Nick Shiftan, CTO στο Bazaarvoice – Σειρά Συνεντεύξεων

Nick Shiftan, CTO στο Bazaarvoice, είναι ένας έμπειρος τεχνολογικός ηγέτης και επιχειρηματίας, της οποίας η καριέρα διαρκεί δύο δεκαετίες, xây dựng και κλιμάκωση επιχειρηματικού λογισμικού και εμπορικών πλατφορμών. Είναι πιο γνωστός ως συνιδρυτής και CTO της Curalate, μιας πρωτοποριακής εταιρείας κοινωνικού εμπορίου, την οποία βοήθησε να μεγαλώσει σχεδόν μια δεκαετία σε πάνω από 20 εκατομμύρια δολάρια σε ετήσιες ανανεωμένες έσοδα πριν από την απόκτηση από το Bazaarvoice το 2020. Νωρίτερα στην καριέρα του, ίδρυσε και ηγήθηκε της ανάπτυξης προϊόντων στην Parkio, παρέχοντας επιχειρηματικό λογισμικό για συστήματα μεταφοράς και στάθμευσης, και ξεκίνησε την επαγγελματική του πορεία στη Microsoft, όπου εργάστηκε στο Outlook Mobile για Windows Mobile. Μετά την απόκτηση, αυτό που αρχικά αναμενόταν να είναι μια σύντομη μετάβαση εξελίχθηκε σε μια μακροπρόθεσμη θέση, καθώς συνέχιζε να xây dựng σε κλίμακα, кульμινώντας στη διορισμό του ως CTO, όπου ο στόχος του είναι να προωθήσει την AI-κίνητη ανακάλυψη προϊόντων που βασίζεται στην εμπιστοσύνη και αυθεντικά δεδομένα καταναλωτών.

Bazaarvoice είναι μια ηγετική πλατφόρμα SaaS που επιτρέπει στις μάρκες και τους λιανοπωλητές να συλλέγουν, να διαχειρίζονται και να ενεργοποιούν αυθεντικά γεννημένα από τους χρήστες περιεχόμενα, όπως βαθμολογίες, κριτικές, φωτογραφίες και βίντεο σε όλη τη ψηφιακή διαδρομή αγοράς. Λειτουργώντας σε παγκόσμια κλίμακα, η εταιρεία βοηθά περισσότερους από ένα δισεκατομμύριο αγοραστές κάθε μήνα να λαμβάνουν ενημερωμένες αποφάσεις αγοράς, διανομώντας αξιόπιστα περιεχόμενα σε ένα τεράστιο δίκτυο μαρκών και λιανικών προορισμών, τοποθετώντας τη διαφάνεια, την αξιοπιστία και την εμπορική δραστηριότητα που βασίζεται σε δεδομένα στο κέντρο των online εμπειριών.

Πώς εφαρμόζετε τεχνικές γεννητικής-ΑΙ και LLM-βασισμένων για την ενίσχυση της αυθεντικότητας των κριτικών, της μετρίων και των σημάτων εμπιστοσύνης χωρίς να επηρεάζεται η απόδοση υπό βαριά φορτίο;

Χρησιμοποιούμε την ΑΙ για να επιφέρουμε σήματα και μοτίβα, όχι για να αντικαταστήσουμε την ανθρώπινη κρίση. Τα LLM βοηθούν να σημάνουν ανωμαλή δραστηριότητα ή πιθανώς μη αυθεντικά περιεχόμενα γρήγορα, αλλά ο στόχος είναι πάντα να διατηρήσουμε την εμπιστοσύνη. Ενσωματώνοντας αυτά τα μοντέλα σε离線 εύρητα pipelines και αποσυνδέοντάς τα από πραγματικό χρόνο ζητήσεων, διατηρούμε την απόδοση ακόμη και όταν οι υποβολές όγκου αυξάνονται. Το αποτέλεσμα είναι η μετρίων και οι ελέγχοι αυθεντικότητας που είναι και έξυπνοι και κλιμακωτοί.

Πολλοί λιανοπωλητές επενδύουν πολύ σε checkout αξιοπιστία, αλλά συχνά παραβλέπουν τη σύνθετη διατήρηση ενός αξιόπιστου οικοσυστήματος κριτικών. Ποια κρυφά рисks σε υποδομές κριτικών και βαθμολογιών νομίζετε ότι αξίζουν την ίδια στρατηγική επιτήρηση όπως οι πληρωμές;

Οι βαθμολογίες και οι κριτικές έχουν πάντα ήταν αποφασιστικής κρίσης υποδομή, αλλά αυτό είναι ιδιαίτερα αληθινό σε ένα κόσμο με AI-υποστηριζόμενη αγορά. Τα AI Agents θα βασιστούν βαριά σε σήματα εμπιστοσύνης – ιδιαίτερα στη μορφή βαθμολογιών και κριτικών – καθώς κάνουν συστάσεις αγοράς. Καθυστερήσεις, λείπωντα δεδομένα ή φανερή μη αυθεντικότητα θα επηρεάσουν直接 την εμπιστοσύνη του καταναλωτή. Αυτά τα συστήματα είναι σύνθετα· το να τα αντιμετωπίζουμε με την ίδια αυστηρότητα όπως τα συστήματα checkout είναι απαραίτητο για να αποφευχθεί η απώλεια μετατροπής και η μακροπρόθεσμη διάβρωση της εμπιστοσύνης.

Έχοντας ηγηθεί μηχανικής σε πολλές μεγάλες εμπορικές πλατφόρμες, πώς προσαρμόζετε την παρατηρησιμότητα και τις στρατηγικές ανταπόκρισης σε περιπτώσεις όταν τα AI συστήματα – όπως η ανάλυση συναισθήματος ή τα μοντέλα ανίχνευσης απάτης – καθίστανται直接 στην πραγματικό χρόνο δεδομένων διαδρομή;

Θεώρησε τα AI μοντέλα σαν οποιαδήποτε άλλη κρίσιμη υπηρεσία: παρακολουθήστε την απόδοση και την ακρίβεια σε πραγματικό χρόνο. Αυτό περιλαμβάνει καθυστερήσεις, ποσοστά σφαλμάτων και συμπεριφορική ολίσθηση. Εφαρμόζουμε ασφαλείας ώστε τα μοντέλα να μπορέσουν να υποβαθμιστούν ευγενώς ή να παρακάμψουν μη κρίσιμες διαδρομές υπό φορτίο. Πίνακες, αυτόματες ειδοποιήσεις και runbooks διασφαλίζουν ότι τα προβλήματα AI επιφανίζονται και επιλύονται πριν επηρεάσουν τους αγοραστές.

Όταν λειτουργείτε σε παγκόσμια κλίμακα του Bazaarvoice, πώς διασφαλίζετε ότι το καταναλωτικό γεννημένο περιεχόμενο ρέει μέσω των AI-κίνητων συστημάτων με τρόπο που διατηρεί την ελεγκρότητα, τη διαφάνεια και την απάντηση σε πραγματικό χρόνο;

Είναι θέμα συνολικής παρατηρησιμότητας και τμηματοποίησης αγωγών. Κάθε κομμάτι περιεχομένου παρακολουθείται σε όλη τη διάρκεια της ζωής του, από την κατάποση μέχρι την εμφάνιση. Τα AI μοντέλα παρέχουν συστάσεις ή σημάνουν κριτικές, αλλά όλες οι αποφάσεις είναι καταγεγραμμένες, ελεγκρόμενες και ιχνηλατούμενες. Σε συνδυασμό με буφέρ δυναμικής κλιμάκωσης, αυτό διασφαλίζει την απάντηση ακόμη και υπό πίεση ενώ διατηρεί τη διαφάνεια.

Κοιτάζοντας μπροστά, ποια αναδυόμενα AI-κίνητα ρίσκα ή συμπεριφορικά μοτίβα πιστεύετε ότι θα ορίσουν την επόμενη γενιά σχεδιασμού λιανικών συστημάτων και πώς πρέπει οι ηγέτες IT να προετοιμαστούν για αυτά τώρα;

Για μένα, το κλειδί ερώτημα για τους ηγέτες IT Λιανικής δεν είναι αν η AI αγορά θα συμβεί — είναι πώς η διαδρομή αγοράς θα αλλάξει όταν συμβεί. Αν η AI αγορά γίνει τόσο κοινή αύριο όσο η online αγορά είναι σήμερα:

• Πού θα ανακαλύψουν οι πελάτες τα προϊόντα μου, στην ιστοσελίδα μου ή μέσω ChatGPT;
• Πώς θα μάθουν για τα προϊόντα μου, μέσω Claude ή του δικού μου βοηθού αγοράς;
• Πώς θα ολοκληρώσουν την αγορά, στην σελίδα checkout μου ή直接 μέσω μιας AI διεπαφής;

Τα μοντέλα του μελλοντικού ορίζοντα θα γνωρίζουν όλα για τα προϊόντα σας. Αλλά το πραγματικό ερώτημα είναι: Θα παρέχουν την ίδια εμπειρία πελάτη που μπορείτε σήμερα; Αν η απάντηση είναι όχι, δεν είναι αρκετό να περιμένετε τις AI-κίνητες παραγγελίες να εμφανιστούν. Θα πρέπει να επενδύσετε σε AI Βοηθούς και τις εισόδους που τα κάνουν μέρος της μοναδικής εμπειρίας αγοράς της μάρκας σας.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Bazaarvoice.