Nick Shiftan, CTO di Bazaarvoice – Seri Wawancara

Nick Shiftan, CTO di Bazaarvoice, adalah seorang pemimpin teknologi yang berpengalaman dan wirausaha yang karirnya meliputi dua dekade membangun dan menskala perangkat lunak dan platform perdagangan. Ia paling dikenal sebagai co-pendiri dan CTO dari Curalate, sebuah perusahaan perdagangan sosial yang ia bantu tumbuh selama hampir satu dekade menjadi lebih dari $20 juta dalam ARR sebelum akuisisi oleh Bazaarvoice pada 2020. Pada awal karirnya, ia mendirikan dan memimpin pengembangan produk di Parkio, mengirimkan perangkat lunak perusahaan untuk sistem transportasi dan parkir, dan memulai perjalanan profesionalnya di Microsoft (MSFT ), di mana ia bekerja pada Outlook Mobile untuk Windows Mobile. Setelah akuisisi, apa yang awalnya diharapkan menjadi transisi singkat berkembang menjadi peran jangka panjang ketika ia terus membangun skala, yang berpuncak pada pengangkatannya sebagai CTO, di mana fokusnya adalah pada pengembangan penemuan produk yang didorong oleh AI yang berbasis pada kepercayaan dan data konsumen yang autentik.

Bazaarvoice adalah platform SaaS yang memimpin industri yang memungkinkan merek dan pengecer untuk mengumpulkan, mengelola, dan mengaktifkan konten yang dihasilkan pengguna yang autentik seperti peringkat, ulasan, foto, dan video di seluruh perjalanan belanja digital. Beroperasi pada skala global, perusahaan membantu lebih dari satu miliar pembeli setiap bulan membuat keputusan pembelian yang tepat dengan menyindikasi konten yang dipercaya di seluruh jaringan merek dan tujuan ritel, menempatkan transparansi, kredibilitas, dan perdagangan yang didorong oleh data di pusat pengalaman online.

Bagaimana Anda menerapkan teknik generatif-AI dan LLM untuk memperkuat autentikasi ulasan, moderasi, dan sinyal kepercayaan tanpa mengompromikan kinerja di bawah beban berat?

Kami menggunakan AI untuk menemukan sinyal dan pola, bukan untuk menggantikan penilaian manusia. LLM membantu menandai aktivitas anomali atau konten yang tidak autentik dengan cepat, tetapi tujuannya selalu untuk mempertahankan kepercayaan. Dengan mengintegrasikan model-model ini ke dalam pipa validasi offline dan memisahkannya dari jalur permintaan waktu nyata, kami mempertahankan kinerja bahkan ketika volume pengajuan melonjak. Hasilnya adalah moderasi dan pemeriksaan autentikasi yang cerdas dan dapat diskalakan.

Banyak pengecer berinvestasi besar-besaran dalam keandalan checkout, tetapi sering mengabaikan kompleksitas mempertahankan ekosistem ulasan yang dapat dipercaya. Apa risiko tersembunyi dalam infrastruktur ulasan dan peringkat yang Anda pikir layak mendapat perhatian strategis yang sama dengan pembayaran?

Peringkat dan ulasan selalu menjadi infrastruktur yang kritis untuk keputusan, tetapi ini terutama benar di dunia belanja yang didukung AI. Agen AI akan sangat bergantung pada sinyal kepercayaan – terutama dalam bentuk peringkat & ulasan – ketika mereka membuat rekomendasi belanja. Keterlambatan, data yang hilang, atau ketidakautentikan yang mencolok akan langsung mempengaruhi kepercayaan konsumen. Sistem ini kompleks; memperlakukannya dengan ketat seperti sistem checkout adalah penting untuk menghindari konversi yang hilang dan erosi kepercayaan jangka panjang.

Setelah memimpin rekayasa di beberapa platform perdagangan besar, bagaimana Anda menyesuaikan strategi observabilitas dan respon insiden ketika sistem AI—seperti analisis sentimen atau model deteksi penipuan—berada langsung di jalur data waktu nyata?

Kami memperlakukan model AI seperti layanan kritis lainnya: memantau kinerja dan akurasi dalam waktu nyata. Ini termasuk latensi, tingkat kesalahan, dan perilaku drift. Kami mengimplementasikan fitur keamanan sehingga model dapat menurun dengan anggun atau melewati jalur non-kritis di bawah beban. Dashboard, peringatan otomatis, dan runbook memastikan bahwa masalah AI disorot dan diselesaikan sebelum mereka mempengaruhi pembeli.

Ketika beroperasi pada skala global Bazaarvoice, bagaimana Anda memastikan bahwa konten yang dihasilkan konsumen mengalir melalui sistem AI yang didorong dalam cara yang mempertahankan auditabilitas, transparansi, dan respon waktu nyata?

Ini berkaitan dengan observabilitas ujung ke ujung dan segmentasi pipa. Setiap potongan konten dilacak melalui siklus hidupnya, dari pengambilan ke tampilan. Model AI memberikan rekomendasi atau bendera moderasi, tetapi semua keputusan dicatat, dapat diaudit, dan dapat dilacak. Dipasangkan dengan buffer kapasitas dan penskalaan dinamis, ini memastikan respon bahkan di bawah beban puncak sambil mempertahankan transparansi.

Menghadap ke depan, risiko atau pola perilaku AI yang muncul apa yang Anda pikir akan mendefinisikan generasi berikutnya dari desain sistem ritel, dan bagaimana pemimpin IT harus mempersiapkannya sekarang?

Bagi saya, pertanyaan kunci untuk Pemimpin IT Ritel bukanlah jika belanja AI akan terjadi — itu adalah bagaimana perjalanan pembeli mereka akan berubah ketika itu terjadi. Jika belanja AI menjadi seumum besok seperti belanja online hari ini:

• Di mana pelanggan akan menemukan produk saya, di situs saya atau melalui ChatGPT?
• Bagaimana mereka akan mempelajari produk saya, melalui Claude atau asisten belanja saya sendiri?
• Bagaimana mereka akan melakukan checkout, di halaman checkout saya atau langsung melalui antarmuka AI?

Model frontier kemungkinan akan mengetahui semua tentang produk Anda. Tapi pertanyaan sebenarnya adalah: Apakah mereka akan menyampaikan pengalaman pelanggan yang sama seperti yang Anda dapat hari ini? Jika jawabannya adalah tidak, itu tidak cukup untuk menunggu pesanan yang didorong AI muncul. Anda perlu berinvestasi dalam Asisten AI dan titik masuk yang membuat mereka bagian dari pengalaman belanja unik merek Anda.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Bazaarvoice.