Nick Shiftan, CTO chez Bazaarvoice – Série d’entretiens

Nick Shiftan, CTO chez Bazaarvoice, est un dirigeant technologique expérimenté et entrepreneur dont la carrière s’étend sur deux décennies de construction et de mise à l’échelle de logiciels et de plateformes de commerce d’entreprise. Il est surtout connu comme co-fondateur et CTO de Curalate, une société de commerce social pionnière qu’il a aidée à faire croître pendant près d’une décennie à plus de 20 millions de dollars de chiffre d’affaires annuel avant son acquisition par Bazaarvoice en 2020. Plus tôt dans sa carrière, il a fondé et dirigé le développement de produits chez Parkio, en fournissant des logiciels d’entreprise pour les systèmes de transport et de stationnement, et a commencé son parcours professionnel chez Microsoft (MSFT ), où il a travaillé sur Outlook Mobile pour Windows Mobile. Après l’acquisition, ce qui était initialement prévu comme une transition courte s’est transformé en un rôle à long terme alors qu’il continuait à construire à grande échelle, aboutissant à sa nomination comme CTO, où son objectif est de faire progresser la découverte de produits basée sur l’IA fondée sur la confiance et les données de consommateurs authentiques.

Bazaarvoice est une plateforme SaaS de pointe qui permet aux marques et aux détaillants de collecter, de gérer et d’activer du contenu généré par les utilisateurs authentiques, tels que les évaluations, les avis, les photos et les vidéos, tout au long du parcours d’achat numérique. Opérant à l’échelle mondiale, l’entreprise aide plus d’un milliard de clients chaque mois à prendre des décisions d’achat éclairées en syndiquant du contenu fiable à travers un vaste réseau de marques et de destinations de détail, en plaçant la transparence, la crédibilité et le commerce basé sur les données au centre des expériences en ligne.

Comment appliquez-vous les techniques de génération d’IA et de LLM pour renforcer l’authenticité des avis, la modération et les signaux de confiance sans compromettre les performances sous charge lourde ?

Nous utilisons l’IA pour mettre en surface des signaux et des modèles, et non pour remplacer le jugement humain. Les LLM aident à signaler rapidement les activités anormales ou le contenu potentiellement non authentique, mais l’objectif est toujours de préserver la confiance. En intégrant ces modèles dans des pipelines de validation hors ligne et en les déconnectant des chemins de requête en temps réel, nous maintenons les performances même lorsque les volumes de soumission augmentent. Le résultat est des vérifications de modération et d’authenticité qui sont à la fois intelligentes et évolutives.

De nombreux détaillants investissent lourdement dans la fiabilité du processus de paiement, mais ignorent souvent la complexité de la maintenance d’un écosystème d’avis fiable. Quels sont les risques cachés dans les infrastructures d’avis et de notation qui, selon vous, méritent la même attention stratégique que les paiements ?

Les évaluations et les avis ont toujours été des infrastructures critiques pour la prise de décision, et cela est particulièrement vrai dans un monde de commerce soutenu par l’IA. Les agents IA s’appuieront lourdement sur les signaux de confiance – notamment sous la forme d’évaluations et d’avis – lorsqu’ils feront des recommandations d’achat. Les retards, les données manquantes ou l’inauthenticité flagrante auront un impact direct sur la confiance des consommateurs. Ces systèmes sont complexes ; les traiter avec la même rigueur que les systèmes de paiement est essentiel pour éviter la perte de conversion et l’érosion de la confiance à long terme.

Ayant dirigé l’ingénierie sur plusieurs plateformes de commerce majeures, comment adaptez-vous les stratégies d’observabilité et de réponse aux incidents lorsque les systèmes d’IA – tels que l’analyse de sentiments ou les modèles de détection de fraude – se trouvent directement sur le chemin des données en temps réel ?

Nous traitons les modèles d’IA comme n’importe quel autre service critique : nous surveillons les performances et la précision en temps réel. Cela inclut la latence, les taux d’erreur et le dérivement comportemental. Nous mettons en place des filets de sécurité pour que les modèles puissent se dégrader de manière sécurisée ou contourner les chemins non critiques sous charge. Les tableaux de bord, les alertes automatisées et les livres de recettes garantissent que les problèmes d’IA sont mis en surface et résolus avant qu’ils n’aient un impact sur les clients.

Lorsque vous opérez à l’échelle mondiale de Bazaarvoice, comment vous assurez-vous que le contenu généré par les consommateurs s’écoule à travers vos systèmes d’IA de manière à maintenir l’audité, la transparence et la réactivité en temps réel ?

Cela se résume à l’observabilité de bout en bout et à la segmentation des pipelines. Chaque pièce de contenu est suivie tout au long de son cycle de vie, de l’ingestion à l’affichage. Les modèles d’IA fournissent des recommandations ou des signaux de modération, mais toutes les décisions sont consignées, auditées et traçables. Couplé avec des tampons de capacité et un scaling dynamique, cela garantit la réactivité même sous charge de pointe tout en maintenant la transparence.

En regardant vers l’avenir, quels sont les risques émergents ou les modèles de comportement liés à l’IA que vous pensez définiront la prochaine génération de conception de systèmes de détail, et comment les dirigeants IT devraient-ils se préparer à ceux-ci dès maintenant ?

Pour moi, la question clé pour les dirigeants IT du détail n’est pas si le commerce basé sur l’IA se produira — c’est comment leur parcours d’achat changera lorsqu’il se produira. Si le commerce basé sur l’IA devient aussi courant demain que le commerce en ligne aujourd’hui :

• Où les clients découvriront-ils mes produits, sur mon site ou via ChatGPT ?
• Comment apprendront-ils à propos de mes produits, à travers Claude ou mon propre assistant de magasinage ?
• Comment effectueront-ils les achats, sur ma page de paiement ou directement via une interface d’IA ?

Les modèles de frontière connaîtront probablement tout sur vos produits. Mais la vraie question est : Livreront-ils la même expérience client que vous pouvez aujourd’hui ? Si la réponse est non, il ne suffit pas d’attendre que les commandes basées sur l’IA apparaissent. Vous devrez investir dans les assistants d’IA et les points d’entrée qui les rendent partie de l’expérience de magasinage unique de votre marque.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus devraient visiter Bazaarvoice.