Nick Shiftan, CTO bij Bazaarvoice – Interviewreeks

Nick Shiftan, CTO bij Bazaarvoice, is een ervaren technologie-leider en ondernemer wiens carrière twee decennia omvat van het bouwen en schalen van enterprise software en commerce-platforms. Hij is het meest bekend als mede-oprichter en CTO van Curalate, een pionierende social commerce-onderneming die hij heeft geholpen groeien tot meer dan $20 miljoen in ARR voordat het in 2020 werd overgenomen door Bazaarvoice. Eerder in zijn carrière richtte hij Parkio op en leidde hij de productontwikkeling, waar hij enterprise software voor transport- en parkeersystemen leverde, en begon zijn professionele reis bij Microsoft (MSFT ), waar hij werkte aan Outlook Mobile voor Windows Mobile. Na de overname, wat aanvankelijk een korte overgangsperiode leek, evolueerde het tot een langetermijnrol toen hij verder bouwde aan schaal, met als hoogtepunt zijn benoeming tot CTO, waar zijn focus ligt op het ontwikkelen van AI-gedreven productontdekking gebaseerd op vertrouwen en authentieke consumentengegevens.

Bazaarvoice is een toonaangevende SaaS-platform dat merken en retailers in staat stelt om authentieke gebruikers gegenereerde inhoud, zoals beoordelingen, recensies, foto’s en video’s, te verzamelen, beheren en activeren over de hele digitale winkelervaring. Het bedrijf werkt op wereldschaal en helpt meer dan een miljard shoppers per maand om geïnformeerde aankoopbeslissingen te nemen door vertrouwde inhoud te syndiceren over een uitgebreid netwerk van merken en retailbestemmingen, met transparantie, geloofwaardigheid en datagedreven commerce als centrum van online-ervaringen.

Hoe past u generatieve AI en LLM-technieken toe om de authenticiteit van beoordelingen, moderatie en vertrouwenssignalen te versterken zonder de prestaties te compromitteren onder zware belasting?

We gebruiken AI om signalen en patronen naar boven te halen, niet om menselijke oordeel te vervangen. LLM’s helpen om afwijkende activiteit of potentieel onechte inhoud snel te markeren, maar het doel is altijd om vertrouwen te behouden. Door deze modellen te integreren in offline validatiepijplijnen en ze los te koppelen van real-time aanvraagpaden, behouden we de prestaties zelfs wanneer de indienvolumes pieken. Het resultaat is moderatie en authenticiteitscontroles die zowel intelligent als schaalbaar zijn.

Veel retailers investeren zwaar in de betrouwbaarheid van de checkout, maar negeren vaak de complexiteit van het onderhouden van een betrouwbaar beoordelings- en waarderingsysteem. Welke verborgen risico’s in beoordelings- en waarderingsinfrastructuur denkt u dat dezelfde strategische aandacht verdienen als betalingen?

Beoordelingen en waarderingen zijn altijd beslissingskritieke infrastructuur geweest, maar dit is vooral waar in een wereld van AI-ondersteund winkelen. AI-agents zullen zwaar leunen op vertrouwenssignalen – met name in de vorm van beoordelingen en waarderingen – bij het doen van winkelaanbevelingen. Vertragingen, ontbrekende gegevens of flagrante onechtheid zullen rechtstreeks consumentenvertrouwen beïnvloeden. Deze systemen zijn complex; ze behandelen met dezelfde strengheid als checkout-systemen is essentieel om conversieverlies en langetermijnvertrouwenserosie te voorkomen.

Als u leiding heeft gegeven aan engineering over meerdere grote commerce-platforms, hoe past u observabiliteit en incident-responstrategieën aan wanneer AI-systemen – zoals sentimentanalyse of fraude-detectiemodellen – rechtstreeks in het real-time datapad zitten?

We behandelen AI-modellen als elk ander kritiek service: we bewaken prestaties en nauwkeurigheid in real-time. Dat omvat latentie, foutpercentages en gedragsafwijking. We implementeren veiligheidsmaatregelen zodat modellen op een nette manier kunnen degraderen of niet-kritieke paden kunnen omzeilen onder belasting. Dashboards, geautomatiseerde waarschuwingen en runbooks zorgen ervoor dat AI-problemen naar boven komen en worden opgelost voordat ze shoppers beïnvloeden.

Wanneer u op wereldschaal werkt bij Bazaarvoice, hoe zorgt u ervoor dat consument gegenereerde inhoud door uw AI-gedreven systemen stroomt op een manier die auditability, transparantie en real-time responsiviteit behoudt?

Het komt neer op eind-tot-eind observabiliteit en pijplijnsegmentatie. Elk stukje inhoud wordt gevolgd door zijn levenscyclus, van inname tot weergave. AI-modellen geven aanbevelingen of moderatievlaggen, maar alle beslissingen worden gelogd, geaudit en getraceerd. In combinatie met capaciteitsbuffers en dynamische schaling, zorgt dit ervoor dat responsiviteit onder piekbelasting behouden blijft, terwijl transparantie behouden blijft.

Kijkend naar de toekomst, welke opkomende AI-gedreven risico’s of gedragspatronen denkt u dat de volgende generatie retail systeemontwerp zullen definiëren, en hoe moeten IT-leiders zich nu daarop voorbereiden?

Voor mij is de sleutelvraag voor Retail IT-leiders niet of AI-winkelen zal gebeuren — het is hoe hun shopperjourney zal veranderen wanneer het wel gebeurt. Als AI-winkelen morgen even gewoon wordt als online winkelen vandaag:

• Waar zullen klanten mijn producten ontdekken, op mijn site of via ChatGPT?
• Hoe zullen ze meer te weten komen over mijn producten, via Claude of mijn eigen winkelassistent?
• Hoe zullen ze afrekenen, op mijn afrekenpagina of rechtstreeks via een AI-interface?

Frontier-modellen zullen waarschijnlijk alles over uw producten weten. Maar de echte vraag is: Zullen ze dezelfde klantbeleving bieden die u vandaag kunt? Als het antwoord nee is, is het niet genoeg om te wachten tot AI-gedreven bestellingen verschijnen. U moet investeren in AI-assistenten en de toegangspunten die ze onderdeel maken van uw unieke winkelbeleving.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Bazaarvoice bezoeken.