخت هوش مصنوعی شما را بسازند، دانستن نحوه استقرار آن فناوری و کسب درآمد از آن در سراسر پلتفرم‌ها چالش دیگری است.

لره یا به The Stack می‌گوید که این چیزی است که Monday.com زمانی آموخت که سعی کرد از هوش مصنوعی جلوتر باشد و دستیارهای هوش مصنوعی را زود راه‌اندازی کرد اما شاهد استقبال کمی از سوی کاربران بود. رویکرد جدیدی با تمرکز بر تقویت هوش مصنوعی مورد نیاز بود که واقعاً محصول ما را بهتر کند و KPIها را بهبود بخشد.

لره یا می‌گوید: در بحث کسب درآمد، اوضاع مثل یک باغ وحش دیوانه است... بنابراین ما باید به اصول اولیه برمی‌گشتیم و گفتیم ما واقعاً دو چیز اصلی می‌خواهیم. یک: ما می‌خواهیم کسب درآمد از هوش مصنوعی را به ارزش واقعی گره بزنیم. دو: ما فقط در صورتی می‌خواهیم برای آن پول بگیریم که مشتریان ما ارزش پیدا کنند.

ساده‌سازی هوش مصنوعی برای تشویق آزمایش

نتیجه این تجدید نظر، ایجاد بلوک‌های هوش مصنوعی بود - ابزارهای ساده شده و مدولار تقویت هوش مصنوعی برای کاربران که، همانطور که لره یا می‌گوید، شما می‌توانید بدون کدنویسی آن‌ها را بردارید، نیازی به هیچ تخصص فنی ندارید، و فقط با یک کلیک می‌توانید هوش مصنوعی را در گردش کار موجود خود ادغام کنید.

این بلوک‌ها می‌توانند اشکال مختلفی داشته باشند، با مثالی که لره یا داده است، یکی به نام استخراج که می‌تواند توسط شرکت‌هایی که به دنبال استخراج داده‌ها از اسناد و صفحات گسترده هستند استفاده شود - و Monday.com اعتبارهای رایگان را برای مشتریان برای استقرار آن‌ها برای تعداد معینی از ساعت‌ها تمدید می‌کند. 

لره یا می‌گوید: ما در شرکت‌های بازار میانی جایگاه بسیار بزرگی داریم و من فکر می‌کنم که برای آن‌ها، هوش مصنوعی کاملاً هیجان‌انگیز است، زیرا ناگهان آن‌ها می‌توانند با سازمان‌های بزرگتر رقابت کنند زیرا لزوماً مربوط به افراد نیست.

و از این نظر، ما مکانیسم قیمتی نمی‌خواستیم که [مطابق با] صندلی‌ها باشد. ما نمی‌خواستیم ناراحت شویم اگر کسی از هوش مصنوعی استفاده کند تا در سازمان خود کارآمدتر باشد.

در این راستا، به همه کاربران Monday.com در ابتدا ۵۰۰ اعتبار اقدام هوش مصنوعی در ماه با قراردادشان داده می‌شود، عددی که لره یا آن را نقطه عطف برای آزمایش توصیف می‌کند، و کاربران پس از آن مجبور به خرید هر اعتباری هستند: ما دیدیم که پس از ۵۰۰ اقدام، به این معنی است که افراد دیگر آزمایش نمی‌کنند، آن‌ها اکنون واقعاً آن را در جریان اصلی خود ادغام می‌کنند.

ایمن نگه داشتن هوش مصنوعی

با ادغام عمیق‌تر هوش مصنوعی، خطر افزایش خطاهای فناوری وجود دارد، چیزی که کسب‌وکارها به سرعت در حال یادگیری آن هستند زمانی که مدل‌های هوش مصنوعی کد بدی می‌نویسند یا به کارمندان اجازه دسترسی به اطلاعات محرمانه را می‌دهند.

لره یا می‌گوید که چارچوب‌ها و محافظ‌های موجود که برای پیروی از مجوزهای مشخص شده توسط کاربر طراحی شده‌اند، می‌توانند اقتباس شوند: همان قوانینی که برای محل اقامت داده‌ها در مناطق داریم، با هوش مصنوعی نیز دنبال می‌کنیم. از نظر رمزگذاری، ما همین کار را با هوش مصنوعی انجام می‌دهیم، هم در حال انتقال و هم در حالت استراحت.

بنابراین من احساس می‌کنم از این نظر، خطرات از چیزهایی که چند سال پیش در مورد ابر ذکر شد، تفاوت اساسی ندارند.

از نظر فنی، هوش مصنوعی Monday.com در درجه اول در زیر هود به مدل هوش مصنوعی Microsoft Azure متکی است، اگرچه لره یا ادغام با ChatGPT، Mistral و Tropic Open AI را نیز برجسته می‌کند و به کاربران پیشرفته انتخابی در مورد مدلی می‌دهد که به بهترین وجه با نیازهای آن‌ها مطابقت دارد. و او نسبت به آینده خوش‌بین است: با گذشت زمان، ما انتظار داریم که هوش مصنوعی تک تک بلیط‌ها را حل کند و فقط در صورت نیاز به یک انسان، و نه برعکس، به یک انسان ارجاع دهد.

کاربران همچنین راهی برای دور زدن این فناوری خواهند داشت: لره یا می‌گوید: ما مطمئن می‌شویم که کسی که بلیط را می‌اندازد، می‌داند که این یک هوش مصنوعی است.

ما به آن‌ها مسیری می‌دهیم تا بگویند، گوش کنید، این چیزی نیست که من خواستم. ما به افراد پشتیبانی قدرت می‌دهیم تا برای هوش مصنوعی تضمین کیفیت داشته باشند، زیرا من فکر می‌کنم در بسیاری از محصولات این موارد نادیده گرفته می‌شوند.