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

Viki Zabala, Chief Growth & Strategy Officer at First Insight, bringer mere end 22 års ledelseserfaring fra high-growth SaaS-, AI- og teknologivirksomheder, der opererer i skæringspunktet mellem strategi, produkt og innovation. I hendes rol leder hun First Insights samlede vækstmotor på tværs af strategi, go-to-market, marketing, produkt, AI, kundesucces og partnerskaber og formulerer visionen bag virksomhedens Retail Decision Intelligence-platform. Kendt for at omdanne usikkerhed til klarhed, har Zabala drevet hyper-vækst, ny markedsudvidelse og AI-ledet transformation ved at kobbe kundes indsigt, beslutningsintelligens og skalerbare driftsmodeller til at levere målbare forretningsresultater for globale virksomheder.

First Insight er en AI-drevet beslutningsintelligensplatform bygget til detailhandlere og mærker, der søger at forudsige efterspørgsel, optimere priser og udvalg og reducere risiko på tværs af produktlivscyklussen. Ved at kombinere realtidskundetilbagemeldinger med prædiktiv, generativ og agensbaseret AI hjælper platformen organisationer med at træffe hurtigere og mere sikre beslutninger på tværs af design, merchandising, planlægning og sæsonbestemmelse. Brugt af førende globale detailhandlere og forbrugsvarer-mærker, fokuserer First Insight på at omdanne kundes indsigt til handlebar intelligens, der forbedrer margener, accelererer markedsføringstid og styrker langsigtede vækst.

Dit karriere har konsekvent været placeret i skæringspunktet mellem data, go-to-market-strategi og eksekvering. Hvad var de tidligere øjeblikke i din karriere, der har formet, hvordan du tænker om at omdanne indsigt til reelle operationelle beslutninger i dag?

Jeg har altid fokuseret på en grundlæggende udfordring: hvordan man påvirker og ændrer adfærd i stor målestok.

Tidligt i min karriere viste det sig i mobile apps og ad tech, hvor feedback-loopene er øjeblikkelige. Du lærer hurtigt, at data kun er vigtig, hvis det ændrer, hvad nogen gør herefter – installation, engagement, konvertering. Senere, i IoT og oplevelsesplatforme, spillede samme sandhed sig ud i fysiske miljøer: hvordan kontekst, timing og oplevelse former menneskelig adfærd i realtid.

På tværs af alle disse industrier forblev en lære konstant: indsigt er kun værdifuld, hvis den er handlebar i øjeblikket, hvor en beslutning træffes. Hvis den ikke overlever presset fra eksekvering – prissætning, go-to-market, lager, beskeder – er det bare information.

Denne tankegang er det, der har ført mig til First Insight. Detailhandel er en af de mest adfærdsdrevne industrier, der findes, men beslutninger har historisk afhængigt af efterslæbende indikatorer og mavefornemmelse. Mit arbejde har handlet om at lukke denne gap – ved at bringe kundens stemme frem tidligt nok og kontinuerligt nok til at konstruere bedre resultater i stedet for at reagere på fejl.

Mit fokus nu er på at hjælpe organisationer med at træffe bedre beslutninger tidligt nok til at have betydning – så de kan øge omsætning, opnå kundeloyalitet og konsekvent overgå markedet.

Som Chief Growth & Strategy Officer i First Insight overvåger du produkt, AI-vejplan, GTM og kundesucces. Hvordan ændrer det at have denne samlede oversigt, hvordan AI skal være designet og implementeret inden for detailhandelsorganisationer?

Når du ser det samlede system, stopper du med at tænke på AI som et værktøj og starter med at tænke på det som en driftsmodel.

Produktet viser dig, hvad der er teknisk muligt. Go-to-market viser dig, hvad der vil blive forstået og antaget. Kundesucces viser dig, hvad der holder under reelle begrænsninger – tidspression, tværfunktionel spænding, datakvalitet og ansvar. Når disse perspektiver er samlet, bliver AI designet omkring, hvordan beslutninger faktisk sker, og ikke om, hvor imponerende teknologien ser ud i isolation.

Dette er hvorfor AI i detailhandel skal fungere som et system af beslutninger og handlinger, og ikke kun et system af intelligens. Det skal kobbe kundesignaler til prissætning, udvalg, marketing og planlægning på en måde, der samordner hold og accelererer beslutninger. Når AI reducerer friktion mellem hold og forkorter afstanden mellem indsigt og handling, begynder det at levere reel værdi.

Detailhandlere har længe afhængigt af sæsonbestemmende planlægningscykler og historiske data. Hvorfor er disse modeller stadig mere misalignerede med, hvordan forbrugere opfører sig i dag?

Fordi disse modeller blev bygget til en verden, hvor detailhandel primært handlede om at optimere, hvad der allerede eksisterede – ikke om at opfinde, hvad der kommer herefter.

Historiske salg og sæsoncykler kan hjælpe med at forklare præstation i etablerede kategorier, men de er svage, når det kommer til de to ting, detailhandlere har brug for i dag: at reagere på hurtigt skiftende kundeopførsel og skabe ny efterspørgsel gennem produktinnovation og hvidt rum-udvidelse.

Efterspørgsel skifter nu i realtid – drevet af prisfølsomhed, kulturelle øjeblikke, sociale påvirkninger, økonomisk pres og kanal-dynamik. En trend kan opstå over nattemanden. En prissignal kan ændre adfærd øjeblikkeligt. Historiske data forklarer, hvad der allerede er sket, men det fortæller ikke pålideligt, hvordan kunderne vil reagere herefter – selv for produkter, der allerede er på hylden – når kontekst og sentiment kan ændre sig på et øjeblik.

På samme tid er mange detailhandlere ved at træffe beslutninger med ældre CRM-systemer og forældede billeder af, hvem deres kunde faktisk er. Nye konkurrenter, nye kanaler og yngre generationer med forskellige forventninger og købekraft trækker stadig kunder væk – ofte uden, at detailhandlere når at opdage det, før resultaterne viser sig i missede prognoser eller faldende loyalitet. I mange tilfælde optimiserer mærker for kunder, de ikke længere har – eller kunder, der allerede er flyttet videre.

Og når det kommer til innovation, kan salgshistorik ikke validere et produkt, der endnu ikke eksisterer – eller en kundesegment, du er i fare for at miste. Det er derfor, så mange detailhandlere ender med at iterere på fortiden i stedet for at finansiere den næste kategori, den næste funktionssæt eller den næste målgruppe med sikkerhed. Låsen er at bringe kundens stemme frem tidligt nok til at vejlede konceptskabelse, prissætning og positionering – så innovation bliver et gentaget system i stedet for en chance.

First Insights AI-assistent, Ellis, muliggør naturlig sprogforespørgsler omkring prissætning, udvalg og efterspørgsel. Hvordan vigtig er interface-design og tilgængelighed i at drive reel AI-adopteringsfaktor i forhold til kun teknisk kapacitet?

Interface er forskellen mellem “AI eksisterer” og “AI bliver brugt”.

Detailhandelsbeslutninger omfatter langt mere end et øjeblik – konceptforskning, design, udvalgsbygning, prissætning, margenmodellering, købsdybde, allokeringsjusteringer, sæsonjusteringer, marketing og salg. Udfordringen er ikke, at detailhandlere ikke har spørgsmål; det er, at svarene er fanget i dashboards, decks, eksport og specialiserede hold – og inden de leveres, er øjeblikket passeret.

Ellis er vigtig, fordi det fjerner friktion mellem indsigt og handling. I stedet for at navigere i rapporter eller vente på ny analyse, kan hold stille strategiske og taktiske spørgsmål på almindeligt sprog – om koncepter, prissætning, udvalg, segmenter, markeder, konkurrenter – og få klare, prædiktive svar på minutter. Det er ikke kun brugervenlighed; det er beslutningshastighed.

Tilgængelighed driver også adoption på tværs af organisationen. Når samme kundesignal er øjeblikkeligt tilgængelig for merchandising, prissætning, marketing og planlægning, reducerer du interne kampe og misalignering. Folk stopper med at diskutere, hvis deres data er rigtigt, og starter med at diskutere, hvad de skal gøre herefter – hurtigere og med mere sikkerhed.

Du har arbejdet tæt med detailhandlere, der navigerer i marginaltryk, lager-risiko og volatil efterspørgsel. Hvor leverer AI den hurtigste, mest målbare effekt i dag – og hvor er hypen stadig foran virkeligheden?

Den hurtigste effekt viser sig, hvor beslutninger er hyppige, dyre og tidsfølsomme: prissætning, udvalgsvalg, efterspørgselsvalidering og lager-risiko. Når AI hjælper hold med at undgå at købe for meget, holde prissætning med sikkerhed eller afslutte tabende produkter tidligere, er den finansielle effekt øjeblikkelig og målbar.

Hvor hypen kommer foran virkeligheden, er i idéen om fuldt autonome detailhandel – eller AI, der erstatter rigtig kundeforståelse med syntetiske genveje. Forbrugere er meget klare: de værdsætter ægthed, gennemsigtighed og at blive hørt. AI, der fjerner mærker fra kunden, skaber ikke effektivitet – det skaber risiko.

Den vindende model i dag er menneskelig dømmekraft suppleret med prædiktiv indsigt, ikke automatisering for automatiseringens skyld.

Mange AI-værktøjer lover prædiktive kapaciteter. Hvad ser meningsfuld prædiktion ud til i detailhandel, og hvordan bør ledere evaluere, om prædiktioner faktisk er beslutningsklare?

Meningsfuld prædiktion i detailhandel er ikke en prognose – det er evnen til at lukke cirklen fra kundesandhed til finansielt resultat.

Mange AI-outputs lyder prædiktive, men de ændrer ikke forretningen, fordi de aldrig kommer ind i den operationelle cadence. Kvartalet går glip af, lagerstørrelsen øges, og rabatbudgetter bliver brugt – og alle kan pege på data et sted, der kunne have hjulpet. Den virkelige fejl er, at beslutninger ikke var alignet, handlinger ikke blev taget, og arbejdsgangen ikke ændrede sig.

Beslutningsklar prædiktion gør tre ting på én gang:

1. Det er baseret på, hvordan kunder faktisk opfatter værdi – ikke kun salgshistorik – så det kan vejlede beslutninger fra koncept til sæson.
2. Det er direkte knyttet til økonomien: efterspørgselselasticitet, villighed til at betale, AUR/ASP over produktlivscyklussen og marginalimplicationerne af at holde vs. diskontere.
3. Det er operationelt – indlejret i en gentagen proces, som hold faktisk følger, ikke fanget på tværs af dusinvis af værktøjer og siloede dashboards.

En tilbagevendende tema, vi ser, er omkostningerne ved den “lange hale” af SKUs. Over-udvalg er en stille dræber: overflødigt dybde, lav hastighed, begravet risiko. En af de største gevindler, som prædiktiv AI låser op, er evnen til at klippe halen – fjerne underpræsterende produkter tidligt og geninvestere disse lagerdollars i top-præstationer, hvor kundebehov og sentiment er højest.

Når hold anvender denne disciplin, ser vi dramatiske resultater:

• lagerdollars er frigjort til innovation og høj-score-muligheder,
• rabat-cadence stabiliseres og forkortes,
• promotionspres eases, og
• mærke-tillid øges, fordi kunder ikke er trænet til at forvente 50-60% afslag, før de vil købe.

Ledere bør evaluere prædiktiv AI med ét spørgsmål: Ændrer det, hvor vi investerer? Den højeste ROI er ikke mere data – det er bedre beslutninger i, hvordan vi allokerer kapital, tid og lager mod rigtig kundebehov – tidligt nok til at have betydning.

Ansvarlig AI diskuteres ofte på et højt niveau. I detailhandel specifikt, hvad ser praktisk, ansvarlig AI-adopteringsfaktor ud til, når beslutninger direkte påvirker prissætning, forbrugere og mærke-tillid?

Ansvarlig AI i detailhandel starter med en enkel princip: brug AI til at dykke kunde-forholdet, ikke udnytte det.

Dette handler ikke om hyper-tracking af enkeltindivider, overvågning eller indhøstning af data for dens egen skyld. Ansvarlig AI handler om at bringe kundens stemme ind i hver beslutning i stor målestok – så produkter, prissætning, beskeder og oplevelser afspejler, hvad mennesker faktisk værdsætter. På mange måder er det en form for co-udvikling: kunder vejleder, hvad der skabes, hvordan det positioneres, og hvad der føles rimeligt.

Praktisk set ser ansvarlig AI ud til:

• At basere beslutninger på rigtig kunde-input – både kvantitativ og kvalitativ (“hvad de sagde”).
• At bygge gennemsigtighed og vagter for høj-impakt-beslutninger som prissætning, promotioner og segmentering.
• At sikre lighed på tværs af segmenter og markeder, så AI ikke utilsigtet favoriserer en gruppe, mens den udsætter en anden.
• At holde mennesker i løkken for dømmekraft, ansvar og den kreative nuance, AI ikke kan generere selv.

Når AI bruges på denne måde, styrker det kunde-forholdet i stedet for at undergrave det. Kunder føler sig hørt i stor målestok. Hold træffer bedre beslutninger hurtigere. Og mærker bygger tillid – fordi de ikke længere reagerer på markedet; de handler med det.

Du har ledet både markedsfortællinger og produktstrategi. Hvordan bør detailhandlere omformulere interne fortællinger omkring AI, så det ses som en beslutningspartner og ikke som en trussel eller en sort boks?

Detailhandlere bør stoppe med at fortælle historien om, at AI er “smarter analyse” og starte med at fortælle historien om, at AI er kunde-centrisk på stor målestok.

Den interne friktion i detailhandel ikke kun siloer – det er siloer, der træffer høj-risiko-beslutninger med forskellige sandheder: marketing har engagementssignaler, merchandising har salgshistorik, prissætning har marginaltryk, planlægning har lager-begrænsninger. Det er, hvor slagene finder sted.

AI bliver en beslutningspartner, når det skaber et fælles sprog på tværs af funktioner: kundens stemme, oversat til prædiktiv vejledning, der informerer produkt, pris, udvalg og salg – fra koncept til konvertering.

Og det er vigtigt at være ærlig om menneskets rolle. AI opfinder ikke den næste gennembruds-idé – det lærer mønstre. Mennesker bringer kreativitet, smag, mærke-intention og kulturel intuition. AI gør den kreativitet skarpere ved at forkorte feedback-loopene og presse-teste beslutninger, før markedet gør.

Når AI bliver mere integreret i planlægning og sæsonbestemmende beslutninger, hvordan ser du menneskelig dømmekraft udvikle sig i stedet for at forsvinde?

Menneskelig dømmekraft bliver endnu mere vigtig – og mere udnyttet – fordi sæsonen er, hvor detailhandels-profit vindes eller tabes.

Rabatter er en af de største omkostninger i detailhandel. Detailhandlere budgetter ofte for dem, fordi de er tvunget til at rydde unsolgt lager. Årsagen til, at rabatter er så smertefulde, er timing: diskonér for tidligt, og du ødelægger marginalen; diskonér for sent, og du mister vinduet til at konvertere efterspørgsel.

Med prædiktiv AI og mennesker i løkken kan hold modelere elastiske efterspørgselskurver og forstå, hvordan ASP/AUR skal udvikle sig over produktets livscyklus – baseret på salg, kundeopfattelse og markeds-signaler. Det muliggør smartere træk: hvornår at holde prissætning, hvornår at diskonere og hvor meget – uden at overkorrigere.

Og sæson-beslutninger handler ikke kun om prissætning. AI kan informere promotioner og marketing i sæsonen ved at faktorisere i kulturelle øjeblikke, influencers, trend-acceleration og skift i kunde-personaer – sammen med produkt-opfattelse og prisfølsomhed. Mennesker anvender herefter dømmekraft: mærke-intention, risikotolerance og de kreative valg, AI ikke kan generere selv.

Fremtiden er ikke automatisering. Det er hurtigere, mere kunde-informeret beslutninger – hvor AI skaler lytten, og mennesker leder meningen.

Set fremad, hvordan forventer du, at agens- og generativ AI vil omforme detailhandels-arbejdsgange over de næste to til tre år – ikke teoretisk, men operationelt?

Vi bevæger os fra systemer af intelligens til systemer af handling.

Operationelt vil generativ AI gøre indsigt tilgængelig på tværs af roller og niveauer – sammenfatte, sammenligne, forklare og besvare spørgsmål øjeblikkeligt. Agens-ai vil stadig mere overtage det repetitive arbejde, der langsommeliggør organisationer: forberede scenarier, samle executive-klar briefs, overvåge signaler, pege på risiko og koordinere næste-bedst-handling.

Men den mest betydningsfulde ændring vil ikke være, at AI “kører detailhandel”. Det vil være, at detailhandlere endelig lukker cirklen mellem kunden og virksomheden. Hold vil bevæge sig hurtigere, reducere interne friktion og træffe bedre beslutninger tidligere – før trendene toppes, før rabatter kaskader, og før missede muligheder bliver kvartals-misser.

De detailhandlere, der vinder, vil ikke være dem med de fleste AI-eksperimenter. De vil være dem, der bygger en gentagen operationel cadence, hvor kunde-sandhed, prædiktiv intelligens og menneskelig kreativitet arbejder sammen – fra koncept til konvertering.

Tak for den detaljerede interview, læsere, der ønsker at lære mere, skal besøge First Insight.