Sandeep Menon, CEO & Co-Founder hos Auxia – Interview Serie

Sandeep Menon, CEO & Co-Founder hos Auxia, bringer mere end to årtiers global teknologi- og markedsføringsledelse til rollen. Før han startede Auxia i 2022, tilbragte han mere end ni år hos Google, hvor han fungerede som vicepræsident for markedsføring af betalinger og ledte initiativer som Next Billion Users-programmet, der fokuserer på digital inklusion på nye markeder. Han havde også seniormarkedsføringslederroller på tværs af Android, Chrome, ChromeOS og Google Play.

Auxia er en AI-dreven markedsføringsplatform, der giver virksomhedsteam mulighed for at koordinere personlige, 1:1 kunderejser i stor målestok. I stedet for at afhænge af stive, regelbaserede kampagner, giver Auxia AI-agenter mulighed for at teste hypoteser på tværs af alle kontaktpunkter – e-mail, web, app, tilbud – og dynamisk tilpasse sig til reelle præferencer og adfærd. Den integrerer sammen med første-parts datakilder, automatiserer ML-pipelines og optimerer kontinuerligt beskeder, timing og sekvensering for at maksimere engagement og livstidsværdi.

I grundlagde Auxia efter en succesfuld karriere hos Google, hvor du ledte global markedsføring for produkter, der blev brugt af milliarder. Hvad var det specifikke gap eller smerte punkt, du og dine medstiftere så på markedet, der førte til oprettelsen af Auxia?

Hos Google så jeg førstehånds, hvor kraftfuld sand personliggørelse kan være, når du har den rette infrastruktur og AI-kapaciteter. Men når jeg så på det bredere marked, så jeg, hvordan virksomheder kæmpede med fragmenterede markedsføringsstakke, ofte styrede 12 til 14 forskellige punktløsninger, der ikke kommunikerede med hinanden. De indsamlede enorme mængder af kundedata, men kunne ikke oversætte det til meningsfuld, realtids personliggørelse.

Det grundlæggende gap var, at eksisterende platforme var bygget til den før-AI-æra. De afhængige af statiske regler og grundlæggende segmentering, når forretninger i virkeligheden havde brug for intelligente, adaptive systemer i stand til at træffe beslutninger om hver kundeinteraktion i realtid. Vi så en mulighed for at bringe det samme niveau af AI-dreven personliggørelse, der driver virksomheder som Google og Meta, til virksomheder af alle størrelser, uden at de skulle bygge store interne datavidenskabsteams.

Auxias grundlæggerteam inkluderer tidligere ledere fra Google, Meta og Lyft. Hvordan formede jeres kollektive erfaringer hos disse teknologigiganter arkitekturen og etosen hos Auxia?

Vi har alle oplevet udfordringerne med personliggørelse i stor målestok. På Google Pay-holdet specifikt var vi i en privilegeret position, fordi vi havde tidlig eksponering for transformative teknologier i deres barndom, med transformermodeller som et primært eksempel. Mine medstiftere, der kom fra Meta og Lyft, byggede systemer, der banevejede vejen for at tage de enorme mængder af kundedata, der var tilgængelige, og gøre det dramatisk mere nyttigt, som at aktivere realtidsanbefalinger og beslutninger for millioner af brugere hver sekund.

Vi så alle førstehånds, hvordan AI kunne dybt forbedre kundeoplevelser, mens vi også løste nogle af de største udfordringer, vores markedsføringshold stod overfor. På samme tid skiftede markedet på en måde, der gjorde denne type arbejde mulig udenfor Google. Med opkomsten af den moderne datastak og platforme som Snowflake, BigQuery og Databricks havde virksomheder brugt de sidste 5-10 år på at konsolidere deres data i ét centraliseret sted, klar til aktivering.

Vi erkendte en unik mulighed for at tage de lærdomme, vi havde udviklet indenfor Google, og demokratisere dem for virksomheder overalt. Disse virksomheder var lige ved at vågne op til erkendelsen af, at de sad på en bjerg af værdifuld data, og med den rette teknologi kunne det låses op til at drive vækst og bedre kundeengagement.

De fleste personliggørelsværktøjer afhænger af regelbaserede systemer og simple segmenter. Auxia bruger i stedet synkroniserede AI-agenter. Kan du forklare, hvordan disse agenter samarbejder og udvikler sig over tid for at personliggøre hver kunderejse?

De fleste værktøjer på markedet i dag afhænger stadig af stive regler og statiske segmenter, de er reaktive, ikke intelligente. Hos Auxia har vi bygget et system af synkroniserede AI-agenter, der arbejder sammen for at personliggøre hver kontaktpunkt i kundeoplevelsen i realtid.

Hver agent spiller en specialiseret rol. Beslutningsagenter bestemmer den bedste handling for en bruger baseret på alle deres tidligere data og præferencer; f.eks. om at opgradere en kunde til en ny kreditkort eller drive dem til at åbne en ny sparekonto. Analyseagenter fungerer som et indbygget datavidenskabsteam, der analyserer, hvad der har fungeret godt i aktuelle kampagner for at højligte impact, men også muligheder for forbedring i en chat-baseret interface. Endelig giver Auxias indholdagenter alle data og indsigt om, hvad der har fungeret bedst, for at proaktivt overflade nye budskaber eller kreative variationer for markedsføringshold at godkende.

Det, der gør disse agenter kraftfulde, er, at de ikke opererer i siloer. De samarbejder kontinuerligt, lærer af hver interaktion og tilpasser sig baseret på, hvad der fungerer. Markedsførere sætter overordnede mål, og agenterne håndterer kompleksiteten. De er selvoptimerende systemer, der udvikler sig dagligt for at drive bedre resultater i stor målestok.

Auxia behandler 2,6 milliarder begivenheder dagligt og håndterer 6.500 forespørgsler per sekund. Hvad infrastruktur-innovationer gjorde denne type realtids-skalerbarhed mulig så tidligt i virksomhedens livscyklus?

Fra dag én vidste vi, at skalaen ikke kunne være forhandlet. Hyperpersonliggørelse fungerer kun, hvis du kan træffe beslutninger på millisekunder, ved hjælp af friske, kontekstuelle signaler. Vi lærte mange af disse lektioner fra vores tid hos Google, og det tog over et år at bygge infrastrukturen til at støtte denne type realtids-koordinering.

Vores arkitektur er cloud-native, begivenhedsdrevet og optimeret til høj-gennemstrømning, så vi står på skuldrene af teknologibølger før os som skiftet til den moderne datastak. Den måde, markedsføringsteknologilandskabet er udviklet mod åbne økosystemer, har gjort det muligt for os at flytte meget hurtigere, og det har gjort det muligt for os at integrere direkte med moderne cloud-data-lagre, CRM og andre markedsføringsplatforme. Dette har gjort det muligt for os at bygge til skala fra dag én og også har hjulpet os til at afhænge af infrastruktur, der kan behandle massive volumener af første-parts kundesignaler uden at introducere latency.

Hvad også adskiller os er, at vi er AI-native fra begyndelsen. Vi Auxia designede det til at støtte storstilet eksperimentation, køre tusindvis af simultane hypoteser og kontinuerligt optimere resultater uden menneskelig indgriben, men vi udnytter også den seneste teknologi i branchen til funktionsskabelse, modeludrulning og LLM-inferens.

Hvordan adskiller Auxias model-eksperimentramme sig fra traditionel A/B-testning, og hvad har været de mest overraskende indsighter, der er blevet afsløret ved hjælp af jeres ML-dreven tilgang?

Traditionel A/B-testning er utrolig begrænsende, du kan kun teste et par variationer ad gangen, og det tager ofte uger eller måneder at nå statistisk signifikante resultater. Hos Auxia har vi genopfundet eksperimentation som en kontinuerlig, intelligent proces. Vores model-drevne ramme giver markedsførere mulighed for at køre mange forskellige selvoptimerende modeller og teste hundredvis af variationer i parallel. Ved hjælp af teknikker som forstærkningslæring, træffer Auxias beslutningssystem beslutninger i realtid baseret på live-data.

Lad os tage et eksempel på en tilbud- og belønningskampagne over e-mail. Tidligere ville markedsførere måske teste 2-3 forskellige tilbudsvariationer, som 5% rabat, 10% rabat og 20% rabat, opdele publikummet i gensidigt exclusive grupper, lancere og sammenligne resultaterne på tværs af en række metrikker for at se, hvilken variation fungerede bedst, i gennemsnit, for hele gruppen. Den vindende variation ville derefter blive udviklet til alle efter eksperimentperiodens afslutning. Der er nogle udfordringer med denne tilgang. Først falder de fleste eksperimenter fejl, så det tager ofte uger eller måneder for hold at identificere, hvad der fungerer godt. Derudover er de meget manuelle og tidskrævende at opsætte, hvilket begrænser holdets hastighed og hvor hurtigt de kan levere impact.

Med Auxia sætter markedsførere først et overordnet mål, som at drive køb. Derefter sætter holdet hundredvis af forskellige variationer op i systemet, som et hold kan dynamisk generere med vores Content Agent, indtage fra jeres CMS eller manuelt definere. Hver af disse variationer ville variere i forhold til tilbudsstrukturen (f.eks. 5% rabat vs. BOGO), beløb, indhold og muligvis endda kanal (f.eks. e-mail vs. SMS). For hver enkelt bruger vil Auxias Beslutningsagent rangere, score og forudsige, ud af alle hundredvis af variationer, der er tilgængelige, hvilken variation der er optimal for hver person til at drive jeres kerneobjekt.

Auxias platform er designed til at fjerne afhængigheden af store interne datavidenskabsteams. Har du set traditionelle markedsføringshold succesfuldt påtage sig mere tekniske roller med jeres værktøjer?

En af de grundlæggende årsager, vi startede Auxia, var at give markedsføringshold mulighed for at personliggøre både deres markedsføring og produktoplevelser uden at afhænge af ingeniører eller datavidenskabsfolk. Inden for få uger efter onboarding er markedsførere, der bruger Auxia, i stand til at lancere nye kampagner, hente data og fortolke resultater fuldstændigt på egen hånd. Da verden bevæger sig mod en mere agentisk fremtid, tror vi, at markedsførere ikke behøver at blive mere tekniske eller bygge nye tekniske færdigheder. I stedet vil de ansvar, der traditionelt håndteres af ingeniører eller analytikere, blive demokratiseret gennem intelligente agenter, der udvider markedsførerens arbejdsgang og samlede oplevelse. Med vores Analyseagent har vi allerede succesfuldt abstraheret meget af den kompleksitet af traditionel datavidenskabs-/analytikerarbejde, og vi er begejstrede for at fortsætte med at udvide disse funktioner.

Som den, der ledte markedsføring for Next Billion Users-initiativet hos Google, hvilke paralleller ser du mellem inklusiv teknologiadoption og agentisk AI i markedsføring i dag?

Da jeg ledte markedsføring for Next Billion Users-initiativet hos Google, erkendte vi, at mennesker i nye markeder interagerede med produkter på fundamentalt forskellige måder end brugere på etablerede markeder. Fordi det repræsenterede en så stor vækstmulighed, blev det afgørende at bygge specifikt til disse brugere – at forenkle grænseflader, abstrahere kompleksitet og sikre, at oplevelsen var tilgængelig og empowerende.

Jeg ser en meget lignende trend udvikle sig med agentisk AI i markedsføring. Ligesom mange af disse nye internetbrugere sprang direkte ind i mobile-først-oplevelser uden at have brug for tidligere digital litteratur, har markedsførere i dag ikke brug for at gå tilbage og lære SQL eller datavidenskab for at låse personliggørelse op. Agenter brohuler færdighedsgapet og gør avancerede funktioner umiddelbart brugbare. På samme tid tvinger måden, mennesker interagerer med AI – ved at gå ud over chat-baserede grænseflader til mere intuitive, kontekstbevidste agenter – udviklere til at genoverveje UI’ens fremtid. Fokus, som med NBU, er på tilgængelighed, enkelhed og empowerment: at abstrahere den tekniske kompleksitet, så den endelige oplevelse føles naturlig og effektiv.

Hvad er den største misforståelse, virksomheder har om AI-personliggørelse i dag, og hvordan hjælper du dem med at overvinde den?

Den største misforståelse, virksomheder har om AI-personliggørelse, er, at ved at adoptere det, giver de fuld kontrol op eller formindsker den strategiske impact af markedsføringshold. AI udmærker sig ved at behandle kompleksitet, som at analysere massive datasets, spotte mønstre, som mennesker ikke kan se, og overflade signaler, der betyder noget i realtid. Det, AI ikke kan gøre, er at give kontekst, empati og strategisk dømmekraft til at designe meningsfulde kundeoplevelser. Det er, hvor mennesker skinner: fastsætte visionen, definere brandvagter og forstå, når en personliggørelsesvalg kan føles indtrængende eller forkert.

Hvis vi taler ærligt, kan mennesker være effektive uden AI, men AI kan ikke være effektivt uden mennesker. Den virkelige gennembrud kommer, når du udvider dine hold med AI for at håndtere skalaen og kompleksiteten af beslutninger, mens du giver hold mulighed for at fokusere på strategi, kreativitet og empati. Det er, når personliggørelse bevæger sig fra at være et buzzword til noget, der virkelig skaber værdi for både kunder og forretningen.

Med støtte fra over 50 branchledere og en kapitalindsamling på 23,5 millioner dollars, hvilke nøgleområder prioriterer du for de næste 12-18 måneders produkt- og holdvækst?

Vi prioriterer tre områder for vækst over de næste 12-18 måneder. Først er vi dedikeret til at levere ekstraordinær værdi til vores kunder ved at fortsætte med at hæve deres oplevelse. Dette har altid været en top-prioritet for vores hold, og vi vil sikre, at vi leverer ekstraordinær ROI for alle de virksomheder, der har sat deres tillid til os og vores hold. Anden, vi udvider vores AI-agent-kapaciteter for at støtte forbedring af den fulde markedsføringsarbejdsgang, hjælpe hold med at skabe indhold, koordinere personlige oplevelser og overflade handlebare indsighter om, hvad der driver impact. Til sidst skal vi skala vores go-to-market-motor. Med stærk produkt-markedsfit i virksomheden er det næste skridt at udvide vores rækkevidde ved at vokse vores salgs- og kundesucceshold. Dette giver os mulighed for at bringe AI-dreven personliggørelse til flere virksomheder, mens vi sikrer, at nye kunder nyder godt af den samme højtilgængelige support og differentierede oplevelse, der har ført til vores tidlige succes.

Hvad begejstrer dig mest om den næste front i agentisk AI, ikke kun i markedsføring, men også i andre virksomhedsapplikationer?

Det, der virkelig begejstrer mig, er at se adoptionstakten, se, at adoption har reel impact, og se, at markedet erkender, at agentisk AI’s virkelige værdi ligger i udvidelse, ikke nødvendigvis erstatning. For mange samtaler i dag fokuserer på AI som en erstatning for menneskelige roller, som alle de reklamer, du måske ser på 101 på vej ind i San Francisco om virksomheder, der erstatter SDR’er (eller endda hele funktioner). Den narrativ er gået til overskrifterne, men for mig mangler den den større mulighed: at udvide menneskers muligheder for at udføre deres bedste arbejde.

Mennesker bringer kontekst, empati, kreativitet og dømmekraft, som AI simpelthen ikke kan replikere. Hvor agentisk AI skinner, er i håndtering af kompleksitet og skala, der bremser hold ned. Vi har talt meget om anvendeligheden i markedsføringsarbejdsgangen, som at overflade indsighter fra massive datasets, automatisere repetitive opgaver og koordinere processer på tværs af systemer i realtid. Når disse funktioner kombineres med menneskelige styrker, er resultatet en skiftende ændring i, hvad organisationer kan opnå.

I markedsføring betyder det, at hold frigøres fra endeløs eksekvering, så de kan fokusere på strategi, storytelling og kundeempati. Men denne samme mønster gælder på tværs af alle funktioner i virksomheden: i salg kan agenter kvalificere og forberede muligheder, så mennesker kan bruge mere tid på at bygge relationer; i kundesucces kan agenter flagge risiko- og mulighedssignaler, så mennesker kan dybe partnerskaber; i ingeniørarbejde kan agenter accelerere udvikling ved at automatisere test, fejlfinding og kodegenerering, så hold kan fokusere på at løse komplekse arkitekturproblemer og drive innovation.

Alle disse muligheder vil skabe billioner af dollars i værdi, og jeg elsker at se virksomheder, der skyder grænserne for, hvordan arbejdet, folk gør, vil udvikle sig over tid.

Forestil dig finanshold med AI-agenter, der optimerer budgetter i realtid, HR-hold, der bruger agenter til at personliggøre medarbejderengagement, eller kundesupportagenter, der bevæger sig fra reaktiv til proaktiv.

Vi er lige begyndt. Fremtiden handler ikke om, at AI erstatter mennesker, men om, at mennesker og AI-agenter arbejder sammen for at træffe beslutninger, der er hurtigere, smartere og mere empatiske. Det er den fremtid, vi bygger hos Auxia.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Auxia.