Nick Shiftan, Bazaarvoicen CTO – Haastattelusarja

Nick Shiftan, Bazaarvoicen CTO, on kokenut teknologiajohtaja ja yrittäjä, jonka ura kattaa kaksi vuosikymmentä yrityssovellusten ja kaupan alustojen rakentamista ja skaalaamista. Hänet tunnetaan parhaiten Curalaten co-perustajana ja CTO:na, jossa hän auttoi kasvattamaan yhtiön lähes kymmenen vuoden ajan yli 20 miljoonan dollarin vuosittaiseen liikevaihtoon ennen kuin Bazaarvoice osti sen vuonna 2020. Uransa alussa hän perusti ja johti tuotekehitystä Parkiossa, jossa hän toimitti yrityssovelluksia liikenteen ja parkkimisjärjestelmille, ja aloitti ammattiuransa Microsoftissa, jossa hän työskenteli Outlook Mobile -sovelluksessa Windows Mobile -käyttöjärjestelmälle. Hankinnan jälkeen aluksi odotettu lyhyt siirtymäaika kesti lopulta pidempään, ja hän jatkoi rakentamista suurella mittakaavalla, mikä kulminoitui CTO:n nimittämiseen, jonka keskittyminen on edistää AI-käyttöön perustuvaa tuotteen löytämistä, joka perustuu luottamukselle ja aitoihin kuluttajien tietoihin.

Bazaarvoice on alan johtava SaaS-alusta, joka mahdollistaa brändien ja jälleenmyyjien kerätä, hallita ja aktivoida aitoa käyttäjien luomaa sisältöä, kuten arvosteluita, kuvia ja videoita koko digitaalisen ostoksen aikana. Toimien globaalilla tasolla, yhtiö auttaa yli miljardia ostajaa kuukaudessa tekemään perusteltuja ostospäätöksiä luotettavan sisällön jakamisen kautta laajassa brändien ja vähittäiskauppojen verkostossa, asettamalla avoimuuden, luotettavuuden ja tietopohjaisen kaupan keskiöön verkkokokemuksissa.

Miten sovelletatte generatiivista tekoälyä ja LLM-tekniikoita vahvistamaan arvostelujen aitoutta, moderoimista ja luottamussignaaleja heikentämättä suorituskykyä raskaiden kuormien alla?

Käytämme tekoälyä signaaleiden ja mallien löytämiseen, ei korvaamaan ihmisten arviointia. LLM:t auttavat havaitsemaan epäilyttävää toimintaa tai mahdollisesti epäaitoa sisältöä nopeasti, mutta tavoitteena on aina säilyttää luottamus. Tekoälymallien integroimalla offline-todennusputkiin ja erottamalla ne reaaliaikaisista pyyntöreiteistä, säilytämme suorituskyvyn jopa silloin, kun lähetyksen määrät kasvavat. Tuloksena on moderoiminen ja aitouden tarkistukset, jotka ovat sekä älykkäitä että skaalautuvia.

Monet jälleenmyyjät panostavat voimakkaasti kassan luotettavuuteen, mutta usein laiminlyövät luotettavan arvostelujärjestelmän ylläpitämisen monimutkaisuuden. Mitkä piilevät riskit arvostelu- ja arviointi-infrastruktuureissa ansaitsevat saman strategisen tarkastelun kuin maksut?

Arvostelut ja arviot ovat aina olleet ratkaisevia infrastruktuureja, mutta tämä on erityisen totta maailmassa, jossa tekoäly tukee ostamista. Tekoälyagentit turvautuvat vahvasti luottamussignaaleihin, erityisesti arvostelujen ja arvioiden muodossa, kun ne tekevät ostosuosituksia. Viiveet, puuttuvat tiedot tai ilmeinen epäaitous vaikuttavat suoraan kuluttajien luottamukseen. Nämä järjestelmät ovat monimutkaisia, ja niiden kohteleminen samalla tasolla kuin kassajärjestelmät on välttämätöntä välttääkseen menetetyn muunnoksen ja pitkän aikavälin luottamuksen eroosion.

Olette johtanut insinööritöitä useilla suurilla kaupan alustoilla. Miten sovelletatte havainnollistamis- ja vastausstrategioita, kun tekoälyjärjestelmät, kuten mielipidemallit tai petosmallit, sijaitsevat suoraan reaaliaikaisessa tietovirrassa?

Käsittelemme tekoälymallit kuin mitä tahansa kriittistä palvelua: seuraamme suorituskykyä ja tarkkuutta reaaliajassa. Sisältää viiveen, virheiden määrän ja käyttäytymisen siirtymisen. Käytämme varmistusjärjestelmiä, jotta mallit voivat heikentyä arvokkaasti tai ohittaa ei-kriittisiä polkuja kuormituksen alla. Kojut, automaattiset hälytykset ja suorituskirjat varmistavat, että tekoälyongelmat ovat näkyvissä ja ratkaistavissa ennen kuin ne vaikuttavat ostajiin.

Toimien Bazaarvoicen globaalilla mittakaavalla, miten varmistatte, että kuluttajien luoma sisältö virtaa tekoälyohjatuissa järjestelmissänne säilyttäen auditoinnin, avoimuuden ja reaaliaikaisen vastauskyvyn?

Se johtuu lopputulemaan perustuvasta havainnollistamisesta ja putkien segmentoinnista. Jokainen sisällön osa seurataan elinkaarensa aikana, keräämisestä näyttämiseen. Tekoälymallit antavat suosituksia tai moderoimismerkintöjä, mutta kaikki päätökset ovat kirjattu, auditointikelpoisia ja jäljitettävissä. Yhdistettynä kapasiteettipuskureihin ja dynaamiseen skaalautumiseen, tämä takaa vastauskyvyn jopa kuormituksen huipussa säilyttäen avoimuuden.

Edetessäsi, mitkä nousevat tekoälyohjatut riskit tai käyttäytymismallit uskotte, määrittävät seuraavan sukupolven vähittäiskaupan järjestelmien suunnittelua, ja miten IT-johtajien tulisi valmistautua niihin nyt?

Minulle keskeinen kysymys vähittäiskaupan IT-johtajille ei ole se, onko tekoälyostaminen tapahtuu — se on, miten heidän ostajien matkansa muuttuu, kun se tapahtuu. Jos tekoälyostaminen tulee yhtä yleiseksi huomenna kuin verkkokauppa on tänään:

• Mistä asiakkaani löytävät tuotteiani, omilla sivuillani vai ChatGPT:n kautta?
• Miten he oppivat tuotteistani, Clauden kautta vai oman ostosavustajani kautta?
• Miten he suorittavat ostoksensa, omalla kassasivullani vai suoraan tekoälyliittymän kautta?

Uuden sukupolven mallit tulevat todennäköisesti tietämään kaiken tuotteistasi. Mutta todellinen kysymys on: Toimittaisivatko ne samanlaisen asiakaskokemuksen, jonka voitte tarjota tänään? Jos vastaus on ei, ei ole riittävää odottaa tekoälyohjattujen tilausten ilmestymistä. Sinun on investoitava tekoälyavustajiin ja niiden sisääntulopisteisiin, jotka tekevät niistä osan brändin ainutlaatuista ostokokemusta.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Bazaarvoicessa.