Doug Tallmadge, cofondatore e amministratore delegato di Gradial – Serie di interviste

Doug Tallmadge, cofondatore e amministratore delegato di Gradial, è un imprenditore tecnologico e dirigente tecnico con una carriera che abbraccia il settore aerospaziale, le comunicazioni satellitari, la finanza e l’AI per le imprese. Prima di fondare Gradial nel 2023, ha lavorato per quasi cinque anni in SpaceX (SPCX ). Qui ha contribuito all’espansione della rete Starlink fin dalle prime fasi, ha guidato le analisi di rete a sostegno della crescita da zero a oltre 500.000 clienti e ha diretto team di ingegneri software e data scientist impegnati nell’ottimizzazione e nella simulazione della rete. Ha inoltre partecipato alle iniziative Starlink per collegare direttamente i satelliti ai telefoni cellulari e allo sviluppo dei primi sistemi di alimentazione elettrica dei satelliti. In precedenza ha ricoperto incarichi in Lockheed Martin (LMT ) e Bridgewater Associates, unendo una profonda competenza tecnica all’esperienza nei sistemi su larga scala e nelle attività operative aziendali.

Gradial è un’azienda di AI per le imprese che si concentra su quelle che definisce operazioni di marketing basate su agenti. Aiuta le grandi organizzazioni ad automatizzare il lavoro operativo tra la strategia creativa e la realizzazione delle campagne. Anziché occuparsi soltanto di contenuti generati dall’AI, la piattaforma coordina agenti AI in sistemi come Adobe Experience Manager, Salesforce, Jira, piattaforme di gestione dei contenuti, strumenti per la gestione delle risorse digitali e flussi di lavoro di marketing. Può creare, ottimizzare, etichettare, controllare la qualità e pubblicare materiali di marketing, facendo rispettare governance, conformità normativa, accessibilità e standard del marchio. Attraverso un livello condiviso di conoscenze organizzative che collega i sistemi aziendali, Gradial punta a ridurre il coordinamento manuale che spesso rallenta i grandi team di marketing. Le organizzazioni possono così lanciare campagne più rapidamente, ampliare la produzione di contenuti personalizzati e gestire con maggiore efficienza esperienze digitali sempre più complesse.

In SpaceX hai contribuito a far crescere Starlink da zero a centinaia di migliaia di utenti e hai lavorato su sistemi di rete complessi prima di fondare Gradial. Quando hai capito che l’infrastruttura del marketing aziendale presentava inefficienze sistemiche simili, e in che modo questa intuizione ha portato alla nascita di Gradial?

Nel mio ruolo precedente ho visto in prima persona come gli attriti nelle grandi organizzazioni producano effetti a catena. Anche una piccola inefficienza può rallentare tutti i processi successivi. Nel marketing ho notato gli effetti negativi più forti di questi colli di bottiglia. I team dedicavano molto tempo a spostarsi tra piattaforme, caricare materiali, gestire approvazioni e coordinare i passaggi di consegne. Il pensiero strategico e la direzione creativa finivano sepolti sotto strati di attività esecutive.

È un ambito ideale per l’AI, ma mi colpiva la direzione in cui si concentrava l’attenzione del settore. La maggior parte delle piattaforme usava l’AI per scrivere contenuti. Parlando con i professionisti del marketing di grandi organizzazioni, però, la carenza di contenuti non era il problema. Riuscivano a produrli facilmente, ma non a pubblicarli in fretta. Dall’idea a una campagna effettivamente pubblicata passavano giorni, settimane, talvolta mesi. La maggior parte degli investimenti nell’AI andava alla creazione, mentre il problema più difficile, portare davvero i contenuti al pubblico, veniva completamente ignorato. Abbiamo costruito Gradial per colmare quel vuoto: agenti che gestiscono tutto, dalle bozze e dalle approvazioni alla pubblicazione, al rispetto delle regole del marchio e all’ottimizzazione dei risultati. Così i professionisti del marketing possono concentrarsi sul lavoro che richiede giudizio umano.

Hai sostenuto che i tradizionali sistemi che custodiscono i dati ufficiali dell’azienda, i cosiddetti “systems of record”, sono diventati di fatto sistemi di debito tecnico. Che cosa smette concretamente di funzionare nei vecchi ambienti tecnologici del marketing quando le imprese cercano di introdurre l’AI?

I sistemi dei dati ufficiali, come CMS, strumenti di gestione dei progetti, flussi di approvazione e archivi di materiali, sono nati per organizzare informazioni, non per lavorare velocemente. Quando le aziende aggiungono l’AI a questi sistemi esistenti, emergono subito problemi. Lo strumento non conosce l’attività che deve servire, il tono del marchio, i requisiti di conformità o le procedure di approvazione. I professionisti del marketing devono quindi controllare ogni risultato e correggere gli errori dovuti alla mancanza di contesto. Per organizzazioni che già gestiscono migliaia di contenuti su più canali, l’AI aggiunta in questo modo diventa un altro processo complesso da amministrare.

Gran parte del dibattito sull’AI nel marketing si è concentrata sulla generazione di contenuti. Perché ritieni che la vera opportunità sia nell’esecuzione, e come si traduce questo cambiamento nella pratica?

I professionisti del marketing non faticano a trovare idee. Faticano a far passare i contenuti attraverso i cicli di revisione, mantenere un tono coerente per il marchio, lavorare con decine di strumenti e ottimizzare per pubblici diversi.

Sta cambiando anche, a livello strutturale, il modo in cui i marchi vengono scoperti. Nell’ultimo anno le ricerche su Google sono diminuite di quasi il 20%, quindi i marchi non possono più affidarsi soltanto alla SEO. Devono comparire nelle risposte dei sistemi di ricerca AI. Serve dunque pubblicare contenuti che i modelli possano facilmente interpretare, citare e mettere in evidenza. Il problema è che i modelli cambiano continuamente le fonti da cui attingono. Un marchio presente in una risposta oggi può sparire senza clamore domani. Quando i professionisti del marketing hanno individuato la lacuna, aggiornato i contenuti e ottenuto le approvazioni, i modelli sono già passati oltre.

La sola generazione di contenuti non risolve il problema. Anche producendo più rapidamente, si può restare bloccati nelle stesse code di approvazione, con contenuti non ottimizzati per la visibilità nelle risposte AI. Gradial si collega agli strumenti che i professionisti del marketing usano già e si occupa del lavoro che di solito rallenta tutto, come le revisioni dei contenuti, i controlli sul rispetto delle regole del marchio e la pubblicazione su più piattaforme. Il risultato sono campagne pubblicate in ore anziché settimane e contenuti corretti, coerenti con il marchio e visibili dove il pubblico cerca davvero informazioni.

Gradial viene spesso descritta come una piattaforma basata su agenti. Puoi illustrarci che cosa fa concretamente un agente AI ogni giorno nel flusso di marketing di un’azienda Fortune 500?

La risposta migliore viene dalle esperienze dei clienti. In T-Mobile, realizzare una campagna richiedeva coordinare più team, raccogliere approvazioni e attendere code di produzione che duravano settimane. Con Gradial, un agente AI gestisce l’intero processo dal brief creativo alle revisioni e alla pubblicazione. Ciò che prima obbligava un professionista del marketing a seguire manualmente ogni passaggio ora avviene da sé. Il risultato è stato un’esecuzione delle campagne più rapida del 90%.

In AWS ogni nuova pagina web richiedeva di fornire indicazioni a un’agenzia, aspettare una bozza, affrontare vari cicli di revisione e coordinare manualmente la pubblicazione. Un agente specializzato ha reso la creazione delle pagine venti volte più veloce.

La fiducia è una delle maggiori sfide nell’adozione dell’AI nelle imprese. Come garantisce Gradial affidabilità e governance quando gli agenti AI prendono decisioni esecutive in sistemi diversi?

Nelle imprese la fiducia è fondamentale, soprattutto nella finanza e nella sanità, dove un errore di conformità ha conseguenze reali. Ogni implementazione di Gradial comincia fornendo all’agente il contesto relativo al tono del marchio, alle linee guida per i messaggi, ai requisiti di conformità, ai flussi di approvazione e agli standard del settore.

Il livello di coinvolgimento umano è completamente personalizzabile. I team alle prime esperienze o attivi in ambienti regolamentati possono richiedere l’approvazione di tutto prima della pubblicazione. Ogni azione dell’agente viene inoltre registrata con una traccia di audit completa. Abbiamo osservato che la fiducia cresce naturalmente: i team che partono da controlli rigorosi ampliano progressivamente l’autonomia dell’agente quando ne verificano le capacità nel lavoro reale. L’obiettivo non è mai stato affidargli tutto il primo giorno, ma costruire qualcosa che meriti più responsabilità man mano che dimostra di saperla gestire.

La vostra piattaforma si integra con gli strumenti esistenti anziché sostituirli direttamente. La visione a lungo termine è rafforzare l’attuale insieme di sistemi o sostituirlo del tutto?

Per ora ci concentriamo sulle condizioni in cui i team lavorano già. La maggior parte delle organizzazioni di marketing aziendale ha impiegato anni a costruire flussi attorno a strumenti specifici, come Figma, Adobe e i sistemi di gestione dei progetti. Chiedere loro di abbandonare questa infrastruttura non è realistico. Gradial vi si collega e gestisce il lavoro esecutivo che rallentava quei flussi.

La visione a lungo termine è più ambiziosa. Molto del software storico su cui poggia il marketing aziendale è stato costruito per un mondo precedente all’AI, e si vede. I sistemi progettati esclusivamente per archiviare e organizzare contenuti saranno molto diversi quando un agente potrà conservare lo stesso contesto e agire contemporaneamente sulla sua base. Pensiamo che la distinzione tra il luogo in cui si trovano i contenuti e quello in cui si svolge il lavoro finirà per scomparire. Stiamo costruendo il livello infrastrutturale in cui avverranno entrambe le cose.

Le grandi imprese hanno spesso flussi di lavoro radicati e resistenze interne al cambiamento. Che cosa serve davvero per introdurre con successo un sistema costruito fin dall’inizio attorno all’AI in un’organizzazione Fortune 500?

Per prima cosa chiariamo che Gradial non chiede a nessuno di cambiare modo di lavorare. Sembra semplice, ma è il principale ostacolo all’adozione dell’AI nelle imprese. Molti strumenti arrivano con un nuovo sistema, una nuova interfaccia e un nuovo metodo di lavoro, per poi chiedersi perché l’adozione si blocchi sei mesi dopo. Noi partiamo dalla mappatura di come lavora realmente il team e configuriamo Gradial di conseguenza.

L’adozione si consolida quando i team vedono rapidamente che la soluzione funziona nel lavoro reale. Non in una demo o in un progetto pilota preparato in condizioni ideali, ma nelle proprie campagne, nei propri contenuti e nei propri flussi. Quando un team vede il tempo necessario per pubblicare passare da tre settimane allo stesso giorno, la resistenza interna tende ad attenuarsi da sola.

Dal punto di vista tecnico, che cosa distingue un motore di esecuzione da un normale livello di AI generativa?

Un livello di AI generativa fornisce una bozza, ma un motore di esecuzione la porta fino alla pubblicazione. La maggior parte degli strumenti AI per il marketing si ferma al risultato: scrive il testo o suggerisce una modifica. Quando però quel risultato deve passare dalle approvazioni o arrivare su una pagina pubblicata, tocca ai professionisti del marketing gestire il seguito. È proprio questo passaggio di consegne a consumare la maggior parte del tempo.

Un motore di esecuzione è diverso perché è integrato negli strumenti che il team già usa e comprende il funzionamento di quella specifica azienda. Quando un professionista del marketing gli chiede di svolgere un’attività, l’agente la fa avanzare attraverso tutti i passaggi necessari, ottiene le approvazioni e presenta soltanto le decisioni che richiedono davvero una persona. Il professionista mantiene il controllo senza dover fare da intermediario in ogni fase.

Molte aziende sperimentano l’AI, ma poche ottengono un ritorno significativo sull’investimento. Dove pensi che sbagli oggi la maggior parte delle organizzazioni?

L’errore più comune è trattare l’AI come uno strumento di produttività, invece che come un modo per correggere un processo che non funziona. Se ogni risultato richiede profonde revisioni, deve essere copiato manualmente in un altro sistema o necessita ancora di cinque approvazioni prima della pubblicazione, il problema non è stato risolto.

Le aziende che ottengono ritorni concreti hanno delimitato il problema con precisione. Hanno individuato esattamente dove il lavoro si bloccava e applicato l’AI a quel punto. Non in modo generico né come semplice esperimento, ma sapendo chiaramente che cosa significava lentezza prima e quale rapidità ci si dovesse aspettare dopo. Questa precisione distingue un vero ritorno sull’investimento da uno strumento che impressiona in una demo e accumula polvere sei mesi più tardi.

Quando l’approccio è corretto, i risultati sono concreti: i clienti Gradial hanno ottenuto un’attivazione delle campagne otto volte più veloce, risparmi sui costi operativi di almeno il 35% nel primo anno e il rispetto al 100% delle regole del marchio e dei requisiti di accessibilità per ogni contenuto.

Guardando a cinque anni da oggi, come sarà un’organizzazione di marketing interamente basata sull’AI e quale ruolo avrà Gradial in quel futuro?

Tra cinque anni, il livello operativo del marketing sarà autonomo. Un professionista chiederà a un agente di lanciare una campagna e questa sarà pubblicata entro la fine della giornata, perché l’agente avrà gestito tutti i passaggi intermedi. La visibilità del marchio nelle ricerche AI verrà monitorata e adeguata automaticamente. La conformità sarà garantita continuamente durante il processo, anziché con un controllo all’ultimo momento. I professionisti del marketing dedicheranno il loro tempo al lavoro per cui sono stati effettivamente assunti: costruire il marchio, sviluppare il lavoro creativo e prendere decisioni strategiche sulle esperienze dei clienti che richiedono giudizio umano.

Il ruolo di Gradial è aiutare le organizzazioni di marketing ad arrivarci per prime. Non convincendole a eliminare tutto e ricominciare da capo, ma dimostrando all’interno dei flussi esistenti che questo modo di lavorare è possibile. I team che lo capiranno presto avranno un vantaggio che si amplifica nel tempo rispetto a chi continuerà a realizzare campagne alla vecchia maniera.

Grazie per l’interessante intervista. I lettori che desiderano saperne di più possono visitare Gradial.