作为工作平台的 Monday.com 在过去十年中稳步发展,一直致力于实现帮助大小组织的团队提高效率和生产力的目标。
根据联合创始人 Roy Mann 的说法,AI 一直是公司历史的重要组成部分。最初的应用场景主要支持其自身的效果营销(过去 10 年中,谁没见过 Monday 的广告呢?)。这项工作的很大一部分得益于 AI 和机器学习 (ML)。
随着生成式 AI 在过去三年的出现和普及,特别是自 ChatGPT 问世以来,Monday —— 就像地球上的其他企业一样 —— 开始考虑并整合这项技术。
然而,Monday 最初部署的生成式 AI 并未达到用户期望的投资回报。这一认识导致公司重新思考和转型,寻求为用户提供真正能够改善企业工作流程的 AI 工具。这次转型现已通过公司的"AI blocks"技术和被称为"数字化工作团队"的代理 AI 技术预览版得以实现。
Monday 的 AI 之旅,在很大程度上都是为了实现公司的创始愿景。
"我们想要做两件事,一是赋予人们我们作为开发者所拥有的能力,"Mann 在接受 VentureBeat 独家采访时表示。"让他们能够构建任何想要的东西,感受到我们所感受到的力量,另一个目标是构建他们真正喜爱的东西。"
Monday 的企业 AI 发展:从内部工具到面向客户的创新
任何类型的供应商,特别是企业软件供应商,都在不断努力改进并帮助其用户。Monday 对 AI 的采用完全符合这一模式。
该公司的公共 AI 战略经历了几个不同的阶段:
AI 助手:平台范围内的初步整合; AI blocks:用于工作流程定制的模块化 AI 功能; 数字化工作团队:代理 AI。
与许多其他供应商一样,公司首次公开涉足生成式 AI 是通过助手技术。任何 AI 助手的基本理念都是提供自然语言查询界面。Mann 解释说,Monday AI 助手最初是公司公式生成器的一部分,让非技术用户有信心和能力构建以前无法构建的内容。虽然该服务很有用,但组织仍有更多需求和期望。
Monday 的 AI 产品组负责人 Or Fridman 解释说,从部署 AI 助手中得到的主要经验是,客户希望 AI 能够集成到他们的工作流程中。这促使公司开发了 AI blocks。
通过 AI blocks 为企业工作流程奠定基础
Monday 意识到了 AI 助手方法的局限性以及用户真正想要的东西。
简而言之,AI 功能需要在正确的环境中为用户服务 —— 直接在列、组件或服务自动化中使用。
AI blocks 是 Monday 已经开发并直接集成到其工作流程和自动化工具中的预构建 AI 功能。例如,在项目管理中,AI 可以提供风险映射和预测分析,帮助用户更好地管理项目。这使他们能够专注于更高层次的任务和决策,而让 AI 处理更多重复性或数据密集型的工作。
对于该平台 70% 的非技术公司用户群来说,这种方法具有特殊意义。模块化的特性使企业能够在不需要深入技术专长或造成重大工作流程中断的情况下实施 AI 功能。
Monday 采用模型无关的方式集成 AI
许多供应商在其 AI 发展历程中的早期做法是使用单一供应商的大语言模型 (LLM)。从那里开始,他们可以围绕它构建封装或针对特定用例进行微调。
Mann 解释说,Monday 采用了非常开放的方法。在他看来,模型越来越成为一种商品。公司在现有模型的基础上构建产品和解决方案,而不是创建自己的专有模型。
深入了解,Monday 的 AI 总监 Assaf Elovic 指出,公司使用各种 AI 模型。这包括通过 Azure 的 OpenAI 模型(如 GPT-4)以及通过 Amazon Bedrock 的其他模型,确保灵活性和强大的性能。Elovic 指出,公司的使用遵循与所有 Monday 功能相同的数据驻留标准。这包括多区域支持和加密,以确保客户数据的隐私和安全。
代理 AI 和数字化工作团队的发展路径
Monday 的 AI 之旅的最新步骤与行业其他部分的方向相同 —— 采用代理 AI。
代理 AI 的承诺是能够实现更自主的操作,可以支持整个工作流程。一些组织在 LangChain 或 Crew AI 等框架之上构建代理 AI。但这并不是 Monday 在其数字化工作团队平台中采取的具体方向。
Elovic 解释说,Monday 的代理流程与其自身的 AI blocks 基础设施深度连接。驱动其代理的工具建立在情感分析、信息提取和总结等 AI blocks 之上。
Mann 指出,数字化工作团队与其说是使用特定的代理 AI 工具或框架,不如说是在 Monday 平台上的集成组件之间创建更好的自动化和流程。数字化工作团队代理与平台和工作流程紧密集成。这使代理能够对用户在 Monday 中的数据、流程和现有设置有上下文感知。
第一个数字化工作团队代理将于三月份推出。Mann 说它将被称为 Monday "专家",旨在为特定用户构建解决方案。用户向代理描述他们的问题和需求,AI 将为他们提供相关的工作流程、板块和自动化来解决这些挑战。
AI 专业化和集成在商品化市场中提供差异化
在 Monday 服务的市场中不乏竞争。
作为工作流程平台,它跨越多个行业垂直领域,包括客户关系管理 (CRM) 和项目管理。这些行业都有大型参与者,包括 Salesforce 和 Atlassian,它们都在 AI 方面进行了深入投资。
Mann 表示,AI blocks 与各种 Monday 工具的深度集成使公司与竞争对手区分开来。在更基本的层面上,他说,这实际上是关于在工作流程环境中满足用户需求并嵌入有用的 AI 功能。
Monday 的发展表明了一种企业软件开发模式,其中 AI 功能深度集成但高度可定制。这种方法解决了企业 AI 采用的一个关键挑战:需要既强大又易于非技术用户使用的解决方案。
该公司的战略也指向了一个 AI 实施重点在于赋能而非替代的未来。
"如果一项技术让大公司更有效率,它对中小企业意味着什么?"Mann 说,强调 AI 民主化如何可以平衡大型和小型企业之间的竞争环境。
好文章,需要你的鼓励
存储扩展专家Lucidity将其AutoScaler平台扩展至Kubernetes容器编排平台,帮助企业控制存储支出。该公司表示,Kubernetes中的持久卷常常成为隐形浪费源,虽然Kubernetes可自动扩展实例数量,但底层存储通常未被充分利用。新服务可为亚马逊EKS提供持久卷的自动扩缩容,声称可为客户节省高达70%的云块存储费用。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
超过1.8万Spotify用户加入名为"Unwrapped"的集体组织,通过去中心化数据平台Vana将个人听歌数据打包出售给AI开发者。该组织已将1万用户的艺术家偏好数据以5.5万美元价格售出,用于构建新型流媒体数据分析工具。Spotify对此发出警告,称该行为违反开发者政策和商标权,禁止将平台数据用于机器学习模型构建。但Unwrapped团队坚持用户拥有控制和变现个人数据的权利,双方就数据所有权展开争议。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。