Doug Tallmadge, Medstifter og CEO af Gradial – Interviewserie

Doug Tallmadge, Medstifter og CEO af Gradial, er en teknologi-iværksætter og ingeniørleder, hvis karriere spænder over rumfart, satellitkommunikation, finans og enterprise AI. Før han startede Gradial i 2023, tilbragte han næsten fem år hos SpaceX (SPCX ), hvor han hjalp med at skala Starlink-netværket fra dets tidligste faser, ledede netværksanalyse, der understøttede vækst fra nul til over 500.000 kunder, og ledede hold af softwareingeniører og datavidenskabsmænd, der arbejdede med netværksoptimering og simulation. Han bidrog også til Starlinks direkte-til-mobil satellitinitiativer og tidlige satellitkraftsystemer. Tidligere i sin karriere havde Tallmadge roller hos Lockheed Martin (LMT ) og Bridgewater Associates, hvor han kombinerede dyb teknisk ekspertise med erfaring i store systemer og forretningsoperationer.

Gradial er et enterprise AI-selskab, der fokuserer på, hvad det kalder agentic marketing operationer, og hjælper store organisationer med at automatisere det operationelle arbejde, der ligger mellem kreativ strategi og kampagneudførelse. I stedet for at koncentrere sig udelukkende om AI-genereret indhold, orkestrerer Gradials platform AI-agenter på tværs af systemer som Adobe Experience Manager, Salesforce , Jira, indholdsstyringssystemer, digitale aktiveringsværktøjer og marketing-workflows. Platformen kan oprette, optimere, markere, kvalitetskontrollere og udgive marketingaktiver, samtidig med at den opretholder styre, overholdelse, tilgængelighed og brandstandarder. Ved at oprette et fælles organisatorisk videnlag, der forbinder enterprise-systemer, sigter Gradial mod at reducere den manuelle koordination, der ofte langsommere store marketinghold, og giver organisationer mulighed for at lancere kampagner hurtigere, skala personligt indhold og styre komplekse digitale oplevelser med større effektivitet.

Hvad var det øjeblik, hvor du indså, at enterprise marketing-infrastruktur havde lignende systemiske ineffektiviteter, og hvordan førte den indsigt til oprettelsen af Gradial?

I min tidligere rolle så jeg førstehånds, hvordan friktion i store organisationer kompenserer, selv den mindste ineffektivitet kan langsommere hele processen. Marketing var, hvor jeg bemærkede, at disse flaskehalse havde den største negative effekt. Hold tilbragte meget tid med at navigere på platforme, uploade aktiver, styre godkendelser og koordinere overdragelser. Strategisk tænkning og kreativ retning blev begravet under lag af udførelse.

Det er et perfekt brugstilfælde for AI, men hvad der slog mig, var, hvor industrien havde fokus. De fleste platforme brugte AI til at skabe indhold, men når jeg talte med markedsførere i store organisationer, var mangel på indhold ikke problemet. De kunne producere indhold let. Hvad de ikke kunne gøre, var at offentliggøre det hurtigt. At gå fra idé til live-kampagne tog dage, uger, nogle gange måneder. De fleste AI-investeringer gik mod skabelse, mens det sværere problem med at få indhold ud af døren blev fuldstændigt ignoreret. Vi byggede Gradial omkring den lukning: udstationering af agenter, der håndterer alt fra udarbejdelse og godkendelse til offentliggørelse, brand-overholdelse og performancesoptimering, så markedsførere kan fokusere på arbejde, der kræver menneskelig dømmekraft.

Du har argumenteret for, at den traditionelle “system of record” i virkeligheden er blevet et system af teknisk gæld. Hvad specifikt går galt i legacy enterprise marketing-stacks, når virksomheder forsøger at adoptere AI?

Et system of record, CMS, projektstyringsværktøjer, godkendelsesworkflows og aktiveriblioteker blev bygget til at organisere information, ikke til at flytte hurtigt. Når virksomheder monterer AI på disse eksisterende systemer, går ting hurtigt galt. Værktøjet kender ikke forretningen, det tjener, brandstemmen, overholdelseskrav eller godkendelsesprocesser. Så markedsførere ender med at gennemgå hver output og korrigere fejl, forårsaget af manglende kontekst. For organisationer, der allerede styrer tusindvis af indhold på tværs af multiple kanaler, bliver boltet på AI endnu en kompliceret proces at styre.

De fleste AI-samtaler i marketing har fokuseret på indholdsgenerering. Hvorfor tror du, at den virkelige mulighed ligger i udførelse, og hvordan ser den skift i praksis ud?

Markedsførere kæmper ikke for at producere ideer. De kæmper for at flytte indhold gennem gennemgangscykler, opretholde konsekvent brandstemme, arbejde på tværs af dusinvis af værktøjer og optimere for forskellige målgrupper.

Der sker også en strukturel skift i, hvordan mærker opdages. Google-søgninger faldt næsten 20% i det sidste år, hvilket betyder, at mærker ikke længere kan stole kun på SEO. De skal vise sig i AI-søgeresultater, hvilket kræver offentliggørelse af indhold, som AI-modeller let kan fortolke, citerer og fremhæve. Problemet er, at disse modeller konstant ændrer, hvad de trækker fra. Et mærke, der vises i et svar i dag, kan stille og roligt forsvinde i morgen. Inden markedsførere kan identificere hullerne, opdatere indholdet og klare godkendelser, er modellerne flyttet sig.

Indholdsgenerering alene løser ikke dette. Selv hvis du producerer indhold hurtigere, kan du stadig være fast i de samme godkendelseskoer, med indhold, der ikke er optimeret til AI-synlighed. Gradial kobler sig til de værktøjer, markedsførere allerede bruger, og håndterer arbejdet, der normalt langsommere alt. Resultatet er kampagner, der kan lancere på få timer i stedet for uger, og indhold, der er præcist, på mærke og synligt, hvor målgrupperne faktisk kigger.

Gradial beskrives ofte som en agentic platform. Kan du forklare, hvad en AI-agent faktisk gør inden for en Fortune 500-marketing-workflow på en dag-til-dag-basis?

Det bedste svar er, hvad vi har set hos kunder. Hos T-Mobile betød kørsel af en kampagne koordinering på tværs af multiple hold, indsamling af godkendelser og venten på produktionskoer, der strakte sig over uger. Med Gradial håndterer en AI-agent hele processen fra kreativ brief til gennemgang og offentliggørelse. Det, der tidligere krævede, at en markedsfører manuelt jagtede hver skridt, sker nu bare. Resultatet var 90% hurtigere tid til kampagneudførelse.

Hos AWS betød hver ny webside briefning af en agentur, venten på en udarbejdning, gennemgang af revisioner og manuel koordinering for at få det offentliggjort. En specialiseret agent gjorde sideskabelse 20 gange hurtigere.

En af de største udfordringer i enterprise AI-adopteringsprocessen er tillid. Hvordan sikrer Gradial pålidelighed og styre, når AI-agenter træffer udførelsesniveau-beslutninger på tværs af systemer?

Tillid er det hele i enterprise, især i finans og sundhedssektoren, hvor en overholdelsesfejl har reelle konsekvenser. Hver Gradial-udførelse starter med at give agenten kontekst om mærkets stemme, meddelelsesretning, overholdelseskrav, godkendelsesworkflows og branchestandarder.

Niveauet af menneskelig involvering er fuldt tilpasseligt. Hold, der er nye i dette eller opererer i reguleringer, kan kræve godkendelse på alt, før det går live. Og hver handling, agenten udfører, er logget med en fuld revisionshistorik. Det, vi har fundet, er, at tillid bygges naturligt, med hold, der starter med stramme kontroller, gradvist udvider agentens autonomi, efterhånden som den beviser sig på rigtigt arbejde. Målet var aldrig at overdrage alt på dagen én, men at bygge noget, der fortjener mere ansvar, efterhånden som det viser, det kan håndtere det.

Din platform integrerer i eksisterende værktøjer i stedet for at erstatte dem helt. Er den lange sigtige vision at supplere den nuværende stack eller fuldstændigt erstatte den?

For nu er fokus på at møde hold, hvor de er. De fleste enterprise-markedsføringsorganisationer har brugt år på at bygge workflows omkring bestemte værktøjer, som Figma, Adobe og projektstyringssystemer, og at bede dem om at opgive den infrastruktur er ikke realistisk. Gradial kobler sig til og håndterer udførelsesarbejdet, der har langsommere disse workflows ned.

Den længere sigtige vision er mere ambitiøs. Meget af legacy-softwaren under enterprise-markedsføring blev bygget til en verden før AI, og det viser sig. Systemer designet til at lagre og organisere indhold vil se meget anderledes ud, når en agent kan holde den samme kontekst og handle på den samtidig. Vi mener, at forskellen mellem, hvor indhold bor, og hvor arbejde bliver udført, vil ophøre med at eksistere, og vi bygger mod at være infrastrukturlaget, hvor begge sker.

Store virksomheder har ofte dybt rodfæstede workflows og intern modstand over for ændring. Hvad kræver det faktisk at deploye et AI-nativt system i en Fortune 500-organisation?

Det første, vi gør, er at gøre det klart, at Gradial ikke beder nogen om at ændre, hvordan de arbejder. Det lyder simpelt, men det er den største forhindring i enterprise AI-adopteringsprocessen. De fleste værktøjer ankommer med et nyt system, en ny interface, en ny måde at gøre ting på, og så undrer de sig over, hvorfor adoptionen stagnere seks måneder senere. Vi starter med at kortlægge, hvordan et hold faktisk opererer, og konfigurerer Gradial omkring det.

Adoption holder, når hold ser det fungerer på rigtigt arbejde hurtigt. Ikke en demo, ikke en renset pilot, men deres faktiske kampagner, deres faktiske indhold, deres faktiske workflows. Når et hold ser deres offentliggørelsestid gå fra tre uger til samme dag, tenderer intern modstand til at tage sig af sig selv.

I teknisk forstand, hvad adskiller en udførelsesmotor fra et typisk generativt AI-lag?

Et generativt AI-lag giver dig en udarbejdning, men en udførelsesmotor får det offentliggjort. De fleste AI-værktøjer til marketing stopper ved outputtet; de vil skrive kopien eller foreslå redigeringen, men øjeblikket, outputtet skal flytte gennem godkendelser eller på en live-side, efterlader markedsførere at styre det. Den overdragelse er, hvor det meste af tiden faktisk går.

En udførelsesmotor er anderledes, fordi den er integreret i de værktøjer, et hold allerede bruger og forstår, og hvordan den specifikke forretning opererer. Når en markedsfører beder agenten om at gøre noget, flytter det arbejdet gennem hver nødvendig skridt, og kun overdrager beslutninger, der faktisk kræver en menneskelig. Markedsføreren forbliver i kontrol uden at være midt i hver skridt.

Mange virksomheder eksperimenterer med AI, men få ser meningsfuld ROI. Hvor tror du, de fleste organisationer går galt i dag?

Den mest almindelige fejl er at behandle AI som et produktivitetsværktøj i stedet for en løsning på en brudt proces. Hvis hver output kræver tung redigering eller skal kopieres manuelt ind i et andet system eller stadig kræver fem godkendelser, før noget går live, har du ikke løst problemet.

Virksomhederne, der ser rigtige afkast, fik det specifikt. De identificerede præcis, hvor arbejdet blev langsommere, og udrullede AI mod det problem, ikke bredt, ikke som et eksperiment, men med en klar forståelse af, hvad langsomt så ud før, og hvad hurtigt skulle se ud efter. Den præcision er, hvad adskiller rigtig ROI fra et værktøj, der imponerer i en demo og samler støv seks måneder senere.

Når du får det rigtigt, er resultaterne konkrete: kunder, der bruger Gradial, har set 8 gange hurtigere kampagneaktivering, 35%+ i operationelle besparelser i deres første år og 100% brand- og tilgængeligheds-overholdelse på hvert enkelt stykke indhold.

Hvis vi springer fem år frem, hvad ser en fuldt AI-nativ markedsføringsorganisation ud, og hvilken rol spiller Gradial i den fremtid?

Om fem år vil den operationelle lag i marketing være autonom. En markedsfører beder en agent om at lancere en kampagne, og den er live ved dagens slutning, fordi agenten håndterede hver skridt imellem. Mærke-synlighed i AI-søgning overvåges og justeres automatisk. Overholdelse sker kontinuerligt på tværs af processen i stedet for som en sidste-minut-check. Markedsførere bruger deres tid på det, de blev ansat til at gøre: bygge mærket, udvikle kreativitet og træffe strategiske beslutninger om kundeoplevelser, der kræver menneskelig dømmekraft.

Gradials rol er at få markedsføringsorganisationer derhen først, ikke ved at overbevise dem om at rippe alt ud og starte forfra, men ved at bevise inden for deres eksisterende workflows, at denne måde at operere på er mulig. Holdene, der finder ud af det tidligt, vil have en kompenserende fordel over for dem, der stadig kører kampagner på den gamle måde.

Tak for det gode interview. Læsere, der ønsker at lære mere, kan besøge Gradial.