Rajeev Butani, administrerende direktør for MediaMint – Intervieuserie

Rajeev Butani, administrerende direktør for MediaMint, har mere end tre årtiers ledelseserfaring inden for global teknologi, medier og digital transformation. Før han tiltrådte stillingen som administrerende direktør i MediaMint, fungerede han som administrerende direktør og bestyrelsesmedlem i HeadSpin, hvor han drev innovation inden for performance-intelligens til digitale oplevelser. Tidligere tilbragte Butani næsten 27 år i Accenture, hvor han ledte transformative initiativer som Group Technology Officer for Communications, Media & Technology, og overvågede strategi og partnerskaber omkring opkomling teknologier såsom kunstig intelligens og maskinlæring. Hans ledelsesroller i Accenture omfattede ledelse af forhold til større kunder som Google (GOOGL ), Facebook (META ) og Microsoft (MSFT ), hvilket demonstrerede hans dybe ekspertise på krydsningerne mellem teknologi, strategi og vækst.

MediaMint blev grundlagt i 2010 og er en global digital operations-partner, der tilbyder komplet support på tværs af ad operations, kreative produktion, data-analyse og kampagneledelse. Med hovedkontor i Hyderabad og kontorer i USA og Polen, giver MediaMint medievirksomheder, agenturer og platforme mulighed for at skala effektivt gennem en kombination af menneskelig ekspertise og teknologi. Virksomheden fokuserer på at levere højkvalitets operationel excellence, fleksibilitet og gennemsigtighed, hvilket hjælper kunderne med at strømline deres arbejdsgange, optimere omkostninger og fokusere på innovation i et stadig mere komplekst digitalt økosystem.

Hvad inspirerede din overgang fra Accenture til at lede MediaMint, og hvordan har din baggrund i konsulentsvirksomhed formet din tilgang til AI-drevne operationer?

Min beslutning handlede om at træde ud af konsulentrummet og ind i operatørens stol. Efter år i Accenture, hvor jeg hjalp virksomheder med at designe transformationsveje, så jeg en klar markedsmulighed for at bygge en løsning, hvor jeg kunne tage ansvar ikke kun for vejene, men også for resultaterne med hud i spillet.

Da AI-adopteringsgraden stiger, kræver kunderne partnere, der kan levere resultater og outcome ved at eje det samlede arbejde og ikke kun dele af det. Min baggrund i konsulentsvirksomhed definerede vores tilgang til at imødekomme denne efterspørgsel, og jeg er mere end begejstret for rejsen fremad med at støtte førende organisationer inden for medie-, underholdnings- og teknologi-sektorerne med deres front-end operationer.

Breaking Silos med Agentic AI: Vi anvender den strategiske, tværfunktionelle tænkning fra konsulentsvirksomhed direkte gennem vores Agentic AI-platform. Agentic AI giver os mulighed for at bryde de funktionelle siloer – Salg, AdOps, Finans – som større virksomheder er tvunget til at arbejde imod. Vores smidighed giver os mulighed for at designe og levere komplette løsninger, der kombinerer Agentic AI og menneskelige agenter for at generere resultater i stor skala.

MediaMint blev grundlagt i 2010 og er vokset betydeligt siden da. Hvordan er virksomhedens mission og kapaciteter udviklet sig, især med lanceringen af MediaMint Labs?

MediaMint har altid været i frontlinjen for medie- og marketing-operationer. Vi startede med at tilbyde højkvalitets, menneskeledede tjenester til større udgivere, platforme, agenturer og mærker. Vores mission var at være den pålidelige operationelle partner, der giver vores kunder mulighed for at skala deres omsætning og bygge operationel effektivitet.

Lanceringen af MediaMint Labs markerer vores næste fase, formaliseringen af, hvordan vi anvender AI til at drive ikke kun effektivitet, men også vækst. Vi fokuserer nu på at skabe AI-agenter gennem MediaMint Labs, der ikke kun udfører opgaver, men også bliver strategiske acceleratorer for vores kunder. Opkøbet af DataBeat har også været en nøgle-del af denne udvikling, hvilket har dybnet vores kapacitet på tværs af data-engineering, analyse og yield-management. Dette er en fundamental ændring, der flytter os fra en pålidelig tjenesteyder til en AI-drevet væksttjenesteyder.

MediaMint Labs fokuserer på samarbejdsbaserede AI-agenter, optimizatorer og acceleratorer, som MediaMint ikke kun bygger, men også ejer og driver. Hvad er den strategiske fordel, denne hånd-til-hånd-ejerskabsmodel giver kunderne?

Denne hånd-til-hånd-ejerskabsmodel er vores kerne-strategiske differentiator. Vi har lært, at når man afleverer en AI-agent og går væk, fejler den, så snart kompleksiteten i den virkelige verden rammer. Vores kunder får to store fordele:

Først, hurtig udvikling og sikkerhed. Vores interne, model-agnostiske udviklingsplatform giver os mulighed for at designe, implementere og drive agenter for en række vækstscenarier på en sikker og skalerbar måde. Med forudbyggede runtime-miljøer og en-klik-miljøklarering kan vi få nye agenter i live på få uger, ikke måneder. Platformen håndterer governance, data-residens og sikkerhed som standard, så kunderne ikke behøver at bekymre sig om kompleksiteten ved at styre tilpassede AI-infrastrukturer.

Anden, kontinuerlig forbedring og stabilitet. Vi beholder operationel ejerskab, hvilket betyder, at vi er ansvarlige for agentens fortsatte præstation. Vi sporer præstationen i realtid gennem et centraliseret sporings-system, så hver handling er ansvarlig, og hver resultater forbedres over tid.

Du har advaret om faldgruberne ved at aflevere AI-agenter til kunder uden fortsat stewardship. Hvorfor er MediaMints model, hvor I beholder operationel ejerskab, effektiv?

At aflevere en AI-agent er som at aflevere en high-performance-racebil uden en pitcrew. Den måske kører perfekt på første dag, men uden konstant vedligeholdelse, fejler den. Det centrale problem er forfald – agentens præstation forringes, da den underliggende kunde-arbejdsgang eller platform-API ændrer sig.

Hvorfor operationel ejerskab virker: Vores model er effektiv, fordi vi tager operationel ejerskab, og behandler agenten ikke som et produkt, men som en garanteret service. Dette giver to nøglefordele:

1. Kontinuerlig forbedring

Vi beholder ansvar for agentens fortsatte præstation. Vores centraliserede sporingsregister og evalueringssuites giver os mulighed for kontinuerligt at overvåge og optimere agenten gennem vores Human-in-the-Loop-proces mod kundens leveende forretningsregler. Denne model sikrer, at løsningens præstation ikke forringes; den bliver smartere og mere robust over tid. Denne kontinuerlige stewardship er, hvordan vi garanterer, at agenten altid vil præstere sikkert, og eliminerer kritisk omsætnings- og overholdelsesrisiko for kunden.

2. Strategisk dømmekraft og beskyttelse af kanttilfælde

Mennesket i løkken er ikke der for grundlæggende opgaver; de er vores “pitcrew” for højrisiko-scenarier. Denne ekspertise er kritisk for: Strategisk dømmekraft: Håndtering af situationer, som AI aldrig har set, som store regulatoriske ændringer eller nye platformlanceringer. Beskyttelse af kanttilfælde: Løsning af tvetydige output og komplekse fejl, der kunne påvirke omsætning eller overholdelse.

Denne kontinuerlige stewardship oversætter sig direkte til værdi. Vi leverer en garanteret præstationsoutcome, sikrer en betydelig reduktion i kritiske fejl og opretholder konsekvent høj kunde-tilfredshed, ikke kun et stykke software.

Hvordan forudser du, at Agentic AI vil supplere eller måske erstatte elementer af SaaS-modellen? Hvad bestemmer, om en løsning er bedre leveret som Agentic AI eller traditionel SaaS?

Den nuværende debat rammer ikke pointen: Agentic AI er ikke her for at erstatte hele SaaS-stakken; det er her for at forstyrre økonomien i operationel arbejde. Det centrale skel er skiftet fra at levere et værktøj til at garantere en outcome. Agentic AI vil påvirke SaaS på to distinkte måder:

Erstatning: Arbejdsgangs-kompressionen. Agenter vil erstatte transaktionsbaserede, arbejdsgangs-drevne SaaS – platforme, der er designet kun til at flytte data eller automatisere rutine-trin. Værdien ligger ikke længere i brugergrænsefladen; det er i autonom handling. Vi bevæger os fra ‘Værktøj-som-tjeneste’ til ‘Handling-som-tjeneste.’

Komplement: Forstærkningslaget. Agenter vil ikke erstatte strategiske platforme som Salesforce eller store mediesystemer. I stedet vil vores Agentic AI-system operere oven på dem, udføre komplekse, realtids-optimieringer. De tager passive systemer af record og omdanner dem til aktive systemer af intelligens, og forstærker menneskelig kapacitet.

Den centrale faktor, der bestemmer vores tilgang, er pålidelighed. I modsætning til forbruger-LLM-værktøjer er vores agenter designet fra bunden og op til at være pålidelige arbejdere. De er konstrueret til at følge detaljerede SOP tæt, overholde politikker og aldrig afvige over hundredvis af kørsler. Dette engagement i governance og tillid – og ikke kun kreativitet – er, hvad der giver os mulighed for at styre P&L-kritiske arbejdsgange, noget traditionel SaaS og forbruger-AI ikke kan.

MediaMint betoner en hybridtilgang med mennesker i løkken. Hvorfor er menneskelig oversigt stadig kritisk i AI-tidsalderen, og hvordan forbedrer det resultaterne?

Mennesker giver to ting, som en AI-agent ikke kan: dømmekraft og strategi. Mens en AI-agent kan lave en medieplan eller korrigere en pacing-anomalie, kræves en menneskelig strateg for at sætte forretningsmål, give kreativ retning og træffe nuancerede beslutninger, der involverer brand-sikkerhed, markedsfølelse eller uventede eksterne faktorer.

Vores platform understøtter denne hybrid-model ved design. Vores agenter er designet til at være pålidelige partnere, der får jobbet gjort konsekvent, kørsel efter kørsel, og overholder retningslinjer og følger SOP præcis. Dette sikrer, at den menneskelige governor kan give realtids-vejledning og feedback og fungere som den nødvendige Human-in-the-Loop (HITL), og garanterer, at de fungerer som ansvarlige, politik-overholdende arbejdere. Agenten håndterer de mundane, høj-volumen-opgaver, som f.eks. udarbejdelse af rapporter eller markering af problemer, hvilket har resulteret i en gennemsnitlig 40% reduktion i indsats for vores teams. Dette frigør mennesket til at fokusere på høj-værdi, strategisk arbejde. Menneskelig oversigt ikke kun forbedrer resultaterne; det sikrer, at de er i overensstemmelse med virksomhedens bredere, strategiske mål.

Mange AI-implementeringer fejler, fordi de er for isolerede. Hvordan sikrer MediaMint, at AI-løsninger integreres holistisk på tværs af arbejdsgange og afdelinger?

Det er en nøgle-udfordring, og vi har designet vores filosofi til at løse det. De fleste AI-projekter fejler, fordi de er bygget som isolerede punkt-løsninger, der aldrig rigtig taler virksomhedens sprog. Vores løsning er at sikre, at hver agent er designet fra bunden og op til en kundes specifikke arbejdsgang og operationelle realitet. Vi opnår denne holistiske integration ikke gennem generiske SDK’er, men gennem Agent Runbook – en tilpasset operationel blueprint.

Agent Runbook er den centrale operationelle blueprint. Det er en tilpasset playbook – en samling af instruktioner og retningslinjer, der fortæller agenten præcis, hvad den skal gøre, hvordan den skal håndtere undtagelser, og hvordan den skal tilslutte sig eksterne systemer. Denne tilgang adresserer direkte problemet med fragmenteret AI ved at tvinge integration fra starten: Runbook er tilpasset kundens SOP, og indbygger vores domæne-ekspertise i kerne. Desuden forbinder vores Connector Library disse agenter ubesværet til nøgle-kunde-systemer som Salesforce, Google Ad Manager og Snowflake. Dette betyder, at AI-løsningen er modulær og kan implementeres på tværs af forskellige afdelinger – f.eks. en “Media Plan Agent”, der direkte føder en “Creative QA Agent” – og sikrer, at løsningen ikke er et værktøj, men en integreret, holistisk del af kundens operationelle rygrad.

Forudser du scenarier, hvor multiple AI-agenter samarbejder på tværs af roller, og skaber “agent-til-agent”-systemer? Hvad ser den fremtid ud?

Absolut. Vi bygger allerede mod denne fremtid. Arkitekturen i vores platform, med dens samlede service-lag og værktøjs-adaptorer, er designet til denne type interoperabilitet. Fremtiden vil være mindre om en enkelt, monolitisk agent og mere om specialiserede agenter, der samarbejder for at løse komplekse forretnings-problemer.

Forestil dig et økosystem, hvor en Anomaly Detection Agent opdager en nedgang i kampagne-præstation. Den udløser en anden Optimization Agent til at justere bud. Denne anden agent meddelere derefter en Creative QA Agent til at kontrollere, om der er compliance-problemer med kreativerne. Til sidst konsoliderer en Reporting Agent alle disse handlinger og indsighter i en realtids-rapport til kontomanden. Vores MediaMint Labs muliggør dette agent-til-agent-samarbejde, og danner rygraden for næste-generations-forretnings-operationer, hvor arbejdsgange ikke længere er en lineær sekvens af menneskelige opgaver, men en dynamisk orkestrering af autonome agenter.

For virksomheder, der udforsker Agentic AI, hvad er dine tre topprioriteter for at sikre en succesfuld implementering og langsigtede værdi?

Mine tre topprioriteter ville være:

1. Start med det rigtige problem, ikke kun en cool teknologi. Byg ikke en agent for dens egen skyld. Fokus på et veldefineret, repetitivt og høj-værdi-problem, som vores repræsentative brugs-examples af en Campaign Pacing Co-pilot eller en Creative QA-agent. Værdien skal være klar og målbar, med et mål, der er knyttet til enten betydelig indsats-reduktion (f.eks. >25%), målbar revenue-optimiering eller kvantificerbar revenue-tab.
2. Planlæg for operationel stewardship, ikke kun implementering. Aflever det ikke. Agenter er levende systemer, der kræver kontinuerlig oversigt, evaluering og sikkerhedsstyring. Vælg en partner, der tilbyder en model som vores – hvor de beholder operationel ejerskab – for at sikre, at din investering leverer langsigtede værdi og ikke bliver et vedligeholdelses-mareridt.
3. Prioriter integration og governance fra starten. Isolerede AI-agenter fejler.

Tak for det store interview, læsere, der ønsker at lære mere, skal besøge MediaMint.