Rajeev Butani, PDG de MediaMint – Série d’entretiens

Rajeev Butani, PDG de MediaMint, apporte plus de trois décennies d’expérience de leadership dans la technologie mondiale, les médias et la transformation numérique. Avant de rejoindre MediaMint, il a occupé le poste de PDG et de membre du conseil d’administration de HeadSpin, où il a impulsé l’innovation dans le domaine de l’intelligence de performance pour les expériences numériques. Auparavant, Butani a passé près de 27 ans chez Accenture, où il a dirigé des initiatives de transformation en tant que directeur général de la technologie pour les communications, les médias et la technologie, supervisant la stratégie et les partenariats autour des technologies émergentes telles que l’intelligence artificielle et l’apprentissage automatique. Ses rôles de leadership chez Accenture comprenaient la gestion des relations avec des clients importants tels que Google (GOOGL ), Facebook (META ) et Microsoft (MSFT ), mettant en évidence son expertise approfondie à l’intersection de la technologie, de la stratégie et de la croissance.

Fondée en 2010, MediaMint est un partenaire opérationnel numérique mondial qui fournit un soutien complet dans les opérations publicitaires, la production créative, l’analyse de données et la gestion de campagnes. Avec son siège social à Hyderabad et des bureaux aux États-Unis et en Pologne, MediaMint permet aux sociétés de médias, aux agences et aux plateformes de scaler efficacement grâce à une combinaison d’expertise humaine et de technologie. L’entreprise se concentre sur la livraison d’une excellence opérationnelle de haute qualité, de la flexibilité et de la transparence, aidant les clients à rationaliser leurs flux de travail, à optimiser les coûts et à se concentrer sur l’innovation dans un écosystème numérique de plus en plus complexe.

Qu’est-ce qui a inspiré votre transition d’Accenture à la direction de MediaMint, et comment votre expérience dans le conseil a-t-elle façonné votre approche des opérations pilotées par l’IA ?

Mon déménagement était lié au fait de sortir de la salle de conseil et de passer à la chaise de l’opérateur. Après des années à Accenture, où j’ai aidé les entreprises à concevoir des feuilles de route de transformation, j’ai vu une opportunité de marché claire pour construire une solution où je pourrais prendre en charge non seulement les feuilles de route, mais également la propriété des résultats avec une peau dans le jeu.

À mesure que l’adoption de l’IA augmente, les clients exigent des partenaires qui peuvent livrer des résultats et des résultats en assumant la propriété de l’ensemble du travail, et non seulement des pièces. Mon expérience dans le conseil a défini notre approche pour répondre à cette demande, et je suis plus enthousiaste que jamais à l’idée de soutenir les principales organisations du secteur des médias, du divertissement et de la technologie dans leurs opérations de front-office.

Briser les silos avec l’IA Agentic : Nous appliquons la pensée stratégique et transversale du conseil directement à travers notre plateforme d’IA Agentic. L’IA Agentic nous permet de briser les silos fonctionnels – Ventes, AdOps, Finance – que les grandes entreprises sont obligées de travailler contre. Notre agilité nous permet de concevoir et de livrer des solutions complètes qui combinent l’IA Agentic et les agents humains pour générer des résultats à grande échelle.

MediaMint a été fondée en 2010 et a considérablement évolué depuis. Comment la mission et les capacités de l’entreprise ont-elles évolué, en particulier avec le lancement de MediaMint Labs ?

MediaMint a toujours été à la pointe des opérations de médias et de marketing. Nous avons commencé par fournir des services de haute qualité, menés par des humains, aux grands éditeurs, plateformes, agences et marques. Notre mission était d’être le partenaire opérationnel de confiance qui permettrait à nos clients de scaler leur chiffre d’affaires et de construire des efficacités opérationnelles.

Le lancement de MediaMint Labs marque notre prochaine phase, la formalisation de la manière dont nous utilisons l’IA pour stimuler non seulement l’efficacité, mais également la croissance. Nous nous concentrons désormais sur la création d’agents IA via MediaMint Labs qui ne font pas seulement exécuter des tâches, mais qui deviennent des accélérateurs stratégiques pour nos clients. L’acquisition de DataBeat a également été un élément clé de cette évolution, approfondissant nos capacités dans l’ingénierie de données, l’analyse et la gestion des rendements. Il s’agit d’un changement fondamental, nous passant d’un fournisseur de services de confiance à un partenaire de services de croissance alimenté par l’IA.

MediaMint Labs se concentre sur les agents IA co-créés, les optimiseurs et les accélérateurs que MediaMint ne construit pas seulement, mais possède et exploite également. Quel avantage stratégique ce modèle de propriété opérationnelle offre-t-il aux clients ?

Ce modèle de propriété opérationnelle est notre principal différenciateur stratégique. Nous avons appris que lorsqu’on confie un agent IA et qu’on s’en va, il échoue dès que la complexité du monde réel le frappe. Nos clients bénéficient de deux principaux avantages :

Tout d’abord, le développement et la sécurité rapides. Notre plateforme de développement interne, agnostique en termes de modèle, nous permet de concevoir, de déployer et d’exploiter des agents pour divers cas d’utilisation de croissance de manière sûre et à grande échelle. Avec des environnements de runtime préconstruits et une mise en place d’environnement en un seul clic, nous pouvons mettre de nouveaux agents en ligne en quelques semaines, et non en mois. La plateforme gère la gouvernance, la résidence des données et la sécurité par défaut, de sorte que les clients n’ont pas à se soucier de la complexité de la gestion d’une infrastructure IA sur mesure.

Deuxièmement, l’amélioration continue et la stabilité. Nous conservons la propriété opérationnelle, ce qui signifie que nous sommes responsables des performances continues de l’agent. Nous suivons les performances en temps réel grâce à un système de traçage centralisé, de sorte que chaque action est comptabilisée et que chaque résultat s’améliore avec le temps.

Vous avez averti des pièges de la remise d’agents IA aux clients sans une gestion continue. Pourquoi le modèle de MediaMint, où vous conservez la propriété opérationnelle, est-il efficace ?

Remettre un agent IA, c’est comme remettre une voiture de course de haute performance sans équipe de pit-stop. Elle peut fonctionner parfaitement le premier jour, mais sans réglage et entretien constants, elle échouera. Le principal piège est la dégradation – les performances de l’agent se dégradent à mesure que le flux de travail du client ou l’API de la plateforme changent.

Pourquoi la propriété opérationnelle fonctionne : notre modèle est efficace parce que nous prenons en charge la propriété opérationnelle, traitant l’agent non pas comme un produit, mais comme un service garanti. Cela offre deux avantages clés :

1. Amélioration continue

Nous conservons la responsabilité des performances continues de l’agent. Notre registre de traçage centralisé et nos suites d’évaluation nous permettent de surveiller et d’optimiser en continu les agents à travers notre processus Humain-dans-la-Boucle (HITL) par rapport aux règles d’entreprise du client. Ce modèle garantit que les performances de la solution ne se dégradent pas ; elles deviennent plus intelligentes et plus solides avec le temps. Cette gestion continue est la manière dont nous garantissons que l’agent fonctionnera toujours de manière sûre, éliminant les risques critiques de revenu et de conformité pour le client.

2. Jugement stratégique et protection des cas de bordure

L’humain dans la boucle n’est pas là pour les tâches de base ; il s’agit de notre « équipe de pit-stop » pour les scénarios à haut enjeu. Cette expertise est cruciale pour :
Jugement stratégique : gérer les situations que l’IA n’a jamais vues, comme les changements majeurs de réglementation ou les lancements de nouvelles plateformes publicitaires.
Résolution des cas de bordure : résoudre les sorties ambigües et les défaillances complexes qui pourraient avoir un impact sur les revenus ou la conformité.

Cette gestion continue se traduit directement en valeur. Nous livrons un résultat de performance garanti, assurant une réduction significative des erreurs critiques et le maintien d’une satisfaction client élevée, et non seulement un logiciel.

Comment prévoyez-vous que l’IA Agentic complétera ou remplacera des éléments du modèle SaaS ? Quels facteurs déterminent si une solution est mieux livrée sous forme d’IA Agentic ou de SaaS traditionnel ?

Le débat actuel manque le point : l’IA Agentic n’est pas là pour remplacer l’ensemble de la pile SaaS ; elle est là pour perturber l’économie du travail opérationnel. La distinction fondamentale est le passage de la fourniture d’un outil à la garantie d’un résultat. L’IA Agentic aura un impact sur le SaaS de deux manières distinctes :

Remplacement : La compression du flux de travail. Les agents remplaceront les plateformes SaaS transactionnelles et axées sur le flux de travail – celles conçues uniquement pour déplacer des données ou automatiser les étapes routinières. La valeur ne réside plus dans l’interface utilisateur ; elle réside dans l’action autonome. Nous passons de « Tool-as-a-Service » à « Action-as-a-Service ».

Complément : La couche d’augmentation. Les agents ne remplaceront pas les plateformes stratégiques comme Salesforce ou les grands systèmes de médias. Au lieu de cela, notre système d’IA Agentic fonctionnera au-dessus d’eux, exécutant des optimisations complexes en temps réel. Ils prennent des systèmes de registre passifs et les transforment en systèmes de renseignement actifs, augmentant les capacités humaines.

Le facteur clé déterminant notre approche est la fiabilité. Contrairement aux outils LLM grand public, nos agents sont conçus dès le départ pour être des travailleurs fiables. Ils sont conçus pour suivre de près les SOP détaillés, respecter les politiques et ne jamais dévier sur des centaines de courses. C’est cet engagement envers la gouvernance et la confiance – et non seulement la créativité – qui nous permet de gérer des flux de travail critiques pour le P&L, ce que le SaaS traditionnel et l’IA grand public ne peuvent pas faire.

MediaMint met l’accent sur une approche hybride avec des humains dans la boucle. Pourquoi la surveillance humaine est-elle toujours cruciale à l’ère de l’IA Agentic, et comment améliore-t-elle les résultats ?

Les humains apportent deux choses que l’IA ne peut pas : le jugement et la stratégie. Alors qu’un agent IA peut créer un plan média ou corriger une anomalie de rythme, un stratège humain est nécessaire pour définir les objectifs commerciaux, fournir la direction créative et prendre des décisions nuancées qui impliquent la sécurité de la marque, le sentiment du marché ou des facteurs externes inattendus.

<p Notre plateforme prend en charge ce modèle hybride par conception. Nos agents sont conçus pour être des partenaires fiables qui font le travail de manière cohérente, course après course, en suivant les directives et en suivant le SOP exactement. Cela garantit que le gouverneur humain puisse fournir des conseils et des commentaires en temps réel et agir comme le HITL nécessaire, garantissant qu'ils fonctionnent comme des travailleurs responsables et respectueux des politiques. L'agent gère les tâches fastidieuses et à haute volumétrie, comme la rédaction de rapports ou la signalisation des problèmes, ce qui a abouti à une réduction moyenne de 40 % de l'effort pour nos équipes. Cela libère l'humain pour se concentrer sur un travail stratégique à haute valeur. La surveillance humaine n'améliore pas seulement les résultats ; c'est ce qui garantit qu'ils s'alignent sur les objectifs stratégiques plus larges de l'entreprise.

De nombreuses mises en œuvre de l’IA échouent parce qu’elles sont trop isolées. Comment MediaMint garantit-elle que les solutions IA s’intègrent de manière holistique dans les flux de travail et les départements ?

C’est un défi clé, et nous avons conçu toute notre philosophie pour le résoudre. La plupart des projets IA échouent parce qu’ils sont construits comme des solutions ponctuelles isolées qui ne parlent jamais vraiment le langage de l’entreprise. Notre solution consiste à garantir que chaque agent est conçu dès le départ pour le flux de travail spécifique et la réalité opérationnelle d’un client. Nous réalisons cette intégration holistique non pas grâce à des SDK génériques, mais grâce au Runbook de l’agent – un plan opérationnel sur mesure.

Le Runbook de l’agent est le plan opérationnel de base. Il s’agit d’un livre de jeu sur mesure – un ensemble d’instructions et de garde-fous qui indique à l’agent exactement ce qu’il doit faire, comment gérer les exceptions et comment se connecter précisément aux systèmes externes. Cette approche répond directement au problème de l’IA fragmentée en forçant l’intégration dès le départ : le Runbook est adapté au SOP du client, en intégrant notre expertise de domaine au cœur. De plus, notre bibliothèque de connecteurs relie ces agents de manière transparente aux systèmes clés du client, tels que Salesforce, Google Ad Manager et Snowflake. Cela signifie que la solution IA n’est pas un outil, mais un composant intégré et holistique de la colonne vertébrale opérationnelle du client.

Prévoyez-vous des scénarios dans lesquels plusieurs agents IA collaborent à travers les rôles, créant des systèmes « agent-à-agent » ? À quoi ressemble cet avenir ?

Absolument. Nous construisons déjà vers cet avenir. L’architecture même de notre plateforme, avec sa couche de service unifiée et ses adaptateurs d’outils, est conçue pour cette sorte d’interopérabilité. L’avenir sera moins axé sur un agent monolithique unique et plus sur des agents spécialisés collaborant pour résoudre un problème commercial complexe.

Imaginez un écosystème dans lequel un agent de détection d’anomalie détecte une baisse des performances de la campagne. Il déclenche un deuxième agent d’optimisation pour ajuster les enchères. Ce deuxième agent signale ensuite un agent de contrôle qualité créatif pour vérifier s’il existe des problèmes de conformité avec les créatifs. Enfin, un agent de rapport consolide toutes ces actions et insights en un briefing en temps réel pour le gestionnaire de compte. Notre MediaMint Labs permet cette collaboration agent-à-agent, formant la colonne vertébrale des opérations commerciales de nouvelle génération, où les flux de travail ne sont plus une séquence linéaire de tâches humaines, mais une orchestration dynamique d’agents autonomes.

Pour les entreprises qui explorent l’IA Agentic, quels sont vos trois principaux conseils pour assurer une mise en œuvre réussie et une valeur à long terme ?

Mes trois principaux conseils seraient :

1. Commencez avec le bon problème, et non seulement avec une technologie cool. Ne construisez pas d’agent pour le plaisir. Concentrez-vous sur un problème bien défini, répétitif et à haute valeur, comme nos cas d’utilisation représentatifs d’un co-pilote de rythme de campagne ou d’un agent de contrôle qualité créatif. La valeur doit être claire et mesurable, avec un objectif lié à une réduction significative d’effort (par exemple, > 25 %), une optimisation de revenu mesurable ou une perte de revenu quantifiable.
2. Planifiez la gestion opérationnelle, et non seulement le déploiement. Ne le remettez pas. Les agents sont des systèmes vivants qui nécessitent une gestion continue, une évaluation et une sécurité. Choisissez un partenaire qui propose un modèle comme le nôtre – où ils conservent la propriété opérationnelle, pour garantir que votre investissement livre une valeur à long terme et ne devienne pas un cauchemar de maintenance.
3. Priorisez l’intégration et la gouvernance dès le départ. Les agents IA isolés échoueront.

Je vous remercie pour cette grande interview, les lecteurs qui souhaitent en savoir plus devraient visiter MediaMint.