إريك بيكارد، نائب الرئيس الأول لمنتجات Fluency – سلسلة المقابلات

إريك بيكارد، نائب الرئيس الأول لمنتجات Fluency، هو مسؤول تنفيذي متمرس في المنتجات والتكنولوجيا الذي قضى عقود في تطوير منصات الإعلان الرقمي والأسواق الآلية وأنظمة البيانات والمنتجات التوجهة للمستهلك. قبل انضمامه إلى Fluency، شغل مناصب قيادية في Microsoft وPandora وMediaMath وYieldmo وBARK، حيث شملت مسؤولياته استراتيجية تكنولوجيا الإعلان والوسائط البرنامجية وإدارة المنتجات وعلوم البيانات والهندسة وتحديث المنصات على نطاق واسع. بيكارد هو أيضًا رائد أعمال متسلسل أسس Bluestreak وRare Crowds وQuestori ومشاريع تكنولوجية أخرى، مع استحواذ Bluestreak وRare Crowds في النهاية. وشملت مسيرته مساعدة تصميم سوق بيع بالوقت الفعلي مبكر، وإطلاق منتجات إعلان صوتي برنامجي، وتطوير تكنولوجيا تحديد المخزون الآلي، وتقديم المشورة للشركات في الذكاء الاصطناعي و استراتيجية المنتج والتحول المؤسسي والاستحواذ والدمج.

Fluency يطور نظام تشغيل إعلان رقمي مصمم للمساعدة في إدارة حملات الإعلان المدفوع عبر محركات البحث والاجتماعية والمنصات البرنامجية والحدائق المغلقة والويب المفتوح. يركز النظام على البيانات وأصول الإبداع والمخزون والمتطلبات التنظيمية والجماهير و استراتيجية الحملة والتقرير والتنفيذ باستخدام التأتمتة والذكاء الاصطناعي لتقليل العمل التشغيلي المتكرر وتنسيق الحملات على نطاق واسع. Fluency يركز بشكل متزايد على الإعلان الوكيلي، بما في ذلك سير عمل محكوم بالذكاء الاصطناعي التي يمكنها تنفيذ وتحسين الحملات مع الحفاظ على التحكم الاستراتيجي والوكيلي المحدد. وتقول الشركة إن تقنياتها تدعم أكثر من 250,000 حملة كل شهر و تدير ما يقرب من 3 مليارات دولار في الإنفاق الإعلاني السنوي.

مسيرتك المهنية شملت عدة فترات أساسية في الإعلان الرقمي، من تأسيس Bluestreak والمساعدة في وضع معايير الإعلان الرقمي المبكرة إلى المساهمة في تصميم أحد الأسواق الأولى للبيع بالوقت الفعلي. كيف شكلت تلك الخبرات نهجك في بناء جيل الإعلان الوكيلي التالي في Fluency؟

لقد كنت محظوظًا جدًا في مسيرتي المهنية لأنني وجدت مجالًا كان مثيرًا للاهتمام بطريقة متعددة في الإعلان الرقمي. لقد كنت جزءًا من الآلية التي وفرت تمويل نمو الإنترنت. لقد كنت قادرًا على اختراع أو المشاركة في اختراع بعض الميكانيكا الأساسية ل كيفية عمل الإعلان الرقمي. والمهام الفنية في هذا المجال تتنافس مع أي مهام في البرمجيات. لذلك دائمًا ما يكون الأمر مثيرًا للاهتمام.

مع Bluestreak، لقد بنينا بعض أوائل كل شكل من أشكال الإعلانات، بما في ذلك بعض الإعلانات المرئية والصوتية الأولى. كنا أول من قام بإنشاء نظام إدارة العلامات وأول من قدم نظام تخصيص متعدد اللمس. وقد أدى ذلك إلى دعوتنا للمشاركة في تأليف معيار الإعلان الأول مع مجلس الإعلان التفاعلي (IAB) ومجلس التقييم الإعلامي (MRC).

عندما ذهبت إلى Microsoft، قررت الشركة الاستثمار في تكنولوجيا الإعلان لأنها رأت أن Google تجني المزيد من المال لكل نسخة من Windows أكثر من ما تجنيه Microsoft، كل ذلك بسبب الإعلان الرقمي. وقد قدموا لي دورًا رائعًا، فرصة لكتابة الاستراتيجية العالمية ل كيفية دخول Microsoft إلى مجال تكنولوجيا الإعلان.

قررنا أن نذهب إلى تكنولوجيا الإعلان بشكل كبير، وكنت على رأس تحديد استراتيجية البناء والشراء والشراكة. لقد قمت بتقديم تقييم أولي ل أكثر من 150 شركة، واشترينا سبع شركات واستثمرنا بشكل كبير في تطوير الفرق الداخلية. عندما وصلت، كان لدينا حوالي 200 مهندس يعملون على تكنولوجيا الإعلان، وكان لدينا حوالي 750 مليون دولار في إيرادات الإعلام. عندما غادرت، كان لدينا 1500 مهندس يعملون على تكنولوجيا الإعلان، وأكثر من 5 مليارات دولار في الإيرادات. اليوم، تبلغ إيرادات الإعلانات على محركات البحث حوالي 15 مليار دولار، ولكن في ذلك الوقت كان رقمًا مذهلًا.

واحدة من الشركات التي نظرنا إليها، و في النهاية استحوذنا عليها، كانت AdECN. كانت هذه الشركة الأولى لجيف غرين قبل تأسيسه The Trade Desk. لقد نظرنا إلى شراء Right Media، وهو ما جعلني أعرف بريان أوكيلي جيدًا، لكننا لم نستمر في ذلك. شعرنا أن هناك فرصة ل المزاد العالمي غير المتزامن الذي يسمح للمزايدين الخارجيين بالاتصال بالسوق.

عندما كانت AdECN على وشك إطلاق أول سوق للبيع بالوقت الفعلي، كان هناك صراع حول النهج، و في النهاية لم يغادر اختبار البيتا أبدًا.

هناك نتائجتان مهمتان من ذلك الذي غيرتا كل النظام الإعلاني. أولًا، بدأ بريان أوكيلي AppNexus بعد مغادرة Right Media، وعندما أصبح واضحًا أن AdECN لن تنجح أبدًا، دعتني الفرصة للشراكة مع AppNexus. هذا أدى في النهاية إلى استثمار كبير في الشركة وشراكة قوية التي انتهت أخيرًا باكتساب Microsoft لها. النتيجة الثانية الكبرى هي أن جيف غرين غادر Microsoft، وأخذ بعض المهندسين الذين بنوا سوق البيع بالوقت الفعلي في AdECN، وبدأ The Trade Desk.

عندما تنظر إلى ذلك الجزء الأول من مسيرتي المهنية، الذي استمر من 1997 إلى 2010، لقد غرس بذورًا طويلة الأمد التي انبثقت الآن بعض ثمارها. لقد ذهبت إلى أدوار مختلفة، بما في ذلك شركة Rare Crowds الناشئة، حيث اخترعنا التخصيص البرنامجي. قمت بإنفاق الوقت في شركات مثل Pandora، حيث كان لدينا عمل إعلان صوتي رائع، بما في ذلك أكبر سوق إعلان صوتي، وYieldmo، حيث بنينا أول سوق إعلان خاضع للخصوصية. خلال ذلك الوقت، كان لدي فرصة للمشاركة في مجلس إدارة IAB Techlab، وتمت دعوتي للانضمام إلى اللجنة التنفيذية للمجلس. ولقد استمرت في العمل على معايير الصناعة كل هذه السنوات.

في العام الماضي، رأى بريان أوكيلي الفرصة ل بناء معيار صناعي للإعلان الوكيلي، وهو ما يسمى AdCP، ويديره AgenticAdvertising.org. تحدث بريان وأنا حول المناطق التي تفتقر إلى العمل، و предложت كتابة المواصفات الأولى للحوكمة والامتثال ل AdCP.

بعد بضعة أشهر من كتابة ذلك، اتصل بي Fluency. عندما بدأت في التعرف على ما بنوه، كنت مندهشًا. بشكل فعال، لقد حلوا كل ما دعوت إليه في مواصفاتي. لقد كانوا يفعلون الإعلان الوكيلي لمدة ثماني سنوات، قبل أن تكون النماذج اللغوية الكبيرة (LLM) جاهزة للعمل “وكيلي”.

رأيت أن النهج التحديدي الذي اتبعوه مع وكلاءهم كان именно ما كان مطلوبًا لتلبية احتياجات وكلاء LLM، والتي تتسم بشكل أساسي بالاحتمالية. كل ما يعنيه ذلك هو أن LLMs رائعة في “التفكير” و الإبداع، لكنها سيئة في فعل الشيء نفسه بنفس الطريقة كل مرة. كل نهج له نقاط ضعف، لكنهما معًا يحلّا مشكلة الإعلان الوكيلي.

كان رؤيتي متوافقة مع رؤية فريق إدارة Fluency، ولذلك انضممت لقيادة المنتج هنا. الآن نحن ننفذ بسرعة نحو عالم حيث يمكن للوكلاء التفاعل بأمان مع الإعلانات مع وجود البشر في الحلقات حيث يلزم الأمر، ووكلاء LLM يمنحون حواجز تحديدية لتنظيم سلوكهم.

أشعر بالحظ الجيد لأنني ركبت العديد من موجات التغيير الكبير في الإعلان الرقمي، من تأسيس Bluestreak والمساعدة في وضع معايير الإعلان الرقمي المبكرة إلى المساهمة في بناء أحد الأسواق الأولى للبيع بالوقت الفعلي، ومن اختراع التخصيص البرنامجي إلى ظهور الإعلان الوكيلي. لقد كانت رحلة مجنونة، وأنا ما زلت أستمتع بها وأنا متحمس للفرص في هذا المجال.

أعطى البيع بالوقت الفعلي للبرمجيات القدرة على اتخاذ قرارات مالية في أجزاء من الثانية. ما هي الدروس التي يجب أن يأخذها مطورو اليوم في الاعتبار عند منح وكلاء الذكاء الاصطناعي استقلالية تشغيلية أكبر؟

في الإعلان البرنامجي، استخدمنا التعلم الآلي، وهو شكل من أشكال الذكاء الاصطناعي، لبناء محركات اتخاذ القرار التي يمكنها اتخاذ عشرات الملايين من القرارات في الثانية. هذا يتطلب كمية هائلة من قوة الحوسبة ومعالجة البيانات والبنية التحتية، وقبل ظهور الذكاء الاصطناعي التوليدي، كنت سأقول إنها واحدة من التطورات الأكثر إثارة في كل الحوسبة.

من أجل كل قوتها، هناك أيضًا عيوب كبيرة في نموذج البرنامجي، و نظام بيئي معقد يحرق الكثير من الكهرباء (ولذلك يخلق الكثير من الكربون) لكل إعلان. لا تقلق، أنا أحب مجال البرنامجي، وأنا في دهشة مما خلقناه. لكنه يبدو لي أننا بنينا آلة أكثر تعقيدًا من المكافأة التي نحصل عليها مقابل كل ذلك التعقيد.

في حين يمكن أن يقال نفس الحجج حول الذكاء الاصطناعي التوليدي، فإن الأماكن التي يحتاج وكلاء LLM إلى النمو فيها في النظام البيئي هي في الواجهات، وليس في قلب كل معاملة. ومن خلال مزج LLMs بشكل مدروس مع وكلاء تحديدي، يمكننا إدارة المعاملات بكفاءة أكبر وتقليل التعقيد.

هناك مبادران رئيسيتان في الصناعة، تهدف إلى حقن وكلاء LLM في سير عمل المعاملات. لجنة IAB Techlab أطلقت مبادرة بروتوكولات إدارة الإعلان الوكيلي (AAMP)، والتي تمكن من آليات وكيل LLMs في البنية التحتية للبيع بالوقت الفعلي من خلال اتخاذ القرارات مسبقًا وتخزينها في أنظمة النظام البيئي في الوقت الفعلي. مشروع AdCP يركز على ما أعتبره “تكاملات على مستوى الحساب”. يعني ذلك أن جميع الأعمال التي يقوم بها البشر في إدارة الحملات والإبداع للحصول على الإعلانات يمكن تلقينها.

Fluency حل بشكل فعال مشكلة الميل الأخير التي لم تتم معالجتها في مجال تكنولوجيا الإعلان: العيوب الكبيرة في إنشاء وإدارة حملات الإعلان على مستوى الحساب والحملة والإبداع. وأنا أعتقد جيدًا أن العمل الذي نقوم به هو فرصة رائعة للإعلان مثل ما اخترعناه مع البيع بالوقت الفعلي. حيث نربط LLMs بالسير العمل التي قامت Fluency بتحسينها، فنحن نزيد من قيمة النظام كله.

يفصل Fluency بين التفكير الاحتمالي للذكاء الاصطناعي ونظم التحديدية التي تنفذ تغييرات الحملة. لماذا من غير الآمن حاليًا السماح للنموذج اللغوي الكبير بالسيطرة مباشرة على ميزانيات الإعلان؟

أعتقد أن هذا هو مشكلة أساسية من نوع ما التي ستواجهها LLMs دائمًا. المحركات الاحتمالية مصممة لإعطاء إجابات مختلفة لنفس السؤال كل مرة. حتى عندما تكون رائعة في التفكير، تكون سيئة في الأمور التحديدية. دعونا نستخدم الحساب كمثال:

النماذج اللغوية الكبيرة لا تستطيع فعلاً إضافة أو طرح أو ضرب أو قسمة. قد لا تدرك ذلك، لأن عندما تسأل Claude أو ChatGPT سؤالاً يتطلب حسابًا، يمكنهم إعطاءك الجواب الصحيح. لكن ما لا يعرفه معظم الناس هو أنهم يفعلون ذلك عن طريق كتابة البرامج وتنفيذها للتعامل مع الحسابات. هذا ما نتحدث عنه هنا: تقاطع محرك احتمالي يفهم أنه لا يستطيع الحساب، ويبني قطعة برمجية تحديدية لتنفيذ الحسابات من أجل حل المهمة المطلوبة.

على الرغم من أن LLM يمكن أن “يفعل” الحساب بشكل ساحر، لن أسمح أبدًا لـ LLM بإدارة مالي أو اتخاذ قرارات تداول الأسهم من أجلي. لن أسمح أبدًا لـ LLM بتقديم ضرائبي أو إرسالها بدون أي مراجعة. حتى لن أسمح لـ LLM بكتابة بريد إلكتروني أو منشور مدونة بدون تحرير دقيق للتأكد من أن كل شيء صحيح.

Fluency موجودة اليوم – لدينا الأنابيب التحديدية لإدارة الإعلانات. نحن ندمج LLMs في هذه المنصة، ونستخدمها للأشياء التي تتفوق فيها. ونحن ن暴 أنابيبنا للوكلاء الخارجيين حتى يتمكنوا من التنفيذ عليها. في النهاية، أرى ذلك على أنه بناء البوابة إلى نظام الإعلان، حيث يمكن لوكيل LLM التفاعل مع أي منصة إعلامية من خلال التكامل في مكان واحد. لكننا جميعًا بعيدون قليلًا عن هذا النتيجة طويلة الأمد!

كيف تقييم Fluency طبقة التنفيذ التحديدية توصيات وكيل الذكاء الاصطناعي قبل السماح لها بالتأثير على حملة حية، وما هي أنواع القواعد أو القيود التي يمكن للمعلنين وضعها؟

نوفر آليات للبشر (أو LLMs) لإنشاء تعليمات تحديدية ستُنفذ بنفس الطريقة كل مرة على منصات الإعلان. هذا هو مشكلة كبيرة تحتاج إلى حل في كل صناعة.对于 الإعلان، الشركة التي تحلها هي Fluency. نحن نسمح بإنشاء قواعد أعمال و قواعد ل أي عمل قد يقوم به عملاؤنا على منصة إعلان. إذا كان من الممكن إنشاء منطق IF/THEN ل مشكلة، يمكننا تمكين ذلك من التشفير في قواعد أعمال تتبع بنفس الطريقة كل مرة.

هذا مهم جدًا للفهم. هناك الكثير من القرارات التي يتخذها البشر بنفس الطريقة كل مرة يرون وضعًا محددًا. هذا يسمح لنا بفعل أشياء مثل تعريف قواعد إدارة الميزانية، أو إنشاء حملات أو إبداع مع فرض تسميات التسمية، أو تشغيل حملات إعلانية و إبداع تلقائيًا بناءً على محفزات في مجموعات بيانات خارجية.

على سبيل المثال، قد تتلقى وكالة السيارات شحنة جديدة من السيارات. Fluency يمكنها قراءة نظام إدارة المخزون الذي تستخدمه الوكالة، وتلقائيًا إنشاء حملات وإبداع ل كل طراز و لون و سمات محددة لكل سيارة، في غضون دقائق من وصول السيارات إلى المحل. وعند بيع السيارة الأخيرة، تلقائيًا إيقاف تلك الحملات. كل هذا رائع، لأن القرارات التجارية ل فعل كل هذه الأشياء بسيطة عندما تؤخذ واحدة تلو الأخرى. إنه مشكلة “الموت بألف جروح” في إدارة الإعلانات اليوم التي تختفي.

يجد عملاؤنا أن هذا يحرر فرقهم من إطفاء الحرائق كل يوم للقيام بالعمل الذي يهم لتحريك الإبرة لعملائهم.

غالبًا ما تتطلب استراتيجية الإعلان وتطوير الإبداع التجربة والقضاء على الموضوعية. كيف يمكن للمنظمات الحفاظ على مرونة الذكاء الاصطناعي التوليدي مع ضمان أن تنفيذ الحملة يبقى قابلًا للتوقع ومتوافقًا؟

كل ما تحدثنا عنه حتى الآن بنى الإطار لตอบ هذا السؤال بسهولة. الأشياء التي يمكن تشفيرها في قواعد أعمال يتم تعيينها بشكل صحيح لتنفيذ تلك القرارات السهلة التي تكون نفسها كل مرة. LLMs يمكن أن تساعد في تحليل وتطابق الأنماط، كما تفعل جميع أشكال الذكاء الاصطناعي مثل التعلم الآلي، الذي له تاريخ طويل في تكنولوجيا الإعلان. لكن الحيلة الحقيقية هي أن يكون لديك الآليات في مكانها الصحيح للخروج والطلب من إنسان التدخل إذا لم يكن الجواب واضحًا.

تعمل منصة Fluency عبر قنوات الإعلان على محركات البحث والاجتماعية والبرنامجية. ما هي التحديات الفنية التي تظهر عندما يجب على وكيل الذكاء الاصطناعي التفكير عبر منصات لها هياكل بيانات وأنظمة تحسين ومتطلبات سياسة مختلفة؟

كل منصة إعلان لها مجموعة فريدة من أفضل الممارسات والقدرات. واجهات برمجة التطبيقات (APIs) هي الأنابيب الثابتة التي نربط بها لتوجيه تلك المنصات من الخارج. واجهات برمجة التطبيقات مدعومة جيدًا، لكن وثائقها هي مجموعة القواعد لما يمكن فعله على تلك المنصات. ليست هي تجسيد الممارسات المثلى لتلك المنصة.

النماذج اللغوية الكبيرة يمكنها استيعاب الكثير من المعلومات في السياق بحيث يمكن جعل أفضل الممارسات لاستخدام كل منصة متاحة من خلالها.由于 Fluency تعمل على العديد من المنصات لعدد من الوكالات والمعلنين، يمكننا تشفير أفضل الممارسات لكل عميل في التعليمات التي يمكن لوكيل LLM اتباعها لتحقيق ممارسات متميزة لكل عميل.

نحن نبدأ في العمل مع عملائنا الآن على الجيل التالي من التطوير لتشفير هذه السيناريوهات الأكثر تعقيدًا في حساباتهم على منصتنا. إنه أيامแรก. أي شخص يخبرك بأنه حل أي جزء من هذا باستخدام LLMs يstretch الحقيقة، لأن الأمور في بداية الطريق، والطرازات تتطور بسرعة لدرجة أن لا أحد حلها بعد.

ما يجب أن يبدو عليه الإشراف البشري الفعال في بيئة إعلان وكيلي؟ وأي قرارات يمكن أن تصبح آمنة لتصبح ذاتية، وأي منها يجب أن تستمر في الحاجة إلى مراجعة أو موافقة بشرية؟

كل عميل لديه تحمل مخاطرة مختلف، وأغلبهم لم يكن لديهم نظام يمكنهم من التعبير عنه. في Fluency، الحكم الذي يطبقه مدير الحملة الجيد في رأسه يتم تشفيره مرة واحدة ويطبق بنفس الطريقة على كل حساب وكل منصة وكل مرة. الحالات التي لا تملك إجابة واضحة تنتقل تلقائيًا إلى شخص مع السياق الذي يحتاجه لاتخاذ القرار.

ما يبدو عليه في الممارسة يختلف كثيرًا. نحن ننفذ عددًا كبيرًا من القواعد المختلفة لعملائنا اليوم، لمساعدتهم في تشفير قرارات بشرية لا تتغير، و الدفع إلى شخص عندما لا يكون الجواب واضحًا.

كيف يجب أن توثق المنصات السبب والبيانات والقواعد وراء كل عمل لتمكين المعلنين من تدقيق الأداء و التحقيق في الأخطاء و إثبات الامتثال؟

واحدة من قيم Fluency الأساسية هي أننا متوافقون مع معايير الأمان SOC2، و完全 قابلون للتدقيق. التغييرات مسجلة في جميع أنحاء النظام. لقد كنت رئيسًا تقنيًا لشركة مساهمة عامة، و كنت على خط المسؤولية عن الامتثال من قبل، لذلك أعرف كم يمكن أن يكون هذا معقدًا. هذا هو أحد الأسباب التي جعلتني متحمسًا للانضمام إلى Fluency، لأن كل ما نقوم به قابل للتدقيق بالكامل. نحن نحافظ أيضًا على سجلات التغييرات لكل تغيير يتم في النظام، مسجلة ضد المستخدم الذي قام به.

هناك طبقة ثانية مهمة. لأن القواعد التجارية مشفرة في البرمجيات، القاعدة هي مواصفاتها. لا يوجد انحراف بين الوثائق والسلوك، وهو المكان الذي عادة ما تفشل فيه عمليات التدقيق. وفي عالم تمكين LLM، يمكن أن يتم إعادة تقديم المنطق المشفر إلى لغة أعمال عادية عند الطلب، لذلك لا يحتاج الشخص الذي يقوم بالتدقيق إلى قراءة الكود لفهم ما تم توجيه النظام لفعله.

对于 وكالة أو علامة تجارية تبدأ في تبني الإعلان الوكيلي، أي سير عمل يوفر أفضل نقطة انطلاق، وما هي الأدلة التي يجب على المنظمة أن تتطلبها قبل توسيع سلطة الوكيل؟

من وجهة نظر Fluency، الإعلان الوكيلي هو أرض مألوفة. لقد كنا نفعل ذلك لمدة ثماني سنوات. لدينا مئات من الوكالات والشركات تستخدم منصتنا لتنفيذ الإعلان الوكيلي اليوم، وفي الفضاء المتعددة المواقع، هذا يعني عبر آلاف المواقع.

نحن نأتمتة معظم ما يفعله البشر تكرارًا في إعداد وإدارة الحملات، عبر محركات البحث والاجتماعية والبرنامجية، لذلك لا يوجد سير عمل يعتبر نقطة انطلاق أفضل أو أسوأ. النقطة الانطلاق الأفضل هي القناة التي يجد عملاؤنا أنها الأكثر إشغالًا لليد العاملة.

النماذج اللغوية الكبيرة تساعدنا على تسريع عملية إعداد عملائنا أيضًا، لأن تشفير قواعد العمل الخاصة بالعميل يشبه تنفيذ تطبيق CRM، ويقاس بالشهور. نحن نبني أدوات تستخدم LLMs لمساعدتنا في بناء مجموعات القواعد وكتابة سكريبتات التأتمتة. هذا سوف يجعل عملية الإعداد أسرع، وسيقلل من تعقيدات عملائنا.

الإعلان هو ساحة اختبار مبكرة لأنظمة مستقلة تدير الأموال الحقيقية على نطاق واسع. ما هي الدروس من هذه الصناعة التي يمكن تطبيقها على الخدمات المالية والرعاية الصحية وشراء المؤسسات أو قطاعات أخرى منظمة تتبنى وكلاء الذكاء الاصطناعي؟

الإعلان كان ساحة اختبار لأنظمة مستقلة تنفق أموال حقيقية لمدة 20 عامًا. البرنامجي علمنا كيف نسمح للبرمجيات بالالتزام بمليارات الدولارات في اليوم بدون موافقة بشري على معاملة فردية. معظم محادثات الوكيل الحالي تحدث على نطاق تركه الإعلان منذ فترة طويلة.

Fluency لديها أكثر من 3 مليارات دولار من الإنفاق السنوي يمر عبر منصتنا، عبر مئات من الوكالات والشركات، وفي الفضاء المتعددة المواقع، يصل إلى عشرات الآلاف من المواقع. معظم محادثات الوكيل الحالي تتحدث عن ميزانيات تجريبية وعدد قليل من الحسابات.

ما ينقل إلى قطاعات أخرى هو الهندسة المعمارية. أنت تفصل بين الأنظمة التي تقرر و الأنظمة التي تنفذ. طبقة القرار يمكن أن تكون احتمالية، لأن الحكم ينتفع من المرونة والإبداع. طبقة التنفيذ يجب أن تكون تحديدية، لأن تحريك الأموال ليست مكانًا تريد فيه تباينًا. كل عمل مسجل ضد المستخدم أو الوكيل الذي أطلقها، مما يمنحك سجل تدقيق يثبت أمام المنظم.

هذا المتطلب متطابق في الخدمات المالية، في مطالبات الرعاية الصحية، في شراء المؤسسات. الأداة لا تهم، والتصميم الذي بنيناه للإعلان هو التصميم الصحيح: التدقيق الكامل مع سجلات التغيير على كل تعديل هو الحد الأدنى. أنا قلق بشكل خاص من الحكم غير البشري في أشياء مثل الموافقة على الإجراءات الطبية والمطالبات التأمينية. لا أعتقد أن LLMs هي هناك بعد، ولدي أمثلة شخصية في حياتي على أن الأنظمة الآلية اتخذت قرارات سيئة جدًا في الموافقة على أو رفض مطالبات التأمين.

توقعاتي هي أن النمط الذي يتبعه الإعلان سيتبعه تلك القطاعات. لقد كنا قد أحرزنا تقدمًا لمدة 20 عامًا في مشكلة آلات تنفق الملايين من المرات في الثانية. نهج Fluency يمتد من المعاملة إلى سير العمل، وأنا واثق من أن نهجنا سيكون أيضًا الفائز.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في التعلم المزيد يجب أن يزوروا Fluency.