Guglielmo Faglioni, medeoprichter en hoofd Wetenschap & Technologie bij Callimacus – Interviewreeks

Guglielmo Faglioni, medeoprichter en hoofd Wetenschap & Technologie bij Callimacus, is technologieondernemer en software-engineer. Hij heeft meer dan tien jaar ervaring met de ontwikkeling van digitale producten en applicaties. Naast zijn functie bij Callimacus is hij sinds 2016 CEO van Gorilla Technologies, een softwareontwikkelingsbedrijf dat zich richt op mobiele applicaties, websites en e-commerceoplossingen. Eerder in zijn loopbaan richtte Faglioni GuiDev op, waar hij werkte als lead iOS-software-engineer. Bij Callimacus helpt hij leiding te geven aan de wetenschappelijke en technische ontwikkeling van de aanpak van het bedrijf voor AI-gestuurde digitale ervaringen.

Callimacus is een AI-platform van het in Milaan gevestigde Solomei AI dat het traditionele concept van statische webpagina’s vervangt door digitale ervaringen die dynamisch voor elke bezoeker worden samengesteld. De architectuur maakt gebruik van een orkest van gespecialiseerde AI-agenten om signalen zoals vragen, klikken en scrollgedrag te interpreteren, de intentie van de gebruiker te bepalen en in realtime relevante interface-elementen samen te stellen. Het platform kan verbinding maken met systemen als Shopify en Salesforce, contentmanagementsystemen en API’s. Daarnaast biedt het ontwikkelaars SDK’s om de mogelijkheden voor intentieherkenning en interfacegeneratie te integreren in bestaande front-ends. Callimacus is ook ingezet voor de ontwikkeling van AI-gestuurde digitale ervaringen voor het luxemodebedrijf Brunello Cucinelli.

Voordat je Callimacus mede oprichtte, werkte je jarenlang als iOS-engineer aan software en richtte je later Gorilla Technologies op, waarvan je de leiding nam. Welke ervaringen tijdens die loopbaan overtuigden je ervan dat de traditionele, op pagina’s gebaseerde architectuur van het web in het AI-tijdperk grondig moest worden herzien?

Door iOS-apps te bouwen, leerde ik iets waarvan ik pas jaren later ten volle begreep hoe belangrijk het was: elk scherm wordt van tevoren ontworpen en elke gebruiker ziet hetzelfde scherm. Je tekent de app, brengt die uit en ziet vervolgens miljoenen verschillende mensen hetzelfde proces doorlopen. Je kunt segmenteren en A/B-testen, maar je kiest nog steeds uit versies die iemand van tevoren heeft ontworpen. Het web nam hetzelfde model over van drukwerk: de pagina als een vaste container. Toen modellen goed genoeg werden om intenties te begrijpen en snel gestructureerde beslissingen te nemen, konden we de container zelf ter discussie stellen in plaats van alleen te optimaliseren wat erin zit.

Callimacus vervangt vooraf bepaalde websitebezoekersroutes door een ‘orkest’ van AI-agenten dat de intentie van bezoekers interpreteert en in realtime een interface samenstelt. Kun je stap voor stap uitleggen wat er technisch gebeurt vanaf het moment dat een bezoeker arriveert tot het moment waarop de gepersonaliseerde ervaring verschijnt?

Callimacus is gebouwd op een architectuur zonder vaste pagina’s. In plaats van content onder te brengen op vooraf bepaalde webpagina’s, scheidt onze technologie de content van de pagina zelf. Producten, redactionele content, media en interfacecomponenten bestaan onafhankelijk van elkaar, zodat ze dynamisch kunnen worden gecombineerd in plaats van opgesloten te zitten in vaste containers.

Zodra de bezoeker interactie aangaat, analyseert Callimacus multidimensionale signalen, zoals klikken, navigatiepatronen en gesprekken op basis van prompts. De Intent Agent gebruikt die signalen om de context, interesses, verwachtingen en het gedrag van de bezoeker te begrijpen, evenals wat diegene op dat moment probeert te bereiken. Vervolgens activeert de Intent Agent de meest geschikte ‘receptor’ voor die motivatie. Iemand die inspiratie zoekt, kan bijvoorbeeld een ander interactiepad volgen dan iemand die duidelijk van plan is iets te kopen. Het systeem selecteert daarna de meest relevante content en interfacecomponenten en stelt de ervaring binnen milliseconden samen. Dat gebeurt niet slechts één keer. Terwijl de bezoeker interactie aangaat en diens intentie verandert, kan de ervaring zonder vaste pagina’s zich steeds opnieuw aanpassen, in plaats van de bezoeker te dwingen een vooraf ontworpen route te volgen.

Personalisatie bestaat al jaren op het web, onder meer in de vorm van aanbevelingssystemen, segmentatie en A/B-testen. Wat maakt generatieve interfaces die op intentie zijn gebaseerd fundamenteel anders dan die eerdere benaderingen?

Voor ons zit het fundamentele verschil in de vraag of je personaliseert op basis van het verleden of begrijpt wat iemand nú nodig heeft. De meeste bestaande vormen van personalisatie zijn gebaseerd op zaken als CRM-profielen, cookies en gedrag uit het verleden. Dat kan iets vertellen over wat mensen eerder hebben gedaan, maar intentie is veel directer en kan tijdens één sessie veranderen.

Callimacus is ontworpen om intentie te begrijpen aan de hand van realtime signalen en op individueel niveau te personaliseren. Het platform beperkt zich ook niet tot het aanpassen van een aanbeveling of één element op een pagina. De content, interfacecomponenten en het interactiepad kunnen allemaal worden afgestemd op de huidige intentie van die persoon en vervolgens opnieuw worden samengesteld wanneer die intentie verandert. De omslag bestaat dus uit de overgang van kiezen uit vooraf bepaalde ervaringen, grotendeels op basis van historische informatie, naar het genereren van de ervaring zelf rond wat die persoon op dat moment probeert te bereiken. Historische gegevens kunnen context bieden, maar realtime intentie bepaalt hoe de ervaring wordt aangepast.

Als elke bezoeker in feite een andere website kan krijgen, hoe voorkom je dan dat personalisatie onvoorspelbaar wordt? Hoe behoud je de identiteit, ontwerptaal en bedrijfsregels van een merk, terwijl je AI toch de vrijheid geeft om de ervaring op betekenisvolle wijze aan te passen?

Personalisatie betekent niet dat AI onbeperkte vrijheid krijgt. De merkcontrole is ingebouwd in de architectuur, zodat de ervaring altijd wordt gegenereerd binnen de goedgekeurde regels en middelen van het merk. Elk interface-element komt uit een bibliotheek met componenten die het merk heeft goedgekeurd en die al zijn ontworpen volgens de visuele stijl van het merk. Het model maakt een gestructureerde beschrijving van wat er moet worden getoond en hoe dat moet worden ingedeeld. Die beschrijving wordt aan een strikt schema getoetst voordat er iets wordt weergegeven. Met andere woorden: het model bepaalt de compositie, terwijl het designsysteem van het merk bepaalt hoe die compositie eruit kan zien. Bedrijfsregels, zoals prijzen, beschikbaarheid en het regionale assortiment, worden buiten het model om als harde randvoorwaarden afgedwongen.

Controle betekent ook inzicht. Via de backoffice kunnen bedrijfsteams zien hoe de website zich gedraagt: welke ervaringen worden samengesteld, voor welke intenties en hoe bezoekers erop reageren. Het platform stelt ook zelf diagnoses, en doet dat proactief. Het wijst erop waar verbetering mogelijk is, probeert nieuwe configuraties uit, toetst die aan eerdere interacties met gebruikers en beoordeelt of ze werken. Er gaat niets live voordat het merk goedkeuring heeft gegeven. Zo stelt AI verbeteringen voor die met bewijs zijn onderbouwd, terwijl het merk de uiteindelijke beslissing houdt.

Dat is belangrijk, omdat we een van de problemen willen oplossen die ertoe hebben geleid dat traditionele websites veel merken er online steeds meer hetzelfde uit laten zien en zich hetzelfde laten gedragen. AI moet een merk meer mogelijkheden bieden om zijn identiteit tot uitdrukking te brengen, afgestemd op de individuele bezoeker, terwijl het merk de grenzen blijft bepalen waarbinnen die ervaring wordt gecreëerd.

Generatieve interfaces in realtime brengen nieuwe uitdagingen op het gebied van betrouwbaarheid met zich mee, omdat AI niet langer alleen een antwoord genereert, maar ook helpt bepalen wat de gebruiker daadwerkelijk te zien krijgt en hoe die navigeert. Hoe gaat u in die omgeving om met hallucinaties, onjuiste gevolgtrekkingen over intenties, veiligheid en verificatie?

We beginnen met het beperken van wat AI verkeerd kan doen. Het model bepaalt hoe de ervaring wordt samengesteld, maar de feiten daarin komen uit de bronsystemen van het merk. Het afleiden van intenties wordt als een waarschijnlijkheid behandeld. Als het systeem onzeker is, stelt het een bredere, meer verkennende ervaring samen in plaats van zich vast te leggen op één interpretatie. Omdat de ervaring zich blijft aanpassen terwijl de bezoeker ermee interacteert, corrigeert elk nieuw signaal de eerdere inschatting.

Betrouwbaarheid is ook een kwestie van architectuur. De laag die de ervaring levert, is gescheiden van de AI-laag en moet aan een hogere beschikbaarheidsdoelstelling voldoen. Als een model traag of niet beschikbaar is, krijgen bezoekers nog steeds een complete ervaring die bij het merk past en is opgebouwd uit deterministische standaardinstellingen.

De AI-boetiek van Brunello Cucinelli is een van de eerste grootschalige toepassingen van dit model in de praktijk. Wat hebt u geleerd door te observeren hoe klanten omgaan met een door AI samengestelde winkelervaring, wat u niet had voorzien toen u Callimacus ontwikkelde?

Een van de duidelijkste signalen is dat mensen bereid zijn zich meer in te zetten voor een ervaring die voor hen relevanter aanvoelt. We hebben gezien dat gebruikers ongeveer twee keer zoveel actieve tijd op de website doorbrengen, naast een aanzienlijke stijging van zowel het aantal toevoegingen aan het winkelmandje als de conversiepercentages.

Voor ons is dat een belangrijke eerste bevestiging dat de overstap van vaste, uniforme klantreizen een aanzienlijke impact kan hebben: niet alleen op hoe onderscheidend de ervaring aanvoelt, maar ook op de betrokkenheid en de commerciële resultaten.

Dynamische websites stellen ook veel aannames over zoekmachineoptimalisatie, analytics, toegankelijkheid en testen ter discussie. Hoe moeten technologieën die zijn gebouwd rond relatief deterministische webpagina’s zich ontwikkelen wanneer interfaces en klantreizen dynamisch worden gegenereerd?

De meeste webtools gaan ervan uit dat de pagina de eenheid is waar alles om draait: je indexeert een pagina, meet een pagina en test een pagina. In een paginaloze architectuur verschuift die eenheid naar de content zelf, en elke discipline moet daarin meegaan. Voor zoekmachines bestaat elk contentonderdeel los van de manier waarop het wordt samengesteld. Het kan dus een eigen, overzichtelijke URL krijgen die rekening houdt met de taal, en in elke taalregio worden opgenomen in een automatisch gegenereerde sitemap. De volgende stap gaat verder: het platform detecteert welke navigatiepaden bezoekers daadwerkelijk het vaakst gebruiken en maakt die zichtbaar voor zoekmachines. Ook levert het rechtstreeks betrouwbare eigen content aan AI-agenten en generatieve zoekmachines. Zo sluit de vindbaarheid aan op de werkelijke vraag, in plaats van op een vooraf samengestelde sitemap.

Analytics verschuift van paginaweergaven naar intenties. Omdat het systeem interpreteert wat elke bezoeker probeert te bereiken, ook anonieme bezoekers die met traditionele analytics buiten beeld blijven, kunnen merken gedrag op dat niveau analyseren en die inzichten exporteren naar hun CRM of CDP. Teams kunnen het systeem hierover ook vragen stellen in gewone taal en hun eigen dashboards samenstellen.

Testen verandert het meest. Je kunt niet elke mogelijke klantreis doorlopen als elke reis uniek is. Daarom testen we de agents vooraf aan de hand van echte interacties uit het verleden en houden we ze continu in de gaten in de productieomgeving. Voor toegankelijkheid geldt hetzelfde principe: die is in elke component ingebouwd, zodat elke compositie ervan profiteert.

Om AI-ervaringen in realtime natuurlijk te laten aanvoelen, moet inferentie met uiterst lage latentie plaatsvinden. Wat zijn de grootste technische uitdagingen bij het opnemen van AI in het kritieke pad van een website, met name op het gebied van modelselectie, caching, orkestratie, kosten en terugvalopties?

Voor inferentie maken we momenteel gebruik van Groq’s LPU’s, die voor een zeer lage latentie zorgen, en orkestreren we meerdere modellen door elke taak toe te wijzen aan het model dat er het meest geschikt voor is. We testen nieuwe modellen zodra ze uitkomen en zoeken voor elke taak naar de beste keuze op het gebied van kwaliteit, kosten en latentie. Omdat de architectuur modelagnostisch is, kunnen we snel overstappen op een nieuw model of een andere inferentieprovider wanneer dat de moeite waard is. Ook de diepgang wordt afgestemd op het verzoek: op een eenvoudige vraag volgt een snel antwoord, terwijl alleen genuanceerde verzoeken aanleiding geven tot een grondigere analyse. Zo houden we de kosten onder controle, omdat de meest intensieve redeneerprocessen alleen worden ingezet wanneer ze de uitkomst veranderen.
Terugvalopties maken vanaf het begin deel uit van de architectuur. De laag die de ervaring levert, is losgekoppeld van de AI-verrijking. Daardoor krijgt de bezoeker nog steeds een volledige ervaring als een model trager wordt of uitvalt.

Salesforce heeft onlangs in Callimacus geïnvesteerd, omdat het bedrijf zijn technische ontwikkeling, AI-onderzoek en commerciële activiteiten wil uitbreiden. Wat zag Salesforce in de technologie, en hoe kan het verbinden van generatieve interfaces met CRM- en commercegegevens van bedrijven veranderen wat websites kunnen doen?

Salesforce zag dat Callimacus niet simpelweg AI toevoegt aan een bestaande website. Het platform heroverweegt de digitale ervaring zelf en combineert conversationele AI, bedrijfscontext en personalisatie in realtime om nieuwe manieren te creëren waarop bedrijven met klanten in contact kunnen komen. CRM- en commercesystemen bevatten tegenwoordig een enorme hoeveelheid context over klanten, producten en interacties, maar de website-ervaring is nog grotendeels statisch. Door die context te verbinden met generatieve interfaces kunnen websites veel responsiever worden. Ze kunnen niet alleen informatie weergeven, maar ook content, producten en interacties in realtime afstemmen op wat een bezoeker probeert te bereiken. Dat is voor ons een van de belangrijkste kansen voor de toekomst. De website kan een intelligente interface worden tussen de bestaande systemen van een bedrijf en de individuele klant, in plaats van slechts een vaste presentatielaag te zijn.

Nu AI-agenten steeds vaker namens mensen op internet rondkijken, onderzoek doen, producten vergelijken en mogelijk transacties uitvoeren, zou de grotere verandering uiteindelijk verder kunnen gaan dan websites die zich aanpassen aan menselijke bezoekers? Hoe ziet u het web veranderen wanneer merken tegelijkertijd zowel mensen als autonome AI-agenten moeten bedienen?

Naarmate mensen steeds vaker AI-assistenten gebruiken om producten te ontdekken en te kopen, lopen merken het risico de controle te verliezen over de manier waarop ze worden weergegeven. Een rijke merkbeleving kan in een interface van derden gemakkelijk worden gereduceerd tot een productafbeelding, een korte beschrijving en een prijs. Dat levert merken een nieuwe uitdaging op: hoe blijf je nuttig voor AI-agenten zonder je identiteit, je verhalen en de rechtstreekse relatie met klanten die je hebt opgebouwd op te geven?  Een chatbot aan een website toevoegen lost dit niet op. Een chatvenster kan vragen beantwoorden, maar kan niet de volledige identiteit en uitstraling van een merk overbrengen: de visuele stijl, het vakmanschap en de manier waarop het verhalen vertelt. Merken zullen altijd een plek nodig hebben waarover ze zelf de controle hebben en waar ze zich op hun eigen voorwaarden kunnen uiten. Wij geloven dat websites die plek zullen blijven, ook nu een steeds groter deel van de klantreis door AI wordt bemiddeld. Ze zullen zich moeten aanpassen aan elke bezoeker, mens of agent.

Bedankt voor het mooie interview. Lezers die meer willen weten, kunnen terecht op Callimacus.