Nick Shiftan, Bazaarvoicen teknologiajohtaja – haastattelusarja

Nick Shiftan, Bazaarvoicen teknologiajohtaja, on kokenut teknologiajohtaja ja yrittäjä, jonka ura kattaa kaksi vuosikymmentä yritysohjelmistojen ja kaupankäyntialustojen rakentamisessa ja skaalaamisessa. Hänet tunnetaan parhaiten Curalaten perustajana ja teknologiajohtajana. Curalate on uraauurtava sosiaalisen kaupankäynnin yritys, jonka hän auttoi kasvattamaan lähes vuosikymmenen aikana yli 20 miljoonan dollarin vuotuisen bruttoarvon ennen kuin Bazaarvoice osti sen vuonna 2020. Aiemmin urallaan hän perusti ja johti Parkion tuotekehitystä, jossa hän toimitti yritysohjelmistoja liikenne- ja pysäköintijärjestelmille, ja aloitti ammatillisen uransa Microsoftilla, jossa hän työskenteli Outlook Mobilen Windows Mobilen parissa. Yritysoston jälkeen alun perin lyhyeksi odotettu siirtymävaihe kehittyi pitkäaikaiseksi rooliksi, kun hän jatkoi skaalautuvaa rakentamista, mikä huipentui hänen nimitykseensä teknologiajohtajaksi, jossa hän keskittyy edistämään tekoälypohjaista tuotekehitystä luottamuksen ja autenttisen kuluttajadatan pohjalta.

Bazaarvoice on alan johtava SaaS-alusta, jonka avulla brändit ja jälleenmyyjät voivat kerätä, hallita ja aktivoida aitoa käyttäjien luomaa sisältöä, kuten arvioita, arvosteluja, valokuvia ja videoita, koko digitaalisen ostoprosessin ajan. Maailmanlaajuisesti toimiva yritys auttaa yli miljardia ostajaa tekemään tietoon perustuvia ostopäätöksiä joka kuukausi jakamalla luotettavaa sisältöä laajaan brändien ja vähittäismyyntikohteiden verkostoon, asettaen läpinäkyvyyden, uskottavuuden ja datalähtöisen kaupankäynnin verkkokokemusten keskiöön.

Miten käytät generatiivista tekoälyä ja oikeustieteen maisterin tutkintoon (LLM) perustuvia tekniikoita vahvistaaksesi arvostelujen aitoutta, moderointia ja luottamussignaaleja vaarantamatta suorituskykyä raskaan kuormituksen aikana?

Käytämme tekoälyä signaalien ja kaavojen esiin nostamiseen, emme korvaamaan ihmisen harkintakykyä. LLM:t auttavat merkitsemään poikkeavaa toimintaa tai mahdollisesti epäaitoa sisältöä nopeasti, mutta tavoitteena on aina säilyttää luottamus. Integroimalla nämä mallit offline-validointiputkiin ja irrottamalla ne reaaliaikaisista pyyntöpoluista ylläpidämme suorituskykyä, vaikka lähetysmäärät kasvaisivat. Tuloksena on sekä älykkäitä että skaalautuvia moderointi- ja aitoustarkistuksia.

Monet vähittäiskauppiaat investoivat voimakkaasti kassan luotettavuuteen, mutta usein unohtavat luotettavan arvosteluekosysteemin ylläpitämisen monimutkaisuuden. Mitkä arvostelu- ja luokitusinfrastruktuurien piilevät riskit ansaitsevat mielestäsi saman strategisen tarkastelun kuin maksut?

Arviot ja arvostelut ovat aina olleet päätöksenteon kannalta kriittinen infrastruktuuri, mutta tämä pätee erityisesti tekoälyn tukemaan ostosmaailmaan. Tekoälyagentit nojaavat vahvasti luottamussignaaleihin – erityisesti arviointien ja arvostelujen muodossa – tehdessään ostossuosituksia. Viivästykset, puuttuvat tiedot tai räikeä epäaitous vaikuttavat suoraan kuluttajien luottamukseen. Nämä järjestelmät ovat monimutkaisia, ja niiden käsittely samalla tarkkuudella kuin kassajärjestelmien on välttämätöntä, jotta vältetään konversioiden menetys ja luottamuksen pitkän aikavälin heikkeneminen.

Kun olet johtanut useiden merkittävien kaupankäyntialustojen suunnittelua, miten sopeutat havaittavuus- ja tapauksiin reagointistrategioita, kun tekoälyjärjestelmät – kuten mielipideanalyysit tai petosten havaitsemismallit – sijaitsevat suoraan reaaliaikaisessa datapolussa?

Käsittelemme tekoälymalleja kuten mitä tahansa muuta kriittistä palvelua: valvomme suorituskykyä ja tarkkuutta reaaliajassa. Tämä sisältää viiveen, virheprosentit ja käyttäytymisen ajautumisen. Toteutamme turvatoimintoja, jotta mallit voivat hajota hallitusti tai ohittaa ei-kriittiset polut kuormituksen aikana. Kojelaudat, automaattiset hälytykset ja runbookit varmistavat, että tekoälyongelmat nostetaan esiin ja ratkaistaan ​​ennen kuin ne vaikuttavat asiakkaisiin.

Kun toimit Bazaarvoicen globaalilla tasolla, miten varmistat, että kuluttajien luoma sisältö virtaa tekoälypohjaisten järjestelmiesi läpi tavoilla, jotka säilyttävät auditoitavuuden, läpinäkyvyyden ja reaaliaikaisen reagointikyvyn?

Kyse on kokonaisvaltaisesta havaittavuudesta ja prosessien segmentoinnista. Jokaista sisällön osaa seurataan sen elinkaaren ajan, aina latauksesta näyttöön. Tekoälymallit tarjoavat suosituksia tai moderointimerkintöjä, mutta kaikki päätökset kirjataan lokiin, ne ovat auditoitavissa ja jäljitettävissä. Yhdessä kapasiteettipuskureiden ja dynaamisen skaalauksen kanssa tämä varmistaa reagointikyvyn myös huippukuormituksen aikana ja säilyttää samalla läpinäkyvyyden.

Mitkä tekoälyn ohjaamat riskit tai käyttäytymismallit mielestäsi määrittelevät seuraavan sukupolven vähittäiskaupan järjestelmäsuunnittelua tulevaisuudessa, ja miten IT-johtajien tulisi varautua niihin nyt?

Minulle vähittäiskaupan IT-johtajien avainkysymys ei ole if Tekoälyostosten tekoäly tulee tapahtumaan – kyse on siitä, miten ostokokemus muuttuu, kun se tapahtuu. Jos tekoälyostosten tekemisestä tulee huomenna yhtä yleistä kuin verkko-ostosten tekemisestä tänään:

• Mistä asiakkaat löytävät tuotteeni, sivustoltani vai ChatGPT:n kautta?
• Miten he saavat tietää tuotteistani, Clauden vai oman ostoavustajani kautta?
• Miten he maksavat, kassasivullani vai suoraan tekoälykäyttöliittymän kautta?

Frontier-mallit tietävät todennäköisesti kaiken tuotteistasi. Mutta todellinen kysymys kuuluu: tarjoavatko ne saman asiakaskokemuksen kuin sinä tänään? Jos vastaus on ei, ei riitä, että odottaa tekoälyn ohjaamien tilausten ilmestymistä. Sinun on investoitava tekoälyavustajiin ja aloituspisteisiin, jotka tekevät niistä osan brändisi ainutlaatuista ostokokemusta.

Kiitos upeasta haastattelusta, lukijoiden, jotka haluavat tietää lisää, kannattaa käydä Bazaarvoice.