Rajeev Butani, CEO di MediaMint – Serie di Interviste

Rajeev Butani, CEO di MediaMint, porta con sé oltre tre decenni di esperienza di leadership nel settore tecnologico, media e trasformazione digitale. Prima di unirsi a MediaMint, ha ricoperto il ruolo di CEO e membro del consiglio di amministrazione di HeadSpin, dove ha guidato l’innovazione nell’intelligenza delle prestazioni per le esperienze digitali. In precedenza, Butani ha trascorso quasi 27 anni in Accenture, dove ha guidato iniziative trasformative come Group Technology Officer per Communications, Media & Technology, sovrintendendo alla strategia e ai partenariati relativi alle tecnologie emergenti come l’intelligenza artificiale e l’apprendimento automatico. I suoi ruoli di leadership in Accenture include la gestione delle relazioni con importanti clienti come Google (GOOGL ), Facebook (META ) e Microsoft (MSFT ), dimostrando la sua profonda esperienza all’intersezione tra tecnologia, strategia e crescita.

Fondata nel 2010, MediaMint è un partner operativo digitale globale che fornisce supporto completo in materia di operazioni pubblicitarie, produzione creativa, analisi dei dati e gestione delle campagne. Con sede a Hyderabad e uffici negli Stati Uniti e in Polonia, MediaMint consente alle società di media, agenzie e piattaforme di scalare in modo efficiente attraverso una combinazione di competenze umane e tecnologia. L’azienda si concentra sulla consegna di un’eccellenza operativa di alta qualità, flessibilità e trasparenza, aiutando i clienti a semplificare i propri flussi di lavoro, ottimizzare i costi e concentrarsi sull’innovazione in un ecosistema digitale sempre più complesso.

Cosa ha ispirato la tua transizione da Accenture a MediaMint e come la tua esperienza nel consulting ha influenzato il tuo approccio alle operazioni guidate dall’AI?

Il mio passaggio è stato un passo fuori dalla stanza del consulting e dentro la stanza dell’operatore. Dopo anni in Accenture, aiutando le aziende a progettare roadmap di trasformazione, ho visto un’opportunità di mercato chiara per costruire una soluzione in cui potessi assumere la responsabilità non solo per le roadmap, ma anche per i risultati con la pelle nel gioco.

Man mano che l’adozione dell’AI aumenta, i clienti richiedono partner che possano consegnare risultati e risultati assumendosi la responsabilità del lavoro completo e non solo di parti di esso. La mia esperienza nel consulting ha definito il nostro approccio per soddisfare questa richiesta e non potrei essere più entusiasta del viaggio che ci attende per sostenere le principali organizzazioni nel settore dei media, dell’intrattenimento e della tecnologia con le loro operazioni di front office.

Rompendo i silos con Agentic AI: Applichiamo il pensiero strategico e cross-funzionale del consulting direttamente attraverso la nostra piattaforma Agentic AI. Agentic AI ci consente di rompere i silos funzionali – Vendite, AdOps, Finanza – contro cui le grandi aziende sono costrette a lavorare. La nostra agilità ci consente di progettare e consegnare soluzioni complete che combinano Agentic AI e agenti umani per generare risultati su larga scala.

MediaMint è stata fondata nel 2010 e ha subito una notevole crescita da allora. Come sono evoluti la missione e le capacità dell’azienda, in particolare con il lancio di MediaMint Labs?

MediaMint è sempre stata all’avanguardia nel settore delle operazioni di media e marketing. Abbiamo iniziato fornendo servizi di alta qualità, guidati dagli esseri umani, ai principali editori, piattaforme, agenzie e marchi. La nostra missione era essere il partner operativo di fiducia che consentisse ai nostri clienti di scalare i propri ricavi e costruire efficienze operative.

Il lancio di MediaMint Labs segna la nostra prossima fase, la formalizzazione di come utilizziamo l’AI per guidare non solo l’efficienza, ma la crescita. Ci concentriamo ora sulla creazione di agenti AI attraverso MediaMint Labs che non eseguono solo compiti, ma diventano acceleratori strategici per i nostri clienti. L’acquisizione di DataBeat è stata anche una parte fondamentale di questa evoluzione, approfondendo la nostra capacità in materia di ingegneria dei dati, analisi e gestione del rendimento. Questo è un cambiamento fondamentale, che ci sposta da un fornitore di servizi di fiducia a un partner di servizi di crescita guidato dall’AI.

MediaMint Labs si concentra su agenti AI, ottimizzatori e acceleratori co-creati che MediaMint non solo costruisce, ma anche possiede e gestisce. Qual è il vantaggio strategico che questo modello di proprietà operativa offre ai clienti?

Questo modello di proprietà operativa è il nostro principale differenziatore strategico. Abbiamo imparato che quando si consegna un agente AI e si esce, fallisce nel momento in cui si verifica la complessità del mondo reale. I nostri clienti ottengono due vantaggi principali:

Primo, sviluppo rapido e sicurezza. La nostra piattaforma di sviluppo interna, model-agnostica, ci consente di progettare, distribuire e operare agenti per una varietà di casi d’uso di crescita in modo sicuro e su larga scala. Con ambienti di runtime preconfigurati e provisioning dell’ambiente con un solo clic, possiamo mettere in linea nuovi agenti in settimane, non mesi. La piattaforma gestisce la governance, la residenza dei dati e la sicurezza per impostazione predefinita, quindi i clienti non devono preoccuparsi della complessità della gestione di infrastrutture AI personalizzate.

Secondo, miglioramento continuo e stabilità. Manteniamo la proprietà operativa, il che significa che siamo responsabili delle prestazioni dell’agente. Seguiamo le prestazioni in tempo reale attraverso un sistema di tracciamento centralizzato, quindi ogni azione è responsabile e ogni risultato migliora nel tempo.

Avete avvertito dei pericoli di consegnare agenti AI ai clienti senza una gestione continua. Perché il modello di MediaMint, in cui si mantiene la proprietà operativa, è efficace?

Consegnare un agente AI è come consegnare una vettura da corsa ad alta prestazione senza una squadra di supporto. Potrebbe funzionare perfettamente il primo giorno, ma senza una costante manutenzione, fallirà. Il principale pericolo è il decadimento – le prestazioni dell’agente peggiorano man mano che il flusso di lavoro del cliente o l’API della piattaforma cambiano.

Perché la proprietà operativa funziona: il nostro modello è efficace perché assumiamo la proprietà operativa, trattando l’agente non come un prodotto, ma come un servizio garantito. Ciò fornisce due vantaggi chiave:

1. Miglioramento continuo

Manteniamo la responsabilità delle prestazioni dell’agente. Il nostro registro di tracciamento centralizzato e le nostre suite di valutazione ci consentono di monitorare e ottimizzare continuamente gli agenti attraverso il nostro processo Human-in-the-Loop contro le regole aziendali del cliente. Questo modello garantisce che le prestazioni della soluzione non decadano; diventano più intelligenti e robuste nel tempo. Questa gestione continua è il modo in cui garantiamo che l’agente funzioni sempre in modo sicuro, eliminando il rischio critico di entrate e conformità per il cliente.

2. Giudizio strategico e protezione dei casi limite

L’essere umano nel ciclo non è presente per compiti basilari; sono la nostra “squadra di supporto” per scenari ad alto rischio. Questa esperienza è critica per: Giudizio strategico: gestire situazioni che l’AI non ha mai visto, come importanti cambiamenti normativi o nuovi lanci di piattaforme pubblicitarie. Risoluzione dei casi limite: risolvere output ambigui e fallimenti complessi che potrebbero impattare sulle entrate o sulla conformità.

Questa gestione continua si traduce direttamente in valore. Consegniamo un risultato di prestazione garantito, garantendo una riduzione significativa degli errori critici e mantenendo una soddisfazione del cliente costantemente alta, non solo un pezzo di software.

Come prevedi che Agentic AI complementi o sostituisca elementi del modello SaaS? Quali fattori determinano se una soluzione è meglio consegnata come Agentic AI rispetto al SaaS tradizionale?

Il dibattito attuale perde il punto: Agentic AI non è qui per sostituire l’intero stack SaaS; è qui per disturbare l’economia del lavoro operativo. La distinzione fondamentale è il passaggio dal fornire uno strumento a garantire un risultato. Agentic AI avrà un impatto sul SaaS in due modi distinti:

Sostituzione: La pressione del flusso di lavoro. Gli agenti sostituiranno i SaaS transazionali, guidati dal flusso di lavoro – le piattaforme progettate solo per spostare dati o automatizzare passaggi di routine. Il valore non è più nell’interfaccia utente; è nell’azione autonoma. Stiamo passando da ‘Tool-as-a-Service’ a ‘Action-as-a-Service.’

Complemento: Il livello di aumento. Gli agenti non sostituiranno piattaforme strategiche come Salesforce o grandi sistemi di media. Invece, il nostro sistema Agentic AI opererà su di essi, eseguendo ottimizzazioni complesse in tempo reale. Prendono sistemi di registrazione passivi e li trasformano in sistemi di intelligenza attivi, aumentando la capacità umana.

Il fattore chiave che determina il nostro approccio è l’affidabilità. A differenza degli strumenti LLM per i consumatori, i nostri Agenti sono progettati fin dall’inizio per essere lavoratori affidabili. Sono ingegnerizzati per seguire le SOP dettagliate, rispettare le politiche e non deviare su centinaia di esecuzioni. Questo impegno per la governance e la fiducia – non solo la creatività – è ciò che ci consente di gestire flussi di lavoro critici per il P&L, qualcosa che il SaaS tradizionale e l’AI per i consumatori non possono fare.

MediaMint enfatizza un approccio ibrido con esseri umani nel ciclo. Perché la supervisione umana è ancora critica nell’era di Agentic AI e come migliora i risultati?

Gli esseri umani forniscono due cose che un agente AI non può: giudizio e strategia. Mentre un agente AI può creare un piano di media o correggere un’anomalia di pacing, uno stratega umano è necessario per definire gli obiettivi aziendali, fornire direzione creativa e prendere decisioni sfumate che coinvolgono la sicurezza del marchio, il sentimento del mercato o fattori esterni inaspettati.

La nostra piattaforma supporta questo modello ibrido per design. I nostri Agenti sono progettati per essere partner affidabili che svolgono il lavoro in modo coerente, corsia dopo corsia, aderendo alle linee guida e seguendo le SOP esattamente. Ciò garantisce che il Governatore umano possa fornire indicazioni e feedback in tempo reale e agire come il necessario Human-in-the-Loop (HITL), garantendo che operino come lavoratori responsabili e rispettosi delle politiche. L’agente gestisce i compiti monotoni, ad alto volume, come la stesura di report o la segnalazione di problemi, che ha portato a una riduzione media del 40% dello sforzo per i nostri team. Ciò libera l’essere umano per concentrarsi sul lavoro strategico ad alto valore. La supervisione umana non migliora solo i risultati; è ciò che garantisce che si allineino con gli obiettivi strategici più ampi dell’azienda.

Molte implementazioni di AI falliscono perché sono troppo isolate. Come fa MediaMint a garantire che le soluzioni AI si integrino in modo olistico attraverso i flussi di lavoro e i dipartimenti?

Questo è un problema chiave e abbiamo progettato tutta la nostra filosofia per risolverlo. La maggior parte dei progetti AI fallisce perché sono costruiti come soluzioni isolate che non parlano mai veramente il linguaggio dell’azienda. La nostra soluzione è garantire che ogni Agente sia progettato fin dall’inizio per il flusso di lavoro e la realtà operativa specifica del cliente. Raggiungiamo questa integrazione olistica non attraverso SDK generici, ma attraverso il Libro di esecuzione dell’Agente – un piano operativo personalizzato.

Il Libro di esecuzione dell’Agente è il piano operativo fondamentale. È un libro di istruzioni e guardrail che dice all’agente esattamente cosa fare, come gestire le eccezioni e come collegarsi ai sistemi esterni. Questo approccio affronta direttamente il problema dei frammenti di AI, costringendo l’integrazione fin dall’inizio: il Libro di esecuzione è personalizzato per le SOP del cliente, incorporando la nostra esperienza di dominio al nucleo. Inoltre, la nostra Libreria di connettori collega questi Agenti in modo trasparente ai sistemi chiave del cliente come Salesforce, Google Ad Manager e Snowflake. Ciò significa che la soluzione AI non è uno strumento, ma un componente olistico e integrato della spina dorsale operativa del cliente.

Prevedi scenari in cui più agenti AI collaborano attraverso ruoli, creando sistemi “agente-agente”? Come apparirà il futuro?

Assolutamente. Stiamo già costruendo verso questo futuro. L’architettura stessa della nostra piattaforma, con il suo livello di servizio unificato e gli adattatori di strumenti, è progettata per questo tipo di interoperabilità. Il futuro sarà meno un agente monolitico e più una collaborazione di agenti specializzati per risolvere un complesso problema aziendale.

Immagina un ecosistema in cui un Agente di rilevamento delle anomalie individua un calo nelle prestazioni della campagna. Attiva un secondo Agente di ottimizzazione per regolare l’offerta. Questo secondo agente notifica quindi un Agente di controllo qualità creativo per verificare se ci sono problemi di conformità con i creativi. Infine, un Agente di reporting consolida tutte queste azioni e informazioni in un briefing in tempo reale per il responsabile del conto. I nostri MediaMint Labs abilitano questa collaborazione agente-agente, formando la spina dorsale delle operazioni aziendali di prossima generazione, dove i flussi di lavoro non sono più una sequenza lineare di attività umane, ma un’orchestrazione dinamica di agenti autonomi.

Per le aziende che esplorano Agentic AI, quali sono le tue tre raccomandazioni principali per garantire un’implementazione di successo e un valore a lungo termine?

Le mie tre raccomandazioni principali sarebbero:

1. Inizia con il problema giusto, non solo con una tecnologia interessante. Non costruire un agente solo per il suo sake. Concentrati su un problema ben definito, ripetitivo e ad alto valore, come i nostri casi d’uso rappresentativi di un Co-pilota di pacing della campagna o un agente di controllo qualità creativo. Il valore deve essere chiaro e misurabile, con un obiettivo legato a una riduzione significativa dello sforzo (ad esempio, >25%), ottimizzazione del ricavo misurabile o perdita di ricavo quantificabile.
2. Pianifica la gestione operativa, non solo il deployment. Non consegnarlo. Gli agenti sono sistemi viventi che richiedono una gestione continua, valutazione e gestione della sicurezza. Scegli un partner che offra un modello come il nostro – in cui mantengono la proprietà operativa, per garantire che il tuo investimento consegni valore a lungo termine e non diventi un incubo di manutenzione.
3. Priorizza l’integrazione e la governance fin dall’inizio. Gli agenti AI isolati falliranno.

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