Sandeep Menon, CEO y Co-Fundador de Auxia – Serie de Entrevistas

Sandeep Menon, CEO y Co-Fundador de Auxia, aporta más de dos décadas de liderazgo en tecnología y marketing a nivel global. Antes de lanzar Auxia en 2022, pasó más de nueve años en Google (GOOGL ), donde se desempeñó como Vicepresidente de Marketing de Pagos y lideró iniciativas como el programa Next Billion Users, centrado en la inclusión digital en mercados emergentes. También ocupó puestos de liderazgo en marketing en Android, Chrome, ChromeOS y Google Play.

Auxia es una plataforma de marketing impulsada por IA que permite a los equipos empresariales orquestar trayectorias de cliente personalizadas y a medida a gran escala. En lugar de confiar en campañas basadas en reglas rígidas, Auxia permite que los agentes de IA prueben hipótesis en todos los puntos de contacto – correo electrónico, web, aplicación, ofertas – y se adapten dinámicamente a las preferencias y comportamientos en tiempo real. Se integra de manera transparente con fuentes de datos de primera parte, automatiza las canalizaciones de ML y optimiza continuamente los mensajes, la temporización y la secuenciación para maximizar el compromiso y el valor de por vida.

Fundaste Auxia después de una carrera exitosa en Google, donde lideraste el marketing global para productos utilizados por miles de millones. ¿Qué brecha o punto de dolor específico viste tú y tus co-fundadores en el mercado que llevó a la creación de Auxia?

En Google, vi de primera mano cómo la personalización real puede ser poderosa cuando tienes la infraestructura y las capacidades de IA adecuadas. Pero cuando miré el mercado en general, vi a las empresas luchando con pilas de marketing fragmentadas, a menudo gestionando 12 a 14 soluciones de punto diferentes que no se comunicaban entre sí. Estaban recopilando cantidades masivas de datos de clientes, pero no podían traducirlos en personalización significativa y en tiempo real.

La brecha fundamental fue que las plataformas existentes se construyeron para la era pre-AI. Confían en reglas estáticas y segmentación básica, cuando lo que las empresas realmente necesitan son sistemas inteligentes y adaptables capaces de tomar decisiones en tiempo real sobre cada interacción con el cliente. Vimos una oportunidad para llevar el mismo nivel de personalización impulsada por IA que impulsa a empresas como Google y Meta a empresas de todos los tamaños, sin requerir que construyan equipos internos de ciencia de datos masivos.

El equipo fundador de Auxia incluye ex líderes de Google, Meta y Lyft. ¿Cómo moldearon sus experiencias colectivas en estas empresas tecnológicas la arquitectura y la ética de Auxia?

Todos hemos experimentado los desafíos de la personalización a gran escala. En el equipo de Google Pay específicamente, estábamos en una posición privilegiada porque tuvimos una exposición temprana a tecnologías transformadoras en su infancia, con modelos de transformadores siendo un ejemplo principal. Mis co-fundadores, que vinieron de Meta y Lyft, construyeron sistemas que sentaron las bases para hacer que los vastos datos de clientes disponibles fueran dramáticamente más útiles, como impulsar recomendaciones y decisiones en tiempo real para millones de usuarios cada segundo.

Todos vimos de primera mano cómo la IA podría mejorar profundamente las experiencias del cliente, al mismo tiempo que abordaba algunos de los desafíos más difíciles que enfrentaban nuestros equipos de marketing. Al mismo tiempo, el mercado en general se estaba moviendo de una manera que hacía que este tipo de trabajo fuera posible fuera de Google. Con el auge de la pila de datos moderna y plataformas como Snowflake, BigQuery y Databricks, las empresas habían pasado los últimos 5-10 años consolidando sus datos en un lugar centralizado listo para la activación.

Reconocimos una oportunidad única para tomar los conocimientos que habíamos desarrollado dentro de Google y democratizarlos para empresas de todos lados. Estas empresas estaban despertando a la realidad de que estaban sentadas sobre una montaña de datos valiosos y que, con la tecnología adecuada, podrían desbloquearse para impulsar el crecimiento y un mejor compromiso con el cliente.

La mayoría de las herramientas de personalización confían en sistemas basados en reglas y segmentos simples. Auxia, en cambio, utiliza agentes de IA sincronizados. ¿Puedes explicarnos cómo colaboran y evolucionan estos agentes con el tiempo para personalizar cada trayectoria del cliente?

La mayoría de las herramientas en el mercado hoy en día aún confían en reglas rígidas y segmentos estáticos, son reactivas, no inteligentes. En Auxia, hemos construido un sistema de agentes de IA sincronizados que trabajan juntos para personalizar cada punto de contacto en la trayectoria del cliente en tiempo real.

Cada agente juega un papel especializado. Los agentes de decisión determinan la mejor acción a tomar para un usuario en función de todos sus datos y preferencias anteriores; por ejemplo, si ofrecer un aumento a un cliente a una nueva tarjeta de crédito o impulsarlo a abrir una nueva cuenta de ahorro. Los agentes analistas funcionan como un equipo de ciencia de datos integrado, analizando qué ha funcionado bien en campañas actuales para resaltar el impacto, pero también oportunidades de mejora en una interfaz basada en chat. Finalmente, los agentes de contenido de Auxia aprovechan todos los datos e información sobre qué ha funcionado mejor para presentar proactivamente nuevas variaciones de mensajes o creativos para que los equipos de marketing los aprueben.

Lo que hace que estos agentes sean poderosos es que no operan en silos. Colaboran continuamente, aprendiendo de cada interacción y adaptándose en función de lo que funciona. Los marketers establecen objetivos de alto nivel, y los agentes manejan la complejidad. Son sistemas de auto-optimización que evolucionan diariamente para impulsar mejores resultados a gran escala.

Auxia procesa 2.6 mil millones de eventos diarios y maneja 6,500 consultas por segundo. ¿Qué innovaciones en la infraestructura permitieron este tipo de escalabilidad en tiempo real tan temprano en la vida de la empresa?

Desde el primer día, supimos que la escalabilidad no podía ser negociable. La hiperpersonalización solo funciona si puedes tomar decisiones en milisegundos, utilizando señales de contexto frescas. Aprendimos muchas de estas lecciones de nuestro tiempo en Google, y tomó más de un año construir la infraestructura para respaldar ese nivel de orquestación en tiempo real.

Nuestra arquitectura es nativa en la nube, impulsada por eventos y optimizada para altos volúmenes de transmisión en streaming, así que estamos parados sobre los hombros de las olas tecnológicas que nos precedieron, como el movimiento hacia la pila de datos moderna. La forma en que el paisaje de la tecnología de marketing ha evolucionado hacia ecosistemas abiertos nos ha permitido movernos mucho más rápido, permitiéndonos integrarnos directamente con almacenes de datos en la nube modernos, CRM y otras plataformas de marketing. Esto nos ha permitido construir para la escalabilidad desde el primer día y también nos ha ayudado a depender de infraestructura que pueda procesar volúmenes masivos de señales de clientes de primera parte sin introducir latencia.

Lo que también nos distingue es que somos nativos de IA desde el principio. Auxia fue diseñada para respaldar la experimentación a gran escala, ejecutando miles de hipótesis simultáneas y optimizando continuamente los resultados sin intervención humana, pero también estamos aprovechando la última tecnología de la industria para la creación de características, la implementación de modelos y la inferencia de LLM.

¿Cómo difiere el marco de experimentación de modelo de Auxia del testing A/B tradicional, y qué han sido las ideas más sorprendentes descubiertas utilizando su enfoque de ML?

El testing A/B tradicional es increíblemente limitado, solo puedes probar algunas variantes a la vez, y a menudo toma semanas o meses alcanzar resultados estadísticamente significativos. En Auxia, hemos reinventado la experimentación como un proceso continuo e inteligente. Nuestro marco de modelo impulsado permite a los marketers ejecutar muchos modelos auto-optimizados y probar cientos de variaciones en paralelo. Utilizando técnicas como el aprendizaje por refuerzo, el sistema de toma de decisiones de Auxia toma decisiones en tiempo real basadas en datos en vivo.

Tomemos el ejemplo de una campaña de promoción de ofertas y recompensas a través del correo electrónico. Anteriormente, los marketers podrían probar 2-3 variaciones de ofertas diferentes, como 5% de descuento, 10% de descuento y 20% de descuento, dividir la audiencia en grupos mutuamente excluyentes, lanzar y comparar los resultados a través de una variedad de métricas para ver qué variación funcionó mejor, en promedio, para todo el grupo. Esa variación ganadora se desplegaría entonces a todos después del período de experimentación. Hay varios desafíos con este enfoque. Primero, la mayoría de los experimentos fallan, así que a menudo toma a los equipos semanas o meses identificar qué funciona bien. Además, son super manuales y consumen mucho tiempo configurar, lo que limita la velocidad del equipo y cuán rápidamente pueden entregar impacto.

Con Auxia, los marketers establecen primero un objetivo de alto nivel, como impulsar compras. Desde allí, su equipo configuraría cientos de variaciones diferentes en el sistema, que un equipo puede generar dinámicamente con nuestro Agente de Contenido, ingerir desde su CMS o definir manualmente. Cada una de estas variaciones variaría en términos de la construcción de la oferta (por ejemplo, 5% de descuento vs. BOGO), cantidad, contenido y potencialmente incluso canal (por ejemplo, correo electrónico vs. SMS). Para cada usuario individual, el Agente de Decisión de Auxia clasificaría, puntuaría y predeciría, de todas las cientos de variaciones disponibles, qué es la variación óptima para cada persona para impulsar el objetivo central.

La plataforma de Auxia está diseñada para eliminar la dependencia de grandes equipos internos de ciencia de datos. ¿Has visto a equipos de marketing tradicionales asumir roles más técnicos con éxito con tus herramientas?

Una de las razones principales por las que comenzamos Auxia fue para empoderar a los equipos de marketing para personalizar tanto sus experiencias de marketing como de producto sin depender de ingenieros o científicos de datos. Dentro de solo unas semanas de incorporación, los marketers que utilizan Auxia pueden lanzar nuevas campañas, extraer datos y interpretar resultados completamente por su cuenta. A medida que el mundo se mueve hacia un futuro más agente, creemos que los marketers no necesitarán volverse más técnicos o construir nuevas habilidades técnicas. En cambio, las responsabilidades tradicionalmente manejadas por ingenieros o analistas serán democratizadas a través de agentes inteligentes que aumentan el flujo de trabajo y la experiencia general del marketer. Con nuestro Agente Analista, ya hemos logrado abstractar gran parte de la complejidad de la trabajo tradicional de científicos de datos/analistas, y estamos emocionados de seguir avanzando esas capacidades.

Como alguien que lideró el marketing para la iniciativa Next Billion Users en Google, ¿qué paralelos ves entre la adopción de tecnología inclusiva y la IA agente en marketing hoy en día?

Cuando lideré el marketing para la iniciativa Next Billion Users en Google, reconocimos que las personas en mercados emergentes interactuaban con productos de manera fundamentalmente diferente a los usuarios en mercados desarrollados. Debido a que eso representaba una oportunidad de crecimiento tan masiva, se volvió vital construir específicamente para esos usuarios – simplificando interfaces, abstractando la complejidad y asegurando que la experiencia fuera accesible y empoderadora.

Vejo una tendencia muy similar desplegándose con la IA agente en marketing. Al igual que muchos de esos nuevos usuarios de Internet saltaron directamente a experiencias de primer contacto móvil sin necesidad de alfabetización digital previa, los marketers de hoy no necesitan volver y aprender SQL o ciencia de datos para desbloquear la personalización. Los agentes cubren esas brechas de habilidades y hacen que las capacidades sofisticadas sean inmediatamente utilizables. Al mismo tiempo, la forma en que las personas interactúan con la IA – moviéndose más allá de interfaces basadas en chat hacia agentes más intuitivos y conscientes del contexto – está obligando a los desarrolladores a repensar la interfaz de usuario del futuro. El énfasis, al igual que con los NBU, está en la accesibilidad, la simplicidad y el empoderamiento: abstractar la complejidad técnica para que la experiencia final se sienta natural e impactante.

¿Cuál es el mayor malentendido que las empresas tienen sobre la personalización de IA hoy en día, y cómo les ayudas a superarlo?

El mayor malentendido que las empresas tienen sobre la personalización de IA es que adoptarla significa renunciar al control total o disminuir el impacto estratégico de los equipos de marketing. La IA sobresale en el procesamiento de la complejidad, como analizar conjuntos de datos masivos, detectar patrones que los humanos no pueden ver y resaltar señales que importan en tiempo real. Lo que la IA no puede hacer es proporcionar el contexto, la empatía y el juicio estratégico necesario para diseñar experiencias de cliente significativas. Eso es donde brillan los humanos: estableciendo la visión, definiendo las barreras de la marca y entendiendo cuándo una elección de personalización podría sentirse intrusiva o fuera de marca.

Si hablamos con sinceridad, utilizando la tecnología de hoy, los humanos pueden ser efectivos sin IA, pero la IA no puede ser efectiva sin humanos. El verdadero avance se produce cuando se aumentan los equipos con IA para manejar la escala y la complejidad de la toma de decisiones basada en datos, mientras se permite a los equipos centrarse en la estrategia, la creatividad y la empatía. Ese es el momento en que la personalización se mueve de ser un término de moda a algo que genuinamente crea valor para los clientes y el negocio.

Con el respaldo de más de 50 líderes de la industria y una recaudación de $23.5M, ¿cuáles son las áreas clave que estás priorizando para los próximos 12-18 meses de crecimiento de producto y equipo?

Estamos priorizando tres áreas de crecimiento durante los próximos 12-18 meses. Primero, estamos comprometidos a entregar un valor excepcional a nuestros clientes al continuar elevando su experiencia. Esto siempre ha sido una prioridad para nuestro equipo y queremos asegurarnos de que estemos entregando un ROI excepcional para todas las empresas que han depositado su confianza en nosotros y nuestro equipo. Segundo, estamos expandiendo las capacidades de nuestros agentes de IA para respaldar la mejora de todo el flujo de trabajo del marketer, ayudando a los equipos a crear contenido, orquestar experiencias personalizadas y resaltar información acción sobre qué impulsa el impacto. Finalmente, estamos escalando nuestro motor de comercialización. Con un ajuste de producto-mercado sólido en la empresa, el próximo paso es expandir nuestro alcance al crecer nuestros equipos de ventas y éxito del cliente. Esto nos permite llevar la personalización impulsada por IA a más empresas, mientras nos aseguramos de que los nuevos clientes se beneficien del mismo soporte de alta calidad y experiencia diferenciada que ha impulsado nuestro éxito temprano.

¿Qué es lo que más te emociona sobre la próxima frontera de la IA agente, no solo en marketing, sino también en otras aplicaciones empresariales?

Lo que realmente me emociona es ver el ritmo de adopción, ver que esa adopción tenga un impacto real y ver que el mercado reconozca que el valor real de la IA agente está en la mejora, no necesariamente en el reemplazo. Demasiadas conversaciones de hoy se centran en la IA como sustituto de roles humanos, como todos los anuncios que podrías ver en la 101 hacia San Francisco sobre empresas que reemplazan a los SDR (o incluso funciones enteras). Ese relato va a atraer titulares, pero para mí, pierde la oportunidad más grande: empoderar a las personas para que hagan su mejor trabajo.

Los humanos aportan contexto, empatía, creatividad y juicio que la IA simplemente no puede replicar. Donde la IA agente brilla es en el manejo de la complejidad y la escala que agobia a los equipos. Hemos hablado mucho sobre la aplicabilidad a los flujos de trabajo de marketing, como resaltar información de conjuntos de datos masivos, automatizar tareas repetitivas y orquestar procesos a través de sistemas en tiempo real. Cuando esas capacidades se combinan con las fortalezas humanas, el resultado es un cambio de juego en lo que las organizaciones pueden lograr.

En marketing, eso significa liberar a los equipos de la ejecución interminable para que puedan centrarse en la estrategia, la narrativa y la empatía del cliente. Pero este mismo patrón se aplica en todas las funciones de la empresa: en ventas, los agentes pueden calificar y preparar oportunidades para que los humanos puedan pasar más tiempo construyendo relaciones; en éxito del cliente, los agentes pueden señalar señales de riesgo y oportunidad para que los humanos puedan profundizar las asociaciones; en ingeniería, los agentes pueden acelerar el desarrollo al automatizar las pruebas, la depuración y la generación de código, para que los equipos puedan centrarse en resolver problemas arquitectónicos complejos y impulsar la innovación.

Todas estas oportunidades crearán billones de dólares en valor y me encanta ver a las empresas que están empujando el límite para dar forma a cómo evolucionará el trabajo que la gente hace con el tiempo.

Imagina a los equipos de finanzas con agentes de IA que optimizan los presupuestos en tiempo real, los equipos de RRHH que utilizan agentes para personalizar la participación de los empleados, o los agentes de soporte al cliente que se mueven de reactivos a proactivos.

Estamos apenas comenzando. El futuro no se trata de la IA reemplazando a los humanos, se trata de los humanos y los agentes de IA trabajando juntos para tomar decisiones que son más rápidas, más inteligentes y más empáticas. Ese es el futuro que estamos construyendo en Auxia.

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