Doug Tallmadge, Co-Fondatore e Amministratore Delegato di Gradial – Serie di Interviste

Doug Tallmadge, Co-Fondatore e Amministratore Delegato di Gradial, è un imprenditore tecnologico e leader ingegneristico la cui carriera spazia dall’aerospaziale alle comunicazioni satellitari, dalla finanza all’intelligenza artificiale aziendale. Prima di lanciare Gradial nel 2023, ha trascorso quasi cinque anni presso SpaceX (SPCX ), dove ha contribuito a scalare la rete Starlink dalle sue fasi iniziali, guidando l’analisi della rete che sosteneva la crescita da zero a oltre 500.000 clienti e gestendo team di ingegneri software e scienziati dei dati che lavoravano sull’ottimizzazione e la simulazione della rete. Ha anche contribuito alle iniziative satellitari direct-to-cell di Starlink e ai primi sistemi di alimentazione satellitare. In precedenza, nella sua carriera, Tallmadge ha ricoperto ruoli presso Lockheed Martin (LMT ) e Bridgewater Associates, combinando una profonda competenza tecnica con l’esperienza in sistemi e operazioni aziendali su larga scala.

Gradial è un’azienda di intelligenza artificiale aziendale che si concentra su ciò che chiama operazioni di marketing agente, aiutando le grandi organizzazioni ad automatizzare il lavoro operativo che si trova tra la strategia creativa e l’esecuzione della campagna. Piuttosto che concentrarsi esclusivamente sul contenuto generato dall’AI, la piattaforma di Gradial orchestra agenti di intelligenza artificiale attraverso sistemi come Adobe Experience Manager, Salesforce , Jira, piattaforme di gestione dei contenuti, strumenti di gestione degli asset digitali e flussi di lavoro di marketing. La piattaforma può creare, ottimizzare, etichettare, controllare la qualità e distribuire asset di marketing mentre applica la governance, la conformità, l’accessibilità e gli standard del marchio. Creando un livello di conoscenza organizzativa condiviso che collega i sistemi aziendali, Gradial mira a ridurre la coordinazione manuale che spesso rallenta i grandi team di marketing, consentendo alle organizzazioni di lanciare campagne più velocemente, aumentare la produzione di contenuti personalizzati e gestire esperienze digitali sempre più complesse con maggiore efficienza.

Aiutasti a scalare Starlink da zero a centinaia di migliaia di utenti presso SpaceX, lavorando su sistemi di rete complessi prima di fondare Gradial. Qual è stato il momento in cui ti sei reso conto che l’infrastruttura di marketing aziendale aveva inefficienze sistemiche simili e come quell’intuizione ti ha portato a fondare Gradial?

Nel mio ruolo precedente, ho visto di persona come l’attrito nelle grandi organizzazioni si accumuli, anche la più piccola inefficienza può rallentare ogni processo che segue. Il marketing era dove notavo che questi collo di bottiglia avevano l’effetto più negativo. I team stavano spendendo molto tempo navigando piattaforme, caricando asset, gestendo approvazioni e coordinando passaggi. Il pensiero strategico e la direzione creativa venivano seppelliti sotto strati di esecuzione.

È un caso d’uso perfetto per l’AI, ma ciò che mi colpì fu dove si concentrava l’attenzione dell’industria. La maggior parte delle piattaforme stava utilizzando l’AI per creare contenuti, ma quando parlavo con i marketer di grandi organizzazioni, la mancanza di contenuti non era il problema. Potevano produrre contenuti facilmente. Ciò che non potevano fare era pubblicarli rapidamente. Passare da un’idea a una campagna live richiedeva giorni, settimane, a volte mesi. La maggior parte degli investimenti in AI era diretta verso la creazione, mentre il problema più difficile di far uscire il contenuto dalla porta veniva completamente ignorato. Abbiamo costruito Gradial attorno a quella lacuna: schierando agenti che gestiscono tutto, dalla stesura e dalle approvazioni alla pubblicazione, alla conformità del marchio e all’ottimizzazione delle prestazioni, in modo che i marketer possano concentrarsi sul lavoro che richiede il giudizio umano.

Hai sostenuto che il tradizionale “sistema di registrazione” è effettivamente diventato un sistema di debito tecnico. Cosa si rompe esattamente nelle pile di marketing aziendale legacy quando le aziende cercano di adottare l’AI?

Un sistema di registrazione, il CMS, gli strumenti di gestione dei progetti, i flussi di lavoro di approvazione e le librerie di asset sono stati costruiti per organizzare le informazioni, non per muoversi velocemente. Quando le aziende aggiungono l’AI a questi sistemi esistenti, le cose si rompono rapidamente. Lo strumento non conosce l’azienda che serve, la voce del marchio, i requisiti di conformità o i processi di approvazione. Quindi i marketer finiscono per rivedere ogni output e correggere gli errori causati dal contesto mancante. Per le organizzazioni che già gestiscono migliaia di pezzi di contenuto su più canali, l’AI aggiunta diventa un altro processo complesso da gestire.

La maggior parte della conversazione sull’AI nel marketing si è concentrata sulla generazione di contenuti. Perché credi che la vera opportunità si trovi nell’esecuzione e cosa significa questo cambiamento nella pratica?

I marketer non stanno lottando per produrre idee. Stanno lottando per spostare il contenuto attraverso i cicli di revisione, mantenere una voce del marchio coerente, lavorare su decine di strumenti e ottimizzare per diversi pubblici.

C’è anche un cambiamento strutturale in corso su come vengono scoperti i marchi. Le ricerche su Google sono scese di quasi il 20% nell’ultimo anno, il che significa che i marchi non possono più affidarsi solo al SEO. Devono apparire nelle risposte di ricerca dell’AI, il che richiede la pubblicazione di contenuti che i modelli di intelligenza artificiale possano facilmente interpretare, citare e mostrare. Il problema è che quei modelli cambiano costantemente ciò che estraggono. Un marchio che appare in una risposta oggi può scomparire silenziosamente domani. Entro il momento in cui i marketer identificano il gap, aggiornano il contenuto e ottengono le approvazioni, i modelli sono già passati a qualcos’altro.

La generazione di contenuti da sola non risolve questo problema. Anche se produci contenuti più velocemente, puoi ancora essere bloccato nelle stesse code di approvazione, con contenuti che non sono ottimizzati per la visibilità dell’AI. Gradial si collega agli strumenti che i marketer già utilizzano e gestisce il lavoro che di solito rallenta tutti i flussi di lavoro. Il risultato sono campagne che vengono lanciate in ore invece di settimane e contenuti che sono precisi, coerenti con il marchio e visibili dove il pubblico sta effettivamente cercando.

Gradial è spesso descritta come una piattaforma agente. Puoi spiegarci cosa fa effettivamente un agente di intelligenza artificiale all’interno di un flusso di lavoro di marketing di un’azienda Fortune 500 nel corso di una giornata lavorativa?

La migliore risposta è ciò che abbiamo visto con i nostri clienti. Presso T-Mobile, eseguire una campagna significava coordinare attraverso più team, raccogliere approvazioni e aspettare code di produzione che si estendevano per settimane. Con Gradial, un agente di intelligenza artificiale gestisce l’intero processo, dalla breve creativa alle revisioni e alla pubblicazione. Ciò che un tempo richiedeva a un marketer di inseguire manualmente ogni passaggio, ora semplicemente accade. Il risultato è stato un tempo di esecuzione della campagna del 90% più veloce.

Presso AWS, ogni nuova pagina web significava briefing un’agenzia, aspettare una bozza, passare attraverso round di revisioni e coordinare manualmente per pubblicarla. Un agente specializzato ha reso la creazione della pagina 20 volte più veloce.

Una delle sfide più grandi nell’adozione dell’AI aziendale è la fiducia. Come fa Gradial a garantire l’affidabilità e la governance quando gli agenti di intelligenza artificiale prendono decisioni di esecuzione a livello di sistema?

La fiducia è l’intero gioco nell’impresa, specialmente nella finanza e nella sanità, dove un errore di conformità ha conseguenze reali. Ogni distribuzione di Gradial inizia fornendo all’agente il contesto sulla voce del marchio, le linee guida dei messaggi, i requisiti di conformità, i flussi di lavoro di approvazione e gli standard dell’industria.

Il livello di coinvolgimento umano è completamente personalizzabile. I team nuovi a questo o che operano in ambienti regolamentati possono richiedere l’approvazione per tutto prima che venga pubblicato. E ogni azione che l’agente esegue è registrata con una traccia di audit completa. Ciò che abbiamo trovato è che la fiducia si costruisce naturalmente, con i team che iniziano con controlli stretti e gradualmente espandono l’autonomia dell’agente man mano che dimostra di poter gestire il lavoro reale. L’obiettivo non era mai quello di consegnare tutto il giorno uno, ma costruire qualcosa che guadagni più responsabilità man mano che dimostra di poter gestirla.

La tua piattaforma si integra con gli strumenti esistenti invece di sostituirli completamente. È la visione a lungo termine quella di aumentare lo stack attuale o sostituirlo completamente?

Per ora, l’attenzione si concentra sul incontrare i team dove si trovano. La maggior parte delle organizzazioni di marketing aziendale ha trascorso anni costruendo flussi di lavoro attorno a strumenti specifici, come Figma, Adobe e sistemi di gestione dei progetti, e chiedere loro di abbandonare quell’infrastruttura non è realistico. Gradial si collega e gestisce il lavoro di esecuzione che ha rallentato quei flussi di lavoro.

La visione a lungo termine è più ambiziosa. Molti software legacy sottostanti al marketing aziendale sono stati costruiti per un mondo prima dell’AI, e lo dimostrano. I sistemi progettati per memorizzare e organizzare il contenuto appariranno molto diversi quando un agente potrà detenere lo stesso contesto e agire su di esso simultaneamente. Pensiamo che la distinzione tra dove vive il contenuto e dove si svolge il lavoro alla fine collassi, e stiamo costruendo per essere lo strato di infrastruttura in cui entrambi accadono.

Le grandi aziende spesso hanno flussi di lavoro profondamente radicati e una resistenza interna al cambiamento. Cosa richiede effettivamente il deploy di un sistema nativo AI all’interno di un’organizzazione Fortune 500?

La prima cosa che facciamo è chiarire che Gradial non chiede a nessuno di cambiare il modo in cui lavora. Sembra semplice, ma è l’ostacolo più grande nell’adozione dell’AI aziendale. La maggior parte degli strumenti arriva con un nuovo sistema, una nuova interfaccia, un nuovo modo di fare le cose, e poi si chiede perché l’adozione si blocca sei mesi dopo. Iniziamo mappando come funziona effettivamente un team e configuriamo Gradial attorno a quello.

L’adozione funziona quando i team vedono che funziona sul lavoro reale rapidamente. Non una demo, non un pilot sanitario, ma le loro campagne reali, il loro contenuto reale, i loro flussi di lavoro reali. Una volta che un team vede il tempo di pubblicazione passare da tre settimane allo stesso giorno, la resistenza interna tende a prendersi cura di se stessa.

Da un punto di vista tecnico, cosa differenzia un motore di esecuzione da un livello di intelligenza artificiale generativa tipico?

Un livello di intelligenza artificiale generativa ti dà una bozza, ma un motore di esecuzione la pubblica. La maggior parte degli strumenti di AI per il marketing si ferma all’output; scriveranno la copia o suggeriranno la modifica, ma nel momento in cui quell’output deve muoversi attraverso le approvazioni o su una pagina live, i marketer sono lasciati a gestirlo. Quel passaggio è dove va effettivamente la maggior parte del tempo.

Un motore di esecuzione è diverso perché è incorporato negli strumenti che un team già utilizza e comprende come funziona quell’azienda specifica. Quando un marketer chiede all’agente di fare qualcosa, muove il lavoro attraverso ogni passaggio richiesto, ottenendo approvazioni e mostrando solo le decisioni che effettivamente richiedono un essere umano. Il marketer rimane in controllo senza essere al centro di ogni passaggio.

Molte aziende stanno sperimentando con l’AI, ma poche stanno vedendo un ritorno significativo sull’investimento. Dove pensi che la maggior parte delle organizzazioni stia sbagliando oggi?

L’errore più comune è trattare l’AI come uno strumento di produttività piuttosto che come una soluzione per un processo rotto. Se ogni output richiede una pesante modifica, o deve essere copiato manualmente in un altro sistema, o richiede ancora cinque approvazioni prima che qualcosa venga pubblicato, non hai risolto il problema.

Le aziende che vedono ritorni reali sono diventate specifiche. Hanno identificato esattamente dove il lavoro si stava bloccando e hanno distribuito l’AI contro quel problema, non in modo ampio, non come esperimento, ma con un senso chiaro di cosa appariva lento prima e cosa dovrebbe apparire veloce dopo. Quella precisione è ciò che separa il ritorno reale sull’investimento da uno strumento che impressiona in una demo e raccoglie polvere sei mesi dopo.

Quando lo fai correttamente, i risultati sono tangibili: i clienti che utilizzano Gradial hanno visto un’attivazione della campagna 8 volte più veloce, risparmi operativi del 35%+ nel loro primo anno e una conformità del 100% al marchio e all’accessibilità su ogni pezzo di contenuto.

Se guardiamo avanti di cinque anni, cosa assomiglia un’organizzazione di marketing nativa AI e quale ruolo gioca Gradial in quel futuro?

In cinque anni, il livello operativo del marketing sarà autonomo. Un marketer chiede a un agente di lanciare una campagna e sarà live entro la fine della giornata perché l’agente ha gestito ogni passaggio in mezzo. La visibilità del marchio nella ricerca dell’AI verrà monitorata e aggiustata automaticamente. La conformità avverrà in modo continuo durante l’intero processo piuttosto che come un controllo di ultima ora. I marketer trascorreranno il loro tempo su ciò per cui sono stati assunti: costruire il marchio, sviluppare la creatività e prendere decisioni strategiche sull’esperienza del cliente che richiedono il giudizio umano.

Il ruolo di Gradial è portare le organizzazioni di marketing a quel punto, non convincendole a buttare via tutto e ricominciare, ma dimostrando all’interno dei loro flussi di lavoro esistenti che questo modo di operare è possibile. I team che capiscono questo per primi avranno un vantaggio cumulativo su quelli che stanno ancora eseguendo campagne nel vecchio modo.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Gradial.