Juan Pablo Tejela, CEO a spoluzakladatel Metricool – rozhovor

Juan Pablo Tejela, CEO a spoluzakladatel Metricool, je softwarový inženýr a technologický podnikatel, který vede společnost od roku 2014 a pomohl ji vyvinout v komplexní platformu pro správu a měření digitálního obsahu. Předtím, než založil Metricool, strávil téměř devět let v Optimyth Software, kde jeho odpovědnost zahrnovala produktový management, vývoj aplikací, návrh uživatelského rozhraní, předprodej, zákaznickou podporu a online marketing pro platformu Kiuwan pro analýzu softwaru. Na počátku své kariéry zastával Tejela pozice softwarového inženýra ve společnostech Swissrisk, Indra, EADS-CASA a FEDETEC, kde pracoval s Javou, C++, vestavěnými systémy, komunikačními technologiemi a vývojem jadra Linuxu.

Metricool je madridská platforma pro správu sociálních médií, která umožňuje tvůrcům, značkám a agenturám plánovat obsah, zveřejňovat příspěvky, spravovat konverzace, analyzovat výkon, sledovat konkurenty a generovat zprávy z centralizovaného pracovního prostoru. Platforma podporuje hlavní sociální sítě a reklamní kanály, včetně Instagramu, Facebooku, TikToku, LinkedInu, YouTube, X, Bluesky, Pinterestu, Google a Meta Ads, a nabízí také nástroje pro tvorbu a optimalizaci obsahu s pomocí umělé inteligence. Metricool uvádí, že má více než dva miliony uživatelů, včetně organizací jako Forbes, Adidas, Volvo, H&M a Warner Music (WMG ) Group.

Vaše kariéra začala v softwarovém inženýrství, vestavěných systémech, kvalitě aplikací a produktovém vývoji. Jak tyto zkušenosti ovlivnily váš přístup, když jste založil Metricool, a jaká nevyplněná potřeba vás přesvědčila, že profesionálové v sociálních médiích potřebují novou analytickou platformu?

Čestně řečeno, Metricool začal menší, než si lidé myslí. Moje žena Laura a já jsme ho postavili v roce 2015 jako vedlejší projekt, vedle našich běžných prací. Bloggeři byli největší věcí na internetu v té době, a my jsme si všimli, že nemají žádný důstojný způsob, jak vidět svá čísla na jednom místě – všechno bylo rozptýlené přes pět různých nástrojů, žádný z nich nebyl postaven pro někoho, kdo nebyl technický. Má zkušenost s vestavěnými systémy a QA mi vštípila jednu návykovou věc. Nevěřte něčemu, co jste sami nezměřili. Takže jsme postavili jednoduchou verzi, kterou jsme si přáli, aby existovala.

Co vlastně potvrdilo nápad, nebyli to bloggeři, ale profesionálové v sociálních médiích, kteří se začali přihlašovat hned po nich. Chtěli profesionální zprávy pro klienty, a tato část byla důležitá pro vedlejší projekt – byli ochotni platit. Bloggeři většinou ne. To byl moment, kdy jsem si uvědomil, že nestavíme nástroj pro koníčky, ale pro profesionální profesi. Drželi jsme si své práce, dokud to nebylo neúnosné, a začali jsme náležitě najímat v lednu 2017. Všechno od té doby je vlastně jen rozšířením té první intuice: odstranit hluk, zachovat transparentnost analytiky a postavit něco pro osobu, která dělá práci, ne pro osobu, která kupuje software pro ostatní lidi.

Metricool se vyvinul z analytického produktu na platformu pro správu sociálních médií, kterou používají více než čtyři miliony profesionálů, agentur, tvůrců a značek. Jaké byly nejvýznamnější produktové rozhodnutí, která za tím stojí, a byly chvíle, kdy jste museli přehodnotit původní vizi společnosti?

Několik rozhodnutí bylo důležitější než ostatní. Jít naplno na analytiku, zatímco všichni ostatní – Hootsuite, Buffer – se soustředili na plánování, bylo první rozhodnutí, a stále je to naše odlišnost. Druhé rozhodnutí bylo odmítání být “americkým” nástrojem, který považuje španělštinu a další jazyky za podružnou věc; to nám dalo skutečnou výhodu v Evropě a Latinské Americe na počátku. Třetí, nedávnější rozhodnutí, bylo rozhodnutí, že sociální reklamy nemohou existovat v samostatném nástroji od organického obsahu, protože žádný manažer sociálních médií si je neuvědomuje odděleně.

Změnila se vize? Stále, a nemyslím si, že to je špatně. Nechtěli jsme stavět pro agentury, místo toho jsme stavěli pro jednotlivé profesionály a bloggery. Agentury se samy objevily, řekli nám, co potřebují (zprávy s bílým štítkem, více klientů, týmová místa), a my jsme naslouchali a jednali. Stejně tak u značek později. Pokud bych držel “původní vizi” Metricoolu příliš, postavili bychom mnohem menší produkt pro úzkou skupinu. Plán nebyl nikdy svatý. Uživatelé nám většinu roadmapu sami nakreslili.

Metricoolova výzkumu ukázala, že 96 % profesionálů v sociálních médiích používá umělou inteligenci, ale 36 % neví nebo neměří, zda obsah vytvořený umělou inteligencí funguje lépe. Proč se adopce umělé inteligence pohybuje rychleji než schopnost organizací vyhodnotit její skutečný obchodní dopad?

Protože použití umělé inteligence je snadné a měření správně je práce. Otevřete nástroj, získáte nadpis, zveřejníte ho – žádná tření. Skutečné znalosti, zda ten nadpis něco udělal pro vás, znamená nastavení srovnání, být trpělivý, odolat nutkání prohlašovat vítězství po jednom dobrém příspěvku. Většina týmů dosud nevyvinula tuto disciplínu, a upřímně, proč by měli? Až před osmnácti měsíci nikdo nemusel klást otázku “zda verze umělé inteligence překonala verzi lidskou” – člověk ji napsal, soudili jste příspěvek podle jeho vlastních zásluh.

Ta 36 % mě netrápí tak, jak by se mohlo zdát. Není to, že lidé jsou nedbalí. Je to, že měření vždycky zaostává za adopcí – stalo se to u placených sociálních médií, stalo se u influencer marketingu, děje se to znovu zde. Nástroje pro použití umělé inteligence se rychle zlepšily. Zvyky pro její hodnocení ještě nedožily. Brzy dožijí.

Generativní umělá inteligence umožňuje značkám produkovat více obsahu za nižší náklady, ale větší dosah nebo publikační objem může vytvořit falešný pocit úspěchu. Jaké metriky by měly týmy upřednostňovat, aby určily, zda je obsah asistovaný umělou inteligencí posiluje důvěru, zdraví značky a zákaznické vztahy?

Dosah je metrika, ve které je umělá inteligence nejlepší v nafukování a nejhorší ve vysvětlování. Pokud sledujete pouze toto číslo, budete se cítit skvěle po několik měsíců, až do chvíle, kdy nebudete. Co bych vlastně monitoroval, jsou lidé, kteří ukládají nebo sdílejí obsah, ne pouze procházejí kolem něj – to je rozdíl mezi “viděl jsem to” a “to stálo za to uchovat.” Jsou komentáře skutečnou konverzací, nebo pouze dalším hlukem pod dalším příspěvkem? A tato poslední věc se často přeskočí – zda značka stále zní jako jedna osoba po třech stech příspěvcích asistovaných umělou inteligencí, nebo zda její hlas začal odcházet příspěvek po příspěvku, aniž by si to někdo všiml?

Ta poslední věc je mazaná. Důvěra se nezhroutí najednou – rozkládá se tiše, a do doby, kdy se to projeví v dosahu nebo prodejích, jste o ni už měsíce přišli.

Metricool zjistil, že 66 % respondentů zapojuje umělou inteligenci do alespoň poloviny svého obsahu, zatímco šest z deseti věří, že obsah vytvořený umělou inteligencí odpovídá nebo překonává lidskou práci. Jak by měly značky navrhnout experimenty, které spravedlivě srovnávají obsah asistovaný umělou inteligencí a lidskou práci, aniž by zaměňovaly korelaci, platformové algoritmy a kvalitu obsahu?

Udržte vše pevné, kromě jedné věci, kterou testujete – stejný brief, stejná platforma, stejný den a čas, stejná osoba, která provádí konečnou editaci – a pouze vyměňte, kdo napsal první návrh. To je vše. Většina “srovnání umělé inteligence a lidské práce” plovoucích kolem nedělá to. Srovnávají příspěvek umělé inteligence z úterý proti lidskému příspěvku ze tří měsíců nazpět na úplně jiném tématu, a poté vyvodí závěr.

Proveďte to v párech, proveďte to po týdny, ne pro jeden příspěvek – výkon jednoho příspěvku je většinou štěstí a náladě algoritmu daného dne, a potřebujete dostatečnou kapacitu, abyste viděli za tím. A buďte upřímní o tom, co “odpovídá lidské práci” skutečně znamená. Pokud obsah umělé inteligence získává podobné dojmy, ale horší kvalitu komentářů nebo nižší úspory, není to remíza, je to varovný signál. Velká část té “šest z deseti” jistoty, předpokládám, jsou lidé, kteří se dívají na povrchové číslo a zastavují se tam.

Kde目前 přidává automatizace největší hodnotu pro týmy sociálních médií, a které odpovědnosti, jako je stanovení hlasu značky, správa komunit nebo reakce na krizi, by měly zůstat pevně pod lidskou kontrolou?

Nudné, objemné věci – plánování, první návrhy, přepočítání videa pro šest platforem, stažení měsíční zprávy – to je místo, kde je automatizace prakticky zdarma pro tým. Nikdo by to neměl dělat ručně v roce 2026.

Hranice pro mě je úsudek. Hlas, komunita a zejména cokoli, co je krizí – to všechno potřebuje člověka. Ne proto, že umělá inteligence nemůže navrhnout něco rozumného, často to může, ale protože cena jednoho špatného tónu v citlivém okamžiku je veřejná a okamžitá, a reputace značky není něco, co můžete testovat. Budu se vracet k něčemu, co jsem řekl dříve: být půl-přítomný nebo špatně přítomný na sociálních médiích je jako mít rozbité okno obchodu. Umělá inteligence navrhuje krizovou odpověď pro lidské přezkoumání za třicet sekund, skvělé. Umělá inteligence sama publikuje odpověď, nikdy.

Metricool Studio umožňuje uživatelům generovat zprávy, srovnávat výkon, analyzovat konkurenty a identifikovat publikační vzorce pomocí přirozených jazykových podnětů. Jak se bude tato změna promítnout do denní role manažerů sociálních médií a marketingových analytiků?

To tlačí práci nahoru. Velký kus týdne manažera sociálních médií stále jde do tažení čísel do slide a psaní věty, která vysvětluje, co se stalo. Pokud můžete prostě zeptat “proč se angažovanost snížila minulý týden” a získat skutečnou odpověď zpět za sekundy, ten celý kus týdne prakticky zmizí.

Co zbývá, je skutečná hodnota: rozhodnout, co s odpovědí udělat. Který formát zdvojnásobit, jak to vysvětlit klientovi, který se o mechaniku nestará, a kdy data říkají něco, s čím vaše instinkt nesouhlasí. Nemyslím si, že role se zmenšuje, rozdělí se na dvě skupiny velmi rychle: ti, kteří dělali skutečnou analýzu, a ti, kteří dělali hlavně zadávání dat s extra kroky. Pouze první skupina roste odtud.

Metricool přijal Model Context Protocol, který umožňuje asistentům umělé inteligence, automatizačním platformám a vlastním agentům interagovat se sociálními médii a pracovními postupy. Jaké příležitosti to vytváří a jak mohou společnosti zabránit autonomním systémům v publikování nevhodného obsahu, nesprávném čtení analytiky nebo přijímání akcí, které poškozují značku?

Byli jsme jednou z prvních sociálních médií, které postavily na Claude’s MCP, a důvod je jednoduchý. To znamená, že data Metricoolu již nežijí pouze uvnitř našeho rozhraní. Vlastní agent značky, automatizační platforma, cokoli, co tým již používá, mohou nyní stáhnout data o výkonu nebo spustit pracovní postup přímo, bez toho, aby jsme museli postavit každou jednotlivou integraci sami. To otevírá pracovní postupy, o kterých jsme dosud neuvažovali, postavené lidmi, kteří jsou nejbližší k datům.

Riziko musí být navrženo od samého začátku, ne poté. Prakticky by publikování mělo defaultovat na lidské schvalovací kroky, ne tiché autonomní publikování, zejména cokoli klienta orientovaného. Oprávnění musí být úzce zaměřena, jako agent postavený pro stažení zprávy, který by neměl být schopen spustit příspěvek, perioda. A každá akce, kterou agent provede, musí mít stopu, kterou může člověk zkontrolovat později. Protokol vám dává spojení. Zábrany jsou stále rozhodnutí, které musí každá společnost učinit úmyslně.

Metricoolova výzkumu naznačuje, že tradiční veřejné interakce mohou klesat, i když celková angažovanost roste, poháněná méně viditelnými akcemi, jako jsou kliknutí, přejetí, zobrazení a klepnutí na odkaz. Jak by měly značky přizpůsobit, když některé z nejvýznamnějších signálů pozornosti jsou stále více neviditelné pro veřejnost?

Líbí se a komentáře nebyly nikdy dobrým zástupcem pozornosti, a stávají se horšími. Většina skutečného zájmu dnes probíhá někde, kde to nikdo jiný nevidí. Někdo prochází každým slide karuselu, sleduje video do konce, snímá něco, aby to poslal kamarádovi soukromě. Žádné z toho se neobjeví veřejně. Všechno to je skutečná pozornost, pravděpodobně více cenná než reflexivní dvojitý tap.

Takže značky potřebují být pohodlné s tím, že považují míru dokončení, přejetí a kliknutí za hlavní čísla, ne za poznámky pod čarou pod líbami. Praktická změna spočívá v tom, že klade jinou otázku: ne “kolik angažovanosti jsme dostali”, ale “kolik pozornosti jsme skutečně získali”, vědouce, že většina té druhé čísla se nikdy neobjeví veřejně.

Předpokládáte, že umělá inteligence zůstane sbírkou asistentů, používaných profesionály v sociálních médiích, nebo se bude vyvíjet v provozní vrstvu, která nepřetržitě plánuje kampaně, přiděluje zdroje, interpretuje výkon a doporučuje rozhodnutí napříč všemi platformami?

Provozní vrstva, a dříve, než většina lidí očekává. Model “zeptat se umělé inteligence na jednu věc najednou” je fáze, ne destinace. Co vlastně stavíme, je umělá inteligence sedící pod celým pracovním postupem, jako sledování výkonu napříč všemi platformami nepřetržitě, chytání toho, co funguje, dříve než by to člověk zaznamenal, a doporučování dalšího kroku.

Doporučující, ne rozhodující. Nemyslím si, že konečným stavem je umělá inteligence, která řídí kampaně, aniž by někdo sledoval. Věřím, že je to umělá inteligence, která dělá neúnavné monitorování, které žádný tým nemá hodiny, a předává osobě krátký, užitečný seznam, místo zdi řídicích panelů. Profesionálové, kteří se daří v tom světě, nebudou ti, kteří bojují proti vrstvě, ale ti, kteří se stanou dobrými v ukazování jí.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Metricool.