Doug Tallmadge, Salah Satu Pendiri dan CEO Gradial – Seri Wawancara

Doug Tallmadge, salah satu pendiri sekaligus CEO Gradial, adalah wirausahawan teknologi dan pemimpin bidang rekayasa dengan karier di industri dirgantara, komunikasi satelit, keuangan, serta AI untuk perusahaan. Sebelum mendirikan Gradial pada 2023, ia bekerja hampir lima tahun di SpaceX (SPCX ). Di sana, ia membantu mengembangkan jaringan Starlink sejak tahap awal, memimpin analisis jaringan yang mendukung pertumbuhan dari nol menjadi lebih dari 500.000 pelanggan, serta memimpin tim insinyur perangkat lunak dan ilmuwan data yang mengerjakan optimasi dan simulasi jaringan. Ia juga berkontribusi pada inisiatif Starlink untuk menghubungkan satelit langsung ke ponsel dan pada sistem awal penyediaan daya satelit. Sebelumnya, Tallmadge menjabat di Lockheed Martin (LMT ) dan Bridgewater Associates, memadukan keahlian teknis yang mendalam dengan pengalaman dalam sistem berskala besar dan operasional bisnis.

Gradial adalah perusahaan AI untuk organisasi yang berfokus pada apa yang disebutnya operasi pemasaran berbasis agen. Perusahaan ini membantu organisasi besar mengotomatiskan pekerjaan operasional di antara strategi kreatif dan pelaksanaan kampanye. Alih-alih hanya berfokus pada konten buatan AI, platform Gradial mengoordinasikan agen AI di berbagai sistem, seperti Adobe Experience Manager, Salesforce, Jira, platform pengelolaan konten, perangkat pengelolaan aset digital, dan alur kerja pemasaran. Platform ini dapat membuat, mengoptimalkan, memberi tag, memeriksa kualitas, dan menerbitkan materi pemasaran sambil menegakkan tata kelola, kepatuhan, aksesibilitas, serta standar merek. Dengan membangun lapisan pengetahuan organisasi bersama yang menghubungkan sistem perusahaan, Gradial berupaya mengurangi koordinasi manual yang kerap memperlambat tim pemasaran besar. Dengan demikian, organisasi dapat meluncurkan kampanye lebih cepat, memperbesar skala produksi konten yang dipersonalisasi, dan mengelola pengalaman digital yang semakin kompleks dengan lebih efisien.

Di SpaceX, Anda membantu mengembangkan Starlink dari nol menjadi ratusan ribu pengguna dan mengerjakan sistem jaringan yang kompleks sebelum mendirikan Gradial. Kapan Anda menyadari bahwa infrastruktur pemasaran perusahaan memiliki inefisiensi sistemik serupa, dan bagaimana pemahaman itu mendorong pendirian Gradial?

Dalam jabatan sebelumnya, saya melihat langsung bagaimana hambatan dalam organisasi besar menimbulkan dampak berantai. Inefisiensi sekecil apa pun dapat memperlambat seluruh proses setelahnya. Pemasaran merupakan bidang tempat saya melihat dampak negatif terbesar dari hambatan tersebut. Tim menghabiskan banyak waktu untuk berpindah-pindah platform, mengunggah materi, mengelola persetujuan, dan mengoordinasikan serah terima pekerjaan. Pemikiran strategis dan pengarahan kreatif tertimbun lapisan pekerjaan pelaksanaan.

Ini merupakan penerapan yang sangat cocok untuk AI, tetapi yang menarik perhatian saya adalah arah perhatian industri. Sebagian besar platform memakai AI untuk menulis konten. Namun, saat saya berbicara dengan pemasar di organisasi besar, kekurangan konten bukan masalahnya. Mereka dapat membuat konten dengan mudah, tetapi tidak dapat menerbitkannya dengan cepat. Perjalanan dari ide hingga kampanye yang sudah diluncurkan membutuhkan hari, minggu, kadang berbulan-bulan. Sebagian besar investasi AI mengarah ke pembuatan konten, sedangkan masalah yang lebih sulit, yaitu benar-benar menerbitkannya, sama sekali diabaikan. Kami membangun Gradial untuk mengisi kesenjangan tersebut: agen menangani semuanya, mulai dari penyusunan draf dan persetujuan hingga penerbitan, kepatuhan terhadap standar merek, dan optimasi kinerja. Dengan begitu, pemasar dapat berfokus pada pekerjaan yang memerlukan pertimbangan manusia.

Anda berpendapat bahwa sistem pencatatan resmi atau ‘system of record’ tradisional praktis telah berubah menjadi sistem utang teknis. Apa yang secara khusus bermasalah dalam susunan sistem pemasaran lama perusahaan ketika mereka mencoba mengadopsi AI?

Sistem pencatatan resmi, seperti CMS, perangkat manajemen proyek, alur persetujuan, dan pustaka aset, dibuat untuk menata informasi, bukan untuk bekerja cepat. Ketika perusahaan menambahkan AI di atas sistem yang ada, masalah segera muncul. Perangkat tersebut tidak memahami bisnis yang dilayaninya, gaya komunikasi merek, persyaratan kepatuhan, maupun proses persetujuan. Akibatnya, pemasar harus meninjau setiap keluaran dan memperbaiki kesalahan akibat kurangnya konteks. Bagi organisasi yang sudah mengelola ribuan konten di berbagai kanal, AI tambahan itu menjadi satu lagi proses rumit yang harus dikelola.

Sebagian besar pembahasan AI dalam pemasaran berfokus pada pembuatan konten. Mengapa Anda yakin peluang sesungguhnya berada pada pelaksanaan, dan bagaimana wujud pergeseran ini dalam praktik?

Pemasar tidak kesulitan menghasilkan ide. Mereka kesulitan membawa konten melewati putaran peninjauan, menjaga konsistensi gaya merek, bekerja di puluhan perangkat, dan mengoptimalkan konten untuk berbagai audiens.

Ada pula perubahan struktural pada cara merek ditemukan. Jumlah pencarian Google turun hampir 20% dalam setahun terakhir, sehingga merek tidak bisa lagi hanya mengandalkan SEO. Mereka harus muncul dalam jawaban pencarian AI. Untuk itu, mereka perlu menerbitkan konten yang mudah ditafsirkan, dikutip, dan ditampilkan oleh model AI. Masalahnya, model-model itu terus mengubah sumber yang mereka gunakan. Merek yang muncul dalam jawaban hari ini bisa menghilang tanpa disadari besok. Saat pemasar selesai mengenali kekurangan, memperbarui konten, dan memperoleh persetujuan, model sudah beralih lagi.

Pembuatan konten saja tidak menyelesaikan masalah ini. Meskipun konten diproduksi lebih cepat, konten tersebut masih dapat terjebak dalam antrean persetujuan yang sama dan belum dioptimalkan agar terlihat dalam jawaban AI. Gradial terhubung dengan perangkat yang sudah digunakan pemasar dan menangani pekerjaan yang biasanya memperlambat semuanya, seperti revisi konten, pemeriksaan kepatuhan terhadap standar merek, serta penerbitan lintas platform. Hasilnya adalah kampanye yang diluncurkan dalam hitungan jam, bukan minggu, serta konten yang akurat, sesuai merek, dan terlihat di tempat audiens benar-benar mencari informasi.

Gradial sering digambarkan sebagai platform berbasis agen. Dapatkah Anda menjelaskan apa yang sebenarnya dilakukan agen AI setiap hari dalam alur kerja pemasaran perusahaan Fortune 500?

Jawaban terbaik datang dari pengalaman pelanggan. Di T-Mobile, menjalankan kampanye berarti berkoordinasi dengan beberapa tim, mengumpulkan persetujuan, dan menunggu antrean produksi selama berminggu-minggu. Dengan Gradial, agen AI menangani seluruh proses dari arahan kreatif hingga peninjauan dan penerbitan. Pekerjaan yang sebelumnya mengharuskan pemasar menindaklanjuti setiap langkah secara manual kini berjalan dengan sendirinya. Hasilnya adalah pelaksanaan kampanye yang 90% lebih cepat.

Di AWS, setiap halaman web baru memerlukan pengarahan kepada agensi, menunggu draf, beberapa putaran revisi, dan koordinasi manual agar halaman diterbitkan. Agen khusus membuat pembuatan halaman 20 kali lebih cepat.

Kepercayaan merupakan salah satu tantangan terbesar dalam penerapan AI perusahaan. Bagaimana Gradial memastikan keandalan dan tata kelola ketika agen AI mengambil keputusan pelaksanaan di berbagai sistem?

Kepercayaan adalah segalanya di perusahaan, terutama di keuangan dan layanan kesehatan, tempat kesalahan kepatuhan menimbulkan konsekuensi nyata. Setiap penerapan Gradial dimulai dengan memberi agen konteks tentang gaya komunikasi merek, pedoman pesan, persyaratan kepatuhan, alur persetujuan, serta standar industri.

Tingkat keterlibatan manusia dapat disesuaikan sepenuhnya. Tim yang baru menggunakan pendekatan ini atau bekerja di lingkungan yang diatur regulasi dapat mewajibkan persetujuan untuk semuanya sebelum diterbitkan. Setiap tindakan agen juga dicatat dengan jejak audit lengkap. Kami mendapati bahwa kepercayaan tumbuh secara alami: tim yang memulai dengan pengawasan ketat secara bertahap memperluas otonomi agen ketika kemampuannya terbukti dalam pekerjaan nyata. Tujuannya tidak pernah menyerahkan semuanya pada hari pertama, melainkan membangun sesuatu yang layak mendapat lebih banyak tanggung jawab ketika terbukti mampu menanganinya.

Platform Anda terintegrasi dengan perangkat yang ada, bukan langsung menggantikannya. Apakah visi jangka panjangnya memperkuat susunan sistem saat ini atau menggantikannya sepenuhnya?

Untuk saat ini, kami berfokus pada kondisi tim yang sudah ada. Sebagian besar organisasi pemasaran perusahaan telah bertahun-tahun membangun alur kerja di sekitar perangkat tertentu, seperti Figma, Adobe, dan sistem manajemen proyek. Meminta mereka meninggalkan infrastruktur itu tidak realistis. Gradial terhubung dengannya dan menangani pekerjaan pelaksanaan yang selama ini memperlambat alur kerja tersebut.

Visi jangka panjangnya lebih ambisius. Banyak perangkat lunak lama yang mendasari pemasaran perusahaan dibangun untuk dunia sebelum AI, dan hal itu terlihat jelas. Sistem yang hanya dirancang untuk menyimpan dan menata konten akan tampak sangat berbeda ketika agen dapat mempertahankan konteks yang sama sekaligus bertindak berdasarkan konteks itu. Kami berpandangan bahwa pembeda antara tempat konten disimpan dan tempat pekerjaan dilakukan pada akhirnya akan hilang. Kami membangun untuk menjadi lapisan infrastruktur tempat keduanya berlangsung.

Perusahaan besar sering memiliki alur kerja yang sudah mengakar dan penolakan internal terhadap perubahan. Apa yang sebenarnya diperlukan agar sistem yang sejak awal dibangun dengan AI dapat diterapkan dengan sukses dalam organisasi Fortune 500?

Pertama, kami menegaskan bahwa Gradial tidak meminta siapa pun mengubah cara bekerja. Kedengarannya sederhana, tetapi itulah hambatan terbesar dalam penerapan AI perusahaan. Sebagian besar perangkat datang dengan sistem baru, antarmuka baru, dan cara kerja baru, lalu bertanya-tanya mengapa penerapannya mandek enam bulan kemudian. Kami mulai dengan memetakan cara tim benar-benar bekerja, kemudian mengonfigurasi Gradial sesuai kondisi tersebut.

Penggunaan akan bertahan ketika tim segera melihat manfaatnya dalam pekerjaan nyata. Bukan demo atau uji coba yang sengaja dibuat serba ideal, melainkan kampanye, konten, dan alur kerja mereka sendiri. Begitu tim melihat bahwa penerbitan yang tadinya memakan waktu tiga minggu kini selesai pada hari yang sama, penolakan internal cenderung mereda dengan sendirinya.

Dari sisi teknis, apa yang membedakan mesin pelaksanaan dari lapisan AI generatif biasa?

Lapisan AI generatif memberikan draf, sedangkan mesin pelaksanaan membawanya sampai diterbitkan. Sebagian besar perangkat AI pemasaran berhenti pada keluaran: menulis teks atau menyarankan perubahan. Namun, ketika keluaran itu harus melewati persetujuan atau masuk ke halaman yang sudah dipublikasikan, pemasar dibiarkan mengelolanya sendiri. Serah terima inilah yang sebenarnya menghabiskan sebagian besar waktu.

Mesin pelaksanaan berbeda karena tertanam dalam perangkat yang sudah dipakai tim dan memahami cara bisnis tersebut bekerja. Ketika pemasar meminta agen melakukan sesuatu, agen membawa pekerjaan melalui setiap langkah yang diwajibkan, memperoleh persetujuan, dan hanya mengajukan keputusan yang benar-benar membutuhkan manusia. Pemasar tetap memegang kendali tanpa harus menjadi perantara dalam setiap langkah.

Banyak perusahaan bereksperimen dengan AI, tetapi hanya sedikit yang memperoleh pengembalian investasi berarti. Menurut Anda, di mana sebagian besar organisasi keliru saat ini?

Kesalahan paling umum adalah memperlakukan AI sebagai perangkat produktivitas, bukan sebagai cara memperbaiki proses yang bermasalah. Jika setiap keluaran masih memerlukan penyuntingan besar, harus disalin secara manual ke sistem lain, atau tetap membutuhkan lima persetujuan sebelum diterbitkan, masalahnya belum terselesaikan.

Perusahaan yang memperoleh hasil nyata menetapkan masalah secara spesifik. Mereka mengenali persis di mana pekerjaan tersendat, lalu menerapkan AI untuk masalah itu. Bukan secara luas atau sekadar bereksperimen, melainkan dengan pemahaman jelas tentang kondisi lambat sebelumnya dan kecepatan yang semestinya dicapai sesudahnya. Ketepatan inilah yang membedakan pengembalian investasi nyata dari perangkat yang mengesankan dalam demo tetapi mengumpulkan debu enam bulan kemudian.

Jika dilakukan dengan tepat, hasilnya nyata: pelanggan Gradial telah memperoleh aktivasi kampanye delapan kali lebih cepat, penghematan biaya operasional setidaknya 35% pada tahun pertama, serta kepatuhan 100% terhadap standar merek dan aksesibilitas pada setiap konten.

Jika kita melihat lima tahun ke depan, seperti apa organisasi pemasaran yang sepenuhnya dibangun dengan AI sebagai dasar, dan apa peran Gradial dalam masa depan tersebut?

Dalam lima tahun, lapisan operasional pemasaran akan bersifat otonom. Pemasar meminta agen meluncurkan kampanye, lalu kampanye itu sudah diterbitkan sebelum hari berakhir karena agen menangani seluruh langkah di antaranya. Visibilitas merek dalam pencarian AI dipantau dan disesuaikan secara otomatis. Kepatuhan dijaga terus-menerus selama proses, bukan melalui pemeriksaan pada saat terakhir. Pemasar menghabiskan waktu untuk pekerjaan yang memang menjadi alasan mereka dipekerjakan: membangun merek, mengembangkan karya kreatif, dan mengambil keputusan strategis tentang pengalaman pelanggan yang membutuhkan pertimbangan manusia.

Peran Gradial adalah membantu organisasi pemasaran mencapai tahap itu lebih dahulu. Bukan dengan membujuk mereka membongkar semuanya dan memulai dari nol, melainkan dengan membuktikan di dalam alur kerja yang ada bahwa cara kerja ini memungkinkan. Tim yang memahami hal tersebut sejak dini akan memiliki keunggulan yang terus bertambah dibandingkan dengan tim yang masih menjalankan kampanye dengan cara lama.

Terima kasih atas wawancara yang berharga ini. Pembaca yang ingin mengetahui lebih lanjut dapat mengunjungi Gradial.