Sandeep Menon, CEO & Co-Founder at Auxia – Intervista

Sandeep Menon, CEO & Co-Founder at Auxia, porta oltre due decenni di leadership tecnologica e di marketing a livello globale. Prima di lanciare Auxia nel 2022, ha trascorso più di nove anni a Google (GOOGL ), dove ha ricoperto il ruolo di Vice Presidente del Marketing per i Pagamenti e ha guidato iniziative come il programma Next Billion Users, focalizzato sull’inclusione digitale nei mercati emergenti. Ha anche ricoperto ruoli di leadership nel marketing senior in Android, Chrome, ChromeOS e Google Play.

Auxia è una piattaforma di marketing guidata dall’intelligenza artificiale che consente ai team aziendali di orchestrare percorsi clienti personalizzati 1:1 a livello di scala. Invece di affidarsi a campagne basate su regole rigide e segmenti statici, Auxia consente agli agenti di intelligenza artificiale di testare ipotesi su tutti i punti di contatto – posta elettronica, web, app, offerte – e di adattarsi dinamicamente alle preferenze e al comportamento in tempo reale. Si integra perfettamente con le fonti di dati di prima parte, automatizza le pipeline di apprendimento automatico e ottimizza costantemente la messaggistica, il timing e la sequenza per massimizzare l’engagement e il valore a lungo termine.

Hai fondato Auxia dopo una carriera di successo a Google, dove hai guidato il marketing globale per prodotti utilizzati da miliardi di persone. Quale specifica lacuna o punto dolente hai visto tu e i tuoi co-fondatori nel mercato che ha portato alla creazione di Auxia?

Google mi ha fatto capire personalmente quanto possa essere potente la personalizzazione vera e propria quando si dispone della giusta infrastruttura e delle capacità di intelligenza artificiale. Ma quando ho guardato il mercato più ampio, ho visto aziende che lottavano con stack di marketing frammentati, spesso gestendo 12-14 diverse soluzioni di punto che non comunicavano tra loro. Raccoglievano enormi quantità di dati sui clienti, ma non potevano tradurre quei dati in personalizzazione significativa e in tempo reale.

La lacuna fondamentale era che le piattaforme esistenti erano state costruite per l’era pre-intelligenza artificiale. Si basavano su regole statiche e segmentazione di base, quando ciò di cui le aziende avevano realmente bisogno erano sistemi intelligenti e adattivi in grado di prendere decisioni in tempo reale su ogni interazione con il cliente. Abbiamo visto un’opportunità per portare lo stesso livello di personalizzazione guidata dall’intelligenza artificiale che alimenta aziende come Google e Meta alle aziende di tutte le dimensioni, senza richiedere loro di costruire enormi squadre di scienziati dei dati interni.

Il team di fondazione di Auxia include ex leader di Google, Meta e Lyft. Come hanno plasmato le vostre esperienze collettive in queste aziende tecnologiche l’architettura e l’etica di Auxia?

Tutti noi abbiamo sperimentato le sfide della personalizzazione su larga scala. Nel team di Google Pay, in particolare, eravamo in una posizione privilegiata perché avevamo una prima esposizione a tecnologie trasformative nella loro infanzia, con i modelli transformer come esempio principale. I miei co-fondatori, provenienti da Meta e Lyft, hanno costruito sistemi che hanno aperto la strada a modi per rendere i dati dei clienti disponibili in modo drammaticamente più utile, come alimentare raccomandazioni e decisioni in tempo reale per milioni di utenti ogni secondo.

Noi tutti abbiamo visto di persona come l’intelligenza artificiale potesse migliorare profondamente le esperienze dei clienti, affrontando allo stesso tempo alcune delle sfide più difficili affrontate dalle nostre squadre di marketing. Allo stesso tempo, il mercato più ampio stava cambiando in un modo che rendeva questo tipo di lavoro possibile al di fuori di Google. Con l’ascesa dello stack di dati moderno e piattaforme come Snowflake, BigQuery e Databricks, le aziende avevano trascorso gli ultimi 5-10 anni consolidando i loro dati in un unico luogo centrale pronto per l’attivazione.

Avevamo riconosciuto un’opportunità unica per prendere gli insegnamenti che avevamo sviluppato all’interno di Google e democratizzarli per le aziende di tutto il mondo. Queste aziende stavano solo iniziando a rendersi conto che sedevano su una montagna di dati preziosi e che, con la tecnologia giusta, quei dati potevano essere sbloccati per guidare la crescita e un miglior engagement dei clienti.

La maggior parte degli strumenti di personalizzazione si basa su sistemi basati su regole e segmenti semplici. Auxia utilizza invece agenti di intelligenza artificiale sincronizzati. Puoi spiegarci come questi agenti collaborano ed evolvono nel tempo per personalizzare ogni percorso del cliente?

La maggior parte degli strumenti sul mercato oggi si basa ancora su regole rigide e segmenti statici, sono reattivi, non intelligenti. In Auxia, abbiamo costruito un sistema di agenti di intelligenza artificiale sincronizzati che lavorano insieme per personalizzare ogni punto di contatto nel percorso del cliente in tempo reale.

Ogni agente svolge un ruolo specializzato. Gli agenti decisionali determinano la migliore azione da intraprendere per un utente in base a tutti i suoi dati e preferenze precedenti; ad esempio, se offrire un nuovo prodotto o guidare l’utente ad aprire un nuovo conto di risparmio. Gli agenti analisti funzionano come una squadra di scienziati dei dati integrati, analizzando cosa ha funzionato bene nelle campagne attuali per evidenziare l’impatto, ma anche le opportunità di miglioramento in un’interfaccia basata su chat. Infine, gli agenti di contenuto di Auxia sfruttano tutti i dati e le informazioni su cosa ha funzionato meglio per proporre nuove variazioni di messaggistica o creatività per i team di marketing da approvare.

Ciò che rende questi agenti potenti è che non operano in silos. Collaborano continuamente, imparando da ogni interazione e adattandosi in base a ciò che funziona. I marketer definiscono obiettivi di alto livello e gli agenti gestiscono la complessità. Sono sistemi di auto-ottimizzazione che si evolvono quotidianamente per guidare risultati migliori a livello di scala.

Auxia elabora 2,6 miliardi di eventi al giorno e gestisce 6.500 query al secondo. Quali innovazioni infrastrutturali hanno reso possibile questo tipo di scalabilità in tempo reale già nella prima fase della vita dell’azienda?

Fin dal primo giorno, sapevamo che la scalabilità non era negoziabile. L’iperpersonalizzazione funziona solo se si possono prendere decisioni in millisecondi, utilizzando segnali freschi e contestuali. Abbiamo imparato molte di queste lezioni dal nostro tempo a Google e ci è voluto oltre un anno per costruire l’infrastruttura per supportare quel livello di orchestrazione in tempo reale.

La nostra architettura è nativa cloud, basata su eventi e ottimizzata per il flusso di dati ad alto throughput, quindi stiamo stando sulle spalle di onde tecnologiche precedenti come il passaggio allo stack di dati moderno. Il modo in cui il paesaggio del marketing tecnologico è evoluto verso ecosistemi aperti ci ha permesso di muoverci molto più velocemente, consentendoci di integrarci direttamente con i moderni magazzini di dati cloud, CRM e altre piattaforme di marketing. Ciò ci ha permesso di costruire per la scalabilità fin dal primo giorno e ci ha anche aiutato a fare affidamento su un’infrastruttura in grado di elaborare enormi volumi di segnali dei clienti senza introdurre latenza.

Ciò che ci distingue è che siamo nativi dell’intelligenza artificiale fin dall’inizio. Abbiamo progettato Auxia per supportare la sperimentazione su larga scala, eseguendo migliaia di ipotesi simultanee e ottimizzando continuamente i risultati senza intervento umano, ma stiamo anche sfruttando le ultime tecnologie del settore per la creazione di funzionalità, la distribuzione dei modelli e l’inferenza LLM.

Come differisce il framework di sperimentazione del modello di Auxia dal test A/B tradizionale e quali sono stati i risultati più sorprendenti scoperti utilizzando il vostro approccio guidato dall’apprendimento automatico?

Il test A/B tradizionale è incredibilmente limitato; puoi testare solo poche varianti alla volta e spesso ci vogliono settimane o mesi per raggiungere risultati statisticamente significativi. In Auxia, abbiamo ripensato la sperimentazione come un processo intelligente e continuo. Il nostro framework guidato dal modello consente ai marketer di eseguire molti modelli di auto-ottimizzazione e testare centinaia di varianti in parallelo. Utilizzando tecniche come l’apprendimento per rinforzo, il sistema di decisione di Auxia prende decisioni in tempo reale in base ai dati live.

Prendiamo ad esempio una campagna promozionale di offerte e ricompense via e-mail. In precedenza, i marketer avrebbero potuto testare 2-3 diverse varianti di offerte, come uno sconto del 5%, del 10% o del 20%, dividere il pubblico in gruppi mutualmente esclusivi, lanciare e confrontare i risultati su una varietà di metriche per vedere quale variante funzionava meglio, in media, per l’intero gruppo. Quella variante vincente sarebbe poi stata distribuita a tutti dopo il periodo di sperimentazione. Ci sono alcune sfide con questo approccio. In primo luogo, la maggior parte degli esperimenti fallisce, quindi spesso ci vogliono settimane o mesi ai team per identificare cosa funziona bene. Inoltre, sono super manuali e richiedono molto tempo per la configurazione, il che limita la velocità del team e la rapidità con cui possono fornire un impatto.

Con Auxia, i marketer definiscono innanzitutto un obiettivo di alto livello, come il drive delle vendite. Da lì, il team configura centinaia di diverse varianti nel sistema, che possono essere generate dinamicamente con il nostro Content Agent, inghiottite dal CMS o definite manualmente. Ognuna di queste varianti varia in termini di costrutto dell’offerta (ad esempio, 5% di sconto rispetto a BOGO), importo, contenuto e potenzialmente anche canale (ad esempio, e-mail rispetto a SMS). Per ogni utente individuale, l’agente di decisione di Auxia classifica, punteggia e prevede, su tutte le centinaia di varianti disponibili, quale sia la variante ottimale per ogni persona per guidare l’obiettivo principale.

La piattaforma di Auxia è progettata per rimuovere la dipendenza da grandi squadre di scienziati dei dati interni. Hai visto team di marketing tradizionali assumere con successo ruoli più tecnici con i tuoi strumenti?

Una delle ragioni principali per cui abbiamo iniziato Auxia è stata quella di potenziare i team di marketing per personalizzare sia le esperienze di marketing che di prodotto senza dover fare affidamento su ingegneri o scienziati dei dati. Già dopo poche settimane dall’onboarding, i marketer che utilizzano Auxia sono in grado di lanciare nuove campagne, recuperare dati e interpretare i risultati completamente da soli. Mentre il mondo si muove verso un futuro più agente, crediamo che i marketer non debbano diventare più tecnici o costruire nuove competenze tecniche. Invece, le responsabilità tradizionalmente gestite dagli ingegneri o dagli analisti saranno democratizzate attraverso agenti intelligenti che aumentano il flusso di lavoro e l’esperienza generale del marketer. Con il nostro Analyst Agent, abbiamo già astratto gran parte di quella complessità del lavoro tradizionale di analisi dei dati e siamo entusiasti di continuare a spingere quelle capacità in avanti.

Essendo stato a capo del marketing per l’iniziativa Next Billion Users di Google, quali parallelismi vedi tra l’adozione tecnologica inclusiva e l’intelligenza artificiale agente nel marketing di oggi?

Quando ho guidato il marketing per l’iniziativa Next Billion Users di Google, abbiamo riconosciuto che le persone nei mercati emergenti interagivano con i prodotti in modi fondamentalmente diversi rispetto agli utenti nei mercati sviluppati. Poiché rappresentava un’opportunità di crescita così massiccia, è diventato vitale costruire specificamente per quegli utenti – semplificando le interfacce, astrando la complessità e assicurandosi che l’esperienza fosse accessibile ed empowerment.

Vedo una tendenza molto simile che si sta svolgendo con l’intelligenza artificiale agente nel marketing. Proprio come molti di quei nuovi utenti di Internet saltarono direttamente nelle esperienze mobile-first senza aver bisogno di precedente alfabetizzazione digitale, i marketer di oggi non hanno bisogno di tornare indietro e imparare SQL o scienza dei dati per sbloccare la personalizzazione. Gli agenti colmano quelle lacune di competenze e rendono capacità sofisticate immediatamente utilizzabili. Allo stesso tempo, il modo in cui le persone interagiscono con l’intelligenza artificiale – muovendosi oltre le interfacce basate su chat verso agenti più intuitivi e consapevoli del contesto – sta costringendo gli sviluppatori a ripensare l’interfaccia utente del futuro. L’accento, come per gli NBUs, è sull’accessibilità, sulla semplicità e sull’empowerment: astrazione della complessità tecnica in modo che l’esperienza finale sembri naturale e di impatto.

Qual è il più grande malinteso che le aziende hanno sull’personalizzazione dell’intelligenza artificiale oggi e come li aiuti a superarlo?

Il più grande malinteso che le aziende hanno sull’personalizzazione dell’intelligenza artificiale è che adottarla significhi rinunciare al controllo totale o diminuire l’impatto strategico dei team di marketing. L’intelligenza artificiale eccelle nel processare la complessità, come l’analisi di enormi set di dati, l’individuazione di modelli che gli esseri umani non possono vedere e la messa in evidenza di segnali che contano in tempo reale. Ciò che non può fare è fornire il contesto, l’empatia e il giudizio strategico necessari per progettare esperienze clienti significative. È lì che gli esseri umani brillano: definendo la visione, definendo i confini del marchio e capendo quando una scelta di personalizzazione potrebbe sembrare invasiva o fuori marca.

Se parliamo onestamente, utilizzando la tecnologia di oggi, gli esseri umani possono essere efficaci senza intelligenza artificiale, ma l’intelligenza artificiale non può essere efficace senza gli esseri umani. La vera svolta avviene quando si potenzia il team con l’intelligenza artificiale per gestire la scala e la complessità della presa di decisioni basata sui dati, mentre si potenziano i team per concentrarsi sulla strategia, sulla creatività e sull’empatia. È quando la personalizzazione passa dall’essere un buzzword a qualcosa che crea realmente valore per i clienti e per l’azienda.

Con il sostegno di oltre 50 leader del settore e un aumento di 23,5 milioni di dollari, quali sono le aree chiave che stai priorizzando per i prossimi 12-18 mesi di crescita del prodotto e del team?

Stiamo priorizzando tre aree di crescita per i prossimi 12-18 mesi. In primo luogo, ci impegniamo a fornire un valore eccezionale ai nostri clienti continuando a elevare la loro esperienza. Questo è sempre stato una priorità assoluta per il nostro team e vogliamo assicurarci di fornire un ritorno sull’investimento eccezionale per tutte le aziende che hanno riposto la loro fiducia in noi e nel nostro team. In secondo luogo, stiamo ampliando le capacità dei nostri agenti di intelligenza artificiale per supportare l’intero flusso di lavoro del marketer, aiutando i team a creare contenuti, orchestrare esperienze personalizzate e fornire informazioni azionabili su cosa sta guidando l’impatto. Infine, stiamo scalando il nostro motore di mercato. Con una solida corrispondenza di prodotto-mercato nel settore aziendale, il prossimo passo è quello di espandere la nostra portata aumentando le nostre squadre di vendita e di successo dei clienti. Ciò ci consente di portare la personalizzazione guidata dall’intelligenza artificiale a più aziende, garantendo che i nuovi clienti traggano vantaggio dallo stesso supporto ad alto tocco e dall’esperienza differenziata che ha alimentato il nostro successo iniziale.

Cosa ti entusiasma di più della prossima frontiera dell’intelligenza artificiale agente, non solo nel marketing, ma anche in altre applicazioni aziendali?

Ciò che mi entusiasma davvero è vedere il ritmo di adozione, vedere che quell’adozione abbia un impatto reale e vedere il mercato riconoscere che il valore reale dell’intelligenza artificiale agente è nell’aumento, non nella sostituzione. Troppi colloqui di oggi si concentrano sull’intelligenza artificiale come sostituto dei ruoli umani, come tutti i cartelloni che potresti vedere sulla 101 diretti a San Francisco su aziende che sostituiscono gli SDR (o anche intere funzioni). Quel racconto attirerà l’attenzione, ma per me manca l’opportunità più grande: potenziare le persone per fare il loro miglior lavoro.

Gli esseri umani portano contesto, empatia, creatività e giudizio che l’intelligenza artificiale semplicemente non può replicare. Lì è dove l’intelligenza artificiale agente brilla: gestire la complessità e la scala che appesantisce i team. Abbiamo parlato molto dell’applicabilità ai flussi di lavoro di marketing, come la messa in evidenza di informazioni da enormi set di dati, l’automatizzazione di attività ripetitive e l’orchestrazione di processi tra sistemi in tempo reale. Quando queste capacità sono abbinate con le forze umane, il risultato è un cambiamento significativo in ciò che le organizzazioni possono raggiungere.

Nel marketing, ciò significa liberare i team dall’esecuzione infinita in modo che possano concentrarsi sulla strategia, sulla narrazione e sull’empatia del cliente. Ma questo stesso modello si applica a tutte le funzioni dell’azienda: nelle vendite, gli agenti possono qualificare e preparare le opportunità in modo che gli esseri umani possano trascorrere più tempo costruendo relazioni; nel successo del cliente, gli agenti possono segnalare segnali di rischio e opportunità in modo che gli esseri umani possano approfondire le partnership; nell’ingegneria, gli agenti possono accelerare lo sviluppo automatizzando il testing, il debugging e la generazione di codice, in modo che i team possano concentrarsi sulla risoluzione di problemi architettonici complessi e guidare l’innovazione.

Tutte queste opportunità creeranno trilioni di dollari di valore e amo vedere le aziende che stanno spingendo il limite per plasmare come il lavoro che le persone fanno evolverà nel tempo.

Immagina team finanziari con agenti di intelligenza artificiale che ottimizzano i budget in tempo reale, team HR che utilizzano agenti per personalizzare l’engagement degli dipendenti o team di supporto clienti che si muovono da reattivi a proattivi.

Stiamo solo iniziando. Il futuro non è sulla sostituzione degli esseri umani con l’intelligenza artificiale, ma su come gli esseri umani e gli agenti di intelligenza artificiale lavorino insieme per prendere decisioni più veloci, più intelligenti e più empatiche. È il futuro che stiamo costruendo in Auxia.

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