Viki Zabala, Chief Growth & Strategy Officer di First Insight – Seri Wawancara

Viki Zabala, Chief Growth & Strategy Officer di First Insight, membawa lebih dari 22 tahun kepemimpinan di perusahaan SaaS, AI, dan teknologi yang tumbuh pesat, yang beroperasi di persimpangan strategi, produk, dan inovasi. Dalam perannya, dia memimpin mesin pertumbuhan terpadu First Insight di seluruh strategi, go-to-market, pemasaran, produk, AI, keberhasilan pelanggan, dan kemitraan, membentuk visi di balik platform Retail Decision Intelligence perusahaan. Dikenal karena menerjemahkan ketidakpastian menjadi kejelasan, Zabala telah mengarahkan pertumbuhan hiper, ekspansi pasar baru, dan transformasi yang dipimpin AI dengan menghubungkan wawasan pelanggan, kecerdasan keputusan, dan model operasional yang dapat diskalakan untuk menghasilkan hasil bisnis yang terukur untuk perusahaan global.

First Insight adalah platform kecerdasan keputusan yang ditenagai AI yang dibangun untuk pengecer dan merek yang mencari untuk memprediksi permintaan, mengoptimalkan harga dan asortimen, dan mengurangi risiko di seluruh siklus hidup produk. Dengan menggabungkan umpan balik konsumen waktu nyata dengan AI prediktif, generatif, dan agen, platform ini membantu organisasi membuat keputusan yang lebih cepat dan lebih percaya diri di seluruh desain, merchandising, perencanaan, dan eksekusi musim. Digunakan oleh pengecer dan merek konsumen global terkemuka, First Insight fokus pada mengubah wawasan pelanggan menjadi intelijen yang dapat ditindaklanjuti yang meningkatkan margin, mempercepat kecepatan ke pasar, dan memperkuat pertumbuhan jangka panjang.

Karir Anda secara konsisten berada di persimpangan data, strategi go-to-market, dan eksekusi. Apa momen-momen sebelumnya dalam karir Anda yang paling membentuk bagaimana Anda berpikir tentang mengubah wawasan menjadi keputusan operasional nyata hari ini?

Saya selalu fokus pada satu tantangan dasar: bagaimana Anda mempengaruhi dan mengubah perilaku pada skala besar.

Awal dalam karir saya, itu muncul dalam aplikasi mobile dan ad tech, di mana loop umpan balik segera. Anda belajar dengan cepat bahwa data hanya penting jika itu mengubah apa yang seseorang lakukan selanjutnya—instal, keterlibatan, konversi. Kemudian, dalam IoT dan platform pengalaman, kebenaran yang sama terjadi dalam lingkungan fisik: bagaimana konteks, waktu, dan pengalaman membentuk perilaku manusia secara real-time.

Di seluruh industri tersebut, satu pelajaran tetap konstan: wawasan hanya berharga jika itu dapat ditindaklanjuti pada saat keputusan dibuat. Jika itu tidak bertahan dari tekanan eksekusi—harga, go-to-market, persediaan, pesan—itulah hanya informasi.

Itu adalah pola pikir yang membawa saya ke First Insight. Ritel adalah salah satu industri yang paling dipengaruhi perilaku, namun keputusan telah secara historis bergantung pada indikator yang tertinggal dan insting. Pekerjaan saya telah menjadi tentang menutup kesenjangan itu—membawa suara pelanggan ke depan cukup awal, dan terus-menerus cukup, untuk merancang hasil yang lebih baik daripada bereaksi terhadap kegagalan.

Fokus saya sekarang adalah membantu organisasi membuat keputusan yang lebih baik cukup awal untuk mempengaruhi—sehingga mereka tumbuh pendapatan, memenangkan loyalitas pelanggan, dan secara konsisten mengungguli pasar.

Sebagai Chief Growth & Strategy Officer di First Insight, Anda mengawasi produk, peta jalan AI, GTM, dan keberhasilan pelanggan. Bagaimana memiliki pandangan terpadu itu mengubah bagaimana AI harus dirancang dan diterapkan di dalam organisasi ritel?

Ketika Anda melihat seluruh sistem, Anda berhenti berpikir tentang AI sebagai alat dan mulai berpikir tentangnya sebagai model operasional.

Produk menunjukkan apa yang secara teknis memungkinkan. Go-to-market menunjukkan apa yang akan benar-benar dipahami dan diadopsi. Keberhasilan pelanggan menunjukkan apa yang bertahan di bawah kendala dunia nyata—tekanan waktu, ketegangan antar-fungsi, kualitas data, dan pertanggungjawaban. Ketika perspektif tersebut terpadu, AI dirancang di sekitar bagaimana keputusan benar-benar terjadi, bukan bagaimana teknologi terlihat dalam isolasi.

Itulah mengapa AI di ritel harus berfungsi sebagai sistem keputusan dan tindakan, bukan hanya sistem kecerdasan. Itu harus menghubungkan sinyal pelanggan ke harga, asortimen, pemasaran, dan perencanaan dengan cara yang selaras tim dan mempercepat keputusan. Ketika AI mengurangi gesekan antara tim dan mempersingkat jarak antara wawasan dan tindakan, itu mulai menghasilkan nilai nyata.

Pengecer telah lama mengandalkan siklus perencanaan musiman dan data historis. Dari apa yang Anda lihat di lapangan, mengapa model-model tersebut semakin tidak selaras dengan bagaimana konsumen berperilaku hari ini?

Karena model-model tersebut dibangun untuk dunia di mana ritel terutama tentang mengoptimalkan apa yang sudah ada—bukan menciptakan apa yang berikutnya.

Data penjualan historis dan siklus musiman dapat membantu menjelaskan kinerja di kategori yang sudah ada, tetapi mereka lemah dalam dua hal yang pengecer butuhkan hari ini: merespons perilaku pelanggan yang berubah cepat dan menciptakan permintaan baru melalui inovasi produk dan ekspansi ruang kosong.

Permintaan sekarang bergeser secara real-time—didorong oleh sensitivitas harga, momen budaya, pengaruh sosial, tekanan ekonomi, dan dinamika saluran. Sebuah tren dapat muncul semalam. Sebuah sinyal harga dapat mengubah perilaku secara instan. Data historis menjelaskan apa yang sudah terjadi, tetapi tidak secara andal memberitahu Anda bagaimana pelanggan akan merespons selanjutnya—bahkan untuk produk yang sudah ada di rak—ketika konteks dan sentimen dapat berubah pada saat apa pun.

Di saat yang sama, banyak pengecer membuat keputusan dengan CRM yang sudah tua dan pandangan yang sudah ketinggalan tentang siapa pelanggan sebenarnya. Kompetitor baru, saluran baru, dan generasi yang lebih muda dengan harapan dan daya beli yang berbeda secara bertahap menarik pelanggan—sering tanpa pengecer menyadarinya sampai hasilnya muncul dalam perkiraan yang terlewat atau loyalitas yang menurun. Dalam banyak kasus, merek mengoptimalkan untuk pelanggan yang tidak mereka miliki lagi—atau pelanggan yang sudah berpindah.

First Insight memiliki asisten AI, Ellis, yang memungkinkan kueri bahasa alami di sekitar harga, asortimen, dan permintaan. Seberapa penting desain antarmuka dan aksesibilitas dalam mengarahkan adopsi AI nyata versus hanya kemampuan teknis?

Antarmuka adalah perbedaan antara “AI ada” dan “AI digunakan.”

Pengambilan keputusan ritel meliputi lebih dari satu momen—penelitian konsep, desain, pembangunan asortimen, optimasi harga, pemodelan margin, kedalaman beli, alokasi, penyesuaian musim, pemasaran dan penjualan. Tantangannya bukan bahwa pengecer tidak memiliki pertanyaan; itu adalah jawaban yang terjebak dalam laporan, dek, ekspor, dan tim khusus—dan oleh waktu mereka disampaikan, momen telah berlalu.

Ellis penting karena itu menghilangkan gesekan antara wawasan dan tindakan. Sebagai gantinya untuk menavigasi laporan atau menunggu analisis baru, tim dapat mengajukan pertanyaan strategis dan taktis dalam bahasa sederhana—tentang konsep, harga, asortimen, segmen, pasar, kompetitor—dan mendapatkan jawaban yang jelas dan prediktif dalam hitungan menit. Itu bukan hanya kegunaan; itu kecepatan keputusan.

Aksesibilitas juga mengarahkan adopsi di seluruh organisasi. Ketika sinyal pelanggan yang sama tersedia secara instan untuk merchandising, harga, pemasaran, dan perencanaan, Anda mengurangi pertempuran internal dan ketidakselarasan. Orang-orang berhenti debat tentang siapa data yang benar dan mulai debat tentang apa yang harus dilakukan selanjutnya—lebih cepat, dan dengan lebih percaya diri.

Anda telah bekerja erat dengan pengecer yang menghadapi tekanan margin, risiko persediaan, dan permintaan yang tidak stabil. Di mana AI memberikan dampak tercepat dan paling terukur hari ini—dan di mana hype masih mendahului kenyataan?

Dampak tercepat muncul di mana keputusan sering, mahal, dan sensitif waktu: harga, pemilihan asortimen, validasi permintaan, dan risiko persediaan. Ketika AI membantu tim menghindari pembelian berlebihan, mempertahankan harga dengan percaya diri, atau keluar dari produk yang kalah lebih awal, dampak keuangan segera dan terukur.

Di mana hype mendahului kenyataan adalah dalam gagasan tentang ritel yang sepenuhnya otonom—atau AI menggantikan pemahaman pelanggan yang sebenarnya dengan jalan pintas sintetis. Konsumen sangat jelas: mereka menghargai autentisitas, transparansi, dan didengar. AI yang menjauhkan merek dari pelanggan tidak menciptakan efisiensi—itu menciptakan risiko.

Model kemenangan hari ini adalah penilaian manusia yang ditingkatkan dengan wawasan prediktif, bukan otomatisasi untuk kepentingan otomatisasi.

Banyak alat AI menjanjikan kemampuan prediktif. Apa yang terlihat seperti prediksi yang bermakna di ritel, dan bagaimana pemimpin harus mengevaluasi apakah prediksi benar-benar siap keputusan?

Prediksi yang bermakna di ritel bukanlah ramalan—itu kemampuan untuk menutup loop dari kebenaran pelanggan ke hasil keuangan.

Banyak output AI terdengar prediktif, tetapi mereka tidak mengubah bisnis karena mereka tidak pernah membuatnya ke dalam irama operasional. Kuartal meleset, persediaan menumpuk, anggaran potongan harga dibelanjakan—dan semua orang dapat menunjuk ke data di suatu tempat yang bisa membantu. Kegagalan sebenarnya adalah bahwa keputusan tidak selaras, tindakan tidak diambil, dan alur kerja tidak berubah.

Prediksi yang siap keputusan melakukan tiga hal sekaligus:

1. Itu didasarkan pada bagaimana pelanggan benar-benar memahami nilai—bukan hanya sejarah penjualan—sehingga itu dapat membimbing keputusan dari konsep hingga musim.
2. Itu menghubungkan langsung ke ekonomi: elastisitas permintaan, kemauan membayar, AUR/ASP selama siklus hidup produk, dan implikasi margin dari mempertahankan versus mendiskon.
3. Itu operasional—tertanam dalam proses yang dapat diulang yang tim sebenarnya ikuti, bukan terjebak di seluruh alat dan dashboard yang terisolasi.

Tema berulang yang kami lihat adalah biaya “ekor panjang” dari SKU. Kelebihan asortimen adalah pembunuh sunyi: kedalaman berlebih, kecepatan rendah, risiko tersembunyi. Salah satu pengungkit terbesar yang AI prediktif membuka adalah kemampuan untuk memotong ekor—menghapus produk yang tidak berperforma lebih awal dan menginvestasikan kembali dolar persediaan ke dalam kinerja terbaik di mana permintaan pelanggan dan sentimen tertinggi.

Bagaimana Anda mengharapkan AI agen dan generatif untuk mengubah alur kerja ritel selama dua hingga tiga tahun ke depan—bukan secara teoretis, tetapi operasional?

Kami bergerak dari sistem kecerdasan ke sistem tindakan.

Secara operasional, AI generatif akan membuat wawasan tersedia di seluruh peran dan tingkat—mengringkas, membandingkan, menjelaskan, dan menjawab pertanyaan secara instan. AI agen akan semakin mengambil alih pekerjaan berulang yang memperlambat organisasi: mempersiapkan skenario, merakit presentasi siap eksekutif, memantau sinyal, menandai risiko, dan mengkoordinasikan tindakan berikutnya.

Tetapi perubahan yang paling berarti tidak akan menjadi bahwa AI “mengoperasikan ritel.” Itu akan menjadi bahwa pengecer akhirnya mengencangkan loop antara pelanggan dan perusahaan. Tim akan bergerak lebih cepat, mengurangi gesekan internal, dan membuat keputusan yang lebih baik lebih awal—sebelum tren puncak, sebelum potongan harga berderet, dan sebelum kesempatan yang terlewat menjadi kesalahan kuartal.

Pengecer yang menang tidak akan menjadi mereka yang memiliki eksperimen AI terbanyak. Mereka akan menjadi mereka yang membangun irama operasional yang dapat diulang di mana kebenaran pelanggan, kecerdasan prediktif, dan kreativitas manusia bekerja sama—dari konsep ke konversi.

Terima kasih atas wawancara yang terperinci, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi First Insight.