Sandeep Menon, CEO & spoluzakladatel Auxia – rozhovor

Sandeep Menon, CEO & spoluzakladatel Auxia, přináší do své role více než dvě desetiletí globálního vedení v technologii a marketingu. Předtím, než v roce 2022 založil Auxiu, 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 napříč Androidem, Chromem, ChromeOS a Google Play. (GOOGL )

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

Vy jste založili Auxiu po úspěšné kariéře v Googlu, kde jste vedl globální marketing pro produkty používané miliardami lidí. Jakou konkrétní mezeru nebo bolestivý bod jste vy a vaši spoluzakladatelé viděli na trhu, což vedlo ke vzniku Auxia?

V Googlu jsem viděl na vlastní oči, jak moc může být skutečná personalizace účinná, 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. Sbírali obrovské množství zákaznických dat, ale nemohli je přeložit do smysluplné, reálné personalizace.

Základní mezerou bylo, že stávající platformy byly postaveny pro éru před AI. Spoléhaly se na statická pravidla a základní segmentaci, zatímco podniky opravdu potřebovaly inteligentní, adaptivní systémy schopné dělat rozhodnutí v reálném čase o každé zákaznické interakci. Viděli jsme příležitost přinést stejnou úroveň personalizace poháněné AI, která pohání společnosti jako Google a Meta, podnikům všech velikostí, bez nutnosti budovat velké interní týmy pro 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 v měřítku. V týmu Google Pay jsme byli ve výhodné pozici, 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, vybudovali systémy, které průkopnicky našly způsoby, jak učinit obrovské množství zákaznických dat dramaticky více užitečných, jako je napájení reálných doporučení a rozhodnutí pro miliony uživatelů každou 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.

Viděli jsme jedinečnou příležitost vzít znalosti, 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 s pravou technologií by je mohli odemknout, aby poháněly růst a lepší zákaznické zapojení.

Většina personalizačních nástrojů se 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 personalizovaly každou zákaznickou cestu?

Většina nástrojů na trhu dnes stále spoléhá na rigidní pravidla a statické segmenty, jsou reaktivní, ne inteligentní. V Auxia jsme vybudovali systém synchronizovaných agentů AI, kteří pracují společně, 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 zákazníkovi na novou kreditní kartu nebo ho vést k otevření nového spořicího účtu. Analytické agenty fungují jako vestavěný tým pro datové vědy, analyzující, co fungovalo dobře v současných kampaních, aby zdůraznily dopad, ale také příležitosti pro zlepšení v chat-based rozhraní. Nakonec agenty Auxia pro obsah využívají všechna data a přehledy o tom, co fungovalo nejlépe, aby proaktivně vyvodily nové zprávy nebo kreativní variace pro marketingové týmy ke schválení.

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. Marketeři nastavují vysoké cíle, a agenty zvládnou složitost. Jsou to samo-optimalizované systémy, které se vyvíjejí denně, aby dosáhly lepších výsledků v měřítku.

Auxia zpracovává 2,6 miliardy událostí denně a zpracovává 6 500 dotazů za sekundu. Jaké infrastrukturální inovace umožnily tuto reálnou škálovatelnost tak brzy v životním cyklu společnosti?

Od samého začátku jsme věděli, že škálovatelnost musí být nezbytná. 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 vybudovali 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 posun k moderní datové struktuře. Způsob, jakým se marketingová technologie vyvinula směrem k otevřeným ekosystémům, nám umožnil pohybovat se mnohem rychleji, umožňující nám integrovat se přímo s moderními cloudovými datovými sklady, CRM a dalšími marketingovými platformami. To nám umožnilo budovat pro škálovatelnost od samého začátku a také nám pomohlo spoléhat se na infrastrukturu, která může zpracovat obrovské objemy primárních zákaznických signálů bez zavedení latence.

Co nás také odlišuje, je to, že jsme AI-nativní od samého začátku. Auxia byla navržena tak, aby podporovala rozsáhlé experimenty, spouštějící tisíce současných hypotéz a nepřetržitě optimalizující výsledky bez lidského zásahu, ale také využíváme nejnovější technologii v oboru pro vytváření funkcí, nasazení modelů a inferenci LLM.

Jak se rámec experimentů Auxia liší od tradičního A/B testování, a jaké byly nejvíce překvapivé přehledy objevené pomocí vašeho modelu poháněného AI?

Tradiční A/B testování je neuvěřitelně omezené, můžete testovat pouze několik variant najednou, a často trvá týdny nebo měsíce, než dosáhnete statisticky významných výsledků. V Auxia jsme přepracovali experimenty jako nepřetržitý, inteligentní proces. Náš model-poháněný rámec umožňuje marketérům spouštět mnoho různých samo-optimalizovaných modelů a testovat stovky variant paralelně. Používáním technik, jako je učení s posilováním, systém Auxia pro rozhodování dělá rozhodnutí v reálném čase na základě živých dat.

Podívejme se na příklad kampaně nabídek a odměn přes e-mail. Dříve by marketéři mohli 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. Existuje několik výzev s tímto přístupem. První, většina experimentů selže, takže týmům často trvá týdny nebo měsíce, než identifikují, co funguje dobře. Kromě toho jsou super ruční a časově náročné na nastavení, což omezuje rychlost týmu a jak rychle mohou dodávat dopad.

S Auxia marketéři nejprve nastavují vysoké cíle, a poté jejich tým nastavuje stovky různých variant v systému, které tým může dynamicky generovat s naším agentem pro obsah, ingestovat z vašeho CMS nebo ručně definovat. Každá z těchto variant by se lišila v konstrukci nabídky (například 5% sleva vs. BOGO), množství, obsahu a potenciálně i kanálu (například e-mail vs. SMS). Pro každého jednotlivého uživatele bude Auxiaův rozhodovací agent řadit, skórovat a předpovídat, z dostupných stovek variant, co je optimální varianta pro každého člověka, aby dosáhl našeho hlavního cíle.

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

Jedním z hlavních důvodů, proč jsme založili Auxiu, bylo umožnit marketingovým týmům personalizovat své marketingové a produktové zkušenosti bez závislosti na inženýrech nebo datech vědcích. Během několika týdnů po nasazení jsou marketéři, kteří používají Auxiu, schopni spustit nové kampaně, stáhnout data a interpretovat výsledky zcela sami. Jak se svět pohybuje směrem k více agentické 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 jsme nadšeni, že budeme pokračovat v posouvání těchto schopností vpřed.

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 interagovali s produkty фундаментально jiným způsobem než uživatelé v rozvinutých trzích. Protože to představovalo tak velkou růstovou příležitost, stalo se zásadní postavit produkty speciálně pro tyto uživatele – zjednodušit rozhraní, abstrahovat složitost a zajistit, aby zkušenost byla přístupná a umožňující.

Vidím velmi podobný trend se rozvíjejícím se agentic AI v marketingu. Stejně jako mnoho z těchto nových uživatelů internetu přeskočilo přímo do mobilních zkušeností bez potřeby předchozí digitální gramotnosti, marketéři dnes nemusí jít zpět a naučit se SQL nebo datové vědy, aby odemknuli personalizaci. Agenty mostí tyto dovednostní mezery a dělají 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 předefinovat UI budoucnosti. Záměr, stejně jako u NBUs, je na přístupnosti, jednoduchosti a umožnění: abstrahovat technickou složitost, aby koncová zkušenost vypadala přirozeně a měla dopad.

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

Největší mýtus, který společnosti mají o personalizaci AI, je, že její přijetí znamená ztrátu úplné kontroly nebo snižování strategického dopadu marketingových týmů. AI vyniká v zpracování složitosti, jako je analýza obrovských datových sad, hledání vzorců, které lidé nemohou vidět, a vyvozování signálů, které záleží v reálném čase. Co ale nemůže udělat, je poskytnout kontext, empatii a strategické soudružnost vyžadované pro návrh smysluplných zákaznických zkušeností. To je místo, kde vynikají lidé: nastavují vizi, definují značkové zábrany a chápou, kdy by personalizační volba mohla cítit jako nátlaková nebo mimo značku.

Pokud mluvíme upřímně, pomocí dnešní technologie mohou lidé být efektivní bez AI, ale AI nemůže být efektivní bez lidí. Skutečný průlom nastává, když budete své týmy doplňovat 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 podniky.

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

Prioritizujeme tři oblasti růstu pro příštích 12-18 měsíců. První, jsme zavázáni dodávat výjimečnou hodnotu našim zákazníkům, pokračujícím v elevaci jejich zkušeností. To vždy bylo naší top prioritou a chceme zajistit, že dodáváme výjimečnou ROI pro všechny společnosti, které v nás a našem týmu důvěřují. Druhé, rozšiřujeme naše schopnosti agentů AI, aby podporovaly celý marketingový pracovní postup, pomáhaly týmům vytvářet obsah, orchestrovat personalizované zkušenosti a vyvozovat akční přehledy o tom, co pohání dopad. Nakonec, škálování našeho go-to-market engine. S pevným produktem-trhem fit v podniku, další krok je expandovat náš dosah, růstem našich prodejních a zákaznických úspěchů. To nám umožní přivést personalizaci poháněnou AI do více podniků, zatímco zajišťujeme, že noví zákazníci budou mít prospěch z téhož high-touch podpory a diferencovaného prožitku, který poháněl náš raný úspěch.

Co vás nejvíce vzrušuje o 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 náhradě. Mnoho diskusí se dnes soustředí na AI jako náhradu za lidské role, jako jsou billboardy, které vidíte na 101 směrem do San Francisca o společnostech, které nahrazují SDR (nebo dokonce celé funkce). Tento narativ bude chytit titulků, ale pro mě postrádá větší příležitost: umožnit lidem dělat svou nejlepší práci.

Lidé přinášejí kontext, empatii, kreativitu a soudržnost, které AI prostě 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 vyvozování přehledů z obrovských datových sad, automatizace opakujících se úkolů a orchestrace procesů napříč systémy v reálném čase. Když jsou tyto schopnosti spojeny s lidskými silnými stránkami, výsledkem je změna paradigmatu v tom, co organizace mohou dosáhnout.

V marketingu to znamená osvobození týmů od nekonečného výkonu, aby se mohli soustředit na strategii, vyprávění a zákaznickou empatii. Ale stejný vzorec platí napříč všemi funkcemi v podniku: v prodeji, agenty mohou kvalifikovat a připravit příležitosti, aby lidé mohli trávit více času budováním vztahů; v zákaznickém úspěchu, agenty mohou signalizovat rizika a příležitostné signály, aby lidé mohli prohlubovat partnerství; v inženýrství, agenty mohou urychlit vývoj, automatizací testování, ladění a generování kódu, aby týmy mohly soustředit se na řešení složitých architektonických problémů a pohánění inovací.

Všechny tyto příležitosti budou vytvářet biliony dolarů hodnoty a rád vidím společnosti, které tlačí hranice, aby formovaly, jak se bude práce lidí vyvíjet v čase.

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

Jsme teprve na začátku. Budoucnost není o nahrazování lidí AI, ale o lidech a agentech AI, kteří spolupracují, aby dělali rozhodnutí, která jsou rychlejší, chytřejší a více empatická. To je budoucnost, kterou stavíme v Auxia.

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