Eric Picard, Ανώτερος Αντιπρόεδρος Προϊόντων στη Fluency – Σειρά Συνεντεύξεων

Eric Picard, Ανώτερος Αντιπρόεδρος Προϊόντων στη Fluency, είναι ένας έμπειρος εκτελεστικός διευθυντής προϊόντων και τεχνολογίας που έχει περάσει δεκαετίες αναπτύσσοντας πλατφόρμες ψηφιακής διαφήμισης, αυτοματοποιημένες αγορές, συστήματα δεδομένων και προϊόντα προσανατολισμένα στον καταναλωτή. Πριν ενταχθεί στη Fluency, κατείχε ανώτερες ηγετικές θέσεις στη Microsoft (MSFT ), την Pandora, τη MediaMath, τη Yieldmo και τη BARK, όπου οι ευθύνες του κυμαίνονταν από τη στρατηγική τεχνολογίας διαφήμισης και τα προγραμματιστικά μέσα μέχρι τη διαχείριση προϊόντων, την επιστήμη δεδομένων, την μηχανική και τον εκσυγχρονισμό πλατφορμών μεγάλης κλίμακας. Ο Picard είναι επίσης σειράς επιχειρηματίας που ίδρυσε τις Bluestreak, Rare Crowds, Questori και άλλες τεχνολογικές επιχειρήσεις, με τις Bluestreak και Rare Crowds τελικά να έχουν εξαγοραστεί. Η καριέρα του περιλαμβάνει τη βοήθεια στην αρχιτεκτονική ενός πρώιμου ανταλλακτηρίου διαφημίσεων σε πραγματικό χρόνο (RTB), την κυκλοφορία προϊόντων προγραμματιστικής ηχητικής διαφήμισης, την ανάπτυξη τεχνολογίας αυτοματοποιημένης επιμέλειας αποθεμάτων, και τη συμβουλή σε εταιρείες σχετικά με την τεχνητή νοημοσύνη, τη στρατηγική προϊόντων, τον εταιρικό μετασχηματισμό και τις συγχωνεύσεις και εξαγορές.

Fluency αναπτύσσει ένα Σύστημα Λειτουργίας Ψηφιακής Διαφήμισης σχεδιασμένο να βοηθά πρακτορεία, μάρκες και επιχειρήσεις πολλαπλών τοποθεσιών να διαχειρίζονται πληρωμένες καμπάνιες μέσων σε αναζήτηση, κοινωνικά δίκτυα, προγραμματιστικές πλατφόρμες, κλειδωμένους κήπους και το ανοιχτό web. Η πλατφόρμα κεντράρει δεδομένα, δημιουργικά περιουσιακά στοιχεία, αποθέματα, απαιτήσεις συμμόρφωσης, κοινά, στρατηγική καμπάνιας, αναφορές και ροές εργασίας εκτέλεσης, χρησιμοποιώντας αυτοματοποίηση και τεχνητή νοημοσύνη για τη μείωση επαναλαμβανόμενης λειτουργικής εργασίας και τον συντονισμό των καμπανιών σε κλίμακα. Η Fluency εστιάζει όλο και περισσότερο στη διαφημιστική πράξη (agentic advertising), συμπεριλαμβανομένων ελεγχόμενων ροών εργασίας που οδηγούνται από AI και μπορούν να εκτελούν και να βελτιστοποιούν τις καμπάνιες ενώ διατηρούν καθορισμένους στρατηγικούς και εμπορικούς ελέγχους. Η εταιρεία δηλώνει ότι η τεχνολογία της υποστηρίζει περισσότερες από 250.000 καμπάνιες κάθε μήνα και διαχειρίζεται περίπου 3 δισεκατομμύρια δολάρια ετήσιες δαπάνες διαφήμισης.

Η καριέρα σας έχει καλύψει αρκετές θεμελιώδεις περιόδους στη ψηφιακή διαφήμιση, από τη δημιουργία της Bluestreak και τη συμβολή στην καθιέρωση πρώιμων προτύπων ψηφιακής διαφήμισης μέχρι τη συνεισφορά στην αρχιτεκτονική ενός από τα πρώτα ανταλλακτήρια real-time bidding. Πώς αυτές οι εμπειρίες διαμόρφωσαν την προσέγγισή σας στην κατασκευή της επόμενης γενιάς συστημάτων agentic advertising στη Fluency;

Ήμουν πολύ τυχερός στην καριέρα μου που βρήκα έναν χώρο που ήταν ενδιαφέρων με πολλαπλούς τρόπους στη ψηφιακή διαφήμιση. Έμεινα μέρος του μηχανισμού που χρηματοδότησε την ανάπτυξη του Διαδικτύου. Κατάφερα να εφευρέσω ή να συμμετάσχω στην εφεύρεση ορισμένων θεμελιωδών μηχανισμών του πώς λειτουργεί η ψηφιακή διαφήμιση. Και οι τεχνικές προκλήσεις σε αυτόν τον χώρο ανταγωνίζονται οποιεσδήποτε στο λογισμικό. Έτσι είναι πάντα ενδιαφέρον.

Με τη Bluestreak καταφέραμε να δημιουργήσουμε μερικές από τις πρώτες σχεδόν κάθε μορφή διαφήμισης, συμπεριλαμβανομένων των πρώτων βίντεο και ηχητικών διαφημίσεων. Ήμασταν οι πρώτοι που υλοποίησαν αποτίμηση multi-touch, οι πρώτοι που προσέφεραν σύστημα διαχείρισης ετικετών, και οι πρώτοι που προσέφεραν multi-touch σε όλους τους τύπους ψηφιακών μέσων. Αυτό οδήγησε στην πρόσκληση να συν-συγγράψουμε το πρώτο πρότυπο εντύπωσης συνεργαζόμενοι με το Interactive Advertising Bureau (IAB) και το Media Rating Council (MRC).

Όταν πήγα στη Microsoft, η εταιρεία είχε αποφασίσει να επενδύσει στην τεχνολογία διαφήμισης επειδή διαπίστωσε ότι η Google κέρδισε περισσότερα χρήματα ανά αντίτυπο των Windows από ό,τι η Microsoft, εξαιτίας της ψηφιακής διαφήμισης. Μου προσέφεραν έναν ρόλο που ήταν εξαιρετικά ελκυστικός, την ευκαιρία να γράψω τη παγκόσμια στρατηγική για το πώς η Microsoft πρέπει να εισέλθει στον χώρο της τεχνολογίας διαφήμισης.

Αποφασίσαμε να επενδύσουμε μεγάλα στο ad-tech, και ήμουν υπεύθυνος να καθορίσω τη στρατηγική κατασκευής/αγοράς/συνεργασίας. Πραγματοποίησα έλεγχο επιμέλειας σε πάνω από 150 εταιρείες, αγοράσαμε επτά εταιρείες και επενδύσαμε έντονα στην ανάπτυξη εσωτερικών ομάδων. Όταν έφτασα, είχαμε περίπου 200 μηχανικούς που εργάζονταν στο ad-tech και περίπου 750 εκατομμύρια δολάρια σε έσοδα μέσων. Μέχρι να φύγω, είχαμε 1.500 μηχανικούς που εργάζονταν στο ad-tech και πάνω από 5 δισεκατομμύρια δολάρια σε έσοδα. Σήμερα, τα έσοδα διαφήμισης αναζήτησης ανέρχονται σε περίπου 15 δισεκατομμύρια δολάρια, αλλά τότε ήταν ένας απίστευτος αριθμός.

Μία από τις εταιρείες που εξέτασα και τελικά εξαγοράσαμε ήταν η AdECN. Αυτή ήταν η πρώτη εταιρεία του Jeff Green, πριν ιδρύσει το The Trade Desk (TTD ). Εξετάσαμε την αγορά της Right Media, που είναι πώς γνώρισα καλά τον Brian O’Kelley, αλλά την απορρίψαμε. Νιώσαμε ότι υπήρχε μια ευκαιρία για μια ασύγχρονη παγκόσμια δημοπρασία που επέτρεπε σε πολλούς εξωτερικούς πλειοδότες να συνδεθούν στο ανταλλακτήριο. Έτσι την εξαγοράσαμε και τους βοηθήσαμε να δημιουργήσουν μια ισχυρή ομάδα μηχανικών για την υλοποίηση του οράματος.

Όταν η AdECN ήταν έτοιμη να λανσάρει το πρώτο ανταλλακτήριο real-time bidding (RTB), υπήρξε μια μάχη σχετικά με τις προσεγγίσεις, και ουσιαστικά δεν έφυγε ποτέ από τη δοκιμαστική φάση Beta.

Υπήρχαν δύο αποτελέσματα από αυτό που πραγματικά άλλαξαν ολόκληρο το οικοσύστημα ad-tech. Το πρώτο ήταν ότι ο Brian O’Kelley ξεκίνησε το AppNexus μετά την αποχώρησή του από τη Right Media, και όταν έγινε σαφές ότι η AdECN δεν θα ξεκινήσει ποτέ, υποστήριξα την ευκαιρία συνεργασίας με το AppNexus. Αυτό οδήγησε τελικά σε μια τεράστια επένδυση στην εταιρεία και μια ισχυρή συνεργασία που τελικά κατέληξε στην εξαγορά της από τη Microsoft. Το δεύτερο σημαντικό αποτέλεσμα ήταν ότι ο Jeff Green έφυγε από τη Microsoft, πήρε μερικούς από τους μηχανικούς που είχαν δημιουργήσει το ανταλλακτήριο RTB στην AdECN, και ίδρυσε το The Trade Desk.

Όταν κοιτάζετε την πρώτη αυτή καμπύλη της καριέρας μου, που μας πήγε από το 1997 έως το 2010, έσπασε κάποιους μακροπρόθεσμους σπόρους που τώρα έχουν βγάλει ενδιαφέρον καρπό. Πήγα σε διάφορους ρόλους, συμπεριλαμβανομένης της startup μου Rare Crowds, όπου εφευρέσαμε το Programmatic Curation. Πέρασα χρόνο σε εταιρείες όπως η Pandora, όπου είχαμε μια εξαιρετική επιχείρηση ηχητικής διαφήμισης, συμπεριλαμβανομένου του μεγαλύτερου ανταλλακτηρίου ηχητικών διαφημίσεων, και στη Yieldmo, όπου δημιουργήσαμε το πρώτο ανταλλακτήριο διαφημίσεων με κεντρική προτεραιότητα το απόρρητο. Κατά τη διάρκεια εκείνης της περιόδου είχα την ευκαιρία να είμαι μέλος του διοικητικού συμβουλίου του IAB Techlab, και προσκλήθηκα να συμμετάσχω στην εκτελεστική επιτροπή του συμβουλίου. Και συνέχισα να εργάζομαι στα πρότυπα της βιομηχανίας όλα αυτά τα χρόνια.

Τον περασμένο χρόνο, ο Brian O’Kelley είδε την ευκαιρία να δημιουργήσει ένα βιομηχανικό πρότυπο για την Agentic Advertising, που ονομάζεται AdCP, διαχειριζόμενο από AgenticAdvertising.org. Ο Brian και εγώ συζητήσαμε πού υπήρχαν κενά στο έργο που γινόταν, και προσφέρθηκα να γράψω την πρώτη προδιαγραφή για τη Διακυβέρνηση και τη Συμμόρφωση του AdCP.

Λίγους μήνες μετά που το έγραψα, ήρθε σε επαφή η Fluency. Όταν άρχισα να μαθαίνω τι είχαν δημιουργήσει, έμεινα έκπληκτος. Στην ουσία είχαν ήδη λύσει όλα όσα είχα επισημάνει στην προδιαγραφή μου. Έκαναν agentic advertising για οκτώ χρόνια, πολύ πριν τα LLMs ήταν έτοιμα να γίνουν «agentic».

Δέκαρα ότι η ντετερμινιστική προσέγγιση που είχαν υιοθετήσει με τους πράκτορές τους ήταν ακριβώς αυτό που χρειαζόταν για να καλύψει τις ανάγκες των LLM-τροποποιημένων πρακτόρων, οι οποίοι είναι εγγενώς πιθανοκρατικοί. Αυτό σημαίνει ότι ενώ τα LLM είναι εξαιρετικά στο «σκέψη» και στη δημιουργικότητα, είναι άσχημα στο να κάνουν το ίδιο πράγμα, με τον ίδιο τρόπο κάθε φορά. Κάθε προσέγγιση μόνη της έχει αδυναμίες, αλλά μαζί λύνουν το πρόβλημα της agentic advertising.

Το όραμά μου ήταν συμβατό με την ηγετική ομάδα της Fluency και εντάχθηκα για να ηγηθώ του Product εδώ. Τώρα τρέχουμε με πλήρη ταχύτητα προς έναν κόσμο όπου οι πράκτορες μπορούν να συναλλάσσονται με ασφάλεια στη διαφήμιση με ανθρώπους εν μέσω της διαδικασίας όταν χρειάζεται, και οι πράκτορες που τροφοδοτούνται από LLM λαμβάνουν ντετερμινιστικά όρια για να διαχειρίζονται τη συμπεριφορά τους.

Νιώθω εξαιρετικά τυχερός που έχω ζήσει τόσες πολλές από τις κύριες αλλαγές στη ψηφιακή διαφήμιση, από το πρώτο πρότυπο εντυπώσεων, στην εφεύρεση του RTB, στην εφεύρεση του Curation, μέχρι την άφιξη της Agentic Advertising. Ήταν μια τρελή διαδρομή, και συνεχίζω να διασκεδάζω και να είμαι ενθουσιασμένος για τις ευκαιρίες σε αυτόν τον χώρο.

Το real-time bidding έδωσε στο λογισμικό τη δυνατότητα να λαμβάνει οικονομικές αποφάσεις σε χιλιοστά του δευτερολέπτου. Ποιες διδαχές από την ανάπτυξη της προγραμματιστικής διαφήμισης θα πρέπει σήμερα οι προγραμματιστές να λάβουν υπόψη όταν δίνουν μεγαλύτερη λειτουργική αυτονομία σε πράκτορες AI;

Στην προγραμματιστική διαφήμιση χρησιμοποιήσαμε τη Μηχανική Μάθηση, που είναι μια μορφή AI, για να δημιουργήσουμε μηχανές λήψης αποφάσεων που μπορούσαν να κάνουν δεκάδες εκατομμύρια αποφάσεις ανά δευτερόλεπτο. Αυτό απαιτεί απίστευτη υπολογιστική ισχύ, επεξεργασία δεδομένων, τεράστια υποδομή, και πριν την άφιξη του γεννητικού AI, θα υποστήριζα ότι ήταν μία από τις πιο σημαντικές εξελίξεις σε όλη την υπολογιστική.

Παρά τη δύναμή του, υπάρχουν επίσης τεράστιες αναποτελεσματικότητες στο προγραμματιστικό μοντέλο, και ένα τεράστιο, πολύπλοκο οικοσύστημα που καταναλώνει υπερβολική ενέργεια (και επομένως δημιουργεί υπερβολικό άνθρακα) ανά εντύπωση διαφήμισης. Μη με παρεξηγήσετε, αγαπώ το προγραμματιστικό χώρο και θαυμάζω όσα δημιουργήσαμε. Αλλά φαίνεται ότι έχουμε χτίσει μια μηχανή πολύ πιο πολύπλοκη από την απόδοση που λαμβάνουμε για όλη αυτή την πολυπλοκότητα.

Ενώ τα ίδια ακριβή επιχειρήματα μπορούν να γίνουν για το Γεννητικό AI, οι θέσεις όπου οι πράκτορες που τροφοδοτούνται από LLM πρέπει να λειτουργούν στο οικοσύστημα είναι στα περιθώρια, όχι στην καρδιά κάθε μεμονωμένης συναλλαγής. Και με προσεκτικό συνδυασμό LLM με ντετερμινιστικούς πράκτορες, μπορούμε να διαχειριζόμαστε τις συναλλαγές πολύ πιο αποδοτικά ενώ μειώνουμε δραστικά την πολυπλοκότητα.

Υπάρχουν δύο μεγάλες πρωτοβουλίες στη βιομηχανία, που στοχεύουν στην ενσωμάτωση πρακτόρων που τροφοδοτούνται από LLM στη ροή εργασίας του πώς λαμβάνονται οι συναλλαγές. Το IAB TechLab έχει ξεκινήσει την πρωτοβουλία Agentic Advertising Management Protocols (AAMP), η οποία επιτρέπει μηχανισμούς να διαμεσολαβούν LLM στο RTB υποδομή κάνοντας αποφάσεις εκ των προτέρων και αποθηκεύοντάς τες στα πραγματικού χρόνου συστήματα του οικοσυστήματος. Το έργο AdCP εστιάζει σε ό,τι θεωρώ «ενσωματώσεις επιπέδου λογαριασμού». Δηλαδή ότι όλη η δουλειά που κάνουν οι άνθρωποι στη διαχείριση καμπανιών και τις δημιουργικές ροές εργασίας για τη διαφήμιση μπορεί να αυτοματοποιηθεί. Ενώ το AAMP είναι εξαιρετικά πολύτιμο και ενδιαφέρον, βελτιώνει ένα πολύπλοκο σύγχρονο σύστημα. Το AdCP στοχεύει σε ένα πρόβλημα που υπάρχει από την αρχή της βιομηχανίας, και που η Fluency λύνει εδώ και οκτώ χρόνια. Έτσι βυθιζόμαστε βαθιά στο AdCP, αλλά τελικά θα εμβαθύνουμε και στο AAMP.

Η Fluency έχει αποτελεσματικά λύσει το πρόβλημα του τελευταίου μιλίου που ποτέ δεν αντιμετωπίστηκε στον χώρο του ad-tech: τις τεράστιες αναποτελεσματικότητες στη δημιουργία και διαχείριση διαφημιστικών καμπανιών σε επίπεδο λογαριασμού, καμπάνιας και δημιουργικού. Και πιστεύω πραγματικά ότι η δουλειά που κάνουμε αποτελεί μια εξίσου σημαντική ευκαιρία για τη διαφήμιση όπως αυτό που εφευρέσαμε με το RTB. Καθώς ενσωματώνουμε τα LLM στις ροές εργασίας που η Fluency έχει ήδη αυτοματοποιήσει, αυξάνουμε την αξία ολόκληρου του συστήματος.

Η Fluency διαχωρίζει τη πιθανοκρατική λογική AI από τα ντετερμινιστικά συστήματα που εκτελούν αλλαγές καμπανιών. Γιατί είναι αυτή τη στιγμή πολύ ριψοκίνδυνο να επιτραπεί σε ένα μεγάλο μοντέλο γλώσσας να ελέγχει άμεσα τους διαφημιστικούς προϋπολογισμούς;

Νομίζω ότι αυτό είναι ένα θεμελιώδες πρόβλημα που τα LLM πιθανότατα θα έχουν πάντα. Οι πιθανοκρατικοί μηχανισμοί σχεδιάζονται ώστε να δίνουν διαφορετικές απαντήσεις στην ίδια ερώτηση κάθε φορά. Ακόμη και όταν είναι εξαιρετικά καλοί στο να σκέφτονται, είναι άσχημοι σε ντετερμινιστικά πράγματα. Ας χρησιμοποιήσουμε την αριθμητική ως παράδειγμα:

Τα LLM κυριολεκτικά δεν μπορούν να προσθέτουν, να αφαιρούν, να πολλαπλασιάζουν ή να διαιρούν. Τώρα, ίσως δεν το συνειδητοποιείτε, επειδή όταν ρωτάτε τον Claude ή το ChatGPT μια ερώτηση που απαιτεί αριθμητική, μπορούν να δώσουν τη σωστή απάντηση. Αλλά αυτό που δεν ξέρουν οι περισσότεροι είναι ότι το κάνουν γράφοντας σενάρια και εκτελώντας αυτόν τον κώδικα για να χειριστούν τους υπολογισμούς. Αυτό είναι αυτό που συζητάμε εδώ: η διασταύρωση ενός πιθανοκρατικού LLM που καταλαβαίνει ότι δεν μπορεί να κάνει αριθμητική, δημιουργώντας το δικό του ντετερμινιστικό λογισμικό που κάνει υπολογισμούς για να λύσει το ζητούμενο.

Παρόλο που το LLM μπορεί πλέον να κάνει «μαγικά» αριθμητικά, δεν θα άφηνα ποτέ έναν LLM να διαχειρίζεται τα οικονομικά μου και να παίρνει αποφάσεις για τη διαπραγμάτευση μετοχών για μένα. Δεν θα άφηνα ποτέ έναν LLM να κάνει τους φόρους μου και να τους καταθέσει χωρίς κανενός είδους έλεγχος. Διάολε, δεν θα άφηνα καν έναν LLM να γράψει ένα email ή μια ανάρτηση ιστολογίου χωρίς να το επεξεργαστεί προσεκτικά για να διασφαλίσει ότι όλα είναι αληθινά.

Καθώς γίνονται εξυπνότεροι και καλύτεροι στην εκτέλεση, μπορεί κάλλιστα να είναι σε θέση να κάνουν αυτά τα πράγματα κάποια στιγμή στο μακρινό μέλλον. Αλλά η εικασία μου είναι ότι θα το κάνουν γράφοντας το δικό τους ντετερμινιστικό λογισμικό για να χειριστούν τα μέρη του προβλήματος που το απαιτούν. 

Η ευχέρεια είναι εκεί σήμερα – έχουμε τους ντετερμινιστικούς σωλήνες για να διαχειριστούμε τη διαφήμιση. Ενσωματώνουμε LLM σε αυτήν την πλατφόρμα, χρησιμοποιώντας τα για τα πράγματα στα οποία είναι εξαιρετικοί. Και εκθέτουμε την πλατφόρμα μας σε εξωτερικούς πράκτορες, ώστε να μπορούν να εκτελούνται πάνω από τους σωλήνες μας. Σε τελική ανάλυση, το θεωρώ αυτό ως την οικοδόμηση της πύλης στο οικοσύστημα διαφημίσεων, όπου ένας πράκτορας που υποστηρίζεται από LLM μπορεί να συναλλάσσεται σε οποιαδήποτε πλατφόρμα μέσων ενσωματώνοντας σε ένα μέρος. Αλλά είμαστε όλοι λίγο μακριά από αυτό το μακροπρόθεσμο αποτέλεσμα!

Πώς αξιολογεί το ντετερμινιστικό επίπεδο εκτέλεσης του Fluency τις προτάσεις ενός πράκτορα AI προτού του επιτρέψει να επηρεάσουν μια ζωντανή καμπάνια και τι είδους κανόνες ή περιορισμούς μπορούν να θεσπίσουν οι διαφημιστές;

Παρέχουμε μηχανισμούς για ανθρώπους (ή LLM) για τη δημιουργία ντετερμινιστικών οδηγιών που θα εκτελούνται με τον ίδιο τρόπο κάθε φορά στις πλατφόρμες διαφημίσεων. Αυτό είναι ένα μεγάλο πρόβλημα που πρέπει να λυθεί σε κάθε κλάδο. Για τη διαφήμιση η εταιρεία που λύνει αυτό είναι η Fluency. Επιτρέπουμε τη δημιουργία επιχειρηματικών κανόνων και ευρετικών για κάθε ενέργεια που μπορεί να κάνει κάποιος από τους πελάτες μας σε μια πλατφόρμα διαφημίσεων. Εάν είναι δυνατό να δημιουργηθεί λογική IF/THEN για ένα πρόβλημα, η πλατφόρμα μας δίνει τη δυνατότητα να κωδικοποιηθεί σε επιχειρηματικούς κανόνες που ακολουθούνται με τον ίδιο τρόπο κάθε φορά. 

Αυτό είναι πολύ σημαντικό να το κατανοήσουμε. Υπάρχουν πολλές αποφάσεις που παίρνουν οι άνθρωποι με τον ίδιο τρόπο κάθε φορά που βλέπουν μια συγκεκριμένη κατάσταση. Αυτό μας επιτρέπει να κάνουμε πράγματα όπως η κωδικοποίηση κανόνων διαχείρισης προϋπολογισμού ή η δημιουργία καμπανιών ή δημιουργικών κατά την επιβολή ταξινομιών ονομάτων ή η αυτόματη περιστροφή προς τα πάνω και προς τα κάτω διαφημιστικών καμπανιών και δημιουργικών με βάση τους κανόνες ετικέτας σε εξωτερικά σύνολα δεδομένων. 

Για παράδειγμα, μια αντιπροσωπεία αυτοκινήτων μπορεί να λάβει μια νέα αποστολή αυτοκινήτων. Το Fluency μπορεί να διαβάσει το σύστημα διαχείρισης αποθέματος που χρησιμοποιεί η αντιπροσωπεία και να δημιουργήσει αυτόματα καμπάνιες και δημιουργικά για την ακριβή μάρκα, το μοντέλο, ακόμη και το χρώμα και τα συγκεκριμένα χαρακτηριστικά κάθε συγκεκριμένου οχήματος, μέσα σε λίγα λεπτά από την παρτίδα των αυτοκινήτων. Και όταν πωληθεί το τελευταίο αυτοκίνητο, τερματίστε αυτόματα αυτές τις καμπάνιες. 

Όλα αυτά είναι αρκετά βαθιά, επειδή οι επιχειρηματικές αποφάσεις για να γίνουν όλα αυτά τα πράγματα είναι πολύ απλές όταν λαμβάνονται μία κάθε φορά. Είναι το πρόβλημα «θάνατος κατά χίλιες περικοπές» στη διαχείριση της διαφήμισης σήμερα που εξαφανίζεται. Οι πελάτες μας διαπιστώνουν ότι αυτό απαλλάσσει τις ομάδες τους από το σβήσιμο πυρκαγιών όλη την ημέρα για να κάνουν τη δουλειά που είναι σημαντική για να μετακινήσουν τη βελόνα για τους πελάτες τους.

Η στρατηγική διαφήμισης και η δημιουργική ανάπτυξη συχνά απαιτούν πειραματισμό και υποκειμενική κρίση. Πώς μπορούν οι οργανισμοί να διατηρήσουν την ευελιξία της γενετικής τεχνητής νοημοσύνης διασφαλίζοντας παράλληλα ότι η εκτέλεση της καμπάνιας παραμένει προβλέψιμη και συμμορφούμενη;

Όλα όσα έχουμε ήδη μιλήσει έχουν δημιουργήσει το πλαίσιο για να απαντήσουμε σε αυτό με απλό τρόπο. Τα πράγματα που μπορούν να κωδικοποιηθούν σε επιχειρηματικούς κανόνες έχουν ρυθμιστεί σωστά για να εκτελούνται εκείνες οι εύκολες αποφάσεις που είναι οι ίδιες κάθε φορά. Τα LLM μπορούν να βοηθήσουν στην ανάλυση και την αντιστοίχιση προτύπων, όπως και όλες οι άλλες μορφές τεχνητής νοημοσύνης, όπως η Μηχανική Μάθηση, η οποία έχει μακρά ιστορία στον τομέα της τεχνολογίας διαφημίσεων. Αλλά το πραγματικό κόλπο είναι να υπάρχουν οι μηχανισμοί για να προσεγγίσουμε το χέρι και να ζητήσουμε από έναν άνθρωπο να παρέμβει εάν το πρόβλημα δεν απαντηθεί τόσο ξεκάθαρα. Οι πελάτες μας μπορούν να συντονίσουν την ανοχή κινδύνου τους σε αυτό, οπότε αν το ζήτημα είναι χαμηλού κινδύνου, μπορούν να αποφασίσουν να αφήσουν τα μηχανήματα να λάβουν την απόφαση. Αλλά για πράγματα που χρειάζονται πραγματικά ανθρώπινες αποφάσεις, τους ειδοποιούμε και τους δίνουμε τη δυνατότητα να πάρουν το τιμόνι. 

Η πλατφόρμα της Fluency λειτουργεί σε κανάλια αναζήτησης, κοινωνικών και προγραμματικών διαφημίσεων. Ποιες τεχνικές προκλήσεις προκύπτουν όταν ένας πράκτορας τεχνητής νοημοσύνης πρέπει να συλλογιστεί σε πλατφόρμες που έχουν διαφορετικές δομές δεδομένων, συστήματα βελτιστοποίησης και απαιτήσεις πολιτικής;

Κάθε πλατφόρμα διαφημίσεων έχει ένα μοναδικό σύνολο βέλτιστων πρακτικών και δυνατοτήτων. Τα API είναι οι σταθεροί σωλήνες στους οποίους συνδέουμε για να οδηγήσουμε αυτές τις πλατφόρμες εξωτερικά. Τα API είναι πολύ καλά τεκμηριωμένα, αλλά αυτή η τεκμηρίωση είναι πραγματικά το σύνολο κανόνων για το τι μπορεί να γίνει σε αυτές τις πλατφόρμες. Δεν αποτελούν την ενσάρκωση των βέλτιστων πρακτικών για τη συγκεκριμένη πλατφόρμα.

Τα LLM μπορούν να ενσωματώσουν πολλές πληροφορίες στο πλαίσιο, έτσι ώστε οι βέλτιστες πρακτικές για τον τρόπο χρήσης κάθε πλατφόρμας να είναι διαθέσιμες μέσω αυτών. Δεδομένου ότι η Fluency λειτουργεί πολλές πλατφόρμες για πολλές εταιρείες και διαφημιστές, μπορούμε να κωδικοποιήσουμε κάθε μία από τις βέλτιστες πρακτικές των πελατών μας (εκ μέρους τους) στις οδηγίες που μπορεί να ακολουθήσει ένα LLM για να οδηγήσει σε διαφοροποιημένες βέλτιστες πρακτικές για κάθε πελάτη. Οι πελάτες μας έχουν όλοι τους δικούς τους «βιβλίους» για τον τρόπο λειτουργίας της επιχείρησής τους και η Fluency τους επιτρέπει να τα κωδικοποιούν σε ντετερμινιστικούς κανόνες όπου είναι δυνατόν, και με την πάροδο του χρόνου θα τα ενεργοποιούμε ως σύνολα οδηγιών για πράκτορες που υποστηρίζονται από LLM, όπου αυτό είναι λογικό. 

Αρχίζουμε να εργαζόμαστε τώρα με τους πελάτες μας σε αυτήν την επόμενη γενιά ανάπτυξης για να κωδικοποιήσουμε αυτά τα πιο σύνθετα σενάρια στους λογαριασμούς τους στην πλατφόρμα μας. Είναι πολύ νωρίς. Όποιος σας λέει ότι έχει λύσει οποιοδήποτε μέρος αυτού χρησιμοποιώντας LLM λέει την αλήθεια, επειδή τα πράγματα είναι τόσο νωρίς και τα μοντέλα εξελίσσονται τόσο γρήγορα που δεν έχει λυθεί πλήρως από κανέναν. Αλλά είμαστε πολύ καλά σε θέση να συνεργαστούμε με τους πελάτες μας για να το λύσουμε αυτό.

Πώς θα πρέπει να είναι η αποτελεσματική ανθρώπινη επίβλεψη σε ένα περιβάλλον διαφήμισης πρακτόρων; Ποιες αποφάσεις μπορούν να γίνουν με ασφάλεια αυτόνομες και ποιες θα πρέπει να συνεχίσουν να απαιτούν ανθρώπινη αναθεώρηση ή έγκριση;

Κάθε πελάτης έχει διαφορετική ανοχή κινδύνου και οι περισσότεροι από αυτούς δεν είχαν ποτέ ένα σύστημα που θα μπορούσε να το εκφράσει. Στο Fluency, η κρίση που εφαρμόζει ένας καλός διαχειριστής καμπάνιας κωδικοποιείται μία φορά και, στη συνέχεια, εφαρμόζεται με τον ίδιο τρόπο σε κάθε λογαριασμό, κάθε πλατφόρμα, κάθε φορά. Οι καταστάσεις που δεν έχουν καθαρή απάντηση σε ένα άτομο αυτόματα, με το πλαίσιο που χρειάζεται για να πραγματοποιήσει την κλήση.

Το πώς φαίνεται στην πράξη ποικίλλει πολύ. Εφαρμόζουμε έναν τεράστιο αριθμό διαφορετικών κανόνων για τους πελάτες μας σήμερα, βοηθώντας τους να κωδικοποιούν ανθρώπινες αποφάσεις που δεν διαφέρουν και προωθούμε έναν άνθρωπο όταν η απάντηση δεν είναι ξεκάθαρη.

Ποιες αποφάσεις μπορούν να είναι με ασφάλεια αυτόνομες εξαρτάται από τον πελάτη και δεν νομίζω ότι μια καθολική απάντηση αξίζει πολλά. Η πλατφόρμα πρέπει να επιβάλει τη γραμμή οπουδήποτε την τραβήξει ένας πελάτης και να τον αφήσει να την μετακινήσει καθώς αυξάνεται η αυτοπεποίθησή τους. 

Καθώς οι πράκτορες λαμβάνουν περισσότερες αποφάσεις καμπάνιας, πώς πρέπει οι πλατφόρμες να τεκμηριώνουν το σκεπτικό, τα δεδομένα και τους κανόνες πίσω από κάθε ενέργεια, ώστε οι διαφημιστές να μπορούν να ελέγχουν την απόδοση, να διερευνούν λάθη και να επιδεικνύουν συμμόρφωση;

Μία από τις βασικές προτάσεις αξίας που προσφέρει το Fluency είναι ότι είμαστε συμβατοί με το SOC2 και ότι μπορούμε να ελέγξουμε πλήρως. Οι αλλαγές καταγράφονται σε όλο το σύστημα. Υπήρξα CPTO μιας εισηγμένης εταιρείας και ήμουν στο γάντζο για συμμόρφωση στο παρελθόν, οπότε ξέρω πόσο περίπλοκο μπορεί να είναι αυτό. Είναι ένας άλλος λόγος που ήμουν ενθουσιασμένος που συμμετείχα στο Fluency, γιατί κάθε πτυχή αυτού που κάνουμε είναι πλήρως ελεγχόμενη. Διατηρούμε επίσης αρχεία καταγραφής αλλαγών για κάθε αλλαγή που γίνεται στο σύστημα, καταγεγραμμένα σε σχέση με τον χρήστη που την έκανε. 

Υπάρχει ένα δεύτερο επίπεδο που έχει σημασία. Επειδή οι επιχειρηματικοί κανόνες κωδικοποιούνται σε λογισμικό, ο κανόνας είναι δική του προδιαγραφή. Δεν υπάρχει καμία απόκλιση μεταξύ της τεκμηρίωσης και της συμπεριφοράς, όπου οι έλεγχοι συνήθως καταρρέουν. Και σε έναν κόσμο με δυνατότητα LLM, αυτή η κωδικοποιημένη λογική μπορεί να αποδοθεί ξανά σε απλή επιχειρηματική γλώσσα κατόπιν αιτήματος, έτσι ώστε το άτομο που κάνει τον έλεγχο να μην χρειάζεται να διαβάσει κώδικα για να καταλάβει τι έλαβε η εντολή να κάνει το σύστημα.

Για μια εταιρεία ή μια επωνυμία που αρχίζει να υιοθετεί την ατζέντη διαφήμιση, ποιες ροές εργασίας παρέχουν το καλύτερο σημείο εκκίνησης και ποια στοιχεία πρέπει να απαιτήσει ο οργανισμός πριν επεκτείνει την εξουσία ενός αντιπροσώπου;

Από τη σκοπιά της Fluency, η πρακτορική διαφήμιση είναι αρκετά δημοφιλής. Το κάνουμε οκτώ χρόνια. Έχουμε εκατοντάδες πρακτορεία και επωνυμίες που χρησιμοποιούν την πλατφόρμα μας για να κάνουν διαφημιστικές διαφημίσεις σήμερα, και στον πολυτοπικό χώρο, που είναι σε πολλές δεκάδες χιλιάδες τοποθεσίες. 

Αυτοματοποιούμε την πλειονότητα των όσων κάνουν οι άνθρωποι επαναλαμβανόμενα κατά τη δημιουργία και τη διαχείριση καμπανιών, σε τομείς αναζήτησης, κοινωνικών δικτύων και μέσω προγραμματισμού, επομένως δεν υπάρχει ροή εργασίας που να κάνει καλύτερο ή χειρότερο σημείο εκκίνησης. Το καλύτερο σημείο εκκίνησης είναι όποιο κανάλι βρίσκει ο πελάτης μας πιο εντάσεως εργασίας. 

Τα LLM μας βοηθούν να επιταχύνουμε την ενσωμάτωση των πελατών μας, καθώς, όπως μπορείτε να φανταστείτε, η κωδικοποίηση των επιχειρηματικών κανόνων ενός πελάτη είναι παρόμοια με την εκτέλεση μιας εφαρμογής CRM, μετρούμενη σε μήνες. Κατασκευάζουμε εργαλεία που χρησιμοποιούν LLM για να βοηθήσουν στη δημιουργία των συνόλων κανόνων και στη σύνταξη των σεναρίων αυτοματισμού. Αυτό θα κάνει τη διαδικασία ενσωμάτωσης πολύ πιο γρήγορη και θα μειώσει την πολυπλοκότητα για τους πελάτες μας.

Η διαφήμιση είναι ένα πρώιμο πεδίο δοκιμών για αυτόνομα συστήματα που διαχειρίζονται πραγματικά χρήματα σε κλίμακα. Ποια μαθήματα από αυτόν τον κλάδο θα μπορούσαν να εφαρμοστούν στις χρηματοοικονομικές υπηρεσίες, την υγειονομική περίθαλψη, τις προμήθειες επιχειρήσεων ή άλλους ρυθμιζόμενους τομείς που υιοθετούν πράκτορες τεχνητής νοημοσύνης;

Η διαφήμιση είναι το έδαφος αποδείξεων για τα αυτόνομα συστήματα που ξοδεύουν πραγματικά χρήματα εδώ και 20 χρόνια. Η Programmatic δίδαξε στη βιομηχανία πώς να αφήνει το λογισμικό να δεσμεύει δισεκατομμύρια δολάρια την ημέρα χωρίς να εγκρίνει μεμονωμένες συναλλαγές από τον άνθρωπο. Το μεγαλύτερο μέρος της τρέχουσας συζήτησης για την τεχνητή νοημοσύνη γίνεται σε μια κλίμακα διαφήμισης που έμεινε πίσω εδώ και πολύ καιρό.

Το Fluency έχει πάνω από 3 δισεκατομμύρια δολάρια ετήσιων δαπανών μέσω της πλατφόρμας μας, σε εκατοντάδες πρακτορεία και επωνυμίες και στον πολυτοπικό χώρο που φτάνει σε δεκάδες χιλιάδες τοποθεσίες. Οι περισσότερες διαφημιστικές συνομιλίες αυτή τη στιγμή αφορούν πιλοτικούς προϋπολογισμούς και μερικούς λογαριασμούς.

Αυτό που μεταφέρεται σε άλλους τομείς είναι η αρχιτεκτονική. Διαχωρίζετε τα συστήματα που αποφασίζουν από τα συστήματα που εκτελούν. Το αποφασιστικό επίπεδο μπορεί να είναι πιθανολογικό, επειδή η κρίση επωφελείται από την ευελιξία και τη δημιουργικότητα. Το επίπεδο εκτέλεσης πρέπει να είναι ντετερμινιστικό, επειδή η κίνηση χρημάτων δεν είναι ένα μέρος όπου θέλετε διακύμανση. Κάθε ενέργεια καταγράφεται εναντίον του χρήστη ή του πράκτορα που την ξεκίνησε, κάτι που σας δίνει μια διαδρομή ελέγχου που βρίσκεται μπροστά σε μια ρυθμιστική αρχή.

Αυτή η απαίτηση είναι πανομοιότυπη στις χρηματοοικονομικές υπηρεσίες, στους ισχυρισμούς υγειονομικής περίθαλψης, στις προμήθειες επιχειρήσεων. Τα πονταρίσματα είναι μεγαλύτερα και τα εργαλεία είναι γενικά χειρότερα. Ο σχεδιασμός που δημιουργήσαμε για τη διαφήμιση είναι ο σωστός: Η πλήρης δυνατότητα ελέγχου με αρχεία καταγραφής αλλαγών σε κάθε τροποποίηση είναι στοιχήματα πίνακα. Ανησυχώ ιδιαίτερα για τη μη ανθρώπινη κρίση σε θέματα όπως η έγκριση ιατρικών διαδικασιών και η έγκριση αξιώσεων ασφάλισης. Δεν νομίζω ότι υπάρχουν ακόμη LLM και έχω προσωπικά παραδείγματα στη ζωή μου αυτοματοποιημένων συστημάτων που παίρνουν πολύ κακές αποφάσεις σχετικά με την έγκριση ή την απόρριψη αξιώσεων ασφάλισης. 

Η προσδοκία μου είναι ότι το μοτίβο που δημιουργεί η διαφήμιση γίνεται το πρότυπο που υιοθετούν αυτοί οι τομείς. Είχαμε μια εικοσαετή πρωτοπορία στο πρόβλημα των μηχανών που ξοδεύουν χρήματα εκατοντάδες εκατομμύρια φορές το δευτερόλεπτο. Η προσέγγιση του Fluency εκτείνεται από τη συναλλαγή έως τη ροή εργασίας και είμαι βέβαιος ότι η προσέγγισή μας θα είναι παρόμοια αυτή που θα κερδίσει.

Σας ευχαριστούμε για την υπέροχη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να το επισκεφτούν Fluency.