Nick Shiftan, CTO en Bazaarvoice – Serie de entrevistas

Nick Shiftan, CTO en Bazaarvoice, es un líder tecnológico experimentado y emprendedor cuya carrera abarca dos décadas de creación y escalado de plataformas de software y comercio empresarial. Es más conocido como co-fundador y CTO de Curalate, una empresa pionera en comercio social que ayudó a crecer durante casi una década a más de $20 millones en ARR antes de su adquisición por Bazaarvoice en 2020. Al comienzo de su carrera, fundó y dirigió el desarrollo de productos en Parkio, entregando software empresarial para sistemas de transporte y estacionamiento, y comenzó su trayectoria profesional en Microsoft, donde trabajó en Outlook Mobile para Windows Mobile. Después de la adquisición, lo que inicialmente se esperaba que fuera una transición corta evolucionó hacia un papel a largo plazo mientras continuaba construyendo a escala, culminando en su nombramiento como CTO, donde su enfoque es avanzar en la descubierta de productos impulsada por IA basada en la confianza y los datos de consumidores auténticos.

Bazaarvoice es una plataforma SaaS líder en la industria que permite a marcas y minoristas recopilar, gestionar y activar contenido generado por el usuario auténtico, como calificaciones, reseñas, fotos y videos en todo el recorrido de compras digital. Operando a escala global, la empresa ayuda a más de mil millones de compradores cada mes a tomar decisiones de compra informadas al sindicar contenido de confianza en una vasta red de marcas y destinos minoristas, colocando la transparencia, la credibilidad y el comercio basado en datos en el centro de las experiencias en línea.

¿Cómo está aplicando técnicas de IA generativa y basadas en LLM para fortalecer la autenticidad de las reseñas, la moderación y las señales de confianza sin comprometer el rendimiento bajo cargas pesadas?

Usamos IA para detectar señales y patrones, no para reemplazar el juicio humano. Los LLM ayudan a detectar rápidamente la actividad anómala o el contenido potencialmente no auténtico, pero el objetivo es siempre preservar la confianza. Al integrar estos modelos en pipelines de validación fuera de línea y desacoplarlos de los caminos de solicitud en tiempo real, mantenemos el rendimiento incluso cuando los volúmenes de envío aumentan. El resultado son comprobaciones de moderación y autenticidad que son inteligentes y escalables.

Muchos minoristas invierten mucho en la confiabilidad del pago, pero a menudo pasan por alto la complejidad de mantener un ecosistema de reseñas de confianza. ¿Qué riesgos ocultos en las infraestructuras de reseñas y calificaciones creen que merecen el mismo escrutinio estratégico que los pagos?

Las calificaciones y reseñas siempre han sido infraestructuras críticas para la toma de decisiones, pero esto es especialmente cierto en un mundo de compras con apoyo de IA. Los agentes de IA dependerán en gran medida de las señales de confianza, notablemente en forma de calificaciones y reseñas, al hacer recomendaciones de compras. Los retrasos, la falta de datos o la inautenticidad flagrante afectarán directamente la confianza del consumidor. Estos sistemas son complejos; tratarlos con el mismo rigor que los sistemas de pago es esencial para evitar la pérdida de conversión y la erosión de la confianza a largo plazo.

Al haber liderado la ingeniería en múltiples plataformas de comercio importantes, ¿cómo adapta las estrategias de observabilidad y respuesta a incidentes cuando los sistemas de IA, como el análisis de sentimiento o los modelos de detección de fraude, se encuentran directamente en el camino de datos en tiempo real?

Tratamos a los modelos de IA como cualquier otro servicio crítico: monitoreamos el rendimiento y la precisión en tiempo real. Eso incluye la latencia, las tasas de error y el desvío de comportamiento. Implementamos medidas de seguridad para que los modelos puedan degradarse de manera elegante o evitar caminos no críticos bajo carga. Los paneles de control, las alertas automatizadas y los runbooks aseguran que los problemas de IA se detecten y resuelvan antes de que afecten a los compradores.

Cuando opera a escala global en Bazaarvoice, ¿cómo garantiza que el contenido generado por el consumidor fluya a través de los sistemas impulsados por IA de manera que mantenga la auditoría, la transparencia y la respuesta en tiempo real?

Se reduce a la observabilidad de extremo a extremo y la segmentación de la canalización. Cada pieza de contenido se rastrea a lo largo de su ciclo de vida, desde la ingesta hasta la visualización. Los modelos de IA proporcionan recomendaciones o banderas de moderación, pero todas las decisiones se registran, son auditables y trazables. Esto, combinado con buffers de capacidad y escalado dinámico, garantiza la respuesta incluso bajo carga máxima mientras se mantiene la transparencia.

Mirando hacia adelante, ¿qué riesgos o patrones de comportamiento impulsados por IA cree que definirán la próxima generación de diseño de sistemas de comercio, y cómo deberían prepararse los líderes de TI para ellos ahora?

Para mí, la pregunta clave para los líderes de TI del comercio no es si la compra con IA ocurrirá, sino cómo cambiará el recorrido del comprador cuando suceda. Si la compra con IA se vuelve tan común mañana como la compra en línea hoy:

• ¿Dónde descubrirán mis productos, en mi sitio o a través de ChatGPT?
• ¿Cómo aprenderán sobre mis productos, a través de Claude o de mi propio asistente de compras?
• ¿Cómo realizarán el pago, en mi página de pago o directamente a través de una interfaz de IA?

Los modelos de frontera probablemente sabrán todo sobre sus productos. Pero la pregunta real es: ¿Entregarán la misma experiencia del cliente que puedo ofrecer hoy? Si la respuesta es no, no es suficiente esperar a que los pedidos impulsados por IA aparezcan. Deberán invertir en asistentes de IA y los puntos de entrada que los conviertan en parte de la experiencia de compras única de su marca.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Bazaarvoice.