Sandeep Menon, PDG et co-fondateur d’Auxia – Série d’entretiens

Sandeep Menon, PDG et co-fondateur d’Auxia, apporte plus de deux décennies de leadership en technologie et en marketing mondiaux à ce rôle. Avant de lancer Auxia en 2022, il a passé plus de neuf ans chez Google, où il a occupé le poste de vice-président du marketing pour les paiements et a dirigé des initiatives telles que le programme Next Billion Users, axé sur l’inclusion numérique dans les marchés émergents. Il a également occupé des postes de leadership marketing senior dans les domaines d’Android, Chrome, ChromeOS et Google Play.

Auxia est une plateforme de marketing pilotée par l’IA qui permet aux équipes d’entreprise d’orchestrer des parcours client personnalisés et individualisés à grande échelle. Au lieu de s’appuyer sur des campagnes rigides basées sur des règles, Auxia permet aux agents IA de tester des hypothèses sur tous les points de contact – e-mail, web, application, offres – et de s’adapter dynamiquement aux préférences et au comportement en temps réel. Elle s’intègre sans effort aux sources de données de première partie, automatise les pipelines ML et optimise en continu les messages, les horaires et la séquence pour maximiser l’engagement et la valeur à vie.

Vous avez fondé Auxia après une carrière réussie chez Google, où vous avez dirigé le marketing mondial pour des produits utilisés par des milliards de personnes. Quelle lacune ou quel point de douleur spécifique vous et vos co-fondateurs avez-vous vu sur le marché qui a conduit à la création d’Auxia ?

Chez Google, j’ai vu de première main à quel point la personnalisation réelle peut être puissante lorsqu’on dispose de l’infrastructure et des capacités IA appropriées. Mais lorsque j’ai regardé le marché dans son ensemble, j’ai vu des entreprises lutter avec des piles de marketing fragmentées, gérant souvent 12 à 14 solutions de point qui ne communiquaient pas les unes avec les autres. Ils collectaient d’énormes quantités de données client mais ne pouvaient pas les traduire en personnalisation significative et en temps réel.

La lacune fondamentale était que les plateformes existantes étaient conçues pour l’ère pré-IA. Elles reposaient sur des règles statiques et une segmentation de base, alors que ce dont les entreprises avaient vraiment besoin étaient des systèmes intelligents et adaptatifs capables de prendre des décisions en temps réel sur chaque interaction client. Nous avons vu une opportunité de porter le même niveau de personnalisation pilotée par l’IA qui alimente des entreprises comme Google et Meta à des entreprises de toutes tailles, sans exiger qu’elles construisent de grandes équipes de sciences des données internes.

L’équipe fondatrice d’Auxia comprend d’anciens dirigeants de Google, Meta et Lyft. Comment vos expériences collectives dans ces géants de la technologie ont-elles façonné l’architecture et l’éthos d’Auxia ?

Nous avons tous vécu les défis de la personnalisation à grande échelle. Dans l’équipe Google Pay spécifiquement, nous étions dans une position privilégiée car nous avions une exposition précoce aux technologies transformatrices dans leur enfance, les modèles de transformateur étant un exemple premier. Mes co-fondateurs, qui venaient de Meta et Lyft, ont construit des systèmes qui ont ouvert la voie à des moyens de prendre les vastes quantités de données client disponibles et de les rendre dramatiquement plus utiles, comme alimenter des recommandations et des décisions en temps réel pour des millions d’utilisateurs chaque seconde.

Nous avons tous vu de première main comment l’IA pouvait améliorer considérablement les expériences client tout en résolvant certains des défis les plus difficiles auxquels nos équipes marketing étaient confrontées. Dans le même temps, le marché dans son ensemble évoluait d’une manière qui rendait ce type de travail possible en dehors de Google. Avec l’essor du stack de données moderne et de plates-formes comme Snowflake, BigQuery et Databricks, les entreprises avaient passé les 5 à 10 dernières années à consolider leurs données dans un seul endroit centralisé prêt pour l’activation.

Nous avons reconnu une opportunité unique de prendre les connaissances que nous avions développées à l’intérieur de Google et de les démocratiser pour les entreprises partout. Ces entreprises venaient de se réveiller à la réalisation qu’elles étaient assises sur une montagne de données précieuses et que, avec la bonne technologie, elles pourraient être débloquées pour stimuler la croissance et un meilleur engagement client.

La plupart des outils de personnalisation s’appuient sur des systèmes basés sur des règles et des segments simples. Auxia utiliseinstead des agents IA synchronisés. Pouvez-vous nous expliquer comment ces agents collaborent et évoluent au fil du temps pour personnaliser chaque parcours client ?

La plupart des outils sur le marché aujourd’hui s’appuient encore sur des règles rigides et des segments statiques, ils sont réactifs, pas intelligents. Chez Auxia, nous avons construit un système d’agents IA synchronisés qui travaillent ensemble pour personnaliser chaque point de contact du parcours client en temps réel.

Chaque agent joue un rôle spécialisé. Les agents de décision déterminent la meilleure action à prendre pour un utilisateur en fonction de toutes ses données et préférences précédentes ; par exemple, si l’on doit promouvoir un client vers une nouvelle carte de crédit ou l’inciter à ouvrir un nouveau compte d’épargne. Les agents analystes fonctionnent comme une équipe de sciences des données intégrée, analysant ce qui a bien fonctionné dans les campagnes actuelles pour mettre en évidence l’impact mais aussi les opportunités d’amélioration dans une interface de conversation. Enfin, les agents de contenu d’Auxia exploitent toutes les données et les connaissances sur ce qui a fonctionné le mieux pour faire surface de nouvelles variations de messagerie ou de créativité pour que les équipes marketing les approuvent.

Ce qui rend ces agents puissants, c’est qu’ils ne fonctionnent pas en silos. Ils collaborent en continu, apprenant de chaque interaction et s’adaptant en fonction de ce qui fonctionne. Les marketeurs définissent des objectifs de haut niveau, et les agents gèrent la complexité. Ils sont des systèmes auto-optimisés qui évoluent quotidiennement pour améliorer les résultats à grande échelle.

Auxia traite 2,6 milliards d’événements par jour et gère 6 500 requêtes par seconde. Quelles innovations d’infrastructure ont permis ce type de scalabilité en temps réel si tôt dans le cycle de vie de l’entreprise ?

Dès le premier jour, nous savions que l’échelle devait être non négociable. L’hyperpersonnalisation ne fonctionne que si vous pouvez prendre des décisions en millisecondes, en utilisant des signaux contextuels frais. Nous avons appris beaucoup de ces leçons pendant notre séjour chez Google et cela a pris plus d’un an pour construire l’infrastructure pour supporter ce niveau d’orchestration en temps réel.

Notre architecture est native cloud, basée sur les événements et optimisée pour un débit élevé de streaming, nous sommes donc debout sur les épaules des vagues technologiques qui nous ont précédés, comme le passage au stack de données moderne. La façon dont le paysage de la technologie marketing a évolué vers des écosystèmes ouverts nous a permis de bouger beaucoup plus rapidement, nous permettant d’intégrer directement avec les entrepôts de données cloud modernes, les CRM et d’autres plates-formes marketing. Cela nous a permis de construire pour l’échelle dès le premier jour et nous a également aidés à nous appuyer sur une infrastructure capable de traiter des volumes massifs de signaux client de première partie sans introduire de latence.

Ce qui nous distingue également, c’est que nous sommes nativement IA dès le départ. Nous avons conçu Auxia pour supporter une grande expérimentation à grande échelle, en exécutant des milliers d’hypothèses simultanées et en optimisant en continu les résultats sans intervention humaine, mais nous exploitons également les dernières technologies de l’industrie pour la création de fonctionnalités, le déploiement de modèles et l’inférence LLM.

Comment le cadre d’expérimentation de modèle d’Auxia diffère-t-il des tests A/B traditionnels, et quels ont été les résultats les plus surprenants découverts en utilisant votre approche pilotée par ML ?

Les tests A/B traditionnels sont incroyablement limités, vous ne pouvez tester que quelques variantes à la fois, et il faut souvent des semaines ou des mois pour atteindre des résultats statistiquement significatifs. Chez Auxia, nous avons réimaginé l’expérimentation comme un processus intelligent et continu. Notre cadre de modèle permet aux marketeurs d’exécuter de nombreux modèles auto-optimisés et de tester des centaines de variations en parallèle. En utilisant des techniques comme l’apprentissage par renforcement, le système de décision d’Auxia prend des décisions en temps réel sur la base de données en direct.

Prenons l’exemple d’une campagne de promotion d’offres et de récompenses par e-mail. Auparavant, les marketeurs testaient peut-être 2-3 différentes variantes d’offres, comme 5 % de réduction, 10 % de réduction et 20 % de réduction, divisaient le public en groupes mutuellement exclusifs, lançaient et comparaient les résultats sur une variété de métriques pour voir quelle variante fonctionnait le mieux, en moyenne, pour l’ensemble du groupe. Il y a quelques défis avec cette approche. Tout d’abord, la plupart des expériences échouent, il faut donc souvent des semaines ou des mois aux équipes pour identifier ce qui fonctionne bien. De plus, ils sont super manuels et chronophages à configurer, ce qui limite la vitesse et l’impact que votre équipe peut livrer.

Avec Auxia, les marketeurs définissent d’abord un objectif de haut niveau, comme stimuler les achats. À partir de là, votre équipe configure des centaines de différentes variantes dans le système, que l’équipe peut générer dynamiquement avec notre agent de contenu, ingérer à partir de votre CMS ou définir manuellement. Chacune de ces variantes varie en termes de construction d’offre (par exemple, 5 % de réduction par rapport à l’achat d’un article), de montant, de contenu et même potentiellement de canal (par exemple, e-mail par rapport à SMS). Pour chaque utilisateur individuel, l’agent de décision d’Auxia classe, note et prédit, parmi les centaines de variantes disponibles, quelle est la variante optimale pour chaque personne pour stimuler votre objectif principal.

La plateforme d’Auxia est conçue pour supprimer la dépendance à l’égard de grandes équipes de sciences des données internes. Avez-vous vu des équipes marketing traditionnelles réussir à prendre en charge des rôles plus techniques avec vos outils ?

L’une des raisons principales pour lesquelles nous avons créé Auxia était de permettre aux équipes marketing de personnaliser à la fois leurs expériences marketing et produit sans dépendre des ingénieurs ou des scientifiques des données. Dans les semaines qui suivent l’intégration, les marketeurs utilisant Auxia sont capables de lancer de nouvelles campagnes, de récupérer des données et d’interpréter les résultats complètement par eux-mêmes. Alors que le monde se dirige vers un avenir plus agissant, nous croyons que les marketeurs n’auront pas besoin de devenir plus techniques ou de développer de nouvelles compétences techniques. Au lieu de cela, les responsabilités traditionnellement gérées par les ingénieurs ou les analystes seront démocratisées par le biais d’agents intelligents qui augmentent le flux de travail et l’expérience globale du marketeur. Avec notre agent d’analyse, nous avons déjà réussi à abstraire une grande partie de la complexité du travail traditionnel d’analyste/scientifique des données, et nous sommes impatients de continuer à faire progresser ces capacités.

En tant que personne qui a dirigé le marketing pour l’initiative Next Billion Users chez Google, quels parallèles voyez-vous entre l’adoption de la technologie inclusive et l’IA agente dans le marketing d’aujourd’hui ?

Lorsque j’ai dirigé le marketing pour l’initiative Next Billion Users chez Google, nous avons reconnu que les personnes dans les marchés émergents interagissaient avec les produits d’une manière fondamentalement différente de celle des utilisateurs dans les marchés développés. Parce que cela représentait une opportunité de croissance massive, il est devenu essentiel de construire spécifiquement pour ces utilisateurs – en simplifiant les interfaces, en abstrayant la complexité et en veillant à ce que l’expérience soit accessible et enrichissante.

Je vois une tendance très similaire se dérouler avec l’IA agente dans le marketing. Tout comme de nombreux nouveaux utilisateurs d’Internet ont sauté directement dans des expériences mobiles premières sans avoir besoin de littératie numérique préalable, les marketeurs d’aujourd’hui n’ont pas besoin d’aller à l’encontre et d’apprendre le SQL ou la science des données pour débloquer la personnalisation. Les agents combler les lacunes de compétences et rendent les capacités sophistiquées immédiatement utilisables. Dans le même temps, la façon dont les gens interagissent avec l’IA – en passant au-delà des interfaces de conversation pour des agents plus intuitifs et sensibles au contexte – force les développeurs à repenser l’interface utilisateur de demain. L’accent est mis, comme pour les NBU, sur l’accessibilité, la simplicité et l’autonomisation : abstraire la complexité technique pour que l’expérience finale se sente naturelle et percutante.

Quelle est la plus grande méconception que les entreprises ont sur la personnalisation IA aujourd’hui, et comment les aidez-vous à surmonter cela ?

La plus grande méconception que les entreprises ont sur la personnalisation IA est qu’adopter celle-ci signifie abandonner totally le contrôle ou diminuer l’impact stratégique des équipes marketing. L’IA excelle dans le traitement de la complexité, comme l’analyse de vastes ensembles de données, la détection de modèles que les humains ne peuvent pas voir et la mise en évidence de signaux qui comptent en temps réel. Ce que l’IA ne peut pas faire, c’est fournir le contexte, l’empathie et le jugement stratégique nécessaires pour concevoir des expériences client significatives. C’est là que les humains excellent : définir la vision, définir les gardes-fous de la marque et comprendre quand un choix de personnalisation pourrait se sentir intrusif ou hors marque.

Si nous parlons franchement, en utilisant la technologie d’aujourd’hui, les humains peuvent être efficaces sans IA, mais l’IA ne peut pas être efficace sans humains. La véritable percée se produit lorsque vous augmentez vos équipes avec l’IA pour gérer l’échelle et la complexité de la prise de décision basée sur les données, tout en permettant aux équipes de se concentrer sur la stratégie, la créativité et l’empathie. C’est alors que la personnalisation passe d’un mot à la mode à quelque chose qui crée réellement de la valeur pour les clients et les entreprises.

Avec le soutien de plus de 50 dirigeants de l’industrie et une levée de fonds de 23,5 millions de dollars, quels sont les principaux domaines que vous donnez la priorité pour les 12 à 18 prochains mois de croissance du produit et de l’équipe ?

Nous donnons la priorité à trois domaines de croissance pour les 12 à 18 prochains mois. Tout d’abord, nous nous engageons à offrir une valeur exceptionnelle à nos clients en continuant à élever leur expérience. Cela a toujours été une priorité absolue pour notre équipe et nous voulons nous assurer que nous offrons un ROI exceptionnel pour toutes les entreprises qui ont placé leur confiance en nous et notre équipe. Deuxièmement, nous élargissons les capacités de nos agents IA pour soutenir l’amélioration du flux de travail complet du marketeur, en aidant les équipes à créer du contenu, à orchestrer des expériences personnalisées et à faire surface d’informations actionnables sur ce qui stimule l’impact. Enfin, nous mettons à l’échelle notre moteur de commercialisation. Avec un ajustement de produit-marché solide dans l’entreprise, l’étape suivante consiste à élargir notre portée en développant nos équipes de ventes et de réussite client. Cela nous permet de porter la personnalisation pilotée par l’IA à davantage d’entreprises, tout en veillant à ce que les nouveaux clients bénéficient du même soutien haut de gamme et d’une expérience différenciée qui a alimenté notre succès précoce.

Qu’est-ce qui vous excite le plus à propos de la prochaine frontière de l’IA agente, non seulement dans le marketing, mais également dans d’autres applications d’entreprise ?

Ce qui m’excite vraiment, c’est de voir le rythme d’adoption, de voir que cette adoption a un impact réel et de voir le marché reconnaître que la véritable valeur de l’IA agente réside dans l’augmentation, et non dans le remplacement. Trop de conversations aujourd’hui se concentrent sur l’IA comme substitut aux rôles humains, comme tous les panneaux d’affichage que vous pourriez voir sur la 101 en direction de San Francisco sur les entreprises qui remplacent les SDR (ou même des fonctions entières). Ce récit va saisir les titres, mais pour moi, il manque l’opportunité plus grande : permettre aux gens de faire leur meilleur travail.

Les humains apportent du contexte, de l’empathie, de la créativité et du jugement que l’IA ne peut simplement pas reproduire. Là où l’IA agente brille, c’est dans la gestion de la complexité et de l’échelle qui ralentit les équipes. Nous avons beaucoup parlé de l’applicabilité aux flux de travail marketing, comme la mise en évidence d’informations à partir de vastes ensembles de données, l’automatisation de tâches répétitives et l’orchestration de processus en temps réel à travers les systèmes. Lorsque ces capacités sont associées aux forces humaines, le résultat est un changement de cap dans ce que les organisations peuvent accomplir.

Dans le marketing, cela signifie libérer les équipes de l’exécution infinie pour qu’elles puissent se concentrer sur la stratégie, le récit et l’empathie client. Mais ce même modèle s’applique à toutes les fonctions de l’entreprise : dans les ventes, les agents peuvent qualifier et préparer les opportunités pour que les humains puissent passer plus de temps à construire des relations ; dans la réussite client, les agents peuvent signaler les signaux de risque et d’opportunité pour que les humains puissent approfondir les partenariats ; dans l’ingénierie, les agents peuvent accélérer le développement en automatisant les tests, le débogage et la génération de code, de sorte que les équipes puissent se concentrer sur la résolution de problèmes architecturaux complexes et sur la stimulation de l’innovation.

Toutes ces opportunités créeront des trillions de dollars de valeur et j’adore voir les entreprises qui poussent les limites pour façonner l’évolution du travail que les gens feront au fil du temps.

Imaginez des équipes financières avec des agents IA qui optimisent les budgets en temps réel, des équipes RH qui utilisent des agents pour personnaliser l’engagement des employés ou des agents de support client qui passent de réactifs à proactifs.

Nous venons de commencer. L’avenir n’est pas sur le remplacement de l’IA par les humains, mais sur le travail conjoint des humains et des agents IA pour prendre des décisions plus rapides, plus intelligentes et plus empathiques. C’est l’avenir que nous construisons chez Auxia.

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