Viki Zabala, Chief Growth & Strategy Officer at First Insight – Interview Series

Viki Zabala, Chief Growth & Strategy Officer at First Insight, má více než 22 let zkušeností s vedením high-growth SaaS, AI a technologických společností, které působí na rozhraní strategie, produktu a inovace. Ve své roli řídí jednotný růstový stroj First Insightu napříč strategií, go-to-market, marketingem, produktem, AI, zákaznickým úspěchem a partnery, přičemž formuje vizi za rozhodovací platformou Retail Decision Intelligence společnosti. Zabala je známá tím, že převádí nejistotu na jasnost, a dosáhla hyper-růstu, expanze na nové trhy a transformace vedené AI spojením zákaznických informací, rozhodovací inteligence a škálovatelných operačních modelů za účelem dosažení měřitelných obchodních výsledků pro globální podniky.

First Insight je AI-poháněná rozhodovací platforma vytvořená pro maloobchodníky a značky, které hledají způsob, jak předpovídat poptávku, optimalizovat ceny a sortimenty a snižovat rizika napříč životním cyklem produktu. Kombinací okamžité zpětné vazby zákazníků s prediktivní, generativní a agentic AI pomáhá platforma organizacím učinit rychlejší a sebevědomější rozhodnutí napříč designem, merchandisingem, plánováním a realizací v sezóně. Používaná předními globálními maloobchodníky a spotřebitelskými značkami, First Insight se zaměřuje na převádění zákaznických informací na akční inteligenci, která zlepšuje marže, urychluje dobu uvedení na trh a posiluje dlouhodobý růst.

Vaše kariéra se vždy pohybovala na rozhraní dat, go-to-market strategie a realizace. Které momenty na počátku vaší kariéry nejvíce ovlivnily, jak přemýšlíte o převádění informací na skutečné operační rozhodnutí dnes?

Vždy jsem se soustředila na jednu základní výzvu: jak ovlivnit a změnit chování ve velkém měřítku.

Na počátku své kariéry se to projevilo v mobilních aplikacích a ad tech, kde jsou zpětné vazby okamžité. Rychle se naučíte, že data mají význam pouze tehdy, pokud mění to, co někdo dělá dál – instalace, zapojení, konverze. Později, v IoT a zkušebních platformách, se stejná pravda projevila v fyzických prostředích: jak kontext, čas a zkušenost formují lidské chování v reálném čase.

Přes všechny tyto průmysly zůstala jedna lekce konstantní: informace mají hodnotu pouze tehdy, pokud jsou akční v okamžiku, kdy se rozhoduje. Pokud nevydrží tlak realizace – ceny, go-to-market, inventář, zasílání – je to jen informace.

Tento způsob myšlení je tím, co mě přivedlo k First Insight. Maloobchod je jedním z nejvíce chováním řízených odvětví, a přesto rozhodnutí historicky závisela na zpětných ukazatelích a instinktu. Moje práce spočívá v tom, aby se uzavřela mezera – aby se hlas zákazníka přinesl dopředu dostatečně brzy a průběžně, aby se inženýrsky vytvořily lepší výsledky místo reakce na selhání.

Mým současným zaměřením je pomoc organizacím při učinit lepší rozhodnutí dostatečně brzy, aby to mělo význam – aby rostly příjmy, získávaly zákaznickou loajalitu a konzistentně překonávaly trh.

Jako Chief Growth & Strategy Officer at First Insight, dohlížíte na produkt, AI roadmap, GTM a zákaznický úspěch. Jak má sjednocený pohled změnit, jak by AI mělo být navrženo a nasazeno uvnitř maloobchodních organizací?

Když vidíte celý systém, přestáváte myslet na AI jako na nástroj a začínáte myslet na něj jako na operační model.

Produkt ukazuje, co je technicky možné. Go-to-market ukazuje, co bude skutečně pochopeno a přijato. Zákaznický úspěch ukazuje, co vydrží v reálných omezeních – časový tlak, napříč funkčními týmy, kvalita dat a odpovědnost. Když jsou tyto perspektivy sjednoceny, AI je navrženo kolem toho, jak se rozhodnutí skutečně dějí, ne kolem toho, jak působivá technologie vypadá v izolaci.

To je důvod, proč AI v maloobchodě musí fungovat jako systém rozhodnutí a akcí, ne jen jako systém inteligence. Musí spojit zákaznické signály s cenami, sortimenty, marketingem a plánováním způsobem, který sjednocuje týmy a urychluje rozhodnutí. Když AI snižuje tření mezi týmy a zkracuje vzdálenost mezi informací a akcí, začíná dodávat skutečnou hodnotu.

Maloobchodníci dlouho spoléhali na sezónní plány a historická data. Z toho, co vidíte na místě, proč jsou tyto modely stále více nesouladné s tím, jak se chovají spotřebitelé dnes?

Protože tyto modely byly vytvořeny pro svět, kde maloobchod byl primárně o optimalizaci toho, co již existovalo – ne o vynálezu toho, co je další.

Historické prodeje a sezónní cykly mohou pomoci vysvětlit výkon v etablovaných kategoriích, ale jsou slabé ve dvou věcech, které maloobchodníci potřebují dnes nejvíce: reagovat na rychlé změny zákaznického chování a vytvářet novou poptávku prostřednictvím produktové inovace a expanze bílého prostoru.

Poptávka se nyní mění v reálném čase – poháněná cenovou citlivostí, kulturními okamžiky, sociálním vlivem, ekonomickým tlakem a dynamikou kanálů. Trend může vyjít přes noc. Cenový signál může změnit chování okamžitě. Historická data vysvětlují, co se již stalo, ale nedůvěryhodně říkají, jak zákazníci budou reagovat příště – i pro produkty, které jsou již na regálu – když kontext a sentiment mohou změnit se kdykoli.

V mnoha případech maloobchodníci činí rozhodnutí se zastaralými CRM a zastaralými pohledy na to, kdo je jejich zákazník. Noví konkurenti, nové kanály a mladší generace s odlišnými očekáváními a kupní silou postupně táhnou zákazníky pryč – často bez toho, aby si maloobchodníci uvědomili, až výsledky se objeví v zmeškaných prognózách nebo klesající loajalitě. Ve mnoha případech značky optimalizují pro zákazníky, které již nemají – nebo zákazníky, kteří již odešli.

A když jde o inovace, historie prodeje nemůže potvrdit produkt, který dosud neexistuje – nebo zákaznickou segment, o kterou jste v nebezpečí ztráty. To je důvod, proč tolik maloobchodníků končí iterací na minulosti místo toho, aby se s jistotou financovali další kategorie, další sadu funkcí nebo další publikum. Odblokování spočívá v tom, aby se hlas zákazníka přinesl dopředu – dostatečně brzy, aby vedl konceptuální tvorbu, cenovou sílu a позиcionování – aby inovace se stala opakovaným systémem místo hazardu.

AI asistent First Insightu, Ellis, umožňuje přirozené jazykové dotazy kolem cen, sortimentů a poptávky. Jak důležité je design rozhraní a přístupnost pro skutečnou adopci AI oproti pouze technické schopnosti?

Rozhraní je rozdíl mezi “AI existuje” a “AI se používá”.

Maloobchodní rozhodování zahrnuje daleko více než jeden okamžik – konceptuální výzkum, design, budování sortimentu, optimalizace ceny, modelování marže, hloubka nákupu, alokace, sezónní úpravy, marketing a prodej. Výzvou není, že maloobchodníci nemají otázky; je to, že odpovědi jsou uvězněny v řídicích panelech, prezentacích, vývozech a specializovaných týmech – a do doby, kdy jsou doručeny, okamžik již minul.

Ellis má význam, protože odstraňuje tření mezi informací a akcí. Místo navigace zpráv nebo čekání na novou analýzu mohou týmy klást strategické a taktické otázky v běžném jazyce – o konceptech, cenách, sortimentech, segmentech, trzích, konkurentech – a získat jasná, prediktivní odpovědi za několik minut. To není jen použitelnost; to je rozhodnutí rychlost.

Přístupnost také pohání adopci napříč organizací. Když je stejný zákaznický signál okamžitě dostupný pro merchandising, cenu, marketing a plánování, snižujete vnitřní boje a nesoulad. Lidé přestávají debatovat, čí data jsou správná, a začínají debatovat, co dělat dál – rychleji a s větší jistotou.

Pracovali jste úzce s maloobchodníky, kteří navigují maržový tlak, inventární riziko a volatilní poptávku. Odkud AI dodává nejrychlejší, nejměřitelnější dopad dnes – a kde je hype stále před realitou?

Nejrychlejší dopad se objevuje tam, kde jsou rozhodnutí častá, drahá a časově citlivá: ceny, výběr sortimentu, validace poptávky a inventární riziko. Když AI pomáhá týmům vyhnout se přebuyování, držet cenu s jistotou nebo opustit ztrátové produkty dříve, finanční dopad je okamžitý a měřitelný.

Tam, kde hype předchází realitě, je myšlenka plně autonomního maloobchodu – nebo AI, která nahrazuje skutečné zákaznické pochopení syntetickými zkratkami. Spotřebitelé jsou velmi jasní: hodnotí autenticitu, transparentnost a to, že jsou vyslechnuti. AI, která vzdaluje značky od zákazníka, nevytváří efektivitu – vytváří riziko.

Vítězný model dnes je lidský úsudek posílený prediktivními informacemi, ne automatizace pro automatizaci samotnou.

Mnohé AI nástroje slibují prediktivní schopnosti. Co znamená smysluplná predikce v maloobchodě a jak by měli lídři vyhodnotit, zda predikce jsou skutečně rozhodnutí připravená?

Smysluplná predikce v maloobchodě není prognóza – je schopnost uzavřít smyčku od zákaznické pravdy k finančním výsledkům.

Mnoho výstupů AI zní prediktivně, ale nezmění podnikání, protože se nikdy nedostanou do operačního rytmu. Čtvrtletní výsledky jsou zmeškané, inventář se hromadí a rozpočty na slevy se utratí – a každý může ukázat na data někde, která mohla pomoci. Skutečné selhání spočívá v tom, že rozhodnutí nebyla sladěna, akce nebyly provedeny a pracovní postup se nezměnil.

Predikce připravená k rozhodnutí dělá tři věci najednou:

1. Je založena na tom, jak zákazníci skutečně vnímají hodnotu – nejen historie prodeje – aby mohla vést rozhodnutí od konceptu až po sezónu.
2. Přímě souvisí s ekonomickými výsledky: elasticita poptávky, ochota platit, AUR/ASP po celý životní cyklus produktu a maržový dopad držení versus slevy.
3. Je operační – zabudovaná do opakovaného procesu, který týmy skutečně následují, ne uvězněná napříč desítkami nástrojů a izolovanými řídicími panely.

Opakující se téma, které vidíme, je cena “dlouhého ocasu” SKU. Nadměrný sortiment je tichý zabiják: nadměrná hloubka, nízká rychlost, pohřbené riziko. Jedním z největších pák, které prediktivní AI odemyká, je schopnost odstranit ocas – odstranit produkty s nízkým výkonem brzy a reinvestovat ty inventární dolary do top produktů, kde je zákaznická poptávka a sentiment nejvyšší.

Když týmy uplatňují tuto disciplínu, vidíme dramatické výsledky:

• inventární dolary jsou uvolněny pro inovace a vysoké příležitosti,
• cadence slev se stabilizuje a zmenšuje,
• promoční tlak se zmírňuje a
• značková důvěra se zvyšuje, protože zákazníci nejsou vycvičeni očekávat 50–60% slevy, než koupí.

Lídři by měli vyhodnotit prediktivní AI s jednou otázkou: Změní to, kam investujeme? Nejvyšší ROI není více dat – je lepší rozhodnutí o tom, jak alokovat kapitál, čas a inventář proti skutečné zákaznické poptávce – dostatečně brzy, aby to mělo význam.

Odpovědné AI se často diskutuje na vysoké úrovni. V maloobchodě konkrétně, co vypadá praktické, odpovědné přijetí AI, když rozhodnutí přímo ovlivňují ceny, spotřebitele a značkovou důvěru?

Odpovědné AI v maloobchodě začíná s jedním jednoduchým principem: používejte AI k prohloubení zákaznického vztahu, ne k jeho využívání.

To není o hyper-sledování jednotlivců, dohledu nebo sběru dat pro svou vlastní sake. Odpovědné AI je o tom, aby se hlas zákazníka přinesl do každého rozhodnutí v měřítku – aby produkty, ceny, zprávy a zkušenosti odrážely, co lidé skutečně hodnotí. Mnohými způsoby je to forma ko-vývoje: zákazníci vedou, co se vytváří , jak je positionováno a co feels fair.

Prakticky vypadá odpovědné AI takto:

• Zakotvení rozhodnutí v skutečných zákaznických vstupních datech – jak kvantitativních, tak kvalitativních (“co řekl”).
• Stavba transparentnosti a ochranných zábran pro rozhodnutí s vysokým dopadem, jako jsou ceny, promoce a segmentace.
• Zajištění spravedlnosti napříč segmenty a trhy, aby AI nechtěně favorizovala jednu skupinu, zatímco znevýhodňovala jinou.
• Udržení lidského úsudku pro soud, odpovědnost a kreativní nuance, kterou AI nemůže sama generovat.

Použité tímto způsobem, AI posiluje zákaznický vztah místo toho, aby ho erodoval. Zákazníci se cítí vyslechnuti v měřítku. Týmy činí lepší rozhodnutí rychleji. A značky budují důvěru – protože již nereagují na trh; jednají s ním.

Vy vedli jak marketingové narativy, tak produktovou strategii. Jak by měli maloobchodníci přehodnotit vnitřní vyprávění kolem AI, aby bylo považováno za rozhodnutí partnera, ne za hrozbu nebo černou skříňku?

Maloobchodníci by měli přestat vyprávět příběh, že AI je “chytrá analýza” a začít vyprávět příběh, že AI je zákaznická centričnost v měřítku.

Vnitřní tření v maloobchodě není jen o silách – je o silách, které činí rozhodnutí s vysokými ставkami s odlišnými pravdami: marketing má signály zapojení, merchandising má historii prodeje, cena má maržový tlak, plánování má inventární omezení. To je místo, kde se boje dějí.

AI se stává rozhodnutím partnerem, když vytváří sdílený jazyk napříč funkcemi: hlas zákazníka, přeložený do prediktivního vedení, které informuje produkt, cenu, sortiment a to, jak prodávat – od koncepce až po konverzi.

A je důležité být upřímný o roli lidského úsudku. AI nevynalézá další průlomový nápad – AI se učí vzorce. Lidé přinášejí kreativitu, chuť, značkovou intenci a kulturní intuici. AI činí tuto kreativitu ostřejší zkrácením zpětnovazebních smyček a testováním rozhodnutí předtím, než trh udělá.

Jak AI bude více zabudováno do plánování a rozhodování v sezóně, jak vidíte roli lidského úsudku se vyvíjející místo toho, aby zmizela?

Lidský úsudek se stává ještě důležitějším – a více využitým – protože v sezóně je místo, kde je maloobchodní zisk získán nebo ztracen.

Slevy jsou jednou z největších nákladů v maloobchodě. Maloobchodníci často rozpočtují na ně, protože jsou nuceni vyčistit nesoldovaný inventář. Důvod, proč slevy jsou tak bolestivé, je timing: sleva příliš brzy ničí marži; sleva příliš pozdě vynechá okno konverze.

S prediktivní AI a lidmi v smyčce mohou týmy modelovat elastické poptávkové křivky a pochopit, jak by se měla vyvinout ASP/AUR po celý životní cyklus produktu – na základě prodeje, zákaznické percepci a tržních signálů. To umožňuje chytřejší pohyby: kdy držet cenu, kdy slevit a o kolik – bez nadměrné korekce.

A v sezóně rozhodnutí nejsou jen o cenách. AI může informovat promoce a marketing v sezóně faktoringem kulturních okamžiků, influencerů, trendové akcelerace a posunů v zákaznických osobách – spolu s produktem percepcí a cenovou citlivostí. Lidé pak aplikují úsudek: značkovou intenci, riziko tolerance a kreativní volby, které AI nemůže sama originovat.

Budoucnost není automatizace. Je to rychlejší, více zákaznicky informovaná rozhodnutí – kde AI škáluje naslouchání a lidé vedou význam.

Pohledem do budoucna, jak očekáváte, že agentic a generativní AI změní maloobchodní pracovní postupy v příštích dvou až třech letech – ne teoreticky, ale operativně?

Přecházíme ze systémů inteligence do systémů akce.

Operativně bude generativní AI dělat informace dostupné napříč úrovněmi a úlohami – shrnující, porovnávající, vysvětlovající a odpovídající na otázky okamžitě. Agentic AI bude stále více přebírat opakovanou práci, která zpomaluje organizace: přípravu scénářů, sestavování výkonných briefů, monitorování signálů, označení rizika a koordinaci dalšího nejlepšího jednání.

Ale nejvýznamnější změna nebude, že AI “řídí maloobchod”. Bude to, že maloobchodníci konečně uzavřou smyčku mezi zákazníkem a podnikem. Týmy budou pohybovat rychleji, sníží vnitřní tření a budou činit lepší rozhodnutí dříve – předtím, než trendy vyvrcholí, předtím, než slevy se vysypou a předtím, než zmeškané příležitosti se stanou čtvrtletními zmeškanými.

Maloobchodníci, kteří vyhrávají, nebudou ti, kteří mají nejvíce AI experimentů. Budou to ti, kteří postaví opakovaný operační rytmus, kde zákaznická pravda, prediktivní inteligence a lidská kreativita pracují společně – od konceptu až po konverzi.

Děkuji za podrobný rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit First Insight.