Нік Шифтан, технічний директор Bazaarvoice, є досвідченим технологічним лідером та підприємцем, чия кар’єра охоплює два десятиліття створення та масштабування корпоративного програмного забезпечення та комерційних платформ. Він найбільш відомий як співзасновник і технічний директор Curalate, піонерської компанії в галузі соціальної комерції, якій він допоміг зрости протягом майже десяти років до понад 20 мільйонів доларів щорічного повторюваного доходу (ARR) перед її придбанням Bazaarvoice у 2020 році. Раніше він заснував і очолював розробку продуктів у Parkio, створюючи корпоративне програмне забезпечення для транспортних та паркових систем, а свою професійну подорож розпочав у Microsoft, де працював над Outlook Mobile для Windows Mobile. Після придбання те, що спочатку очікувалося як короткий перехідний період, переросло в довгострокову роль, оскільки він продовжив будувати в масштабі, що завершилося його призначенням технічним директором, де його фокус спрямований на просування пошуку продуктів на основі штучного інтелекту, заснованого на довірі та автентичних даних споживачів. Bazaarvoice — це провідна в галузі SaaS-платформа, яка дозволяє брендам і роздрібним торговцям збирати, керувати та активувати автентичний контент, створений користувачами, такий як оцінки, відгуки, фотографії та відео, протягом усього цифрового шопінгу. Працюючи в глобальному масштабі, компанія щомісяця допомагає понад мільярду покупців приймати обґрунтовані рішення про покупку, синдикуючи надійний контент через величезну мережу брендів і торгових майданчиків, ставлячи прозорість, довіру та комерцію на основі даних в центр онлайн-вражень. Як ви застосовуєте генеративний ШІ та методи на основі LLM для посилення автентичності відгуків, модерації та сигналів довіри, не компромітуючи продуктивність під високим навантаженням? Ми використовуємо ШІ для виявлення сигналів і шаблонів, а не для заміни людського судження. LLM допомагають швидко позначати аномальну активність або потенційно неавтентичний контент, але мета завжди полягає в збереженні довіри. Інтегруючи ці моделі в офлайн-конвеєри валідації та відокремлюючи їх від шляхів запитів у реальному часі, ми підтримуємо продуктивність навіть коли обсяги надходжень різко зростають. Результатом є модерація та перевірки автентичності, які є одночасно розумними та масштабованими. Багато роздрібних торговців інвестують значні кошти в надійність оформлення замовлень, але часто нехтують складністю підтримки надійної екосистеми відгуків. Які приховані ризики в інфраструктурі відгуків і рейтингів, на вашу думку, заслуговують на таку ж стратегічну увагу, як і платіжні системи? Рейтинги та відгуки завжди були критично важливою інфраструктурою для прийняття рішень, але це особливо актуально в світі шопінгу з підтримкою ШІ. AI-агенти будуть сильно покладатися на сигнали довіри – зокрема у формі рейтингів та відгуків – при формуванні рекомендацій щодо покупок. Затримки, відсутність даних або явна неавтентичність безпосередньо впливатимуть на довіру споживачів. Ці системи складні; ставлення до них з такою ж строгістю, як до систем оформлення замовлень, є важливим для уникнення втрати конверсії та довгострокової ерозії довіри. Керуючи інженерними командами на кількох великих комерційних платформах, як ви адаптуєте стратегії спостереження та реагування на інциденти, коли системи ШІ – такі як аналіз настроїв або моделі виявлення шахрайства – знаходяться безпосередньо на шляху даних у реальному часі? Ми ставимося до моделей ШІ як до будь-якої іншої критично важливої служби: моніторимо продуктивність і точність у реальному часі. Це включає затримки, частоту помилок та зсув поведінки. Ми впроваджуємо запобіжні механізми, щоб моделі могли плавно погіршуватися або обходити некритичні шляхи під навантаженням. Інформаційні панелі, автоматизовані сповіщення та інструкції забезпечують виявлення та вирішення проблем зі ШІ до того, як вони вплинуть на покупців. Працюючи в глобальному масштабі Bazaarvoice, як ви забезпечуєте, щоб контент, створений споживачами, проходив через ваші системи на основі ШІ способами, які підтримують аудиторську перевірку, прозорість та реакцію в реальному часі? Все зводиться до сквозного спостереження та сегментації конвеєрів. Кожен фрагмент контенту відстежується протягом усього його життєвого циклу, від отримання до відображення. Моделі ШІ надають рекомендації або прапорці модерації, але всі рішення реєструються, підлягають аудиту та можуть бути відстежені. У поєднанні з буферами потужності та динамічним масштабуванням це забезпечує реакцію навіть під піковим навантаженням, зберігаючи прозорість. Поглядаючи вперед, які нові ризики на основі ШІ або поведінкові моделі, на вашу думку, визначатимуть наступне покоління дизайну роздрібних систем, і як IT-лідери повинні готуватися до них зараз? На мою думку, ключове питання для IT-лідерів роздрібної торгівлі не в тому, чи *відбудеться* шопінг зі ШІ, а в тому, як зміниться шлях їхнього покупця, коли це станеться. Якщо шопінг зі ШІ стане таким же поширеним завтра, як онлайн-шопінг сьогодні:

• Де клієнти знаходитимуть мої продукти: на моєму сайті чи через ChatGPT?
• Як вони дізнаватимуться про мої продукти: через Claude чи через мого власного покупцевого помічника?
• Як вони оформлятимуть замовлення: на моїй сторінці оформлення чи безпосередньо через інтерфейс ШІ?

Передові моделі, ймовірно, знатимуть все про ваші продукти. Але справжнє питання в тому: Чи забезпечать вони такий самий досвід клієнта, який ви можете забезпечити сьогодні? Якщо відповідь “ні”, недостатньо просто чекати появи замовлень на основі ШІ. Вам потрібно інвестувати в AI-помічників та точки входу, які роблять їх частиною унікального досвіду шопінгу вашого бренду. Дякуємо за чудове інтерв’ю, читачам, які бажають дізнатися більше, варто відвідати Bazaarvoice.

نيك شيفتان، الرئيس التنفيذي للتكنولوجيا في Bazaarvoice، هو قائد تكنولوجي ورائد أعمال مخضرم تمتد مسيرته المهنية على مدى عقدين من بناء وتوسيع منصات البرمجيات والتجارة المؤسسية. يشتهر بشكل أكبر كالمؤسس المشارك والرئيس التنفيذي للتكنولوجيا في Curalate، وهي شركة رائدة في مجال التجارة الاجتماعية ساعد في نموها على مدى ما يقرب من عقد إلى أكثر من 20 مليون دولار من الإيرادات السنوية المتكررة قبل استحواذ Bazaarvoice عليها في عام 2020. في وقت سابق من مسيرته المهنية، أسس وقاد تطوير المنتجات في Parkio، حيث قدم برمجيات مؤسسية لأنظمة النقل والمواقف، وبدأ رحلته المهنية في Microsoft، حيث عمل على Outlook Mobile لنظام Windows Mobile. بعد الاستحواذ، ما كان يُتوقع في البداية أن يكون فترة انتقالية قصيرة تطور ليصبح دورًا طويل الأمد حيث استمر في البناء على نطاق واسع، وتوج ذلك بتعيينه كرئيس تنفيذي للتكنولوجيا، حيث يركز على تطوير اكتشاف المنتجات المدعوم بالذكاء الاصطناعي القائم على الثقة وبيانات المستهلكين الموثوقة. Bazaarvoice هي منصة SaaS رائدة في الصناعة تمكن العلامات التجارية وتجار التجزئة من جمع وإدارة وتفعيل محتوى أصلي منشأ من المستخدمين مثل التقييمات والمراجعات والصور ومقاطع الفيديو عبر رحلة التسوق الرقمية بأكملها. تعمل الشركة على نطاق عالمي وتساعد أكثر من مليار متسوق شهريًا على اتخاذ قرارات شراء مستنيرة من خلال نشر محتوى موثوق عبر شبكة واسعة من العلامات التجارية ووجهات البيع بالتجزئة، مما يجعل الشفافية والمصداقية والتجارة القائمة على البيانات في مركز التجارب عبر الإنترنت. كيف تطبقون تقنيات الذكاء الاصطناعي التوليدي والقائمة على نماذج اللغة الكبيرة (LLM) لتعزيز أصالة المراجعات وتنظيمها وإشارات الثقة دون المساس بالأداء تحت الأحمال الثقيلة؟ نستخدم الذكاء الاصطناعي لاستخلاص الإشارات والأنماط، وليس لاستبدال الحكم البشري. تساعد نماذج اللغة الكبيرة (LLMs) في الإبلاغ بسرعة عن الأنشطة غير الطبيعية أو المحتوى الذي يحتمل أن يكون غير أصلي، ولكن الهدف دائمًا هو الحفاظ على الثقة. من خلال دمج هذه النماذج في مسارات التحقق غير المتصلة بالإنترنت وفصلها عن مسارات الطلبات في الوقت الفعلي، نحافظ على الأداء حتى عندما تزداد أحجام الإرسال. والنتيجة هي عمليات تنظيم وفحص للأصالة تكون ذكية وقابلة للتوسع في نفس الوقت. يستثمر العديد من تجار التجزئة بكثافة في موثوقية عملية الدفع، لكنهم غالبًا ما يتغاضون عن تعقيد الحفاظ على نظام تقييمات ومراجعات موثوق. ما هي المخاطر الخفية في بنى تحتية المراجعات والتقييمات التي تعتقد أنها تستحق نفس التدقيق الاستراتيجي مثل أنظمة الدفع؟ لطالما كانت التقييمات والمراجعات بنية تحتية حاسمة للقرار، وهذا صحيح بشكل خاص في عالم التسوق المدعوم بالذكاء الاصطناعي. ستعتمد وكلاء الذكاء الاصطناعي بشكل كبير على إشارات الثقة – لا سيما في شكل التقييمات والمراجعات – أثناء تقديم توصيات التسوق. سيكون للتأخيرات أو البيانات المفقودة أو عدم الأصالة الصارخة تأثير مباشر على ثقة المستهلك. هذه الأنظمة معقدة؛ ومعاملتها بنفس الدقة التي نتعامل بها مع أنظمة الدفع أمر ضروري لتجنب فقدان التحويلات وتآكل الثقة على المدى الطويل. بعد قيادة فرق الهندسة عبر منصات تجارية كبرى متعددة، كيف تتكيف مع استراتيجيات المراقبة والاستجابة للحوادث عندما تكون أنظمة الذكاء الاصطناعي – مثل نماذج تحليل المشاعر أو كشف الاحتيال – موجودة مباشرة في مسار البيانات في الوقت الفعلي؟ نعامل نماذج الذكاء الاصطناعي مثل أي خدمة حرجة أخرى: نراقب الأداء والدقة في الوقت الفعلي. وهذا يشمل زمن الوصول ومعدلات الخطأ والانحراف السلوكي. ننفذ آليات أمان احتياطية حتى تتمكن النماذج من التدهور بسلاسة أو تجاوز المسارات غير الحرجة تحت الحمل. تضمن لوحات التحكم والتنبيهات الآلية وأدلة التشغيل أن يتم اكتشاف مشكلات الذكاء الاصطناعي وحلها قبل أن تؤثر على المتسوقين. عند العمل على النطاق العالمي لـ Bazaarvoice، كيف تضمنون تدفق المحتوى المنشأ من المستهلكين عبر أنظمتك المدعومة بالذكاء الاصطناعي بطرق تحافظ على القابلية للتدقيق والشفافية والاستجابة في الوقت الفعلي؟ يعود الأمر إلى المراقبة الشاملة من البداية إلى النهاية وتقسيم مسارات المعالجة. يتم تتبع كل جزء من المحتوى خلال دورة حياته، من الابتلاع إلى العرض. تقدم نماذج الذكاء الاصطناعي توصيات أو علامات تنظيمية، ولكن جميع القرارات مسجلة وقابلة للتدقيق والتتبع. مقترنةً بمخازن سعة احتياطية والتوسع الديناميكي، يضمن ذلك الاستجابة حتى تحت ذروة الحمل مع الحفاظ على الشفافية. بالنظر إلى المستقبل، ما هي مخاطر أو الأنماط السلوكية الناشئة المدعومة بالذكاء الاصطناعي التي تعتقد أنها ستحدد تصميم الجيل القادم من أنظمة البيع بالتجزئة، وكيف يجب على قادة تكنولوجيا المعلومات الاستعداد لها الآن؟ بالنسبة لي، السؤال الرئيسي لقادة تكنولوجيا المعلومات في قطاع التجزئة ليس ما إذا سيحدث التسوق بالذكاء الاصطناعي — بل كيف ستتغير رحلة المتسوق الخاصة بهم عندما يحدث ذلك. إذا أصبح التسوق بالذكاء الاصطناعي شائعًا غدًا كما هو التسوق عبر الإنترنت اليوم:

• أين سيكتشف العملاء منتجاتي، على موقعي أم عبر ChatGPT؟
• كيف سيتعرفون على منتجاتي، عبر Claude أم عبر مساعد التسوق الخاص بي؟
• كيف سيدفعون، على صفحة الدفع الخاصة بي أم مباشرة عبر واجهة ذكاء اصطناعي؟

من المرجح أن تعرف النماذج المتطورة كل شيء عن منتجاتك. لكن السؤال الحقيقي هو: هل ستوفر نفس تجربة العملاء التي يمكنك تقديمها اليوم؟ إذا كانت الإجابة لا، فلا يكفي الانتظار حتى تظهر الطلبات المدعومة بالذكاء الاصطناعي. ستحتاج إلى الاستثمار في مساعدي الذكاء الاصطناعي ونقاط الدخول التي تجعلهم جزءًا من تجربة التسوق الفريدة لعلامتك التجارية. شكرًا لك على هذه المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا Bazaarvoice.

Nick Shiftan, CTO chez Bazaarvoice, est un leader technologique et entrepreneur chevronné dont la carrière s’étend sur deux décennies de construction et de mise à l’échelle de logiciels d’entreprise et de plateformes de commerce. Il est surtout connu en tant que co-fondateur et CTO de Curalate, une entreprise pionnière de commerce social qu’il a contribué à développer pendant près d’une décennie pour atteindre plus de 20 millions de dollars de revenus annuels récurrents avant son acquisition par Bazaarvoice en 2020. Plus tôt dans sa carrière, il a fondé et dirigé le développement produit chez Parkio, fournissant des logiciels d’entreprise pour les systèmes de transport et de stationnement, et a commencé son parcours professionnel chez Microsoft, où il a travaillé sur Outlook Mobile pour Windows Mobile. Après l’acquisition, ce qui était initialement prévu comme une transition courte a évolué en un rôle à long terme alors qu’il continuait à construire à grande échelle, aboutissant à sa nomination en tant que CTO, où son objectif est de faire progresser la découverte de produits pilotée par l’IA, fondée sur la confiance et des données authentiques des consommateurs. Bazaarvoice est une plateforme SaaS leader de l’industrie qui permet aux marques et aux détaillants de collecter, gérer et activer du contenu authentique généré par les utilisateurs, tel que des évaluations, des avis, des photos et des vidéos, tout au long du parcours d’achat numérique. Opérant à l’échelle mondiale, l’entreprise aide plus d’un milliard d’acheteurs chaque mois à prendre des décisions d’achat éclairées en syndiquant du contenu de confiance à travers un vaste réseau de marques et de destinations de vente au détail, 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 par IA et basées sur les 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 lumière des signaux et des modèles, pas pour remplacer le jugement humain. Les LLM aident à signaler rapidement une activité anormale ou un 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 découplant des chemins de requêtes en temps réel, nous maintenons les performances même lorsque les volumes de soumission augmentent. Le résultat est des contrôles de modération et d’authenticité à la fois intelligents et évolutifs. De nombreux détaillants investissent massivement dans la fiabilité du paiement, mais négligent souvent la complexité de maintenir un écosystème d’avis digne de confiance. Quels risques cachés dans les infrastructures d’avis et d’évaluations méritent selon vous le même examen stratégique que les paiements ? Les évaluations et les avis ont toujours été une infrastructure critique pour la prise de décision, mais cela est particulièrement vrai dans un monde d’achat assisté par l’IA. Les agents d’IA s’appuieront fortement 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 les pertes de conversion et l’érosion de la confiance à long terme. Après avoir dirigé l’ingénierie sur plusieurs grandes plateformes de commerce, comment adaptez-vous les stratégies d’observabilité et de réponse aux incidents lorsque les systèmes d’IA – tels que l’analyse des sentiments ou les modèles de détection de fraude – se situent directement dans le chemin des données en temps réel ? Nous traitons les modèles d’IA comme tout autre service critique : nous surveillons leurs performances et leur précision en temps réel. Cela inclut la latence, les taux d’erreur et la dérive comportementale. Nous mettons en œuvre des sécurités de défaillance pour que les modèles puissent se dégrader gracieusement ou contourner les chemins non critiques sous charge. Les tableaux de bord, les alertes automatisées et les procédures opérationnelles garantissent que les problèmes d’IA sont identifiés et résolus avant qu’ils n’affectent les acheteurs. Lorsque vous opérez à l’échelle mondiale de Bazaarvoice, comment assurez-vous que le contenu généré par les consommateurs circule dans vos systèmes pilotés par l’IA de manière à maintenir l’auditabilité, 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 élément de contenu est suivi tout au long de son cycle de vie, de l’ingestion à l’affichage. Les modèles d’IA fournissent des recommandations ou des indicateurs de modération, mais toutes les décisions sont enregistrées, auditées et traçables. Couplés à des tampons de capacité et à une mise à l’échelle dynamique, cela garantit la réactivité même sous charge de pointe tout en maintenant la transparence. À l’avenir, quels risques ou modèles comportementaux émergents pilotés par l’IA définiront selon vous la prochaine génération de conception des systèmes de vente au détail, et comment les responsables informatiques devraient-ils s’y préparer dès maintenant ? Pour moi, la question clé pour les responsables informatiques du commerce de détail n’est pas de savoir si l’achat par IA aura lieu, mais comment le parcours d’achat de leurs clients changera quand cela se produira. Si l’achat par IA devient demain aussi courant que l’achat en ligne aujourd’hui :

• Où les clients découvriront-ils mes produits, sur mon site ou via ChatGPT ?
• Comment apprendront-ils à connaître mes produits, via Claude ou mon propre assistant d’achat ?
• Comment passeront-ils à la caisse, sur ma page de paiement ou directement via une interface d’IA ?

Les modèles de pointe connaîtront probablement tout de vos produits. Mais la vraie question est : Offriront-ils la même expérience client que vous pouvez offrir aujourd’hui ? Si la réponse est non, il ne suffit pas d’attendre que les commandes pilotées par l’IA apparaissent. Vous devrez investir dans des assistants d’IA et les points d’entrée qui les intègrent à l’expérience d’achat unique de votre marque. Merci pour cette excellente interview, les lecteurs qui souhaitent en savoir plus devraient visiter Bazaarvoice.

Nick Shiftan, Director de Tecnología en Bazaarvoice, es un líder tecnológico y emprendedor experimentado cuya carrera abarca dos décadas de construcción y escalamiento de plataformas de software empresarial y comercio. Es mejor conocido como cofundador y Director de Tecnología de Curalate, una empresa pionera de comercio social que ayudó a crecer durante casi una década a más de $20 millones en ARR antes de su adquisición por Bazaarvoice en 2020. Al inicio de su carrera, fundó y dirigió el desarrollo de productos en Parkio, entregando software empresarial para sistemas de transporte y estacionamiento, y comenzó su trayectoria profesional en Microsoft, donde trabajó en Outlook Mobile para Windows Mobile. Después de la adquisición, lo que inicialmente se esperaba que fuera una transición corta evolucionó hacia un rol a largo plazo mientras continuaba construyendo a escala, culminando en su nombramiento como Director de Tecnología, donde su enfoque está en avanzar en el descubrimiento de productos impulsado por IA basado en la confianza y datos auténticos del consumidor. Bazaarvoice es una plataforma SaaS líder en la industria que permite a marcas y minoristas recopilar, gestionar y activar contenido auténtico generado por usuarios, como calificaciones, reseñas, fotos y videos, a lo largo de todo el recorrido de compra digital. Operando a escala global, la empresa ayuda a más de mil millones de compradores cada mes a tomar decisiones de compra informadas sindicando contenido confiable a través de una vasta red de marcas y destinos minoristas, colocando la transparencia, la credibilidad y el comercio basado en datos en el centro de las experiencias en línea. ¿Cómo están aplicando técnicas de IA generativa y basadas en LLM para fortalecer la autenticidad de las reseñas, la moderación y las señales de confianza sin comprometer el rendimiento bajo cargas pesadas? Utilizamos IA para resaltar señales y patrones, no para reemplazar el juicio humano. Los LLM ayudan a marcar rápidamente actividad anómala o contenido potencialmente no auténtico, pero el objetivo es siempre preservar la confianza. Al integrar estos modelos en pipelines de validación fuera de línea y desacoplarlos de las rutas de solicitud en tiempo real, mantenemos el rendimiento incluso cuando los volúmenes de envío aumentan. El resultado son controles de moderación y autenticidad que son tanto inteligentes como escalables. Muchos minoristas invierten fuertemente en la confiabilidad del proceso de pago, pero a menudo pasan por alto la complejidad de mantener un ecosistema de reseñas confiable. ¿Qué riesgos ocultos en las infraestructuras de reseñas y calificaciones crees que merecen el mismo escrutinio estratégico que los pagos? Las calificaciones y reseñas siempre han sido una infraestructura crítica para la toma de decisiones, pero esto es especialmente cierto en un mundo de compras con apoyo de IA. Los Agentes de IA se apoyarán fuertemente en señales de confianza –notablemente en forma de calificaciones y reseñas– mientras hacen recomendaciones de compra. Los retrasos, los datos faltantes o la falta de autenticidad flagrante impactarán directamente la confianza del consumidor. Estos sistemas son complejos; tratarlos con el mismo rigor que los sistemas de pago es esencial para evitar la pérdida de conversión y la erosión de la confianza a largo plazo. Habiendo dirigido la ingeniería en múltiples plataformas de comercio importantes, ¿cómo adaptas las estrategias de observabilidad y respuesta a incidentes cuando los sistemas de IA—como los modelos de análisis de sentimientos o detección de fraude—se encuentran directamente en la ruta de datos en tiempo real? Tratamos los modelos de IA como cualquier otro servicio crímonitoreamos el rendimiento y la precisión en tiempo real. Eso incluye latencia, tasas de error y desviación del comportamiento. Implementamos salvaguardas para que los modelos puedan degradarse de manera controlada o evitar rutas no críticas bajo carga. Los paneles de control, las alertas automatizadas y los manuales de procedimientos garantizan que los problemas de IA se detecten y resuelvan antes de que afecten a los compradores. Al operar a la escala global de Bazaarvoice, ¿cómo garantizan que el contenido generado por los consumidores fluya a través de sus sistemas impulsados por IA de manera que mantenga la auditabilidad, la transparencia y la capacidad de respuesta en tiempo real? Se reduce a la observabilidad de extremo a extremo y la segmentación de pipelines. Cada pieza de contenido se rastrea a lo largo de su ciclo de vida, desde la ingesta hasta la visualización. Los modelos de IA proporcionan recomendaciones o banderas de moderación, pero todas las decisiones se registran, son auditables y trazables. Junto con buffers de capacidad y escalado dinámico, esto garantiza capacidad de respuesta incluso bajo carga máxima mientras se mantiene la transparencia. Mirando hacia el futuro, ¿qué riesgos emergentes impulsados por IA o patrones de comportamiento crees que definirán la próxima generación de diseño de sistemas minoristas, y cómo deberían prepararse los líderes de TI para ellos ahora? Para mí, la pregunta clave para los Líderes de TI Minoristas no es *si* las compras con IA sucederán, sino cómo cambiará el recorrido de sus compradores cuando lo hagan. Si las compras con IA se vuelven tan comunes mañana como lo son las compras en línea

• ¿Dónde descubrirán los clientes mis productos, en mi sitio o a través de ChatGPT?
• ¿Cómo aprenderán sobre mis productos, a través de Claude o mi propio asistente de compras?
• ¿Cómo realizarán el pago, en mi página de pago o directamente a través de una interfaz de IA?

Es probable que los modelos de vanguardia sepan todo sobre tus productos. Pero la verdadera pregunta¿Entregarán la misma experiencia de cliente que tú puedes ofrecer hoy? Si la respuesta es no, no es suficiente esperar a que aparezcan los pedidos impulsados por IA. Necesitarás invertir en Asistentes de IA y en los puntos de entrada que los conviertan en parte de la experiencia de compra única de tu marca. Gracias por la excelente entrevista, los lectores que deseen aprender más deben visitar Bazaarvoice.

Nick Shiftan, CTO bei Bazaarvoice, ist ein erfahrener Technologieleiter und Unternehmer, dessen Karriere zwei Jahrzehnte umfasst, in denen er Unternehmenssoftware und Commerce-Plattformen aufgebaut und skaliert hat. Er ist vor allem als Mitbegründer und CTO von Curalate bekannt, einem wegweisenden Social-Commerce-Unternehmen, das er über fast ein Jahrzehnt auf mehr als 20 Millionen US-Dollar Jahresumsatz (ARR) wachsen half, bevor es 2020 von Bazaarvoice übernommen wurde. Zu Beginn seiner Karriere gründete er Parkio und leitete dort die Produktentwicklung, wo er Unternehmenssoftware für Verkehrs- und Parksysteme lieferte, und startete seinen beruflichen Werdegang bei Microsoft, wo er an Outlook Mobile für Windows Mobile arbeitete. Nach der Übernahme entwickelte sich die ursprünglich als kurzer Übergang gedachte Phase zu einer langfristigen Rolle, in der er weiterhin im großen Maßstab aufbaute, was in seiner Ernennung zum CTO gipfelte. Sein Fokus liegt hier auf der Weiterentwicklung KI-gestützter Produktentdeckung, die auf Vertrauen und authentischen Verbraucherdaten basiert. Bazaarvoice ist eine branchenführende SaaS-Plattform, die Marken und Händlern ermöglicht, authentische nutzergenerierte Inhalte wie Bewertungen, Rezensionen, Fotos und Videos über die gesamte digitale Einkaufsreise hinweg zu sammeln, zu verwalten und zu aktivieren. Das Unternehmen operiert in globalem Maßstab und hilft monatlich mehr als einer Milliarde Käufern, fundierte Kaufentscheidungen zu treffen, indem es vertrauenswürdige Inhalte über ein riesiges Netzwerk von Marken und Einzelhandelszielen syndiziert. Dabei stellt es Transparenz, Glaubwürdigkeit und datengesteuerten Handel in den Mittelpunkt der Online-Erlebnisse. Wie wenden Sie generative KI und LLM-basierte Techniken an, um die Authentizität von Bewertungen, die Moderation und Vertrauenssignale zu stärken, ohne die Leistung unter hoher Last zu beeinträchtigen? Wir nutzen KI, um Signale und Muster aufzudecken, nicht um menschliches Urteilsvermögen zu ersetzen. LLMs helfen dabei, anomale Aktivitäten oder potenziell unechte Inhalte schnell zu kennzeichnen, aber das Ziel ist immer, Vertrauen zu bewahren. Indem wir diese Modelle in Offline-Validierungspipelines integrieren und sie von Echtzeit-Anfragepfaden entkoppeln, halten wir die Leistung auch bei Spitzen in den Einreichungsvolumina aufrecht. Das Ergebnis sind Moderations- und Authentizitätsprüfungen, die sowohl intelligent als auch skalierbar sind. Viele Händler investieren stark in die Zuverlässigkeit des Checkouts, übersehen aber oft die Komplexität der Aufrechterhaltung eines vertrauenswürdigen Bewertungsökosystems. Welche versteckten Risiken in Bewertungs- und Rezensionsinfrastrukturen verdienen Ihrer Meinung nach die gleiche strategische Prüfung wie Zahlungen? Bewertungen und Rezensionen waren schon immer entscheidungskritische Infrastruktur, aber das gilt besonders in einer Welt des KI-gestützten Einkaufens. KI-Agenten werden sich stark auf Vertrauenssignale stützen – insbesondere in Form von Bewertungen & Rezensionen –, wenn sie Einkaufsempfehlungen geben. Verzögerungen, fehlende Daten oder eklatante Unechtheit werden sich direkt auf das Verbrauchervertrauen auswirken. Diese Systeme sind komplex; es ist unerlässlich, sie mit der gleichen Strenge wie Kassensysteme zu behandeln, um verlorene Konversionen und langfristigen Vertrauensverlust zu vermeiden. Nachdem Sie das Engineering bei mehreren großen Commerce-Plattformen geleitet haben, wie passen Sie Beobachtbarkeits- und Störfallreaktionsstrategien an, wenn KI-Systeme – wie Stimmungsanalysen oder Betrugserkennungsmodelle – direkt im Echtzeit-Datenpfad sitzen? Wir behandeln KI-Modelle wie jeden anderen kritischenWir überwachen Leistung und Genauigkeit in Echtzeit. Dazu gehören Latenz, Fehlerraten und Verhaltensabweichungen. Wir implementieren Sicherheitsvorkehrungen, damit Modelle unter Last elegant degradieren oder nicht-kritische Pfade umgehen können. Dashboards, automatisierte Warnungen und Runbooks stellen sicher, dass KI-Probleme aufgedeckt und behoben werden, bevor sie Käufer beeinträchtigen. Wie stellen Sie beim Betrieb im globalen Maßstab von Bazaarvoice sicher, dass nutzergenerierte Inhalte auf eine Weise durch Ihre KI-gesteuerten Systeme fließen, die Nachvollziehbarkeit, Transparenz und Echtzeit-Reaktionsfähigkeit bewahrt? Es läuft auf End-to-End-Beobachtbarkeit und Pipeline-Segmentierung hinaus. Jedes Inhaltsstück wird durch seinen gesamten Lebenszyklus verfolgt, von der Aufnahme bis zur Anzeige. KI-Modelle liefern Empfehlungen oder Moderationskennzeichnungen, aber alle Entscheidungen werden protokolliert, sind überprüfbar und nachvollziehbar. In Kombination mit Kapazitätspuffern und dynamischer Skalierung gewährleistet dies Reaktionsfähigkeit auch unter Spitzenlast bei gleichzeitiger Wahrung der Transparenz. Welche aufkommenden KI-gesteuerten Risiken oder Verhaltensmuster werden Ihrer Meinung nach die nächste Generation des Einzelhandelssystemdesigns definieren, und wie sollten IT-Leiter sich jetzt darauf vorbereiten? Für mich ist die Schlüsselfrage für IT-Leiter im Einzelhandel nicht, ob KI-Einkaufen passieren wird – sondern wie sich die Customer Journey ihrer Kunden ändern wird, wenn es so weit ist. Wenn KI-Einkaufen morgen so alltäglich wird wie Online-Shopping

• Wo werden Kunden meine Produkte entdecken, auf meiner Website oder über ChatGPT?
• Wie werden sie etwas über meine Produkte erfahren, durch Claude oder meinen eigenen Shopping-Assistenten?
• Wie werden sie bezahlen, auf meiner Checkout-Seite oder direkt über eine KI-Schnittstelle?

Fortschrittliche Modelle werden wahrscheinlich alles über Ihre Produkte wissen. Aber die eigentliche FrageWerden sie das gleiche Kundenerlebnis liefern, das Sie heute bieten können? Wenn die Antwort nein lautet, reicht es nicht, darauf zu warten, dass KI-gesteuerte Bestellungen auftauchen. Sie müssen in KI-Assistenten und die Zugangspunkte investieren, die sie zu einem Teil des einzigartigen Einkaufserlebnisses Ihrer Marke machen. Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Bazaarvoice besuchen.

ニック・シフタンは、BazaarvoiceのCTOであり、エンタープライズソフトウェアとコマースプラットフォームの構築と拡大にわたる20年のキャリアを持つ経験豊富なテクノロジーリーダー兼起業家です。彼は、先駆的なソーシャルコマース企業であるCuralateの共同創設者兼CTOとして最もよく知られており、2020年にBazaarvoiceによる買収を迎えるまでの約10年間で、年間経常収益（ARR）2,000万ドル以上に成長させるのを支えました。キャリアの初期には、Parkioを創業し、交通・駐車システム向けエンタープライズソフトウェアを提供する同社の製品開発を率い、プロフェッショナルとしてのキャリアはマイクロソフトで始め、Windows Mobile向けOutlook Mobileの開発に携わりました。買収後、当初は短期間の移行期間と見込まれていましたが、スケールでの構築を続ける中で長期の役割へと発展し、最終的にCTOに任命されました。現在の彼の焦点は、信頼と真正な消費者データに基づいたAI駆動の商品発見を推進することにあります。 Bazaarvoiceは、業界をリードするSaaSプラットフォームであり、ブランドや小売業者が、デジタルショッピングの旅程全体において、評価、レビュー、写真、動画などの真正なユーザー生成コンテンツを収集、管理、活用することを可能にします。グローバルな規模で事業を展開する同社は、信頼できるコンテンツを広範なブランドおよび小売先ネットワークに配信することで、毎月10億人以上の買い物客が情報に基づいた購買決定を行えるよう支援し、透明性、信頼性、データ駆動型コマースをオンライン体験の中心に据えています。 生成AIやLLMベースの技術を、高負荷下でのパフォーマンスを損なうことなく、レビューの真正性、モデレーション、信頼シグナルを強化するためにどのように適用していますか？ 私たちは、人間の判断を置き換えるのではなく、シグナルやパターンを浮き彫りにするためにAIを使用しています。LLMは、異常な活動や潜在的に不真正なコンテンツを迅速にフラグ付けするのに役立ちますが、目標は常に信頼を維持することです。これらのモデルをオフライン検証パイプラインに統合し、リアルタイムのリクエストパスから切り離すことで、投稿数が急増した場合でもパフォーマンスを維持しています。その結果、知的でスケーラブルなモデレーションと真正性チェックが実現しています。 多くの小売業者は決済の信頼性に多額を投資しますが、信頼できるレビューエコシステムを維持する複雑さを見落としがちです。決済と同様の戦的な精査に値する、レビューおよび評価インフラにおける隠れたリスクは何だと思いますか？ 評価とレビューは常に意思決定に不可欠なインフラでしたが、これはAI支援のショッピングが行われる世界では特に真実です。AIエージェントは、ショッピングの推奨を行う際、信頼シグナル（特に評価とレビューの形で）に大きく依存するでしょう。遅延、データ欠落、または明らかな不真正性は、消費者の信頼に直接影響を与えます。これらのシステムは複雑であり、コンバージョンの喪失や長期的な信頼の浸食を避けるためには、決済システムと同様の厳密さで扱うことが不可欠です。 複数の主要なコマースプラットフォームにわたるエンジニアリングを率いてきた経験から、感情分析や不正検出モデルなどのAIシステムがリアルタイムデータパスに直接存在する場合、どのようにして可観測性とインシデント対応戦略を適応させていますか？ 私たちはAIモデルを他の重要なサービスと同様に扱います：パフォーマンスと精度をリアルタイムで監視します。これには、レイテンシ、エラーレート、動作のドリフトが含まれます。フェイルセーフを実装し、モデルが適切に機能を低下させたり、負荷下で非重要なパスをバイパスしたりできるようにしています。ダッシュボード、自動化されたアラート、および実行手順書により、AIの問題が買い物客に影響を与える前に表面化し、解決されることを保証しています。 Bazaarvoiceのグローバル規模で事業を展開する際、消費者生成コンテンツが、監査可能性、透明性、リアルタイム応答性を維持する方法で、AI駆動システムを流れるようにするにはどうしていますか？ これは、エンドツーエンドの可観測性とパイプラインのセグメンテーションに帰着します。すべてのコンテンツは、取り込みから表示までのライフサイクルを通じて追跡されます。AIモデルは推奨事項やモデレーションフラグを提供しますが、すべての決定は記録され、監査可能で追跡可能です。これに容量バッファと動的スケーリングを組み合わせることで、ピーク負荷時でも応答性を確保しつつ、透明性を維持しています。 今後、新たなAI駆動のリスクや行動パターンのうち、次世代の小売システム設計を定義することになるとお考えのものは何ですか？また、ITリーダーは今からそれらにどのように備えるべきですか？ 私にとって、小売ITリーダーにとっての重要な問題は、AIショッピングが起こるかどうかではなく、それが起こったときに彼らの買い物客の旅程がどのように変化するかです。もしAIショッピングが、今日のオンラインショッピングと同じくらい一般的になったら：

• 顧客はどこで私の商品を発見するでしょうか、私のサイトで？それともChatGPT経由で？
• 彼らはどのようにして私の商品について学ぶでしょうか、Claudeを通じて？それとも私自身のショッピングアシスタントを通じて？
• 彼らはどのようにして決済するでしょうか、私の決済ページで？それともAIインターフェースを直接通じて？

最先端のモデルは、おそらくあなたの商品についてすべてを知っているでしょう。しかし、本当の問題は：それらは今日あなたが提供できるのと同じ顧客体験を提供できるか？です。もし答えがノーなら、AI駆動の注文が現れるのを待つだけでは不十分です。あなたはAIアシスタントと、それらをあなたのブランド独自のショッピング体験の一部にするエントリーポイントに投資する必要があるでしょう。 素晴らしいインタビューをありがとうございました。さらに詳しく知りたい読者は、Bazaarvoiceを訪れてください。

Nick Shiftan은 Bazaarvoice의 CTO로, 20년에 걸쳐 엔터프라이즈 소프트웨어 및 커머스 플랫폼을 구축하고 확장해 온 노련한 기술 리더이자 기업가입니다. 그는 선구적인 소셜 커머스 회사인 Curalate의 공동 창립자이자 CTO로 가장 잘 알려져 있으며, 2020년 Bazaarvoice에 인수되기까지 약 10년 동안 회사를 2천만 달러 이상의 ARR로 성장시키는 데 기여했습니다. 그의 경력 초기에는 Parkio를 설립하고 교통 및 주차 시스템을 위한 엔터프라이즈 소프트웨어를 제공하는 제품 개발을 이끌었으며, Microsoft에서 Windows Mobile용 Outlook Mobile 작업을 하며 전문적인 여정을 시작했습니다. 인수 후, 짧은 전환기로 예상되었던 것은 그가 대규모 구축을 계속하면서 장기적인 역할로 발전했으며, 결국 신뢰와 진정한 소비자 데이터에 기반한 AI 기반 제품 발견을 발전시키는 데 중점을 두는 CTO로 임명되면서 절정에 달했습니다. Bazaarvoice는 브랜드와 리테일러가 디지털 쇼핑 여정 전반에 걸쳐 평점, 리뷰, 사진, 동영상과 같은 진정한 사용자 생성 콘텐츠를 수집, 관리 및 활성화할 수 있도록 하는 업계 선도적인 SaaS 플랫폼입니다. 글로벌 규모로 운영되는 이 회사는 광범위한 브랜드 및 소매 유통망 네트워크를 통해 신뢰할 수 있는 콘텐츠를 배포하여 매월 10억 명 이상의 쇼핑객이 정보에 입각한 구매 결정을 내릴 수 있도록 지원하며, 투명성, 신뢰성 및 데이터 기반 커머스를 온라인 경험의 중심에 놓습니다. 생성형 AI 및 LLM 기반 기술을 활용하여 성능 저하 없이 리뷰 진위성, 관리 및 신뢰 신호를 어떻게 강화하고 있나요? 우리는 AI를 인간의 판단을 대체하기보다는 신호와 패턴을 발견하는 데 사용합니다. LLM은 비정상적인 활동이나 잠재적으로 진위성이 의심되는 콘텐츠를 빠르게 표시하는 데 도움을 주지만, 목표는 항상 신뢰를 유지하는 것입니다. 이러한 모델을 오프라인 검증 파이프라인에 통합하고 실시간 요청 경로와 분리함으로써, 제출량이 급증할 때도 성능을 유지합니다. 그 결과 지능적이면서도 확장 가능한 관리 및 진위성 검사가 가능해집니다. 많은 리테일러가 결제 안정성에 막대한 투자를 하지만, 신뢰할 수 있는 리뷰 생태계를 유지하는 복잡성을 종종 간과합니다. 결제 시스템과 동일한 전략적 검토가 필요한 리뷰 및 평점 인프라의 숨겨진 위험은 무엇이라고 생각하시나요? 평점과 리뷰는 항상 의사 결정에 중요한 인프라였지만, AI 지원 쇼핑의 세계에서는 특히 그렇습니다. AI 에이전트는 쇼핑 추천을 할 때 신뢰 신호(특히 평점 및 리뷰 형태)에 크게 의존할 것입니다. 지연, 데이터 누락 또는 노골적인 진위성 결여는 소비자 신뢰에 직접적인 영향을 미칠 것입니다. 이러한 시스템은 복잡합니다. 전환 손실과 장기적인 신뢰 침식을 피하기 위해서는 결제 시스템과 동일한 엄격함으로 다루는 것이 필수적입니다. 여러 주요 커머스 플랫폼에서 엔지니어링을 이끌어 오신 경험으로, 감정 분석이나 사기 탐지 모델과 같은 AI 시스템이 실시간 데이터 경로에 직접 위치할 때 가시성 및 사고 대응 전략을 어떻게 조정하시나요? 우리는 AI 모델을 다른 중요한 서비스와 동일하게 취급합니다: 실시간으로 성능과 정확도를 모니터링합니다. 여기에는 지연 시간, 오류율 및 행동 변화가 포함됩니다. 모델이 부하 하에서 우아하게 성능이 저하되거나 비중요 경로를 우회할 수 있도록 안전 장치를 구현합니다. 대시보드, 자동화된 경고 및 실행 매뉴얼을 통해 AI 문제가 쇼핑객에게 영향을 미치기 전에 표면화되고 해결되도록 합니다. Bazaarvoice의 글로벌 규모로 운영할 때, 소비자 생성 콘텐츠가 감사 가능성, 투명성 및 실시간 응답성을 유지하는 방식으로 AI 기반 시스템을 통해 흐르도록 어떻게 보장하나요? 이는 종단 간 가시성과 파이프라인 분할로 귀결됩니다. 모든 콘텐츠 조각은 수집부터 표시까지 그 수명주기 동안 추적됩니다. AI 모델은 권장 사항이나 관리 플래그를 제공하지만, 모든 결정은 기록되고, 감사 가능하며, 추적 가능합니다. 용량 버퍼 및 동적 확장과 결합되어 이는 피크 부하 시에도 응답성을 보장하면서 투명성을 유지합니다. 앞으로 다가올, 차세대 소매 시스템 설계를 정의할 것으로 믿는 새로운 AI 기반 위험이나 행동 패턴은 무엇이며, IT 리더들은 지금 어떻게 이에 대비해야 하나요? 제게 있어 소매 IT 리더들에게 중요한 질문은 AI 쇼핑이 될지 말지가 아니라, AI 쇼핑이 일어날 때 그들의 쇼핑객 여정이 어떻게 변할 것인가입니다. 만약 AI 쇼핑이 내일이면 오늘날의 온라인 쇼핑만큼 흔해진다면:

• 고객은 내 사이트에서 제품을 발견할까요, 아니면 ChatGPT를 통해 발견할까요?
• 그들은 Claude를 통해 제품에 대해 알게 될까요, 아니면 내 쇼핑 어시스턴트를 통해 알게 될까요?
• 그들은 내 결제 페이지에서 결제할까요, 아니면 AI 인터페이스를 통해 직접 결제할까요?

최첨단 모델은 아마도 귀사의 제품에 관한 모든 것을 알게 될 것입니다. 그러나 진짜 질문은: 그들이 귀사가 오늘 제공할 수 있는 것과 동일한 고객 경험을 제공할 것인가?입니다. 만약 그 답이 ‘아니오’라면, AI 기반 주문이 나타나기를 기다리는 것만으로는 충분하지 않습니다. 귀사는 AI 어시스턴트와 이를 귀사 브랜드의 독특한 쇼핑 경험의 일부로 만드는 진입점에 투자해야 할 것입니다. 훌륭한 인터뷰에 감사드립니다. 더 알아보고 싶은 독자분들은 Bazaarvoice를 방문하시기 바랍니다.

Nick Shiftan, CTO da Bazaarvoice, é um líder e empreendedor de tecnologia experiente cuja carreira abrange duas décadas de construção e expansão de plataformas de software empresarial e comércio. Ele é mais conhecido como cofundador e CTO da Curalate, uma empresa pioneira de comércio social que ele ajudou a crescer por quase uma década para mais de US$ 20 milhões em ARR antes de sua aquisição pela Bazaarvoice em 2020. No início de sua carreira, ele fundou e liderou o desenvolvimento de produtos na Parkio, entregando software empresarial para sistemas de transporte e estacionamento, e iniciou sua jornada profissional na Microsoft, onde trabalhou no Outlook Mobile para Windows Mobile. Após a aquisição, o que inicialmente era esperado ser uma transição curta evoluiu para um papel de longo prazo, enquanto ele continuava a construir em escala, culminando em sua nomeação como CTO, onde seu foco está em avançar a descoberta de produtos orientada por IA fundamentada em confiança e dados autênticos do consumidor. Bazaarvoice é uma plataforma SaaS líder do setor que permite que marcas e varejistas coletem, gerenciem e ativem conteúdo autêntico gerado pelo usuário, como classificações, avaliações, fotos e vídeos, em toda a jornada de compra digital. Operando em escala global, a empresa ajuda mais de um bilhão de compradores por mês a tomar decisões de compra informadas, sindicando conteúdo confiável em uma vasta rede de marcas e destinos de varejo, colocando transparência, credibilidade e comércio baseado em dados no centro das experiências online. Como vocês estão aplicando técnicas de IA generativa e baseadas em LLM para fortalecer a autenticidade das avaliações, a moderação e os sinais de confiança sem comprometer o desempenho sob carga pesada? Usamos IA para destacar sinais e padrões, não para substituir o julgamento humano. LLMs ajudam a sinalizar rapidamente atividades anômalas ou conteúdo potencialmente inautêntico, mas o objetivo é sempre preservar a confiança. Ao integrar esses modelos em pipelines de validação offline e desacoplá-los dos caminhos de solicitação em tempo real, mantemos o desempenho mesmo quando os volumes de envio disparam. O resultado são verificações de moderação e autenticidade que são inteligentes e escaláveis. Muitos varejistas investem pesadamente na confiabilidade do checkout, mas muitas vezes negligenciam a complexidade de manter um ecossistema de avaliações confiável. Quais riscos ocultos nas infraestruturas de avaliações e classificações você acha que merecem o mesmo escrutínio estratégico que os pagamentos? Classificações e avaliações sempre foram uma infraestrutura crítica para decisões, mas isso é especialmente verdade em um mundo de compras com suporte de IA. Os Agentes de IA vão se apoiar fortemente em sinais de confiança – notavelmente na forma de classificações e avaliações – ao fazer recomendações de compra. Atrasos, dados ausentes ou inautenticidade flagrante impactarão diretamente a confiança do consumidor. Esses sistemas são complexos; tratá-los com o mesmo rigor dos sistemas de checkout é essencial para evitar perda de conversão e erosão da confiança a longo prazo. Tendo liderado a engenharia em várias grandes plataformas de comércio, como você adapta as estratégias de observabilidade e resposta a incidentes quando sistemas de IA – como análise de sentimentos ou modelos de detecção de fraudes – estão diretamente no caminho de dados em tempo real? Tratamos os modelos de IA como qualquer outro serviço crímonitoramos o desempenho e a precisão em tempo real. Isso inclui latência, taxas de erro e desvio comportamental. Implementamos medidas de segurança para que os modelos possam se degradar de forma controlada ou contornar caminhos não críticos sob carga. Painéis, alertas automatizados e manuais de procedimentos garantem que os problemas de IA sejam destacados e resolvidos antes que impactem os compradores. Ao operar na escala global da Bazaarvoice, como você garante que o conteúdo gerado pelo consumidor flua através de seus sistemas orientados por IA de maneiras que mantenham a auditabilidade, a transparência e a capacidade de resposta em tempo real? Tudo se resume à observabilidade de ponta a ponta e à segmentação de pipeline. Cada peça de conteúdo é rastreada ao longo de seu ciclo de vida, desde a ingestão até a exibição. Os modelos de IA fornecem recomendações ou sinalizações de moderação, mas todas as decisões são registradas, auditáveis e rastreáveis. Combinado com buffers de capacidade e dimensionamento dinâmico, isso garante capacidade de resposta mesmo sob carga de pico, mantendo a transparência. Olhando para o futuro, quais riscos ou padrões comportamentais emergentes orientados por IA você acredita que definirão a próxima geração de design de sistemas de varejo, e como os líderes de TI devem se preparar para eles agora? Para mim, a questão-chave para os Líderes de TI de Varejo não é *se* as compras por IA vão acontecer – é como a jornada do seu comprador mudará quando isso acontecer. Se as compras por IA se tornarem tão comuns amanhã quanto as compras online são

• Onde os clientes descobrirão meus produtos, no meu site ou via ChatGPT?
• Como eles aprenderão sobre meus produtos, através do Claude ou do meu próprio assistente de compras?
• Como eles farão o checkout, na minha página de checkout ou diretamente através de uma interface de IA?

Os modelos de fronteira provavelmente saberão tudo sobre seus produtos. Mas a verdadeira questão é: Eles entregarão a mesma experiência do cliente que você pode oferecer hoje? Se a resposta for não, não basta esperar que os pedidos orientados por IA apareçam. Você precisará investir em Assistentes de IA e nos pontos de entrada que os tornam parte da experiência de compra única da sua marca. Obrigado pela ótima entrevista, leitores que desejam saber mais devem visitar Bazaarvoice.

Nick Shiftan, Bazaarvoice’ın CTO’su, kariyeri kurumsal yazılım ve ticaret platformları oluşturma ve ölçeklendirmenin iki on yılını kapsayan deneyimli bir teknoloji lideri ve girişimcidir. En çok, 2020’de Bazaarvoice tarafından satın alınmadan önce yaklaşık on yıl boyunca 20 milyon doların üzerinde Yıllık Tekrarlanan Gelir’e (ARR) büyümesine yardım ettiği öncü bir sosyal ticaret şirketi olan Curalate’in kurucu ortağı ve CTO’su olarak tanınır. Kariyerinin daha önceki dönemlerinde, ulaşım ve park sistemleri için kurumsal yazılım sunan Parkio’da ürün geliştirmeyi kurdu ve yönetti ve profesyonel yolculuğuna, Windows Mobile için Outlook Mobile üzerinde çalıştığı Microsoft’ta başladı. Satın alımın ardından, başlangıçta kısa bir geçiş süreci olması beklenen durum, ölçekte inşa etmeye devam etmesiyle uzun vadeli bir role dönüştü ve bu, güven ve gerçek tüketici verilerine dayalı AI destekli ürün keşfini ilerletmeye odaklandığı CTO olarak atanmasıyla sonuçlandı. Bazaarvoice, markaların ve perakendecilerin, dijital alışveriş yolculuğunun tamamında derecelendirmeler, incelemeler, fotoğraflar ve videolar gibi gerçek kullanıcı tarafından oluşturulan içeriği toplamasına, yönetmesine ve etkinleştirmesine olanak tanıyan sektör lideri bir SaaS platformudur. Küresel ölçekte faaliyet gösteren şirket, güvenilir içeriği geniş bir marka ve perakende hedefi ağında yayınlayarak, şeffaflığı, güvenilirliği ve veriye dayalı ticareti çevrimiçi deneyimlerin merkezine yerleştirerek her ay bir milyardan fazla alışveriş yapanın bilinçli satın alma kararları vermesine yardımcı olur. Yüksek yük altında performanstan ödün vermeden, inceleme orijinalliğini, moderasyonu ve güven sinyallerini güçlendirmek için üretken yapay zekayı ve LLM tabanlı teknikleri nasıl uyguluyorsunuz? Yapay zekayı, insan yargısının yerini almak için değil, sinyalleri ve kalıpları ortaya çıkarmak için kullanıyoruz. LLM’ler anormal aktiviteyi veya potansiyel olarak gerçek olmayan içeriği hızlıca işaretlemeye yardımcı olur, ancak amaç her zaman güveni korumaktır. Bu modelleri çevrimdışı doğrulama boru hatlarına entegre ederek ve gerçek zamanlı istek yollarından ayırarak, gönderim hacimleri ani artış gösterdiğinde bile performansı koruyoruz. Sonuç, hem akıllı hem de ölçeklenebilir bir moderasyon ve orijinallik kontrolüdür. Birçok perakendeci ödeme güvenilirliğine büyük yatırım yapıyor, ancak genellikle güvenilir bir inceleme ekosistemi sürdürmenin karmaşıklığını gözden kaçırıyor. İnceleme ve derecelendirme altyapılarındaki hangi gizli risklerin, ödemelerde olduğu gibi aynı stratejik incelemeyi hak ettiğini düşünüyorsunuz? Derecelendirmeler ve incelemeler her zaman karar açısından kritik altyapı olmuştur, ancak bu özellikle AI destekli alışveriş dünyasında geçerlidir. AI Ajanları, alışveriş önerileri yaparken ağırlıklı olarak güven sinyallerine – özellikle derecelendirme ve incelemeler şeklinde – dayanacaktır. Gecikmeler, eksik veriler veya bariz bir şekilde gerçek olmayan içerik, doğrudan tüketici güvenini etkileyecektir. Bu sistemler karmaşıktır; kayıp dönüşüm ve uzun vadeli güven erozyonundan kaçınmak için onlara ödeme sistemleriyle aynı titizlikle yaklaşmak esastır. Birden fazla büyük ticaret platformunda mühendislik liderliği yapmış biri olarak, duygu analizi veya sahtekarlık tespit modelleri gibi AI sistemleri doğrudan gerçek zamanlı veri yolunda yer aldığında, gözlemlenebilirlik ve olay müdahale stratejilerinizi nasıl uyarlıyorsunuz? AI modellerine diğer tüm kritik hizmetler gibi davranıperformansı ve doğruluğu gerçek zamanlı olarak izliyoruz. Bu, gecikme süresi, hata oranları ve davranışsal sapmayı içerir. Modellerin yük altında zarif bir şekilde bozulabilmesi veya kritik olmayan yolları atlayabilmesi için güvenlik önlemleri uyguluyoruz. Gösterge panoları, otomatik uyarılar ve çalışma kılavuzları, AI sorunlarının alışveriş yapanları etkilemeden önce ortaya çıkarılmasını ve çözülmesini sağlar. Bazaarvoice’ın küresel ölçeğinde faaliyet gösterirken, tüketici tarafından oluşturulan içeriğin, denetlenebilirliği, şeffaflığı ve gerçek zamanlı yanıt verme yeteneğini koruyacak şekilde AI destekli sistemlerinizden akmasını nasıl sağlıyorsunuz? Bu, uçtan uca gözlemlenebilirlik ve boru hattı segmentasyonuna bağlıdır. Her bir içerik parçası, alınmasından görüntülenmesine kadar olan yaşam döngüsü boyunca takip edilir. AI modelleri öneriler veya moderasyon bayrakları sağlar, ancak tüm kararlar kaydedilir, denetlenebilir ve izlenebilir. Kapasite tamponları ve dinamik ölçeklendirme ile birleştiğinde, bu, şeffaflığı korurken zirve yük altında bile yanıt verebilirliği sağlar. Geleceğe bakıldığında, yeni nesil perakende sistemi tasarımını tanımlayacağına inandığınız ortaya çıkan AI kaynaklı riskler veya davranışsal kalıplar nelerdir ve BT liderleri şimdi bunlara nasıl hazırlanmalıdır? Bana göre, Perakende BT Liderleri için temel soru, AI alışverişinin olup olmayacağı değil – olduğunda alışveriş yapanlarının yolculuğunun nasıl değişeceğidir. Eğer AI alışverişi yarın, çevrimiçi alışverişin bugün olduğu kadar yaygın hale

• Müşteriler ürünlerimi nerede keşfedecek, sitemde mi yoksa ChatGPT aracılığıyla mı?
• Ürünlerimi nasıl öğrenecekler, Claude aracılığıyla mı yoksa kendi alışveriş asistanım aracılığıyla mı?
• Nasıl ödeme yapacaklar, ödeme sayfamda mı yoksa doğrudan bir AI arayüzü üzerinden mi?

Sınır modelleri muhtemelen ürünleriniz hakkında her şeyi bilecektir. Ancak asıl soru şSizin bugün sağlayabildiğiniz müşteri deneyimini aynı şekilde sunacaklar mı? Cevap hayırsa, AI destekli siparişlerin ortaya çıkmasını beklemek yeterli değildir. AI Asistanlarına ve onları markanızın benzersiz alışveriş deneyiminin bir parçası haline getiren giriş noktalarına yatırım yapmanız gerekecektir. Harika röportaj için teşekkürler, daha fazla bilgi edinmek isteyen okuyucular Bazaarvoice‘ı ziyaret etmelidir.

Ник Шифтан, технический директор Bazaarvoice, — опытный технологический лидер и предприниматель, чья карьера охватывает два десятилетия создания и масштабирования корпоративного программного обеспечения и коммерческих платформ. Он наиболее известен как соучредитель и технический директор Curalate, пионерской компании в области социальной коммерции, которую он помог вырастить за почти десятилетие до более чем 20 миллионов долларов годового регулярного дохода перед её приобретением Bazaarvoice в 2020 году. Ранее в своей карьере он основал и руководил разработкой продуктов в Parkio, создавая корпоративное программное обеспечение для транспортных и парковочных систем, а начал свой профессиональный путь в Microsoft, где работал над Outlook Mobile для Windows Mobile. После приобретения то, что изначально ожидалось как короткий переходный период, превратилось в долгосрочную роль, поскольку он продолжил строить в масштабе, что в итоге привело к его назначению на должность технического директора, где его фокус сосредоточен на развитии основанного на искусственном интеллекте поиска товаров, базирующегося на доверии и аутентичных потребительских данных. Bazaarvoice — это ведущая в отрасли SaaS-платформа, которая позволяет брендам и ритейлерам собирать, управлять и активировать аутентичный пользовательский контент, такой как оценки, отзывы, фотографии и видео, на протяжении всего цифрового пути покупки. Работая в глобальном масштабе, компания помогает более чем миллиарду покупателей каждый месяц принимать обоснованные решения о покупке, синдицируя доверенный контент через обширную сеть брендов и торговых площадок, ставя прозрачность, достоверность и коммерцию на основе данных в центр онлайн-впечатлений. Как вы применяете генеративный ИИ и методы на основе LLM для усиления аутентичности отзывов, модерации и сигналов доверия без ущерба для производительности при высокой нагрузке? Мы используем ИИ для выявления сигналов и паттернов, а не для замены человеческого суждения. LLM помогают быстро помечать аномальную активность или потенциально неаутентичный контент, но цель всегда — сохранить доверие. Интегрируя эти модели в офлайн-пайплайны валидации и отделяя их от путей обработки запросов в реальном времени, мы поддерживаем производительность даже при всплесках объёмов отправки. В результате модерация и проверки аутентичности становятся одновременно интеллектуальными и масштабируемыми. Многие ритейлеры вкладывают значительные средства в надёжность оформления заказа, но часто упускают из виду сложность поддержания доверенной экосистемы отзывов. Какие скрытые риски в инфраструктурах отзывов и оценок, по вашему мнению, заслуживают такого же стратегического внимания, как и платежи? Оценки и отзывы всегда были критически важной инфраструктурой для принятия решений, и это особенно верно в мире покупок с поддержкой ИИ. ИИ-агенты будут в значительной степени опираться на сигналы доверия — в частности, в форме оценок и отзывов — при формировании рекомендаций по покупкам. Задержки, отсутствующие данные или откровенная неаутентичность напрямую повлияют на уверенность потребителей. Эти системы сложны; обращение с ними с той же строгостью, что и с системами оформления заказа, необходимо, чтобы избежать потери конверсии и долгосрочной эрозии доверия. Руководя инжинирингом на нескольких крупных коммерческих платформах, как вы адаптируете стратегии наблюдаемости и реагирования на инциденты, когда системы ИИ — такие как анализ тональности или модели обнаружения мошенничества — находятся непосредственно на пути данных в реальном времени? Мы относимся к моделям ИИ как к любому другому критически важному сервису: отслеживаем производительность и точность в реальном времени. Это включает задержки, частоту ошибок и смещение поведения. Мы внедряем механизмы защиты от сбоев, чтобы модели могли плавно снижать качество или обходить некритичные пути при нагрузке. Информационные панели, автоматические оповещения и руководства по действиям обеспечивают, чтобы проблемы с ИИ выявлялись и решались до того, как они повлияют на покупателей. Работая в глобальном масштабе Bazaarvoice, как вы обеспечиваете, чтобы пользовательский контент проходил через ваши системы на основе ИИ таким образом, чтобы сохранялась возможность аудита, прозрачность и отзывчивость в реальном времени? Всё сводится к сквозной наблюдаемости и сегментации пайплайнов. Каждый фрагмент контента отслеживается на протяжении всего его жизненного цикла, от приёма до отображения. Модели ИИ предоставляют рекомендации или флаги модерации, но все решения регистрируются, поддаются аудиту и отслеживанию. В сочетании с буферами ёмкости и динамическим масштабированием это обеспечивает отзывчивость даже при пиковой нагрузке, сохраняя при этом прозрачность. Глядя вперёд, какие возникающие риски, связанные с ИИ, или поведенческие паттерны, по вашему мнению, определят следующее поколение дизайна розничных систем, и как ИТ-лидерам следует готовиться к ним уже сейчас? На мой взгляд, ключевой вопрос для ИТ-лидеров розничной торговли не в том, произойдёт ли покупка с помощью ИИ, а в том, как изменится путь их покупателя, когда это произойдёт. Если завтра покупки с помощью ИИ станут такими же обычными, как сегодня онлайн-покупки:

• Где клиенты будут находить мои товары — на моём сайте или через ChatGPT?
• Как они будут узнавать о моих товарах — через Claude или моего собственного помощника по покупкам?
• Как они будут оформлять заказ — на моей странице оформления заказа или напрямую через интерфейс ИИ?

Передовые модели, вероятно, будут знать всё о ваших продуктах. Но реальный вопрос в следующем: Смогут ли они обеспечить тот же клиентский опыт, который вы можете предложить сегодня? Если ответ отрицательный, недостаточно просто ждать появления заказов, управляемых ИИ. Вам нужно будет инвестировать в ИИ-ассистентов и точки входа, которые сделают их частью уникального опыта покупок вашего бренда. Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Bazaarvoice.

Nick Shiftan, CTO at Bazaarvoice, is a seasoned technology leader and entrepreneur whose career spans two decades of building and scaling enterprise software and commerce platforms. He is best known as the co-founder and CTO of Curalate, a pioneering social commerce company he helped grow over nearly a decade to more than $20 million in ARR before its acquisition by Bazaarvoice in 2020. Earlier in his career, he founded and led product development at Parkio, delivering enterprise software for transportation and parking systems, and began his professional journey at Microsoft, where he worked on Outlook Mobile for Windows Mobile. After the acquisition, what was initially expected to be a short transition evolved into a long-term role as he continued building at scale, culminating in his appointment as CTO, where his focus is on advancing AI-driven product discovery grounded in trust and authentic consumer data.

Bazaarvoice is an industry-leading SaaS platform that enables brands and retailers to collect, manage, and activate authentic user-generated content such as ratings, reviews, photos, and videos across the entire digital shopping journey. Operating at global scale, the company helps more than a billion shoppers each month make informed purchasing decisions by syndicating trusted content across a vast network of brands and retail destinations, placing transparency, credibility, and data-driven commerce at the center of online experiences.

How are you applying generative-AI and LLM-based techniques to strengthen review authenticity, moderation, and trust signals without compromising performance under heavy load?

We use AI to surface signals and patterns, not to replace human judgment. LLMs help flag anomalous activity or potentially inauthentic content quickly, but the goal is always to preserve trust. By integrating these models into offline validation pipelines and decoupling them from real-time request paths, we maintain performance even when submission volumes spike. The result is moderation and authenticity checks that are both intelligent and scalable.

Many retailers invest heavily into checkout reliability, but often overlook the complexity of maintaining a trustworthy review ecosystem. What hidden risks in review and rating infrastructures do you think deserve the same strategic scrutiny as payments?

Ratings and reviews have always been decision-critical infrastructure, but this especially true in a world of AI-supported shopping. AI Agents will lean heavily on trust signals – notably in the form of ratings & reviews – as they make shopping recommendations. Delays, missing data, or flagrant inauthenticity will directly impact consumer confidence. These systems are complex; treating them with the same rigor as checkout systems is essential to avoid lost conversion and long-term trust erosion.

Having led engineering across multiple major commerce platforms, how do you adapt observability and incident-response strategies when AI systems—such as sentiment analysis or fraud-detection models—sit directly in the real-time data path?

We treat AI models like any other critical service: monitor performance and accuracy in real time. That includes latency, error rates, and behavioral drift. We implement fail-safes so models can degrade gracefully or bypass non-critical paths under load. Dashboards, automated alerts, and runbooks ensure that AI issues are surfaced and resolved before they impact shoppers.

When operating at Bazaarvoice’s global scale, how do you ensure that consumer-generated content flows through your AI-driven systems in ways that maintain auditability, transparency, and real-time responsiveness?

It comes down to end-to-end observability and pipeline segmentation. Every piece of content is tracked through its lifecycle, from ingestion to display. AI models provide recommendations or moderation flags, but all decisions are logged, auditable, and traceable. Coupled with capacity buffers and dynamic scaling, this ensures responsiveness even under peak load while maintaining transparency.

Looking ahead, which emerging AI-driven risks or behavioral patterns do you believe will define the next generation of retail system design, and how should IT leaders prepare for them now?

To me, the key question for Retail IT Leaders isn’t if AI shopping will happen — it’s how their shopper journey will change when it does. If AI shopping becomes as common tomorrow as online shopping is today:

• Where will customers discover my products, on my site or via ChatGPT?
• How will they learn about my products, through Claude or my own shopping assistant?
• How will they check out, on my checkout page or directly through an AI interface?

Frontier models will likely know everything about your products. But the real question is: Will they deliver the same customer experience you can today? If the answer is no, it’s not enough to wait for AI-driven orders to appear. You’ll need to invest in AI Assistants and the entry points that make them part of your brand’s unique shopping experience.

Thank you for the great interview, readers who wish to learn more should visit Bazaarvoice.

Nick Shiftan, CTO hos Bazaarvoice, er en erfaren teknologileder og iværksætter, hvis karriere spænder over to årtier med at bygge og skalere enterprise-software og handelsplatforme. Han er bedst kendt som medstifter og CTO for Curalate, et banebrydende social commerce-selskab, han hjalp med at vokse i næsten et årti til over 20 millioner dollars i ARR, før det blev opkøbt af Bazaarvoice i 2020. Tidligere i sin karriere grundlagde og ledte han produktudvikling hos Parkio, hvor han leverede enterprise-software til transports- og parkeringssystemer, og han startede sin professionelle rejse hos Microsoft, hvor han arbejdede på Outlook Mobile til Windows Mobile. Efter opkøbet udviklede det, der oprindeligt forventedes at være en kort overgang, sig til en langsigtet rolle, da han fortsatte med at bygge i stor skala, hvilket kulminerede i hans udnævnelse til CTO, hvor hans fokus er på at fremme AI-drevet produktopdagelse forankret i tillid og autentiske forbrugerdata.

Bazaarvoice er en brancheførende SaaS-platform, der gør det muligt for brands og detailhandlere at indsamle, administrere og aktivere autentisk brugergenereret indhold såsom vurderinger, anmeldelser, fotos og videoer gennem hele den digitale shoppingrejse. Virksomheden, der opererer i global skala, hjælper mere end en milliard shoppere hver måned med at træffe informerede købsbeslutninger ved at syndikere pålideligt indhold på et stort netværk af brands og detailhandelsdestinationer, hvilket placerer gennemsigtighed, troværdighed og datadrevet handel i centrum af onlineoplevelser.

Hvordan anvender I generative AI og LLM-baserede teknikker til at styrke anmeldelsers autenticitet, moderation og tillidssignaler uden at gå på kompromis med ydeevnen under tung belastning?

Vi bruger AI til at frembringe signaler og mønstre, ikke til at erstatte menneskelig vurdering. LLM’er hjælper med hurtigt at flagge unormal aktivitet eller potentielt uautentisk indhold, men målet er altid at bevare tilliden. Ved at integrere disse modeller i offline-valideringspipelines og adskille dem fra realtidsanmodningsstier, opretholder vi ydeevnen, selv når indsendelsesmængderne stiger. Resultatet er moderation og autenticitetskontroller, der er både intelligente og skalerbare.

Mange detailhandlere investerer kraftigt i betalingssystemers pålidelighed, men overser ofte kompleksiteten i at opretholde et troværdigt anmeldelsesøkosystem. Hvilke skjulte risici i anmeldelses- og vurderingsinfrastrukturer mener du fortjener den samme strategiske gennemgang som betalingssystemer?

Vurderinger og anmeldelser har altid været beslutningskritisk infrastruktur, men det er især sandt i en verden med AI-understøttet shopping. AI-agenter vil støtte sig kraftigt til tillidssignaler – især i form af vurderinger og anmeldelser – når de giver shoppinganbefalinger. Forsinkelser, manglende data eller flagrant uautenticitet vil direkte påvirke forbrugerens tillid. Disse systemer er komplekse; det er afgørende at behandle dem med samme grundighed som betalingssystemer for at undgå tabt konvertering og langsigtet tillidserosion.

Når du har ledet engineering på tværs af flere store handelsplatforme, hvordan tilpasser du så strategier for overvågning og håndtering af hændelser, når AI-systemer – såsom sentimentanalyse eller svindelopdagelsesmodeller – sidder direkte i realtidsdatastien?

Vi behandler AI-modeller som enhver anden kritisk tjeneste: overvåg ydeevne og nøjagtighed i realtid. Det inkluderer ventetid, fejlprocenter og adfærdsdrift. Vi implementerer sikkerhedsforanstaltninger, så modeller kan forringes elegant eller omgå ikke-kritiske stier under belastning. Dashboards, automatiserede advarsler og procedurer sikrer, at AI-problemer bliver fremhævet og løst, før de påvirker shopperne.

Når man opererer i Bazaarvoices globale skala, hvordan sikrer man så, at forbrugergenereret indhold strømmer gennem de AI-drevne systemer på måder, der opretholder revisionsmuligheder, gennemsigtighed og realtidsrespons?

Det handler om ende-til-ende-overvågning og pipelinesegmentering. Hvert stykke indhold spores gennem sin livscyklus, fra indtagelse til visning. AI-modeller giver anbefalinger eller moderationsflag, men alle beslutninger logges, kan revideres og spores. Kombineret med kapacitetsbuffere og dynamisk skalering sikrer dette responsivitet selv under spidsbelastning, samtidig med at gennemsigtigheden opretholdes.

Med udsigterne for øje, hvilke nye AI-drevne risici eller adfærdsmønstre mener du vil definere den næste generation af detailhandelssystemdesign, og hvordan bør IT-ledere forberede sig på dem nu?

For mig er nøglespørgsmålet for IT-ledere i detailhandlen ikke om AI-shopping vil ske – det er, hvordan deres shopperrejse vil ændre sig, når det sker. Hvis AI-shopping bliver lige så almindelig i morgen som online shopping er i dag:

• Hvor vil kunderne opdage mine produkter, på min side eller via ChatGPT?
• Hvordan vil de lære om mine produkter, gennem Claude eller min egen shoppingassistent?
• Hvordan vil de betale, på min betalingsside eller direkte gennem et AI-grænseflade?

Avancerede modeller vil sandsynligvis vide alt om dine produkter. Men det virkelige spørgsmål er: Vil de levere den samme kundeoplevelse, som du kan i dag? Hvis svaret er nej, er det ikke nok at vente på, at AI-drevne ordrer dukker op. Du bliver nødt til at investere i AI-assistenter og de indgangspunkter, der gør dem til en del af dit brands unikke shoppingoplevelse.

Tak for det fantastiske interview, læsere, der ønsker at lære mere, bør besøge Bazaarvoice.

Nick Shiftan, CTO hos Bazaarvoice, er en erfaren teknologileder og gründer med en karriere som strekker seg over to tiår med å bygge og skale bedriftsprogramvare og handelsplattformer. Han er mest kjent som medgründer og CTO i Curalate, et banebrytende selskap innen sosial handel som han hjalp til å vokse i nesten et tiår til over 20 millioner dollar i årlig gjentakende omsetning før det ble kjøpt opp av Bazaarvoice i 2020. Tidligere i karrieren grunnla og ledet han produktutvikling i Parkio, hvor han leverte bedriftsprogramvare for transportsystemer og parkeringssystemer, og han startet sin profesjonelle reise hos Microsoft, der han jobbet med Outlook Mobile for Windows Mobile. Etter oppkjøpet utviklet det som først var forventet å være en kort overgang seg til en langsiktig rolle mens han fortsatte å bygge i stor skala, noe som kulminerte i utnevnelsen hans til CTO. Hans fokus er nå på å fremme AI-drevet produktdiscovery forankret i tillit og autentiske forbrukerdata.

Bazaarvoice er en bransjeledende SaaS-plattform som gjør det mulig for merkevarer og forhandlere å samle inn, administrere og aktivere autentisk brukergenerert innhold som vurderinger, anmeldelser, bilder og videoer gjennom hele den digitale handleløypen. Selskapet opererer i global skala og hjelper mer enn en milliard shoppere hver måned med å ta informerte kjøpsbeslutninger ved å distribuere pålitelig innhold over et stort nettverk av merkevarer og handelsdestinasjoner. Dette plasserer åpenhet, troverdighet og datadrevet handel i sentrum av online-opplevelser.

Hvordan bruker dere generativ AI og LLM-baserte teknikker for å styrke autentisiteten til anmeldelser, moderering og tillitssignaler uten å gå på bekostning av ytelsen under tung belastning?

Vi bruker AI for å avdekke signaler og mønstre, ikke for å erstatte menneskelig skjønn. LLMer hjelper til med raskt å flagge unormal aktivitet eller potensielt uekte innhold, men målet er alltid å bevare tillit. Ved å integrere disse modellene i offline valideringspipelines og koble dem fra sanntidsforespørselsbanene, opprettholder vi ytelsen selv når innsendelsesvolumet spiker. Resultatet er moderering og autentisitetssjekker som er både intelligente og skalerbare.

Mange forhandlere investerer tungt i kassepålitelighet, men overser ofte kompleksiteten ved å opprettholde et pålitelig anmeldelsesøkosystem. Hvilke skjulte risikoer i anmeldelses- og vurderingsinfrastrukturer mener du fortjener den samme strategiske gjennomgangen som betalingssystemer?

Vurderinger og anmeldelser har alltid vært avgjørende beslutningsinfrastruktur, men dette er spesielt sant i en verden med AI-støttet shopping. AI-agenter vil støtte seg tungt på tillitssignaler – spesielt i form av vurderinger og anmeldelser – når de gir shoppinganbefalinger. Forsinkelser, manglende data eller grov uekthet vil direkte påvirke forbrukernes tillit. Disse systemene er komplekse; å behandle dem med samme grundighet som kassesystemer er avgjørende for å unngå tapt konvertering og langsiktig tillitserosjon.

Etter å ha ledet ingeniørarbeid på tvers av flere store handelsplattformer, hvordan tilpasser dere observabilitets- og hendelseshåndteringsstrategier når AI-systemer – som sentimentanalyse eller svindeloppdagelsesmodeller – ligger direkte i sanntidsdatabanen?

Vi behandler AI-modeller som enhver annen kritisk tjeneste: overvåker ytelse og nøyaktighet i sanntid. Det inkluderer ventetid, feilrater og atferdsdrift. Vi implementerer sikkerhetsmekanismer slik at modeller kan forringes gradvis eller omgå ikke-kritiske baner under belastning. Dashbord, automatiserte varsler og prosedyrehåndbøker sikrer at AI-problemer blir avdekket og løst før de påvirker shopperne.

Når dere opererer i Bazaarvoices globale skala, hvordan sikrer dere at forbrukergenerert innhold flyter gjennom de AI-drevne systemene deres på måter som opprettholder revisjonssporbarhet, åpenhet og sanntidsrespons?

Det handler om ende-til-ende-observabilitet og pipelinesegmentering. Hvert innholdselement spores gjennom sin livssyklus, fra inntak til visning. AI-modeller gir anbefalinger eller modereringsflagg, men alle beslutninger loggføres, er reviderbare og sporlige. Sammen med kapasitetsbuffere og dynamisk skalering sikrer dette responsivitet selv under toppbelastning, samtidig som åpenheten opprettholdes.

Med blikket fremover, hvilke nye AI-drevne risikoer eller atferdsmønstre tror du vil definere neste generasjon av detaljhandelssystemdesign, og hvordan bør IT-ledere forberede seg på dem nå?

For meg er nøkkelspørsmålet for IT-ledere i detaljhandelen ikke *om* AI-shopping vil skje – det er hvordan deres kundereise vil endre seg når det skjer. Hvis AI-shopping blir like vanlig i morgen som online shopping er i dag:

• Hvor vil kundene oppdage produktene mine, på nettstedet mitt eller via ChatGPT?
• Hvordan vil de lære om produktene mine, gjennom Claude eller min egen shoppingassistent?
• Hvordan vil de sjekke ut, på min kasseside eller direkte gjennom et AI-grensesnitt?

Frontiermodeller vil sannsynligvis vite alt om produktene dine. Men det virkelige spørsmålet er: Vil de levere den samme kundeopplevelsen du kan i dag? Hvis svaret er nei, er det ikke nok å vente på at AI-drevne bestillinger skal dukke opp. Du må investere i AI-assistenter og inngangspunktene som gjør dem til en del av merkevarens unike shoppingopplevelse.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Bazaarvoice.

Nick Shiftan, CTO στη Bazaarvoice, είναι έμπειρος τεχνολογικός ηγέτης και επιχειρηματίας του οποίου η καριέρα εκτείνεται σε δύο δεκαετίες δημιουργίας και κλιμάκωσης εταιρικού λογισμικού και πλατφορμών εμπορίου. Είναι περισσότερο γνωστός ως συνιδρυτής και CTO της Curalate, μιας πρωτοποριακής εταιρείας κοινωνικού εμπορίου που βοήθησε να αναπτυχθεί για σχεδόν μια δεκαετία σε πάνω από 20 εκατομμύρια δολάρια ετήσιου επαναλαμβανόμενου εισοδήματος πριν από την εξαγορά της από τη Bazaarvoice το 2020. Νωρίτερα στην καριέρα του, ίδρυσε και ηγήθηκε της ανάπτυξης προϊόντων στην Parkio, παρέχοντας εταιρικό λογισμικό για συστήματα μεταφορών και στάθμευσης, και ξεκίνησε το επαγγελματικό του ταξίδι στη Microsoft, όπου εργάστηκε στο Outlook Mobile για Windows Mobile. Μετά την εξαγορά, αυτό που αρχικά αναμενόταν να είναι μια σύντομη μετάβαση εξελίχθηκε σε μακροπρόθεσμο ρόλο καθώς συνέχισε να χτίζει σε κλίμακα, κορυφώνοντας με το διορισμό του ως CTO, όπου η εστίασή του είναι στην προώθηση της ανακάλυψης προϊόντων με βάση την τεχνητή νοημοσύνη, βασισμένης στην εμπιστοσύνη και στα αυθεντικά δεδομένα καταναλωτών.

Η Bazaarvoice είναι μια κορυφαίας βιομηχανίας πλατφόρμα SaaS που επιτρέπει στις μάρκες και στους λιανοπωλητές να συλλέγουν, να διαχειρίζονται και να ενεργοποιούν αυθεντικό περιεχόμενο που δημιουργούν οι χρήστες, όπως αξιολογήσεις, κριτικές, φωτογραφίες και βίντεο, σε ολόκληρο το ψηφιακό ταξίδι αγορών. Λειτουργώντας σε παγκόσμια κλίμακα, η εταιρεία βοηθά περισσότερους από ένα δισεκατομμύριο αγοραστές κάθε μήνα να λαμβάνουν ενημερωμένες αποφάσεις αγοράς συνδυάζοντας αξιόπιστο περιεχόμενο σε ένα τεράστιο δίκτυο μαρκών και σημείων λιανικής πώλησης, τοποθετώντας τη διαφάνεια, την αξιοπιστία και το εμπόριο βασισμένο σε δεδομένα στο κέντρο των διαδικτυακών εμπειριών.

Πώς εφαρμόζετε τεχνικές γενεσιουργού τεχνητής νοημοσύνης και μεγάλων γλωσσικών μοντέλων για να ενισχύσετε την αυθεντικότητα των κριτικών, τη συντονιστική λειτουργία και τα σήματα εμπιστοσύνης χωρίς να θυσιάζεται η απόδοση υπό υψηλό φορτίο;

Χρησιμοποιούμε την τεχνητή νοημοσύνη για να αναδεικνύουμε σήματα και μοτίβα, όχι για να αντικαθιστούμε την ανθρώπινη κρίση. Τα μεγάλα γλωσσικά μοντέλα βοηθούν να επισημαίνονται γρήγορα ανώμαλες δραστηριότητες ή δυνητικά μη αυθεντικό περιεχόμενο, αλλά ο στόχος είναι πάντα να διατηρείται η εμπιστοσύνη. Ενσωματώνοντας αυτά τα μοντέλα σε αγωγούς επικύρωσης εκτός σύνδεσης και αποσυνδέοντάς τα από τις διαδρομές αιτημάτων σε πραγματικό χρόνο, διατηρούμε την απόδοση ακόμα και όταν οι όγκοι υποβολής αυξάνονται απότομα. Το αποτέλεσμα είναι έλεγχοι συντονιστικής λειτουργίας και αυθεντικότητας που είναι και έξυπνοι και κλιμακώσιμοι.

Πολλοί λιανοπωλητές επενδύουν έντονα στην αξιοπιστία της ολοκλήρωσης αγοράς, αλλά συχνά παραβλέπουν την πολυπλοκότητα της διατήρησης ενός αξιόπιστου οικοσυστήματος κριτικών. Ποιους κρυφούς κινδύνους στις υποδομές κριτικών και αξιολογήσεων πιστεύετε ότι αξίζουν την ίδια στρατηγική προσοχή όπως οι πληρωμές;

Οι αξιολογήσεις και οι κριτικές ήταν πάντα κρίσιμη υποδομή για λήψη αποφάσεων, αλλά αυτό ισχύει ιδιαίτερα σε έναν κόσμο αγορών υποστηριζόμενων από τεχνητή νοημοσύνη. Τα Πράκτορες Τεχνητής Νοημοσύνης θα βασίζονται σε μεγάλο βαθμό σε σήματα εμπιστοσύνης – ιδίως με τη μορφή αξιολογήσεων & κριτικών – καθώς κάνουν συστάσεις αγορών. Οι καθυστερήσεις, τα ελλιπή δεδομένα ή η ευδιάκριτη μη αυθεντικότητα θα επηρεάσουν άμεσα την εμπιστοσύνη των καταναλωτών. Αυτά τα συστήματα είναι πολύπλοκα· η αντιμετώπισή τους με την ίδια αυστηρότητα όπως τα συστήματα ολοκλήρωσης αγοράς είναι απαραίτητη για να αποφευχθεί χαμένη μετατροπή και μακροπρόθεσμη διάβρωση της εμπιστοσύνης.

Έχοντας ηγηθεί της μηχανικής σε πολλαπλές μεγάλες πλατφόρμες εμπορίου, πώς προσαρμόζετε τις στρατηγικές παρατηρησιμότητας και απόκρισης σε περιστατικά όταν συστήματα τεχνητής νοημοσύνης—όπως μοντέλα ανάλυσης συναισθήματος ή ανίχνευσης απάτης—βρίσκονται απευθείας στη διαδρομή δεδομένων σε πραγματικό χρόνο;

Αντιμετωπίζουμε τα μοντέλα τεχνητής νοημοσύνης όπως οποιαδήποτε άλλη κρίσιμη υπηρεσία: παρακολουθούμε την απόδοση και την ακρίβεια σε πραγματικό χρόνο. Αυτό περιλαμβάνει την καθυστέρηση, τα ποσοστά σφαλμάτων και την απόκλιση συμπεριφοράς. Εφαρμόζουμε συστήματα ασφαλείας έτσι ώστε τα μοντέλα να μπορούν να υποβαθμίζονται σταδιακά ή να παρακάμπτουν μη κρίσιμες διαδρομές υπό φορτίο. Τα πίνακες ελέγχου, οι αυτοματοποιημένες ειδοποιήσεις και τα εγχειρίδια λειτουργίας διασφαλίζουν ότι τα ζητήματα της τεχνητής νοημοσύνης αναδεικνύονται και επιλύονται πριν επηρεάσουν τους αγοραστές.

Όταν λειτουργείτε στην παγκόσμια κλίμακα της Bazaarvoice, πώς διασφαλίζετε ότι το περιεχόμενο που δημιουργούν οι καταναλωτές ρέει μέσα από τα συστήματά σας που βασίζονται στην τεχνητή νοημοσύνη με τρόπους που διατηρούν τη δυνατότητα ελέγχου, τη διαφάνεια και την ανταπόκριση σε πραγματικό χρόνο;

Όλα καταλήγουν στην παρατηρησιμότητα από άκρο σε άκρο και στην κατατμήση των αγωγών. Κάθε κομμάτι περιεχομένου παρακολουθείται σε όλο τον κύκλο ζωής του, από την κατάποση έως την εμφάνιση. Τα μοντέλα τεχνητής νοημοσύνης παρέχουν συστάσεις ή σημαίες συντονιστικής λειτουργίας, αλλά όλες οι αποφάσεις καταγράφονται, είναι ελέγξιμες και ανιχνεύσιμες. Συνδυασμένα με ρυθμιστικά buffers χωρητικότητας και δυναμική κλιμάκωση, αυτό διασφαλίζει την ανταπόκριση ακόμα και υπό αιχμαλικό φορτίο, διατηρώντας παράλληλα τη διαφάνεια.

Κοιτάζοντας προς τα εμπρός, ποιοι αναδυόμενοι κίνδυνοι ή συμπεριφορικά μοτίβα που οφείλονται στην τεχνητή νοημοσύνη πιστεύετε ότι θα καθορίσουν την επόμενη γενιά σχεδιασμού συστημάτων λιανικής πώλησης και πώς θα πρέπει να προετοιμαστούν για αυτούς τώρα οι ηγέτες της τεχνολογίας πληροφοριών;

Για μένα, το κύριο ερώτημα για τους Ηγέτες Τεχνολογίας Πληροφοριών στο Λιανικό Εμπόριο δεν είναι αν θα συμβεί το ψώνισμα με τεχνητή νοημοσύνη — είναι πώς θα αλλάξει το ταξίδι των αγοραστών τους όταν συμβεί. Εάν το ψώνισμα με τεχνητή νοημοσύνη γίνει τόσο κοινό αύριο όσο είναι σήμερα το διαδικτυακό ψώνισμα:

• Πού θα ανακαλύπτουν οι πελάτες τα προϊόντα μου, στον ιστότοπό μου ή μέσω του ChatGPT;
• Πώς θα μαθαίνουν για τα προϊόντα μου, μέσω του Claude ή του δικού μου βοηθού αγορών;
• Πώς θα ολοκληρώνουν την αγορά, στη σελίδα ολοκλήρωσης αγοράς μου ή απευθείας μέσω μιας διεπαφής τεχνητής νοημοσύνης;

Τα προηγμένα μοντέλα πιθανότατα θα γνωρίζουν τα πάντα για τα προϊόντα σας. Αλλά το πραγματικό ερώτημα είναι: Θα προσφέρουν την ίδια εμπειρία πελάτη που μπορείτε να προσφέρετε σήμερα; Εάν η απάντηση είναι όχι, δεν αρκεί να περιμένετε να εμφανιστούν παραγγελίες που οφείλονται στην τεχνητή νοημοσύνη. Θα χρειαστεί να επενδύσετε σε Βοηθούς Τεχνητής Νοημοσύνης και στα σημεία εισόδου που τους κάνουν μέρος της μοναδικής εμπειρίας αγορών της μάρκας σας.

Σας ευχαριστούμε για τη σπουδαία συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφτούν την Bazaarvoice.

Nick Shiftan, CTO ve společnosti Bazaarvoice, je zkušený technologický lídr a podnikatel, jehož kariéra zahrnuje dvě desetiletí budování a škálování podnikových softwarových a obchodních platforem. Nejvíce je znám jako spoluzakladatel a CTO společnosti Curalate, průkopnické společnosti v oblasti sociálního obchodu, kterou pomáhal téměř deset let rozvíjet až na více než 20 milionů dolarů ročního opakovaného příjmu (ARR) před jejím převzetím společností Bazaarvoice v roce 2020. Na začátku své kariéry založil a vedl vývoj produktů ve společnosti Parkio, která dodávala podnikový software pro dopravní a parkovací systémy, a svou profesní cestu zahájil ve společnosti Microsoft, kde pracoval na Outlook Mobile pro Windows Mobile. Po akvizici se z původně očekávané krátké přechodné fáze vyvinula dlouhodobá role, ve které pokračoval ve škálování, což vyvrcholilo jeho jmenováním do pozice CTO, kde se zaměřuje na rozvoj produktového objevování poháněného umělou inteligencí, založeného na důvěře a autentických datech spotřebitelů.

Bazaarvoice je špičková SaaS platforma v oboru, která umožňuje značkám a prodejcům shromažďovat, spravovat a aktivovat autentický obsah vytvořený uživateli, jako jsou hodnocení, recenze, fotografie a videa, v celém digitálním nákupním procesu. Společnost působící v globálním měřítku pomáhá každý měsíc více než miliardě nakupujících činit informovaná nákupní rozhodnutí tím, že syndikuje důvěryhodný obsah napříč rozsáhlou sítí značek a maloobchodních destinací, přičemž do centra online zážitků staví transparentnost, důvěryhodnost a obchod založený na datech.

Jak využíváte generativní umělou inteligenci a techniky založené na LLM k posílení autenticity recenzí, moderování a signálů důvěry, aniž byste ohrozili výkon při vysokém zatížení?

Používáme umělou inteligenci k odhalování signálů a vzorců, nikoli k nahrazení lidského úsudku. LLM pomáhají rychle označit anomální aktivitu nebo potenciálně neautentický obsah, ale cílem je vždy zachovat důvěru. Integrací těchto modelů do offline validačních kanálů a jejich oddělením od cest požadavků v reálném čase udržujeme výkonnost i při špičkách v počtu odeslaných příspěvků. Výsledkem jsou moderování a kontroly autenticity, které jsou zároveň inteligentní a škálovatelné.

Mnoho prodejců investuje značné prostředky do spolehlivosti pokladny, ale často přehlíží složitost udržování důvěryhodného ekosystému recenzí. Jaká skrytá rizika v infrastrukturách recenzí a hodnocení si podle vás zaslouží stejnou strategickou pozornost jako platby?

Hodnocení a recenze byly vždy infrastrukturou kritickou pro rozhodování, a to zejména ve světě nakupování podporovaného umělou inteligencí. AI agenti se budou při poskytování nákupních doporučení silně opírat o signály důvěry – zejména ve formě hodnocení a recenzí. Zpoždění, chybějící data nebo flagrantní neautenticita budou mít přímý dopad na důvěru spotřebitelů. Tyto systémy jsou složité; zacházet s nimi se stejnou přísností jako se systémy pokladen je zásadní, aby nedošlo ke ztrátě konverzí a dlouhodobému narušení důvěry.

Jak přizpůsobujete strategie sledovatelnosti a reakce na incidenty, když systémy umělé inteligence – jako jsou modely pro analýzu sentimentu nebo detekci podvodů – leží přímo v cestě dat v reálném čase, vzhledem k vašim zkušenostem s vedením technických týmů napříč několika významnými obchodními platformami?

K modelům umělé inteligence přistupujeme jako k jakékoli jiné kritické službě: monitorujeme jejich výkon a přesnost v reálném čase. To zahrnuje latenci, míru chyb a změny v chování. Implementujeme záložní mechanismy, aby se modely mohly elegantně degradovat nebo obejít nekritické cesty při vysokém zatížení. Řídicí panely, automatizovaná upozornění a postupy zajišťují, že problémy s umělou inteligencí jsou odhaleny a vyřešeny dříve, než ovlivní nakupující.

Při provozu v globálním měřítku společnosti Bazaarvoice, jak zajišťujete, aby obsah vytvořený spotřebiteli procházel vašimi systémy poháněnými umělou inteligencí způsobem, který zachovává auditovatelnost, transparentnost a schopnost reagovat v reálném čase?

Vše spočívá v komplexní sledovatelnosti a segmentaci kanálů. Každý kousek obsahu je sledován po celý jeho životní cyklus, od pořízení až po zobrazení. Modely umělé inteligence poskytují doporučení nebo příznaky pro moderování, ale všechna rozhodnutí jsou zaznamenána, auditovatelná a dohledatelná. V kombinaci s kapacitními rezervami a dynamickým škálováním to zajišťuje rychlou reakci i při špičkovém zatížení při zachování transparentnosti.

Která vznikající rizika nebo behaviorální vzorce řízené umělou inteligencí budou podle vás definovat další generaci designu maloobchodních systémů a jak by se na ně měli IT lídři připravit již nyní?

Pro mě je klíčovou otázkou pro IT lídry v maloobchodě ne *zda* k AI nakupování dojde, ale jak se změní cesta jejich zákazníka, až k němu dojde. Pokud se AI nakupování stane zítra stejně běžné jako je dnes online nakupování:

• Kde budou zákazníci objevovat mé produkty, na mém webu nebo prostřednictvím ChatGPT?
• Jak se budou o mých produktech dozvídat, prostřednictvím Clauda nebo mého vlastního nákupního asistenta?
• Jak budou platit, na mé platební stránce nebo přímo prostřednictvím AI rozhraní?

Špičkové modely pravděpodobně budou vědět vše o vašich produktech. Skutečná otázka však zní: Poskytnou stejnou zákaznickou zkušenost, jakou můžete poskytnout dnes vy? Pokud je odpověď ne, nestačí čekat, až se objeví objednávky řízené umělou inteligencí. Budete muset investovat do AI asistentů a vstupních bodů, které z nich učiní součást jedinečné nákupní zkušenosti vaší značky.

Děkujeme za skvělý rozhovor, čtenáři, kteří se chtějí dozvědět více, by měli navštívit Bazaarvoice.

Nick Shiftan 是 Bazaarvoice 的首席技术官，是一位经验丰富的技术领导者和企业家，其职业生涯跨越二十年，专注于构建和扩展企业软件及商务平台。他最广为人知的身份是社交商务先驱公司 Curalate 的联合创始人兼首席技术官，在近十年时间里，他帮助公司发展至年经常性收入超过 2000 万美元，并于 2020 年被 Bazaarvoice 收购。在其职业生涯早期，他创立了 Parkio 并领导产品开发，为交通和停车系统提供企业软件；他的职业生涯始于微软，在那里他曾参与 Outlook Mobile for Windows Mobile 的开发。收购之后，原本预期的短期过渡演变成了一个长期职位，他继续从事大规模构建工作，并最终被任命为首席技术官，其工作重点是推进基于信任和真实消费者数据的 AI 驱动的产品发现。

Bazaarvoice 是一个行业领先的 SaaS 平台，使品牌和零售商能够在整个数字购物旅程中收集、管理和激活真实的用户生成内容，如评分、评论、照片和视频。该公司在全球范围内运营，每月通过在一个庞大的品牌和零售目的地网络中分发可信内容，帮助超过十亿购物者做出明智的购买决策，将透明度、可信度和数据驱动的商务置于在线体验的核心。

您如何应用生成式人工智能和基于大语言模型的技术来加强评论真实性、审核和信任信号，同时又不影响高负载下的性能？

我们使用人工智能来发现信号和模式，而不是取代人类判断。大语言模型有助于快速标记异常活动或潜在的非真实内容，但目标始终是维护信任。通过将这些模型集成到离线验证管道中，并将其与实时请求路径解耦，即使在提交量激增时，我们也能保持性能。其结果是既智能又可扩展的审核和真实性检查。

许多零售商在结账可靠性上投入巨资，但往往忽视了维护可信评论生态系统的复杂性。您认为评论和评分基础设施中存在哪些隐藏风险，值得像支付系统一样进行战略性的严格审查？

评分和评论一直是决策关键的基础设施，在人工智能辅助购物的世界中尤其如此。人工智能代理在做出购物推荐时，将严重依赖信任信号——尤其是评分和评论的形式。延迟、数据缺失或明显的非真实性将直接影响消费者信心。这些系统很复杂；以与结账系统相同的严谨态度对待它们，对于避免转化率损失和长期信任侵蚀至关重要。

在领导过多个主要商务平台的工程工作后，当人工智能系统（如情感分析或欺诈检测模型）直接位于实时数据路径中时，您如何调整可观测性和事件响应策略？

我们将人工智能模型视为任何其他关键服务：实时监控性能和准确性。这包括延迟、错误率和行为漂移。我们实施故障安全机制，使模型能够在负载下优雅降级或绕过非关键路径。仪表板、自动警报和操作手册确保人工智能问题在影响购物者之前被发现和解决。

在 Bazaarvoice 的全球规模下运营时，您如何确保消费者生成的内容流经您的人工智能驱动系统时，能够保持可审计性、透明度和实时响应能力？

这归结为端到端的可观测性和管道分段。每一块内容都从其摄取到显示的生命周期中被追踪。人工智能模型提供建议或审核标记，但所有决策都会被记录、可审计和可追溯。结合容量缓冲和动态扩展，这确保了即使在峰值负载下也能保持响应能力，同时维持透明度。

展望未来，您认为哪些新兴的人工智能驱动风险或行为模式将定义下一代零售系统设计，IT 领导者现在应该如何为此做准备？

对我来说，零售 IT 领导者的关键问题不是人工智能购物是否会发生，而是当它发生时，他们的购物旅程将如何改变。如果人工智能购物在明天变得像今天的在线购物一样普遍：

• 客户将在哪里发现我的产品，是在我的网站上还是通过 ChatGPT？
• 他们将如何了解我的产品，是通过 Claude 还是我自己的购物助手？
• 他们将如何结账，是在我的结账页面还是直接通过人工智能界面？

前沿模型可能会了解您产品的一切。但真正的问题是：它们能否提供与您今天所能提供的相同的客户体验？如果答案是否定的，那么仅仅等待人工智能驱动的订单出现是不够的。您需要投资于人工智能助手以及使其成为您品牌独特购物体验一部分的入口点。

感谢您精彩的采访，希望了解更多信息的读者请访问 Bazaarvoice。

Nick Shiftan, CTO la Bazaarvoice, este un lider și antreprenor tehnologic experimentat, a cărui carieră se întinde pe două decenii de construire și scalare a platformelor de software și comerț pentru întreprinderi. Este cel mai cunoscut ca co-fondator și CTO al Curalate, o companie pionieră în comerțul social pe care a contribuit să o dezvolte timp de aproape un deceniu până la peste 20 de milioane de dolari în venituri recurente anuale înainte de achiziționarea acesteia de către Bazaarvoice în 2020. Mai devreme în carieră, a fondat și condus dezvoltarea de produse la Parkio, livrând software pentru întreprinderi pentru sisteme de transport și parcare, și și-a început călătoria profesională la Microsoft, unde a lucrat la Outlook Mobile pentru Windows Mobile. După achiziție, ceea ce se aștepta inițial să fie o tranziție scurtă a evoluat într-un rol pe termen lung pe măsură ce a continuat să construiască la scară, culminând cu numirea sa ca CTO, unde se concentrează pe avansarea descoperirii de produse bazate pe inteligență artificială, fundamentate în încredere și date autentice ale consumatorilor.

Bazaarvoice este o platformă SaaS de lider în industrie care permite mărcilor și retailerilor să colecteze, să gestioneze și să activeze conținut autentic generat de utilizatori, cum ar fi evaluări, recenzii, fotografii și videoclipuri, pe întreg parcursul digital de cumpărături. Operând la scară globală, compania ajută peste un miliard de cumpărători în fiecare lună să ia decizii de cumpărare informate prin sindicalizarea de conținut de încredere pe o rețea vastă de mărci și destinații de retail, punând transparența, credibilitatea și comerțul bazat pe date în centrul experiențelor online.

Cum aplicați tehnici generative de inteligență artificială și bazate pe LLM pentru a consolida autenticitatea recenziilor, moderarea și semnalele de încredere fără a compromite performanța sub sarcină grea?

Folosim inteligența artificială pentru a evidenția semnale și modele, nu pentru a înlocui judecata umană. Modelele LLM ajută la marcarea rapidă a activității anormale sau a conținutului potențial neautentic, dar scopul este întotdeauna păstrarea încrederii. Prin integrarea acestor modele în conductele de validare offline și decuplarea lor de căile de cerere în timp real, menținem performanța chiar și atunci când volumele de trimitere cresc brusc. Rezultatul este o moderare și verificări de autenticitate care sunt atât inteligente, cât și scalabile.

Mulți retailerii investesc masiv în fiabilitatea plăților, dar deseori neglijează complexitatea menținerii unui ecosistem de recenzii demn de încredere. Ce riscuri ascunse în infrastructurile de recenzii și evaluări considerați că merită aceeași examinare strategică ca plățile?

Evaluările și recenziile au fost întotdeauna o infrastructură critică pentru decizie, dar acest lucru este cu atât mai adevărat într-o lume a cumpărăturilor asistate de inteligență artificială. Agenții AI se vor baza puternic pe semnale de încredere – în special sub forma evaluărilor și recenziilor – atunci când fac recomandări de cumpărături. Întârzierile, datele lipsă sau neautenticitatea flagrantă vor afecta direct încrederea consumatorilor. Aceste sisteme sunt complexe; tratarea lor cu aceeași rigoare ca a sistemelor de plată este esențială pentru a evita pierderea conversiilor și eroziunea încrederii pe termen lung.

După ce ați condus ingineria pe mai multe platforme majore de comerț, cum adaptați strategiile de observabilitate și răspuns la incidente atunci când sistemele de inteligență artificială – cum ar fi modelele de analiză a sentimentelor sau de detectare a fraudelor – se află direct în calea datelor în timp real?

Tratăm modelele de inteligență artificială ca orice alt serviciu critic: monitorizăm performanța și acuratețea în timp real. Aceasta include latența, ratele de eroare și deviația comportamentală. Implementăm măsuri de siguranță astfel încât modelele să se poată degrada elegant sau să ocolească căi non-critice sub sarcină. Tablourile de bord, alertele automate și manualele de operare asigură că problemele legate de inteligența artificială sunt evidențiate și rezolvate înainte de a afecta cumpărătorii.

Când operați la scara globală a Bazaarvoice, cum vă asigurați că conținutul generat de consumatori circulă prin sistemele dvs. bazate pe inteligență artificială în moduri care mențin auditabilitatea, transparența și capacitatea de răspuns în timp real?

Se rezumă la observabilitate de la un capăt la altul și segmentarea conductelor. Fiecare fragment de conținut este urmărit pe parcursul ciclului său de viață, de la ingestie până la afișare. Modelele de inteligență artificială oferă recomandări sau indicatoare de moderare, dar toate deciziile sunt înregistrate, auditabile și urmărite. Împreună cu tampoane de capacitate și scalare dinamică, acest lucru asigură capacitatea de răspuns chiar și sub sarcina de vârf, menținând în același timp transparența.

Privind în viitor, ce riscuri emergente sau modele comportamentale bazate pe inteligență artificială credeți că vor defini următoarea generație de design al sistemelor de retail și cum ar trebui să se pregătească liderii IT pentru ele acum?

Pentru mine, întrebarea cheie pentru Liderii IT din Retail nu este dacă cumpărăturile cu inteligență artificială vor avea loc – ci cum se va schimba călătoria cumpărătorului lor când se va întâmpla. Dacă cumpărăturile cu inteligență artificială devin la fel de comune mâine precum sunt cumpărăturile online astăzi:

• Unde îmi vor descoperi clienții produsele, pe site-ul meu sau prin ChatGPT?
• Cum vor afla despre produsele mele, prin Claude sau prin propriul meu asistent de cumpărături?
• Cum vor finaliza achiziția, pe pagina mea de plată sau direct printr-o interfață AI?

Este probabil ca modelele de frontieră să știe totul despre produsele dumneavoastră. Dar întrebarea reală este: Vor oferi aceeași experiență pentru clienți pe care o puteți oferi astăzi? Dacă răspunsul este nu, nu este suficient să așteptați să apară comenzile bazate pe inteligență artificială. Va trebui să investiți în Asistenți AI și în punctele de intrare care îi fac parte din experiența unică de cumpărături a mărcii dumneavoastră.

Vă mulțumim pentru acest minunat interviu, cititorii care doresc să afle mai multe ar trebui să viziteze Bazaarvoice.

Nick Shiftan, CTO ที่ Bazaarvoice เป็นผู้นำด้านเทคโนโลยีและผู้ประกอบการที่มีประสบการณ์มากว่า 20 ปี ในการสร้างและขยายแพลตฟอร์มซอฟต์แวร์ระดับองค์กรและพาณิชย์อิเล็กทรอนิกส์ เขาเป็นที่รู้จักในฐานะผู้ร่วมก่อตั้งและ CTO ของ Curalate บริษัทผู้บุกเบิกด้านโซเชียลคอมเมิร์ซที่เขาช่วยเติบโตมาเกือบทศวรรษจนมียอดรายได้ประจำปี (ARR) มากกว่า 20 ล้านดอลลาร์ ก่อนจะถูก Bazaarvoice เข้าซื้อกิจการในปี 2020 ก่อนหน้านั้นในอาชีพการงาน เขาเป็นผู้ก่อตั้งและนำการพัฒนาผลิตภัณฑ์ที่ Parkio ซึ่งมอบซอฟต์แวร์ระดับองค์กรสำหรับระบบการขนส่งและที่จอดรถ และเริ่มต้นเส้นทางอาชีพที่ Microsoft ซึ่งเขาทำงานในทีม Outlook Mobile สำหรับ Windows Mobile หลังจากการเข้าซื้อกิจการ สิ่งที่คาดว่าจะเป็นการเปลี่ยนผ่านระยะสั้นกลับกลายเป็นบทบาทระยะยาวเมื่อเขายังคงสร้างสรรค์ผลงานในระดับใหญ่ จนกระทั่งได้รับการแต่งตั้งเป็น CTO โดยโฟกัสในการพัฒนาการค้นพบผลิตภัณฑ์ที่ขับเคลื่อนด้วย AI โดยยึดหลักความไว้วางใจและข้อมูลผู้บริโภคที่แท้จริง

Bazaarvoice เป็นแพลตฟอร์ม SaaS ชั้นนำของอุตสาหกรรมที่ช่วยให้แบรนด์และผู้ค้าปลีกสามารถรวบรวม จัดการ และเปิดใช้งานเนื้อหาที่สร้างโดยผู้ใช้จริง เช่น คะแนนรีวิว รีวิว ภาพถ่าย และวิดีโอ ตลอดการเดินทางช้อปปิ้งดิจิทัลทั้งหมด ด้วยการดำเนินงานในระดับโลก บริษัทช่วยให้ผู้ซื้อมากกว่าหนึ่งพันล้านคนต่อเดือนตัดสินใจซื้ออย่างมีข้อมูล โดยเผยแพร่เนื้อหาที่น่าเชื่อถือผ่านเครือข่ายอันกว้างขวางของแบรนด์และปลายทางการค้าปลีก โดยให้ความโปร่งใส ความน่าเชื่อถือ และพาณิชย์อิเล็กทรอนิกส์ที่ขับเคลื่อนด้วยข้อมูลเป็นศูนย์กลางของประสบการณ์ออนไลน์

คุณกำลังใช้เทคนิค Generative-AI และ LLM อย่างไรเพื่อเสริมสร้างความถูกต้องของรีวิว การกลั่นกรอง และสัญญาณความน่าเชื่อถือ โดยไม่กระทบต่อประสิทธิภาพภายใต้โหลดที่หนัก?

เราใช้ AI เพื่อค้นหาสัญญาณและรูปแบบ ไม่ใช่เพื่อแทนที่การตัดสินใจของมนุษย์ LLM ช่วยตรวจจับกิจกรรมผิดปกติหรือเนื้อหาที่อาจไม่แท้จริงได้อย่างรวดเร็ว แต่เป้าหมายคือการรักษาความไว้วางใจเสมอ ด้วยการบูรณาการโมเดลเหล่านี้ไปในกระบวนการตรวจสอบแบบออฟไลน์และแยกมันออกจากเส้นทางการร้องขอแบบเรียลไทม์ เราจึงรักษาประสิทธิภาพได้แม้ปริมาณการส่งรีวิวจะพุ่งสูงขึ้น ผลลัพธ์คือการกลั่นกรองและการตรวจสอบความถูกต้องที่ทั้งชาญฉลาดและขยายขนาดได้

ผู้ค้าปลีกหลายรายลงทุนอย่างหนักกับความน่าเชื่อถือของระบบชำระเงิน แต่มักมองข้ามความซับซ้อนของการรักษาระบบนิเวศรีวิวที่น่าเชื่อถือ คุณคิดว่าความเสี่ยงที่ซ่อนอยู่ในโครงสร้างพื้นฐานรีวิวและให้คะแนนใดบ้างที่สมควรได้รับการตรวจสอบเชิงกลยุทธ์เช่นเดียวกับระบบการชำระเงิน?

การให้คะแนนและรีวิวเป็นโครงสร้างพื้นฐานที่สำคัญต่อการตัดสินใจเสมอมา และยิ่งเป็นจริงมากขึ้นในโลกของการช้อปปิ้งที่ได้รับการสนับสนุนจาก AI เอเจนต์ AI จะพึ่งพาสัญญาณความไว้วางใจอย่างมาก – โดยเฉพาะในรูปแบบของคะแนนและรีวิว – ขณะที่พวกมันให้คำแนะนำการซื้อของ ความล่าช้า ข้อมูลหาย หรือความไม่แท้จริงที่ชัดเจนจะส่งผลกระทบโดยตรงต่อความเชื่อมั่นของผู้บริโภค ระบบเหล่านี้มีความซับซ้อน การปฏิบัติต่อพวกมันด้วยความเข้มงวดเช่นเดียวกับระบบชำระเงินเป็นสิ่งสำคัญเพื่อหลีกเลี่ยงการสูญเสียการแปลงและความไว้วางใจที่สึกกร่อนในระยะยาว

จากการเป็นผู้นำด้านวิศวกรรมข้ามแพลตฟอร์มพาณิชย์อิเล็กทรอนิกส์หลักหลายแห่ง คุณปรับกลยุทธ์การสังเกตการณ์และการตอบสนองต่อเหตุการณ์อย่างไร เมื่อระบบ AI – เช่น โมเดลวิเคราะห์ความรู้สึกหรือตรวจจับการฉ้อโกง – อยู่ในเส้นทางข้อมูลแบบเรียลไทม์โดยตรง?

เราปฏิบัติต่อโมเดล AI เหมือนบริการสำคัญอื่นๆ: ตรวจสอบประสิทธิภาพและความแม่นยำแบบเรียลไทม์ ซึ่งรวมถึงความหน่วง อัตราความผิดพลาด และการเบี่ยงเบนของพฤติกรรม เรานำมาตรการป้องกันความล้มเหลวมาใช้เพื่อให้โมเดลสามารถลดประสิทธิภาพลงอย่างนุ่มนวลหรือข้ามเส้นทางที่ไม่สำคัญภายใต้โหลด แดชบอร์ด การแจ้งเตือนอัตโนมัติ และคู่มือการปฏิบัติงานช่วยให้มั่นใจว่าปัญหาเกี่ยวกับ AI จะถูกเปิดเผยและแก้ไขก่อนที่จะส่งผลกระทบต่อผู้ซื้อ

เมื่อดำเนินงานในระดับโลกของ Bazaarvoice คุณมั่นใจได้อย่างไรว่าเนื้อหาที่สร้างโดยผู้บริโภคจะไหลผ่านระบบที่ขับเคลื่อนด้วย AI ของคุณในลักษณะที่รักษาความสามารถในการตรวจสอบ ความโปร่งใส และการตอบสนองแบบเรียลไทม์?

มันขึ้นอยู่กับการสังเกตการณ์แบบครบวงจรและการแบ่งส่วนของกระบวนการ ทุกชิ้นส่วนของเนื้อหาถูกติดตามตลอดวงจรชีวิต ตั้งแต่การรับเข้าไปจนถึงการแสดงผล โมเดล AI ให้คำแนะนำหรือป้ายกำกับการกลั่นกรอง แต่การตัดสินใจทั้งหมดจะถูกบันทึก ตรวจสอบได้ และติดตามได้ เมื่อรวมกับบัฟเฟอร์ความจุและการปรับขนาดแบบไดนามิก สิ่งนี้ช่วยรับประกันการตอบสนองแม้ภายใต้โหลดสูงสุด ในขณะที่ยังคงรักษาความโปร่งใส

มองไปข้างหน้า คุณคิดว่าความเสี่ยงหรือรูปแบบพฤติกรรมใหม่ที่ขับเคลื่อนด้วย AI ใดที่จะกำหนดการออกแบบระบบการค้าปลีกรุ่นต่อไป และผู้นำด้าน IT ควรเตรียมพร้อมสำหรับสิ่งเหล่านั้นอย่างไรในตอนนี้?

สำหรับผม คำถามสำคัญสำหรับผู้นำด้าน IT การค้าปลีกไม่ใช่ *ว่า* การช้อปปิ้งด้วย AI จะเกิดขึ้นหรือไม่ — แต่คือการเดินทางของผู้ซื้อของพวกเขาจะเปลี่ยนไปอย่างไรเมื่อมันเกิดขึ้น หากการช้อปปิ้งด้วย AI กลายเป็นเรื่องธรรมดาในวันพรุ่งนี้เหมือนกับการช้อปปิ้งออนไลน์ในวันนี้:

• ลูกค้าจะค้นพบผลิตภัณฑ์ของฉันที่ไหน บนเว็บไซต์ของฉันหรือผ่าน ChatGPT?
• พวกเขาจะเรียนรู้เกี่ยวกับผลิตภัณฑ์ของฉันอย่างไร ผ่าน Claude หรือผู้ช่วยการช้อปปิ้งของฉันเอง?
• พวกเขาจะชำระเงินอย่างไร บนหน้าชำระเงินของฉันหรือโดยตรงผ่านอินเทอร์เฟซ AI?

โมเดลชั้นแนวหน้าอาจจะรู้ทุกอย่างเกี่ยวกับผลิตภัณฑ์ของคุณ แต่คำถามจริงๆ คือ: พวกมันจะมอบประสบการณ์ลูกค้าแบบเดียวกับที่คุณทำได้ในวันนี้หรือไม่? หากคำตอบคือไม่ มันไม่เพียงพอที่จะรอให้คำสั่งซื้อที่ขับเคลื่อนด้วย AI ปรากฏขึ้น คุณจะต้องลงทุนในผู้ช่วย AI และจุดเข้าใช้งานที่ทำให้พวกมันเป็นส่วนหนึ่งของประสบการณ์การช้อปปิ้งที่เป็นเอกลักษณ์ของแบรนด์คุณ

ขอบคุณสำหรับการสัมภาษณ์ที่ดีมาก ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรไปที่ Bazaarvoice

Nick Shiftan, Bazaarvoicen CTO, on kokenut teknologiajohtaja ja yrittäjä, jonka ura kattaa kaksi vuosikymmentä yritysohjelmistojen ja kaupankäyntialustojen rakentamista ja skaalaamista. Hänet tunnetaan parhaiten Curalaten, pioneeri sosiaalisen kaupankäynnin yrityksen, perustajana ja CTO:na. Hän auttoi kasvattamaan yrityksen lähes vuosikymmenen aikana yli 20 miljoonan dollarin vuotuiseksi toistuvaksi liikevaihdoksi ennen sen yrityskauppaa Bazaarvoicen kanssa vuonna 2020. Aiemmin urallaan hän perusti ja johti tuotekehitystä Parkiossa, toimittaen yritysohjelmistoja liikenteen ja pysäköintijärjestelmille, ja aloitti ammatillisen uransa Microsoftilla, jossa hän työskenteli Outlook Mobileen Windows Mobilelle. Yrityskaupan jälkeen lyhyeksi odotettu siirtymäkausi muuttui pitkäaikaiseksi rooliksi, kun hän jatkoi rakentamista suuressa mittakaavassa, mikä huipentui nimitykseksi CTO:ksi. Hänen keskittyminen on nyt edistää luottamukselliseen ja aitoihin kuluttajatietoihin perustuvaa tekoälyn ohjaamaa tuotelöytöä.

Bazaarvoice on alan johtava SaaS-alusta, jonka avulla brändit ja vähittäiskauppiaat voivat kerätä, hallita ja aktivoida aitoja käyttäjien luomia sisältöjä, kuten arvioita, arvosteluja, kuvia ja videoita koko digitaalisessa ostomatkassa. Yhtiö toimii maailmanlaajuisesti ja auttaa yli miljardia ostajaa kuukaudessa tekemään perusteltuja ostopäätöksiä syndikoiden luotettavaa sisältöä laajan brändi- ja vähittäiskauppakohteiden verkoston kautta. Se asettaa läpinäkyvyyden, uskottavuuden ja datan ohjaaman kaupankäynnin verkkokokemusten keskiöön.

Kuinka käytätte generatiivista tekoälyä ja LLM-pohjaisia tekniikoita vahvistamaan arvostelujen aitoutta, moderointia ja luottamussignaaleja vaarantamatta suorituskykyä korkean kuormituksen alla?

Käytämme tekoälyä signaalien ja mallien esiin tuomiseen, ei ihmispäätösten korvaamiseen. LLM:t auttavat merkitsemään poikkeavaa toimintaa tai mahdollisesti epäaitoja sisältöjä nopeasti, mutta tavoitteena on aina säilyttää luottamus. Integroimalla nämä mallit offline-validaatioputkiin ja erottamalla ne reaaliaikaisista pyyntöpoluista, säilytämme suorituskyvyn, vaikka lähetysmäärät kasvaisivat. Tuloksena on moderointi ja aitoustarkistukset, jotka ovat sekä älykkäitä että skaalautuvia.

Monet vähittäiskauppiaat investoivat paljon kassajärjestelmien luotettavuuteen, mutta usein unohtavat luotettavan arvostelu-ekosysteemin ylläpitämisen monimutkaisuuden. Mitä piileviä riskejä arvostelu- ja arviointiinrastruktuureissa mielestäsi ansaitsee saman strategisen tarkastelun kuin maksut?

Arviot ja arvostelut ovat aina olleet kriittistä päätöksentekoa tukevia infrastruktuureja, mutta tämä on erityisen totta tekoälyn tukemassa ostamisessa. Tekoälyavustajat nojaavat vahvasti luottamussignaaleihin – erityisesti arvioiden ja arvostelujen muodossa – tehdessään ostosuosituksia. Viiveet, puuttuvat tiedot tai räikeä epäaitous vaikuttavat suoraan kuluttajien luottamukseen. Nämä järjestelmät ovat monimutkaisia; niiden kohtelu samalla tiukkuudella kuin kassajärjestelmiä on välttämätöntä menetettyjen konversioiden ja pitkän aikavälin luottamuksen eroosion välttämiseksi.

Johtanutsi tekniikkaa useilla suurilla kaupankäyntialustoilla, kuinka sopeutat observability- ja onnettomuusvaste-strategioita, kun tekoälyjärjestelmät – kuten sentimenttianalyysi- tai petosten havaitsemismallit – sijaitsevat suoraan reaaliaikaisen datan polulla?

Kohtelemme tekoälymalleja kuin mitä tahansa muuta kriittistä palvelua: seurataan suorituskykyä ja tarkkuutta reaaliajassa. Tämä sisältää viiveet, virhemäärät ja käyttäytymisen muutokset. Toteutamme turvatoimia, jotta mallit voivat heiketä hallitusti tai ohittaa ei-kriittisiä polkuja kuormituksen alla. Työpöydät, automaattiset hälytykset ja runbookit varmistavat, että tekoälyongelmat tuodaan esiin ja ratkaistaan ennen kuin ne vaikuttavat ostajiin.

Toimiessanne Bazaarvoicen maailmanlaajuisessa mittakaavassa, kuinka varmistatte, että kuluttajien luoma sisältö virtaa tekoälyn ohjaamiin järjestelmiinne tavalla, joka säilyttää tarkastettavuuden, läpinäkyvyyden ja reaaliaikaisen vastavuoroisuuden?

Se tiivistyy päästä päähän -observabilityyn ja putkiston segmentointiin. Jokainen sisältökappale seurataan sen elinkaaren ajan, aina nielusta näyttöön. Tekoälymallit tarjoavat suosituksia tai moderointimerkintöjä, mutta kaikki päätökset lokitetaan, ovat tarkastettavissa ja jäljitettävissä. Yhdistettynä kapasiteettipuskureihin ja dynaamiseen skaalaukseen tämä varmistaa vastavuoroisuuden jopa huippukuormituksen alla samalla kun säilytetään läpinäkyvyys.

Mitkä nousevat tekoälyn aiheuttamat riskit tai käyttäytymismallit mielestäsi määrittelevät seuraavan sukupolven vähittäiskaupan järjestelmäsuunnittelun, ja kuinka IT-johtajien tulisi valmistautua niihin nyt?

Minulle keskeinen kysymys vähittäiskaupan IT-johtajille ei ole, tapahtuuko tekoälyn avulla tapahtuva ostaminen – vaan se, kuinka heidän asiakasmatkansa muuttuu, kun se tapahtuu. Jos tekoälyn avulla tapahtuvasta ostamisesta tulee huomenna yhtä yleistä kuin verkkokaupasta on tänään:

• Mistä asiakkaat löytävät tuotteeni, omalta sivustoltani vai ChatGPT:n kautta?
• Mistä he oppivat tuotteistani, Clauden kautta vai oman ostamisavustajani kautta?
• Kuinka he maksavat, omalla kassasivullani vai suoraan tekoälykäyttöliittymän kautta?

Huippumallit tulevat todennäköisesti tietämään kaiken tuotteistasi. Mutta todellinen kysymys on: Toimittavatko ne saman asiakaskokemuksen, jonka voit tarjota tänään? Jos vastaus on ei, ei riitä odottaa tekoälyn ohjaamien tilausten ilmestymistä. Sinun on investoitava tekoälyavustajiin ja niihin sisäänpääsykohtiin, jotka tekevät niistä osan brändisi ainutlaatuista ostokokemusta.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Bazaarvoicen sivustolla.