Sandeep Menon, CEO & Co-Founder at Auxia – Interview Series

Sandeep Menon, CEO & Co-Founder at Auxia, přináší do této role více než dvě desetiletí globálního vedení v oblasti technologií a marketingu. Předtím, než v roce 2022 založil Auxia, strávil více než devět let v Googlu, kde působil jako viceprezident pro marketing platebních služeb a vedl iniciativy, jako je program Next Billion Users, zaměřený na digitální inkluzi v rozvíjejících se trzích. Působil také ve vedoucích marketingových rolích v oblasti Android, Chrome, ChromeOS a Google Play.

Auxia je platforma pro marketing poháněná umělou inteligencí, která umožňuje podnikovým týmům orchestrovat personalizované zákaznické cesty 1:1 ve velkém měřítku. Místo toho, aby se spoléhali na rigidní, pravidla-založené kampaně, Auxia umožňuje agentům AI testovat hypotézy napříč všemi kontaktními body – e-mailem, webem, aplikacemi, nabídkami – a dynamicky se přizpůsobovat aktuálním preferencím a chování. Integruje se bezproblémově s primárními zdroji dat, automatizuje potrubí ML a neustále optimalizuje zasílání, načasování a sekvenci, aby maximalizoval zapojení a hodnotu zákazníků.

Vy založili Auxia po úspěšné kariéře v Googlu, kde jste vedl globální marketing produktů používaných miliardami lidí. Jakou konkrétní mezeru nebo bolestivý bod jste vy a vaši spoluzakladatelé viděli na trhu, která vedla ke vzniku Auxia?

V Googlu jsem viděl na vlastní oči, jak mocný může být真正ný personalizace, když máte správnou infrastrukturu a schopnosti AI. Ale když jsem se podíval na širší trh, viděl jsem, jak společnosti bojují s fragmentovanými marketingovými stacky, často spravujícími 12 až 14 různých bodových řešení, která spolu nekomunikují. Shromažďovali obrovské množství zákaznických dat, ale nemohli je přeložit do smysluplné, reálné personalizace.

Základní mezera spočívala v tom, že stávající platformy byly postaveny pro éru před AI. Spoléhaly se na statická pravidla a základní segmentaci, zatímco podniky skutečně potřebovaly inteligentní, adaptivní systémy schopné dělat rozhodnutí o každé zákaznické interakci v reálném čase. Viděli jsme příležitost přinést stejnou úroveň AI-poháněné personalizace, která pohání společnosti jako Google a Meta, podnikům všech velikostí, bez nutnosti budovat velké vnitřní týmy datové vědy.

Tým zakladatelů Auxia zahrnuje bývalé lídry z Google, Meta a Lyft. Jak vaše kolektivní zkušenosti v těchto technologických gigantech formovaly architekturu a etos Auxia?

Všichni jsme zažili výzvy personalizace ve velkém měřítku. Konkrétně v týmu Google Pay jsme byli v privilegovaném postavení, protože jsme měli brzy přístup k transformačním technologiím v jejich rané fázi, s transformačními modely jako primárním příkladem. Moji spoluzakladatelé, kteří přišli z Meta a Lyft, postavili systémy, které byly průkopnické v tom, jak vzít obrovské množství zákaznických dat a učinit je dramaticky více užitečnými, jako je například napájení reálných doporučení a rozhodnutí pro miliony uživatelů každý sekundu.

Všichni jsme viděli na vlastní oči, jak AI může hluboce zlepšit zákaznické zkušenosti, zatímco řeší některé z nejtěžších výzev, kterým čelí naše marketingové týmy. Současně se širší trh měnil způsobem, který učinil tuto práci možnou mimo Google. S růstem moderní datové struktury a platforem, jako jsou Snowflake, BigQuery a Databricks, podniky strávily minulých 5-10 let konsolidací svých dat do jednoho centralizovaného místa, připraveného k aktivaci.

Rozpoznali jsme jedinečnou příležitost vzít poznatky, které jsme vyvinuli uvnitř Google, a demokratizovat je pro podniky všude. Tyto společnosti se právě probouzejí k uvědomění, že sedí na hoře cenných dat a že s pravou technologií lze tato data odemknout, aby poháněla růst a lepší zákaznické zapojení.

Většina personalizačních nástrojů spoléhá na pravidla-založené systémy a jednoduché segmenty. Auxia místo toho používá synchronizované agenty AI. Můžete nás provést, jak tyto agenty spolupracují a vyvíjejí se v čase, aby personalizovali každou zákaznickou cestu?

Většina nástrojů na trhu dnes stále spoléhá na rigidní pravidla a statické segmenty, jsou reaktivní, ne inteligentní. V Auxia jsme postavili systém synchronizovaných agentů AI, kteří spolupracují, aby personalizovali každý kontaktní bod v zákaznické cestě v reálném čase.

Každý agent hraje specializovanou roli. Rozhodovací agenty určují nejlepší akci pro uživatele na základě všech jeho předchozích dat a preferencí; například, zda upsell zákazníka na novou kreditní kartu nebo vést ho k otevření nového spořicího účtu. Analytické agenty fungují jako vestavěný tým datové vědy, analyzují, co fungovalo dobře v současných kampaních, aby zdůraznily dopad, ale také příležitosti pro zlepšení v chat-based rozhraní. Nakonec agenty Auxia využívají všechny údaje a poznatky o tom, co fungovalo nejlépe, aby proaktivně vyvodily nové zprávy nebo kreativní variace pro marketingové týmy ke schválení.

To, co činí tyto agenty mocnými, je to, že nefungují v izolaci. Spolupracují nepřetržitě, učí se z každé interakce a přizpůsobují se na základě toho, co funguje. Marketéři nastavují vysoké cíle, a agenty zvládají složitost. Jsou to samo-optimalizující systémy, které se vyvíjejí denně, aby poháněly lepší výsledky ve velkém měřítku.

Auxia zpracovává 2,6 miliardy událostí denně a zpracovává 6 500 dotazů za sekundu. Jaké inovace infrastruktury umožnily tento druh reálné škálovatelnosti tak brzy v životním cyklu společnosti?

Od prvního dne jsme věděli, že škálovatelnost musí být nezbytnou podmínkou. Hyperpersonalizace funguje pouze tehdy, pokud můžete dělat rozhodnutí v milisekundách, pomocí čerstvých, kontextových signálů. Naučili jsme se mnoho těchto lekcí z našeho času v Googlu a trvalo to více než rok, než jsme postavili infrastrukturu, která podporuje tuto úroveň reálné orchestrace.

Naše architektura je cloud-native, event-driven a optimalizovaná pro vysoký tok streamování, takže stojíme na ramenou technologických vln před námi, jako je například posun k moderní datové struktuře. Způsob, jakým se marketingová technologie vyvinula směrem k otevřeným ekosystémům, nám umožnil pohybovat se mnohem rychleji, a to tím, že jsme se mohli integrovat přímo s moderními cloudovými datovými sklady, CRM a dalšími marketingovými platformami. To nám umožnilo postavit pro škálovatelnost od prvního dne a také nám pomohlo spoléhat se na infrastrukturu, která může zpracovat obrovské objemy primárních zákaznických signálů bez zavedení latence.

To, co nás odlišuje, je to, že jsme AI-nativní od samého začátku. Auxia byla navržena tak, aby podporovala large-scale experimentování, běh tisíců současných hypotéz a neustálou optimalizaci výsledků bez lidského zásahu, ale také využíváme nejnovější technologii v oboru pro vytváření funkcí, nasazení modelů a inference LLM.

Jak se liší experimentační rámec modelu Auxia od tradičního A/B testování, a jaké byly nejvíce překvapivé poznatky objevené pomocí vašeho ML-poháněného přístupu?

Tradiční A/B testování je neuvěřitelně omezené, můžete testovat pouze několik variant najednou, a často to trvá týdny nebo měsíce, než dosáhnete statisticky významných výsledků. V Auxia jsme reimaginovali experimentování jako kontinuální, inteligentní proces. Náš model-driven rámec umožňuje marketérům spouštět mnoho různých samo-optimalizujících se modelů a testovat stovky variant paralelně. Používáním technik, jako je učení posilováním, rozhodovací systém Auxia činí rozhodnutí v reálném čase na základě živých dat.

Vezměme si příklad kampaně nabídek a odměn přes e-mail. Předtím mohli marketéři testovat 2-3 různé nabídkové varianty, jako je 5% sleva, 10% sleva a 20% sleva, rozdělili by publikum do vzájemně se vylučujících skupin, spustili a porovnali výsledky napříč různými metrikami, aby viděli, která varianta fungovala nejlépe, v průměru, pro celou skupinu. Tato vítězná varianta by pak byla nasazena na všechny po skončení experimentálního období. Existují beberapa výzvy s tímto přístupem. První, většina experimentů selže, takže týmům často trvá týdny nebo měsíce, než identifikují, co funguje dobře. Kromě toho jsou super-manuální a časově náročné na nastavení, což omezuje rychlost vašeho týmu a jak rychle můžete dodat dopad.

S Auxia marketéři nejprve nastavují vysoké cíle, jako je například řízení nákupů. Odtud tým nastaví stovky různých variant v systému, které tým může dynamicky generovat s naším Content Agentem, ingestovat z vašeho CMS nebo manuálně definovat. Každá z těchto variant by se lišila v nabídce konstrukcí (například 5% sleva vs. BOGO), částky, obsahu a potenciálně i kanálu (například e-mail vs. SMS). Pro každého jednotlivého uživatele Auxia Decision Agent bude řadit, skórovat a předpovídat, z dostupných stovek variant, co je optimální varianta pro každého člověka, aby poháněl váš základní cíl.

Platforma Auxia je navržena tak, aby odstranila závislost na velkých vnitřních týmech datové vědy. Viděli jste tradiční marketingové týmy úspěšně převzít více technické role s vašimi nástroji?

Jedním z hlavních důvodů, proč jsme začali Auxia, bylo umožnit marketingovým týmům personalizovat jak marketingové, tak produktové zkušenosti bez závislosti na inženýrech nebo datech vědcích. Během několika týdnů po začátku používání Auxia jsou marketéři schopni spustit nové kampaně, stáhnout data a interpretovat výsledky zcela sami. Jak se svět pohybuje směrem k více agentic budoucnosti, věříme, že marketéři nebudou muset být více techničtí nebo budovat nové technické dovednosti. Místo toho budou odpovědnosti tradičně zpracovávané inženýry nebo analytiky demokratizovány prostřednictvím inteligentních agentů, které doplňují pracovní postup marketéra a celkovou zkušenost. S naším Analytickým Agentem jsme již úspěšně abstrahovali většinu této složitosti tradiční práce datového vědce/analytika a těšíme se na to, že budeme dále rozšiřovat tyto schopnosti.

Jako někdo, kdo vedl marketing pro iniciativu Next Billion Users v Googlu, jaké paralely vidíte mezi inkluzivními technologiemi a agentic AI v marketingu dnes?

Když jsem vedl marketing pro iniciativu Next Billion Users v Googlu, uznali jsme, že lidé v rozvíjejících se trzích interagují s produkty fundamentálně odlišným způsobem než uživatelé v rozvinutých trzích. Protože to představovalo tak obrovskou růstovou příležitost, stalo se zásadní postavit speciálně pro tyto uživatele – zjednodušit rozhraní, abstrahovat složitost a zajistit, aby zkušenost byla přístupná a empowerující.

Vidím velmi podobný trend se vyvíjející agentic AI v marketingu. Stejně jako mnoho z těchto nových internetových uživatelů přeskočilo přímo do mobilních zkušeností bez potřeby předchozí digitální gramotnosti, marketéři dnes nemusí jít zpět a naučit se SQL nebo datové vědy, aby odemkli personalizaci. Agenty mostí tyto dovednostní mezery a činí sofistikované schopnosti okamžitě použitelnými. Současně, jak lidé interagují s AI – pohybující se za hranice chat-based rozhraní k více intuitivním, kontextově-aware agentům – nutí vývojáře重新myslet UI budoucnosti. Záměr, stejně jako u NBUs, je na přístupnosti, jednoduchosti a empoweringu: abstrahovat technickou složitost, aby konečná zkušenost vypadala přirozeně a měla dopad.

Co je největší mýtus, který společnosti mají o AI personalizaci dnes, a jak jim pomáháte překonat ho?

Největší mýtus, který společnosti mají o AI personalizaci, je to, že její přijetí znamená vzdát se úplné kontroly nebo snižovat strategický dopad marketingových týmů. AI vyniká v zpracování složitosti, jako je analýza obrovských datových sad, identifikace vzorců, které lidé nemohou vidět, a vyhledávání signálů, které záleží v reálném čase. Co ale AI nemůže udělat, je poskytnout kontext, empatii a strategické úsudky, které jsou vyžadovány pro návrh smysluplných zákaznických zkušeností. To je místo, kde vynikají lidé: nastavují vizi, definují ochranné známky značky a chápou, kdy může personalizační volba vypadat jako nátlaková nebo nevhodná.

Pokud mluvíme upřímně, pomocí dnešní technologie mohou lidé být efektivní bez AI, ale AI nemůže být efektivní bez lidí. Skutečný průlom nastává, když doplníte své týmy o AI, aby zvládly škálu a složitost datově řízeného rozhodování, zatímco umožníte týmům soustředit se na strategii, kreativitu a empatii. To je okamžik, kdy se personalizace změní z buzzwordu na něco, co skutečně vytváří hodnotu pro zákazníky i podnik.

S podporou více než 50 průmyslovými lídry a zvýšením 23,5 milionu dolarů, jaké jsou klíčové oblasti, na které se budete soustředit pro další 12-18 měsíců produktového a týmového růstu?

Prioritizujeme tři oblasti růstu pro další 12-18 měsíců. První, jsme se zavázali dodávat výjimečnou hodnotu našim zákazníkům pokračováním v elevaci jejich zkušeností. To vždy bylo naší hlavní prioritou a chceme zajistit, abychom dodávali výjimečnou ROI pro všechny společnosti, které do nás a našeho týmu vložily důvěru. Druhý, rozšiřujeme naše schopnosti agentů AI, aby podporovaly zlepšování celého workflow marketéra, pomáhaly týmům vytvářet obsah, orchestrovat personalizované zkušenosti a vyhledávat akční poznatky o tom, co pohání dopad. Nakonec jsme škálování našeho go-to-market engine. S silným produktem-tržním fit v podniku je dalším krokem rozšířit náš dosah růstem našich prodejních a zákaznických úspěchů. To nám umožní přivést AI-poháněnou personalizaci více podnikům, zatímco zajišťujeme, že nové zákazníky budou mít prospěch ze stejné high-touch podpory a diferencované zkušenosti, které poháněly náš raný úspěch.

Co vás nejvíce vzrušuje na další frontě agentic AI, nejen v marketingu, ale i v dalších podnikových aplikacích?

Co mě opravdu vzrušuje, je vidět tempo přijetí, vidět, že toto přijetí má skutečný dopad, a vidět, že trh uznává, že skutečná hodnota agentic AI je v augmentaci, ne nutně nahrazování. Mnoho diskusí dnes se soustředí na AI jako na náhradu lidských rolí, jako jsou všechny billboardy, které můžete vidět na 101 směrem do San Francisca o společnostech, které nahrazují SDR (nebo dokonce celé funkce). Ten narativ bude chytit titulky, ale pro mě to postrádá větší příležitost: umožnit lidem dělat svou nejlepší práci.

Lidé přinášejí kontext, empatii, kreativitu a úsudek, které AI jednoduše nemůže replikovat. Kde agentic AI vyniká, je v zvládání složitosti a škály, které týmy zpomalují. Mluvili jsme o aplikovatelnosti na marketingové pracovní postupy, jako je vyhledávání poznatků z obrovských datových sad, automatizace opakujících se úkolů a orchestrace procesů napříč systémy v reálném čase.

Když jsou tyto schopnosti spojeny s lidskými silami, výsledkem je změna paradigmatu v tom, co organizace mohou dosáhnout.

V marketingu to znamená osvobodit týmy od nekonečného výkonu, aby se mohli soustředit na strategii, vyprávění příběhů a zákaznickou empatii. Ale stejný vzorec platí napříč všemi funkcemi v podniku: v prodeji, agenti mohou kvalifikovat a připravovat příležitosti, aby lidé mohli trávit více času budováním vztahů; v zákaznickém úspěchu, agenti mohou označit riziko a signály příležitostí, aby lidé mohli prohloubit partnerství; v inženýrství, agenti mohou urychlit vývoj automatizací testování, ladění a generování kódu, aby týmy mohly soustředit se na řešení komplexních architektonických problémů a pohánět inovace.

Všechny tyto příležitosti vytvoří biliony dolarů hodnoty a miluji vidět společnosti, které tlačí hranice, aby formovaly, jak se bude práce lidí vyvíjet v čase.

Představte si finanční týmy s agenty AI, které optimalizují rozpočty v reálném čase, HR týmy, které používají agenty k personalizaci zaměstnaneckého zapojení, nebo zákaznické podpory, které se pohybují z reaktivních na proaktivní.

Teprve začínáme. Budoucnost není o tom, že AI nahradí lidi, ale o tom, že lidé a agenty AI budou pracovat společně, aby činili rozhodnutí, která jsou rychlejší, chytřejší a více empatická. To je budoucnost, kterou stavíme v Auxia.

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