Doug Tallmadge, medstifter og administrerende direktør for Gradial – Interviewserie

Doug Tallmadge, medstifter og administrerende direktør for Gradial, er teknologiiværksætter og teknisk leder med en karriere inden for luft- og rumfart, satellitkommunikation, finans og AI til virksomheder. Før han grundlagde Gradial i 2023, arbejdede han i næsten fem år hos SpaceX (SPCX ). Her var han med til at udbygge Starlink-netværket fra de tidligste stadier, ledede netværksanalyser, som understøttede væksten fra nul til over 500.000 kunder, og stod i spidsen for hold af softwareingeniører og datavidenskabsfolk, der arbejdede med netværksoptimering og simulering. Han bidrog også til Starlinks initiativer for direkte forbindelse mellem satellitter og mobiltelefoner samt til tidlige strømforsyningssystemer til satellitter. Tidligere havde Tallmadge stillinger hos Lockheed Martin (LMT ) og Bridgewater Associates. Han kombinerer dyb teknisk ekspertise med erfaring fra store systemer og virksomhedsdrift.

Gradial er en virksomhed, der udvikler AI til organisationer og fokuserer på det, den kalder agentbaserede marketingoperationer. Den hjælper store organisationer med at automatisere det operationelle arbejde mellem kreativ strategi og gennemførelse af kampagner. I stedet for kun at fokusere på AI-genereret indhold koordinerer Gradials platform AI-agenter på tværs af systemer som Adobe Experience Manager, Salesforce, Jira, indholdsplatforme, værktøjer til håndtering af digitale mediefiler og marketingens arbejdsgange. Platformen kan udarbejde, optimere, tagge, kvalitetskontrollere og publicere marketingmateriale og samtidig håndhæve styring, regelefterlevelse, tilgængelighed og brandstandarder. Ved at skabe et fælles videnslag, der forbinder organisationens systemer, vil Gradial reducere den manuelle koordinering, som ofte bremser store marketingteams. Det skal gøre det muligt at lancere kampagner hurtigere, skalere produktionen af personligt tilpasset indhold og håndtere stadig mere komplekse digitale oplevelser mere effektivt.

Hos SpaceX var du med til at udbygge Starlink fra nul til hundredtusinder af brugere og arbejdede med komplekse netværkssystemer, før du grundlagde Gradial. Hvornår indså du, at virksomhedernes marketinginfrastruktur havde lignende svagheder på systemniveau, og hvordan førte den indsigt til, at du startede Gradial?

I min tidligere rolle så jeg selv, hvordan friktion i store organisationer forplanter sig. Selv en lille ineffektivitet kan bremse alle de efterfølgende processer. Det var i marketing, jeg bemærkede flaskehalsenes største negative virkninger. Holdene brugte meget tid på at navigere mellem platforme, uploade materiale, håndtere godkendelser og koordinere overdragelser. Strategisk tænkning og kreativ ledelse blev begravet under lag af praktisk udførelse.

Det er et oplagt anvendelsesområde for AI, men det, der slog mig, var, hvor branchen rettede opmærksomheden hen. De fleste platforme brugte AI til at skrive indhold. Når jeg talte med marketingfolk i store organisationer, var indholdsmangel dog ikke problemet. De kunne nemt producere indhold, men de kunne ikke publicere det hurtigt. Fra idé til en offentliggjort kampagne gik der dage, uger, nogle gange måneder. De fleste AI-investeringer gik til at skabe indhold, mens det sværere problem – faktisk at få det ud – blev fuldstændig overset. Vi byggede Gradial for at lukke dette hul med agenter, der håndterer alt fra udkast og godkendelser til publicering, overholdelse af brandkrav og optimering af resultater. Så kan marketingfolk fokusere på arbejde, der kræver menneskelig dømmekraft.

Du har argumenteret for, at traditionelle systemer til autoritative virksomhedsdata, såkaldte »system of record«, i praksis er blevet systemer med teknisk gæld. Hvad går konkret galt i virksomhedernes ældre marketingsystemer, når de forsøger at tage AI i brug?

Systemer til virksomhedens grunddata, som CMS, projektstyringsværktøjer, godkendelsesforløb og materialebiblioteker, blev bygget til at organisere information, ikke til at arbejde hurtigt. Når virksomheder lægger AI oven på disse eksisterende systemer, opstår der hurtigt problemer. Værktøjet kender ikke den forretning, det skal understøtte, brandets tone, kravene til regelefterlevelse eller godkendelsesprocesserne. Marketingfolk ender derfor med at gennemgå hvert resultat og rette fejl, som skyldes manglende kontekst. For organisationer, der allerede håndterer tusindvis af indholdselementer på tværs af flere kanaler, bliver påbygget AI endnu en kompliceret proces at administrere.

Det meste af samtalen om AI i marketing har handlet om at generere indhold. Hvorfor mener du, at den reelle mulighed ligger i udførelsen, og hvordan ser det skifte ud i praksis?

Marketingfolk har ikke svært ved at få idéer. De har svært ved at føre indhold gennem gennemgangsrunder, fastholde en ensartet tone for brandet, arbejde på tværs af snesevis af værktøjer og optimere til forskellige målgrupper.

Der sker også et strukturelt skifte i, hvordan folk finder brands. Antallet af Google-søgninger faldt med næsten 20 procent i løbet af det seneste år, så brands kan ikke længere nøjes med at stole på SEO. De skal fremgå af svar fra AI-søgninger. Det kræver indhold, som AI-modeller nemt kan fortolke, citere og fremhæve. Problemet er, at modellerne hele tiden ændrer, hvilke kilder de henter information fra. Et brand, der optræder i et svar i dag, kan ubemærket forsvinde i morgen. Når marketingfolk har opdaget manglen, opdateret indholdet og fået godkendelserne, er modellerne allerede gået videre.

Indholdsproduktion alene løser ikke dette. Selv om indholdet bliver produceret hurtigere, kan det stadig sidde fast i de samme godkendelseskøer uden at være optimeret til synlighed i AI-svar. Gradial kobler sig til de værktøjer, marketingfolk allerede bruger, og håndterer det arbejde, der normalt bremser forløbet, såsom indholdsrettelser, kontrol af brandkrav og publicering på tværs af platforme. Resultatet er kampagner, der publiceres på timer i stedet for uger, og indhold, som er korrekt, følger brandets retningslinjer og er synligt dér, hvor målgrupperne faktisk søger.

Gradial beskrives ofte som en agentbaseret platform. Kan du gennemgå, hvad en AI-agent faktisk gør i det daglige marketingarbejde i en Fortune 500-virksomhed?

Det bedste svar er det, vi har set hos kunderne. Hos T-Mobile krævede en kampagne koordinering mellem flere hold, indsamling af godkendelser og ventetid i produktionskøer, der strakte sig over uger. Med Gradial håndterer en AI-agent hele processen fra den kreative opgavebeskrivelse til gennemgang og publicering. Det, der før krævede, at en marketingmedarbejder manuelt fulgte op på hvert trin, sker nu af sig selv. Resultatet var 90 procent hurtigere kampagnegennemførelse.

Hos AWS krævede hver ny webside, at man gav et bureau en opgavebeskrivelse, ventede på et udkast, gennemgik flere rettelsesrunder og koordinerede publiceringen manuelt. En specialiseret agent gjorde oprettelsen af sider 20 gange hurtigere.

Tillid er en af de største udfordringer, når virksomheder tager AI i brug. Hvordan sikrer Gradial pålidelighed og styring, når AI-agenter træffer beslutninger om udførelsen på tværs af systemer?

Tillid er altafgørende i virksomheder, især i finans og sundhed, hvor fejl i regelefterlevelsen har reelle konsekvenser. Hver implementering af Gradial begynder med at give agenten kontekst om brandets tone, retningslinjer for budskaber, krav til regelefterlevelse, godkendelsesforløb og branchestandarder.

Graden af menneskelig involvering kan tilpasses fuldt ud. Hold, som er nye på området eller arbejder i regulerede miljøer, kan kræve godkendelse af alt før publicering. Alle agentens handlinger logges desuden med et fuldstændigt revisionsspor. Vi har set, at tilliden opstår naturligt: hold, der begynder med stram kontrol, udvider gradvist agentens selvstændighed, efterhånden som den viser sit værd i virkeligt arbejde. Målet var aldrig at overdrage alt på første dag, men at bygge noget, som fortjener mere ansvar, når det viser, at det kan håndtere det.

Jeres platform integreres med eksisterende værktøjer frem for at erstatte dem direkte. Er den langsigtede vision at styrke den nuværende systemplatform eller erstatte den helt?

Lige nu fokuserer vi på at tage udgangspunkt i holdenes nuværende situation. De fleste virksomheders marketingorganisationer har brugt flere år på at opbygge arbejdsgange omkring bestemte værktøjer, såsom Figma, Adobe og projektstyringssystemer. Det er ikke realistisk at bede dem opgive den infrastruktur. Gradial kobler sig til den og håndterer det praktiske arbejde, som har bremset arbejdsgangene.

Den langsigtede vision er mere ambitiøs. Meget af den ældre software bag virksomhedernes marketing blev bygget til en verden før AI, og det kan mærkes. Systemer, der udelukkende er designet til at lagre og organisere indhold, vil se meget anderledes ud, når en agent samtidig kan fastholde den samme kontekst og handle ud fra den. Vi tror, at skellet mellem, hvor indholdet befinder sig, og hvor arbejdet bliver udført, til sidst forsvinder. Vi bygger hen imod at blive det infrastrukturlag, hvor begge dele foregår.

Store virksomheder har ofte dybt rodfæstede arbejdsgange og intern modstand mod forandring. Hvad kræver det i praksis at indføre et system bygget med AI som udgangspunkt i en Fortune 500-organisation med succes?

Det første, vi gør, er at præcisere, at Gradial ikke beder nogen ændre deres måde at arbejde på. Det lyder enkelt, men det er den største hindring, når virksomheder tager AI i brug. De fleste værktøjer kommer med et nyt system, en ny brugerflade og en ny arbejdsmåde og undrer sig så over, at indførelsen går i stå seks måneder senere. Vi begynder med at kortlægge, hvordan holdet faktisk arbejder, og konfigurerer Gradial ud fra det.

Brugen bliver forankret, når holdene hurtigt ser løsningen fungere i virkeligt arbejde. Ikke i en demonstration eller et tilrettelagt pilotforsøg, men i deres egne kampagner, deres eget indhold og deres egne arbejdsgange. Når et hold ser tiden frem til publicering falde fra tre uger til samme dag, plejer den interne modstand at aftage af sig selv.

Hvad adskiller teknisk set en udførelsesmotor fra et almindeligt generativt AI-lag?

Et generativt AI-lag giver dig et udkast, men en udførelsesmotor får det publiceret. De fleste AI-værktøjer til marketing stopper ved resultatet: de skriver teksten eller foreslår ændringen. Når resultatet derefter skal gennem godkendelser eller ind på en offentliggjort side, overlades håndteringen til marketingfolkene. Det er denne overdragelse, der faktisk tager det meste af tiden.

En udførelsesmotor er anderledes, fordi den er indbygget i de værktøjer, holdet allerede bruger, og forstår, hvordan netop den virksomhed arbejder. Når en marketingmedarbejder beder agenten udføre noget, fører den arbejdet gennem alle nødvendige trin, indhenter godkendelser og fremhæver kun beslutninger, der faktisk kræver et menneske. Marketingmedarbejderen bevarer kontrollen uden at skulle være mellemled i hvert trin.

Mange virksomheder eksperimenterer med AI, men få ser et betydeligt investeringsafkast. Hvor mener du, at de fleste organisationer begår fejl i dag?

Den mest almindelige fejl er at behandle AI som et produktivitetsværktøj frem for som en måde at reparere en proces, der ikke fungerer. Hvis hvert resultat kræver omfattende redigering, skal kopieres manuelt til et andet system eller stadig kræver fem godkendelser før publicering, har du ikke løst problemet.

Virksomhederne, der opnår et reelt afkast, afgrænsede problemet konkret. De identificerede præcist, hvor arbejdet gik i stå, og satte AI ind over for netop det problem. Ikke bredt eller som et eksperiment, men med en klar forståelse af, hvad der var langsomt før, og hvad hurtigt skulle betyde bagefter. Denne præcision adskiller et reelt investeringsafkast fra et værktøj, der imponerer i en demonstration og samler støv seks måneder senere.

Når det gøres rigtigt, er resultaterne konkrete: Gradials kunder har oplevet otte gange hurtigere kampagneaktivering, mindst 35 procent i besparelser på driftsomkostningerne i det første år og 100 procents overholdelse af brand- og tilgængelighedskrav i hvert indholdselement.

Hvis vi ser fem år frem, hvordan ser en marketingorganisation, som fuldt ud bygger på AI, så ud, og hvilken rolle spiller Gradial i den fremtid?

Om fem år vil marketingens operationelle lag være selvstændigt. En marketingmedarbejder beder en agent lancere en kampagne, og den er offentliggjort ved dagens slutning, fordi agenten har håndteret alle trinnene imellem. Brandets synlighed i AI-søgninger overvåges og justeres automatisk. Regelefterlevelse sikres løbende gennem hele processen frem for ved en kontrol i sidste øjeblik. Marketingfolk bruger tiden på det, de faktisk blev ansat til: at bygge brandet, udvikle det kreative arbejde og træffe strategiske beslutninger om kundeoplevelser, der kræver menneskelig dømmekraft.

Gradials rolle er at hjælpe marketingorganisationerne med at komme derhen først. Ikke ved at overbevise dem om at rive alt ud og begynde forfra, men ved at vise i deres eksisterende arbejdsgange, at denne måde at arbejde på er mulig. De hold, der forstår det tidligt, får en fordel, som forstærkes over tid, sammenlignet med dem, der stadig gennemfører kampagner på den gamle måde.

Tak for et godt interview. Læsere, som vil vide mere, kan besøge Gradial.