Sandeep Menon, CEO & Co-Founder at Auxia – Interview Series

Sandeep Menon, CEO & Co-Founder at Auxia, bringt über zwei Jahrzehnte globale Technologie- und Marketingführung in diese Rolle ein. Bevor er Auxia 2022 gründete, verbrachte er mehr als neun Jahre bei Google, wo er als Vice President of Marketing für Zahlungen tätig war und Initiativen wie das Next Billion Users-Programm leitete, das sich auf digitale Inklusion in aufstrebenden Märkten konzentrierte. Er hatte auch senior Marketing-Führungsrollen bei Android, Chrome, ChromeOS und Google Play inne.

Auxia ist eine künstliche Intelligenz-getriebene Marketingplattform, die es Unternehmen ermöglicht, personalisierte, 1:1-Kundenreisen im großen Maßstab zu orchestrieren. Anstatt auf starre, regelbasierte Kampagnen zu vertrauen, ermöglicht Auxia es künstlichen Intelligenz-Agenten, Hypothesen über alle Touchpoints – E-Mail, Web, App, Angebote – zu testen und sich dynamisch an Echtzeit-Präferenzen und Verhaltensweisen anzupassen. Es integriert sich nahtlos mit ersten Partei-Datenquellen, automatisiert ML-Pipelines und optimiert kontinuierlich Messaging, Timing und Sequenzierung, um Engagement und Lifetime-Wert zu maximieren.

Sie haben Auxia nach einer erfolgreichen Karriere bei Google gegründet, wo Sie globales Marketing für Produkte leiteten, die von Milliarden genutzt wurden. Welche spezifische Lücke oder Schmerzstelle sahen Sie und Ihre Mitgründer auf dem Markt, die zur Gründung von Auxia führte?

Bei Google sah ich persönlich, wie leistungsfähig wahre Personalisierung sein kann, wenn man die richtige Infrastruktur und künstliche Intelligenz-Fähigkeiten hat. Als ich jedoch auf den breiteren Markt schaute, sah ich Unternehmen, die mit fragmentierten Marketing-Stacks kämpften, oft 12 bis 14 verschiedene Punktlösungen verwalteten, die nicht miteinander kommunizierten. Sie sammelten enorme Mengen an Kundendaten, konnten diese jedoch nicht in sinnvolle, Echtzeit-Personalisierung übersetzen.

Die grundlegende Lücke bestand darin, dass bestehende Plattformen für die vor-künstlichen Intelligenz-Ära entwickelt wurden. Sie vertrauten auf statische Regeln und grundlegende Segmentierung, während Unternehmen eigentlich intelligente, adaptive Systeme benötigten, die in Echtzeit Entscheidungen über jede Kundeninteraktion treffen konnten. Wir sahen eine Chance, das gleiche Maß an künstlicher Intelligenz-getriebener Personalisierung, das Unternehmen wie Google und Meta antreibt, Unternehmen aller Größen ohne die Notwendigkeit, massive interne aufzubauen, zu bringen.

Das Gründungsteam von Auxia umfasst ehemalige Führungskräfte von Google, Meta und Lyft. Wie haben Ihre kollektiven Erfahrungen bei diesen Technologieunternehmen die Architektur und Ethik von Auxia geprägt?

Wir haben alle die Herausforderungen der Personalisierung im großen Maßstab erlebt. Im Google Pay-Team insbesondere waren wir in einer privilegierten Position, weil wir frühzeitig transformative Technologien in ihrer Kindheit erlebten, wobei Transformer-Modelle ein prominentes Beispiel sind. Meine Mitgründer, die von Meta und Lyft kamen, bauten Systeme, die Wege entwickelten, um die enorme Menge an Kundendaten, die verfügbar war, dramatisch nützlicher zu machen, wie z.B. die Unterstützung von Echtzeit-Empfehlungen und Entscheidungen für Millionen von Benutzern jede Sekunde.

Wir sahen alle persönlich, wie künstliche Intelligenz Kundenerfahrungen erheblich verbessern und gleichzeitig einige der schwierigsten Herausforderungen angehen kann, denen unsere Marketing-Teams gegenüberstanden. Gleichzeitig veränderte sich der breitere Markt auf eine Weise, die diese Art von Arbeit außerhalb von Google möglich machte. Mit dem Aufkommen des modernen Datenstacks und Plattformen wie Snowflake, BigQuery und Databricks hatten Unternehmen in den letzten 5-10 Jahren ihre Daten in einen zentralen Ort konsolidiert, der bereit für die Aktivierung war.

Wir erkannten eine einzigartige Gelegenheit, die Erkenntnisse, die wir innerhalb von Google entwickelt hatten, zu demokratisieren und Unternehmen überall zugänglich zu machen. Diese Unternehmen waren gerade dabei, zu erkennen, dass sie auf einem Berg wertvoller Daten saßen, und mit der richtigen Technologie konnte dies entsperrt werden, um Wachstum und bessere Kundenbindung zu fördern.

Die meisten Personalisierungstools vertrauen auf regelbasierte Systeme und einfache Segmente. Auxia verwendet stattdessen synchronisierte künstliche Intelligenz-Agenten. Können Sie uns durch die Zusammenarbeit und Entwicklung dieser Agenten führen, um jede Kundenreise zu personalisieren?

Die meisten Tools auf dem Markt vertrauen heute noch auf starre Regeln und statische Segmente, sie sind reaktiv, nicht intelligent. Bei Auxia haben wir ein System von synchronisierten künstlichen Intelligenz-Agenten entwickelt, die zusammenarbeiten, um jeden Touchpoint in der Kundenreise in Echtzeit zu personalisieren.

Jeder Agent spielt eine spezialisierte Rolle. Entscheidungsagenten bestimmen die beste Aktion für einen Benutzer basierend auf all seinen vorherigen Daten und Präferenzen; zum Beispiel, ob ein Kunde zu einer neuen Kreditkarte upgesold oder dazu gebracht werden soll, ein neues Sparkonto zu eröffnen. Analysten-Agenten funktionieren wie ein eingebauter, analysieren, was in aktuellen Kampagnen gut funktioniert hat, um Auswirkungen und Chancen für Verbesserungen in einer chatbasierten Schnittstelle hervorzuheben. Schließlich nutzen Auxias Content-Agenten all die Daten und Erkenntnisse darüber, was am besten funktioniert hat, um proaktiv neue Messaging- oder kreative Variationen für Marketing-Teams zur Genehmigung zu übermitteln.

Was diese Agenten stark macht, ist, dass sie nicht in Silos arbeiten. Sie arbeiten kontinuierlich zusammen, lernen aus jeder Interaktion und passen sich an, basierend auf dem, was funktioniert. Marketing-Teams setzen hochrangige Ziele, und die Agenten übernehmen die Komplexität. Sie sind selbstoptimierende Systeme, die täglich weiterentwickelt werden, um bessere Ergebnisse im großen Maßstab zu erzielen.

Auxia verarbeitet 2,6 Milliarden Ereignisse täglich und bearbeitet 6.500 Abfragen pro Sekunde. Welche Infrastruktur-Innovationen ermöglichten diese Art von Echtzeit-Skalierbarkeit so früh im Lebenszyklus des Unternehmens?

Von Tag eins an wussten wir, dass Skalierbarkeit nicht verhandelbar sein durfte. Hyperpersonalisierung funktioniert nur, wenn Sie in Millisekunden Entscheidungen treffen können, unter Verwendung frischer, kontextbezogener Signale. Wir haben viele dieser Lektionen aus unserer Zeit bei Google gelernt, und es dauerte über ein Jahr, die Infrastruktur aufzubauen, um diese Art von Echtzeit-Orchestrierung zu unterstützen.

Unsere Architektur ist cloudbasiert, ereignisgetrieben und für Hochdurchsatz-Streaming optimiert, sodass wir auf den Schultern von Technologiewellen vor uns stehen, wie z.B. der Umstellung auf den modernen Datenstack. Die Art und Weise, wie die Marketing-Technologie-Landschaft sich in Richtung offener Ökosysteme entwickelt hat, hat es uns ermöglicht, viel schneller zu agieren, indem wir direkt mit modernen Cloud-Datenhäusern, CRMs und anderen Marketing-Plattformen integrieren. Dies ermöglicht es uns, für Skalierbarkeit ab Tag eins zu bauen und auch darauf zu vertrauen, dass die Infrastruktur massive Volumina von ersten Partei-Kundensignalen ohne Einführung von Latenz verarbeiten kann.

Was uns auch abhebt, ist, dass wir von Anfang an künstliche Intelligenz-getrieben sind. Wir haben Auxia so konzipiert, dass es große Experimente unterstützt, Tausende von simultanen Hypothesen ausführt und Ergebnisse kontinuierlich ohne menschliche Intervention optimiert, aber wir nutzen auch die neueste Technologie in der Branche für Feature-Erstellung, Modell-Deployment und LLM-Schlussfolgerung.

Wie unterscheidet sich Auxias Modell-Experimenten-Rahmenwerk von traditionellem A/B-Testing, und welche waren die überraschendsten Erkenntnisse, die mit Ihrem maschinellen Lernalgorithmus entdeckt wurden?

Traditionelles A/B-Testing ist unglaublich begrenzt, Sie können nur einige Varianten gleichzeitig testen, und es dauert oft Wochen oder Monate, um statistisch signifikante Ergebnisse zu erzielen. Bei Auxia haben wir das Experimentieren als kontinuierlichen, intelligenten Prozess neu erfunden. Unser modellgetriebenes Rahmenwerk ermöglicht es Marketing-Teams, viele verschiedene selbstoptimierende Modelle auszuführen und Hunderte von Variationen parallel zu testen. Mit Techniken wie Verstärkendem Lernen trifft Auxias Entscheidungssystem Echtzeit-Entscheidungen basierend auf Live-Daten.

Nehmen wir beispielsweise eine Angebote- und Belohnungskampagne über E-Mail. Zuvor könnten Marketing-Teams vielleicht 2-3 verschiedene Angebotsvarianten testen, wie 5% Rabatt, 10% Rabatt und 20% Rabatt, die Zielgruppe in ausschließliche Gruppen aufteilen, starten und die Ergebnisse über verschiedene Metriken vergleichen, um zu sehen, welche Variante am besten für die gesamte Gruppe funktionierte. Diese gewinnende Variante würde dann nach dem Experimentierungszeitraum an jeden weitergegeben. Es gibt jedoch einige Herausforderungen bei diesem Ansatz. Erstens scheitern die meisten Experimente, sodass es Teams oft Wochen oder Monate dauert, um herauszufinden, was gut funktioniert. Zweitens sind sie sehr manuell und zeitaufwändig zu konfigurieren, was die Geschwindigkeit der Teams und die Fähigkeit, schnell Auswirkungen zu erzielen, begrenzt.

Bei Auxia setzen Marketing-Teams zunächst ein hochrangiges Ziel, wie z.B. den Kauf von Produkten. Von dort aus kann das Team Hunderte von verschiedenen Variationen im System einrichten, die ein Team dynamisch mit unserem Content-Agenten generieren, aus Ihrem CMS importieren oder manuell definieren kann. Jede dieser Variationen würde sich in Bezug auf das Angebotskonstrukt (z.B. 5% Rabatt vs. Kauf eins, gib eins), Betrag, Inhalt und möglicherweise sogar Kanal (z.B. E-Mail vs. SMS) unterscheiden. Für jeden einzelnen Benutzer wird Auxias Entscheidungsagent die optimale Variante aus den verfügbaren Hunderten von Variationen für jeden Menschen auswählen, um das Kernziel zu erreichen.

Auxias Plattform ist darauf ausgelegt, die Abhängigkeit von großen internen zu beseitigen. Haben Sie traditionelle Marketing-Teams erfolgreich technische Rollen mit Ihren Tools übernehmen sehen?

Einer der Hauptgründe, warum wir Auxia gegründet haben, war es, Marketing-Teams zu ermöglichen, ihre Marketing- und Produkt-Erfahrungen ohne Abhängigkeit von Ingenieuren oder zu personalisieren. Innerhalb weniger Wochen nach der Onboarding können Marketing-Teams, die Auxia nutzen, neue Kampagnen starten, Daten abrufen und Ergebnisse vollständig auf eigene Faust interpretieren. Da die Welt auf eine agente Zukunft zusteuert, glauben wir, dass Marketing-Teams nicht technischer werden müssen oder neue technische Fähigkeiten aufbauen müssen. Stattdessen werden die Verantwortlichkeiten, die traditionell von Ingenieuren oder Analysten übernommen werden, durch intelligente Agenten demokratisiert, die den Marketing-Workflow und die gesamte Erfahrung des Marketings ergänzen. Mit unserem Analysten-Agenten haben wir bereits viel von dieser Komplexität traditioneller/Analysten-Arbeit abstrahiert, und wir sind aufgerüstet, diese Fähigkeiten weiter voranzutreiben.

Als jemand, der das Marketing für die Next Billion Users-Initiative bei Google leitete, welche Parallelen sehen Sie zwischen inklusiver Technologie-Adoption und agenter künstlicher Intelligenz im Marketing von heute?

Als ich das Marketing für die Next Billion Users-Initiative bei Google leitete, erkannten wir, dass Menschen in aufstrebenden Märkten mit Produkten auf grundlegend andere Weise interagierten als Benutzer in entwickelten Märkten. Da dies eine massive Wachstumschance darstellte, wurde es wichtig, speziell für diese Benutzer zu bauen – Schnittstellen zu vereinfachen, Komplexität abzustrahlen und sicherzustellen, dass die Erfahrung zugänglich und ermächtigend war.

Ich sehe eine sehr ähnliche Tendenz sich entfalten, wenn es um agente künstliche Intelligenz im Marketing geht. Ebenso, wie viele dieser neuen Internetbenutzer direkt in mobile Erstnutzer sprangen, ohne vorherige digitale Kompetenz zu benötigen, müssen Marketing-Teams heute nicht zurückgehen und SQL oder lernen, um Personalisierung zu entsperren. Agenten überbrücken diese Fähigkeitslücken und machen anspruchsvolle Fähigkeiten sofort nutzbar. Gleichzeitig zwingt die Art und Weise, wie Menschen mit künstlicher Intelligenz interagieren – von chatbasierten Schnittstellen zu intuitiveren, kontextbezogenen Agenten – Entwickler, die Benutzeroberfläche der Zukunft neu zu überdenken. Der Fokus liegt, wie bei den Next Billion Users, auf Zugänglichkeit, Einfachheit und Ermächtigung: Abstrahieren der technischen Komplexität, damit die End-Erfahrung natürlich und wirksam erscheint.

Was ist der größte Irrtum, den Unternehmen über künstliche Intelligenz-Personalisierung heute haben, und wie helfen Sie ihnen, diesen zu überwinden?

Der größte Irrtum, den Unternehmen über künstliche Intelligenz-Personalisierung haben, ist, dass die Übernahme davon bedeutet, die vollständige Kontrolle aufzugeben oder die strategische Auswirkung von Marketing-Teams zu verringern. Künstliche Intelligenz ist hervorragend darin, Komplexität zu verarbeiten, wie z.B. die Analyse von massiven Datensätzen, das Erkennen von Mustern, die Menschen nicht sehen können, und das Hervorheben von Signalen, die in Echtzeit zählen. Was sie jedoch nicht kann, ist, Kontext, Empathie und strategische Urteilsfähigkeit bereitzustellen, die für die Gestaltung von bedeutsamen Kunden-Erfahrungen erforderlich sind. Das ist der Bereich, in dem Menschen glänzen: die Vision setzen, Markenleitlinien definieren und verstehen, wenn eine Personalisierungsentscheidung als aufdringlich oder unangebracht empfunden werden könnte.

Wenn wir ehrlich sind, können Menschen mit heute verfügbarer Technologie effektiv sein, ohne künstliche Intelligenz, aber künstliche Intelligenz kann ohne Menschen nicht effektiv sein. Der wahre Durchbruch kommt, wenn Sie Ihre Teams mit künstlicher Intelligenz ergänzen, um die Skalierbarkeit und Komplexität von datengetriebener Entscheidungsfindung zu bewältigen, während Teams sich auf Strategie, Kreativität und Empathie konzentrieren können. Das ist, wenn Personalisierung von einem Buzzwort zu etwas wird, das tatsächlich Wert für Kunden und Unternehmen schafft.

Bei Unterstützung von über 50 Branchenführern und einer Finanzierung von 23,5 Millionen Dollar, welche Bereiche priorisieren Sie für die nächsten 12-18 Monate des Produkt- und Team-Wachstums?

Wir priorisieren drei Bereiche des Wachstums für die nächsten 12-18 Monate. Erstens sind wir darauf bedacht, unseren Kunden außergewöhnlichen Wert zu bieten, indem wir ihre Erfahrung kontinuierlich erhöhen. Dies war immer ein Top-Priorität für unser Team, und wir möchten sicherstellen, dass wir außergewöhnlichen ROI für alle Unternehmen liefern, die uns und unser Team vertrauen. Zweitens erweitern wir die Fähigkeiten unserer künstlichen Intelligenz-Agenten, um die gesamte Marketing-Workflow zu unterstützen, Teams bei der Erstellung von Inhalten, der Orchestrierung personalisierter Erfahrungen und der Oberflächen von aktionsrelevanten Erkenntnissen zu helfen, was die Auswirkungen antreibt. Drittens skalieren wir unseren Go-to-Market-Motor. Mit starker Produkt-Markt-Passung im Unternehmen ist der nächste Schritt, unsere Reichweite durch das Wachstum unserer Vertriebs- und Kunden-Erfolgsteams zu erweitern. Dies ermöglicht es uns, künstliche Intelligenz-getriebene Personalisierung mehr Unternehmen zugänglich zu machen, während wir sicherstellen, dass neue Kunden von der gleichen hochwertigen Unterstützung und differenzierten Erfahrung profitieren, die unseren frühen Erfolg angetrieben hat.

Was begeistert Sie am meisten an der nächsten Front von agenter künstlicher Intelligenz, nicht nur im Marketing, sondern auch in anderen Unternehmensanwendungen?

Was mich wirklich begeistert, ist das Tempo der Übernahme, die Übernahme mit realen Auswirkungen zu sehen und zu sehen, dass der Markt erkennt, dass die wahre Wertschöpfung von agenter künstlicher Intelligenz in der Ergänzung und nicht in der Ersetzung liegt. Viele Gespräche heute konzentrieren sich auf künstliche Intelligenz als Ersatz für menschliche Rollen, wie z.B. alle Billboard-Werbetafeln, die Sie auf der 101 nach San Francisco sehen, über Unternehmen, die SDRs (oder sogar ganze Funktionen) ersetzen. Diese Erzählung wird Schlagzeilen machen, aber für mich verpasst sie die größere Gelegenheit: Menschen zu ermöglichen, ihre beste Arbeit zu leisten.

Menschen bringen Kontext, Empathie, Kreativität und Urteilsfähigkeit, die künstliche Intelligenz einfach nicht replizieren kann. Wo agente künstliche Intelligenz glänzt, ist bei der Bewältigung der Komplexität und Skalierbarkeit, die Teams behindert. Wir haben viel über die Anwendbarkeit auf Marketing-Workflows gesprochen, wie z.B. die Oberflächen von Erkenntnissen aus massiven Datensätzen, die Automatisierung wiederkehrender Aufgaben und die Orchestrierung von Prozessen über Systeme in Echtzeit. Wenn diese Fähigkeiten mit menschlichen Stärken kombiniert werden, ist das Ergebnis ein Quantensprung in dem, was Organisationen erreichen können.

Im Marketing bedeutet dies, Teams von endloser Ausführung zu befreien, damit sie sich auf Strategie, Erzählung und Kunden-Einfühlungsvermögen konzentrieren können. Aber dieses Muster gilt auch für alle Funktionen im Unternehmen: im Vertrieb können Agenten Chancen qualifizieren und vorbereiten, damit Menschen mehr Zeit mit Beziehungsaufbau verbringen können; im Kunden-Erfolg können Agenten Risiko- und Chancensignale flaggen, damit Menschen Partnerschaften vertiefen können; in der Ingenieurwissenschaft können Agenten die Entwicklung beschleunigen, indem sie Tests, Fehlersuche und Code-Generierung automatisieren, damit Teams sich auf die Lösung komplexer architektonischer Probleme und die Förderung von Innovation konzentrieren können.

All diese Chancen werden Billionen von Dollar an Wert schaffen, und ich liebe es, die Unternehmen zu sehen, die die Grenzen dafür setzen, wie die Arbeit, die Menschen tun, sich im Laufe der Zeit entwickeln wird.

Stellen Sie sich vor, Finanz-Teams mit künstlichen Intelligenz-Agenten, die Budgets in Echtzeit optimieren, HR-Teams, die Agenten nutzen, um Mitarbeiter-Engagement zu personalisieren, oder Kundensupport-Agenten, die von reaktiv zu proaktiv wechseln.

Wir sind gerade erst am Anfang. Die Zukunft ist nicht darüber, künstliche Intelligenz Menschen zu ersetzen, sondern darüber, wie Menschen und künstliche Intelligenz-Agenten zusammenarbeiten, um Entscheidungen zu treffen, die schneller, intelligenter und empathischer sind. Das ist die Zukunft, die wir bei Auxia aufbauen.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Auxia besuchen.