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

Sandeep Menon, CEO & Co-Founder bei Auxia, bringt über zwei Jahrzehnte globale Technologie- und Marketing-Erfahrung in die Rolle ein. Bevor er Auxia 2022 gründete, verbrachte er mehr als neun Jahre bei Google (GOOGL ), 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 Unternehmens-Teams ermöglicht, personalisierte, 1:1-Kundenreisen im großen Maßstab zu orchestrieren. Anstatt auf starre, regelbasierte Kampagnen zu setzen, ermöglicht Auxia es künstlichen Intelligenz-Agenten, Hypothesen über alle Touchpoints – E-Mail, Web, App, Angebote – zu testen und sich dynamisch an Echtzeit-Präferenzen und Verhalten anzupassen. Es integriert sich nahtlos mit ersten Partei-Datenquellen, automatisiert ML-Pipelines und optimiert kontinuierlich Messaging, Timing und Sequenzierung, um Engagement und Lebenszeitwert zu maximieren.

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

Bei Google sah ich hautnah, wie leistungsfähig wahre Personalisierung sein kann, wenn man die richtige Infrastruktur und künstliche Intelligenz-Kapazitäten hat. Aber als ich 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 massive Mengen an Kundendaten, konnten sie aber nicht in sinnvolle, Echtzeit-Personalisierung übersetzen.

Die grundlegende Lücke bestand darin, dass bestehende Plattformen für die pre-AI-Ära entwickelt wurden. Sie basierten auf statischen Regeln und einfacher Segmentierung, während Unternehmen intelligente, adaptive Systeme benötigten, die in Echtzeit über jeden Kundenkontakt entscheiden konnten. Wir sahen eine Chance, die gleiche Ebene der künstlichen Intelligenz-getriebenen Personalisierung, die Unternehmen wie Google und Meta antreibt, für Unternehmen aller Größen ohne die Notwendigkeit, massive interne Data-Science-Teams aufzubauen, zu bringen.

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

Wir alle haben die Herausforderungen der Personalisierung im großen Maßstab erlebt. Im Google Pay-Team insbesondere waren wir in einer privilegierten Position, da wir frühzeitig auf transformative Technologien in ihrer Anfangsphase Zugriff hatten, wobei Transformer-Modelle ein prominentes Beispiel sind. Meine Co-Founder, die von Meta und Lyft kamen, bauten Systeme, die Wege bahnten, um die riesigen Mengen an Kundendaten, die verfügbar waren, dramatisch nützlicher zu machen, wie z.B. die Unterstützung von Echtzeit-Empfehlungen und Entscheidungen für Millionen von Benutzern jede Sekunde.

Wir alle sahen hautnah, wie künstliche Intelligenz Kundenerfahrungen grundlegend verbessern und gleichzeitig einige der schwierigsten Herausforderungen, mit denen unsere Marketing-Teams konfrontiert waren, angehen konnte. Gleichzeitig veränderte sich der breitere Markt auf eine Weise, die diese Art von Arbeit außerhalb von Google möglich machte. Mit dem Aufstieg des modernen Datenstacks und Plattformen wie Snowflake, BigQuery und Databricks hatten Unternehmen die letzten 5-10 Jahre damit verbracht, ihre Daten in einer zentralen Stelle zu konsolidieren, die bereit für die Aktivierung war.

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

Die meisten Personalisierungstools basieren auf regelbasierten Systemen und einfachen Segmenten. Auxia verwendet stattdessen synchronisierte künstliche Intelligenz-Agenten. Können Sie uns durch die Zusammenarbeit und Entwicklung dieser Agenten führen, um jeden Kundenweg zu personalisieren?

Die meisten Tools auf dem Markt basieren noch auf starren Regeln und statischen Segmenten, sie sind reaktiv, nicht intelligent. Bei Auxia haben wir ein System von synchronisierten künstlichen Intelligenz-Agenten entwickelt, die zusammenarbeiten, um jeden Touchpoint im Kundenweg in Echtzeit zu personalisieren.

Jeder Agent spielt eine spezialisierte Rolle. Entscheidungsagenten bestimmen die beste Aktion für einen Benutzer basierend auf allen vorherigen Daten und Präferenzen; zum Beispiel, ob ein Kunde zu einer neuen Kreditkarte upgesellt oder dazu gebracht werden soll, ein neues Sparkonto zu eröffnen. Analysten-Agenten funktionieren wie ein integriertes Data-Science-Team, analysieren, was in aktuellen Kampagnen gut funktioniert hat, um Auswirkungen, aber auch Möglichkeiten zur Verbesserung in einer chatbasierten Schnittstelle hervorzuheben. Zuletzt nutzen Auxias Content-Agenten all die Daten und Erkenntnisse darüber, was gut funktioniert hat, um neue Messaging- oder kreative Variationen für Marketing-Teams zur Genehmigung zu generieren.

Was diese Agenten leistungsfähig macht, ist, dass sie nicht in Silos arbeiten. Sie arbeiten kontinuierlich zusammen, lernen aus jeder Interaktion und passen sich basierend auf dem an, was funktioniert. Marketer legen hohe Ziele fest, 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 in der Lebenszeit des Unternehmens?

Von Tag eins an wussten wir, dass Skalierbarkeit nicht verhandelbar war. Hyperpersonalisierung funktioniert nur, wenn Sie in Millisekunden Entscheidungen treffen können, unter Verwendung von frischen, kontextuellen Signalen. Wir haben aus unseren Erfahrungen bei Google viel 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, so dass wir auf den Schultern von Technologiewellen vor uns stehen, wie z.B. dem Wechsel zum 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 von Tag eins zu bauen und auch Infrastruktur zu nutzen, die massive Volumina von ersten Partei-Kundensignalen ohne Latenz verarbeiten kann.

Was uns auch auszeichnet, ist, dass wir von Anfang an AI-nativ 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-Inferenz.

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

Traditionelles A/B-Testing ist unglaublich limitiert, Sie können nur wenige 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 Marketern, viele verschiedene selbstoptimierende Modelle und Hunderte von Variationen in Parallelschaltung zu testen. Mit Techniken wie Reinforcement Learning trifft Auxias Entscheidungssystem Echtzeit-Entscheidungen basierend auf Live-Daten.

Nehmen wir beispielsweise eine Kampagne für Angebote und Belohnungen per E-Mail. Zuvor hätten Marketer möglicherweise 2-3 verschiedene Angebotsvarianten getestet, wie 5% Rabatt, 10% Rabatt und 20% Rabatt, die Zielgruppe in gegenseitig exklusive Gruppen aufgeteilt, gestartet und die Ergebnisse über verschiedene Metriken verglichen, um zu sehen, welche Variante am besten für die gesamte Gruppe funktionierte. Diese gewinnende Variante würde dann nach dem Experimentierungszeitraum auf jeden angewendet. Es gibt jedoch einige Herausforderungen mit diesem Ansatz. Erstens scheitern die meisten Experimente, so dass es Teams oft Wochen oder Monate dauert, um herauszufinden, was gut funktioniert. Zweitens sind sie super manuell und zeitaufwändig zu konfigurieren, was die Geschwindigkeit der Teams und die Fähigkeit, Impact zu liefern, einschränkt.

Bei Auxia legen Marketer zunächst ein hohes Ziel fest, wie z.B. den Kaufantrieb. Von dort aus kann das Team Hunderte von verschiedenen Variationen im System einrichten, die dynamisch mit unserem Content-Agenten generiert, aus dem CMS eingelesen oder manuell definiert werden können. Jede dieser Variationen würde sich in Bezug auf das Angebot (z.B. 5% Rabatt vs. BOGO), Betrag, Inhalt und möglicherweise sogar Kanal (z.B. E-Mail vs. SMS) unterscheiden. Für jeden einzelnen Benutzer würde Auxias Entscheidungsagent die optimalste Variation aus den verfügbaren Hunderten von Variationen für jeden Einzelnen auswählen, um das Kernziel zu erreichen.

Auxias Plattform ist darauf ausgelegt, die Abhängigkeit von großen internen Data-Science-Teams zu beseitigen. Haben Sie traditionelle Marketing-Teams erfolgreich in 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 Data-Scientistern zu personalisieren. Innerhalb weniger Wochen nach der Onboarding sind Marketer, die Auxia nutzen, in der Lage, neue Kampagnen zu starten, Daten abzurufen und Ergebnisse vollständig auf eigene Faust zu interpretieren. Da die Welt in Richtung einer agentischen Zukunft geht, glauben wir, dass Marketer nicht technischer werden oder neue technische Fähigkeiten aufbauen müssen. Stattdessen werden die traditionell von Ingenieuren oder Analysten übernommenen Aufgaben durch intelligente Agenten demokratisiert, die den Arbeitsablauf und die Erfahrung des Marketiers ergänzen. Mit unserem Analysten-Agenten haben wir bereits viel von dieser Komplexität traditioneller Data-Science-/Analysten-Arbeit abstrahiert und sind gespannt, 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 agentischer künstlicher Intelligenz im Marketing heute?

Als ich das Marketing für die Next Billion Users-Initiative bei Google leitete, erkannten wir, dass Menschen in aufstrebenden Märkten mit Produkten auf fundamentale Weise anders interagierten als Benutzer in entwickelten Märkten. Da dies eine so massive Wachstumschance darstellte, wurde es entscheidend, 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 Entwicklung im Bereich der agentischen künstlichen Intelligenz im Marketing. Genauso wie viele dieser neuen Internet-Benutzer direkt in mobile Erstnutzer sprangen, ohne vorherige digitale Alphabetisierung zu benötigen, benötigen Marketer heute nicht, zurückzukehren und SQL oder Data-Science zu 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 – über chatbasierte Schnittstellen hinaus zu kontextbewussten 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 Missverständnis, das Unternehmen über künstliche Intelligenz-Personalisierung haben, und wie helfen Sie ihnen, es zu überwinden?

Das größte Missverständnis, das Unternehmen über künstliche Intelligenz-Personalisierung haben, ist, dass die Übernahme davon bedeutet, die vollständige Kontrolle aufzugeben oder die strategische Wirkung von Marketing-Teams zu verringern. Künstliche Intelligenz ist hervorragend darin, Komplexität zu verarbeiten, wie z.B. die Analyse riesiger Datensätze, das Erkennen von Mustern, die Menschen nicht sehen können, und das Hervorheben von Signalen, die wichtig sind, in Echtzeit. Was sie jedoch nicht kann, ist Kontext, Empathie und strategische Urteilsfähigkeit bereitstellen, die für die Gestaltung bedeutsamer Kunden-Erfahrungen erforderlich sind. Das ist der Bereich, in dem Menschen glänzen: die Vision setzen, Marken-Leitlinien definieren und verstehen, wann eine Personalisierungsentscheidung als aufdringlich oder nicht markenkonform empfunden werden könnte.

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

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

Wir priorisieren drei Bereiche für das Wachstum in den nächsten 12-18 Monaten. Erstens sind wir darauf fokussiert, unseren Kunden außergewöhnlichen Wert zu liefern, 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 Marketer-Workflow zu unterstützen, Teams bei der Erstellung von Inhalten, der Orchestrierung personalisierter Erfahrungen und der Oberflächen von aktionsrelevanten Erkenntnissen über das zu helfen, was Impact treibt. Drittens skalieren wir unser Go-to-Market-Engine. 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 anzubieten, 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 über die nächste Front von agentischer künstlicher Intelligenz, nicht nur im Marketing, sondern auch in anderen Unternehmensanwendungen?

Was mich wirklich begeistert, ist das Tempo der Akzeptanz zu sehen, diese Akzeptanz einen realen Impact zu haben und den Markt zu sehen, der erkennt, dass die wahre Wirkung von agentischer 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 die Werbetafeln, die Sie auf dem 101 in Richtung San Francisco sehen, über Unternehmen, die SDRs (oder sogar ganze Funktionen) ersetzen. Diese Erzählung wird Schlagzeilen generieren, aber für mich vermisst 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 agentische 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 riesigen 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 Schrittwechsel in dem, was Organisationen erreichen können.

In der Marketing-Branche bedeutet dies, Teams von endloser Ausführung zu befreien, damit sie sich auf Strategie, Storytelling und Kunden-Einfühlungsvermögen konzentrieren können. Aber dieses gleiche Muster gilt für alle Funktionen im Unternehmen: in Vertrieb können Agenten Chancen qualifizieren und vorbereiten, damit Menschen mehr Zeit darauf verwenden können, Beziehungen aufzubauen; im Kunden-Erfolg können Agenten Risiko- und Chancensignale flaggen, damit Menschen Partnerschaften vertiefen können; in der Entwicklung können Agenten die Entwicklung durch die Automatisierung von Tests, Fehlersuche und Code-Generierung beschleunigen, damit Teams sich auf die Lösung komplexer Architekturprobleme und die Förderung von Innovation konzentrieren können.

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

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

Wir haben gerade erst begonnen. Die Zukunft ist nicht darum, künstliche Intelligenz Menschen zu ersetzen, sondern darum, dass 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.