Rajeev Butani, CEO van MediaMint – Interviewreeks

Rajeev Butani, CEO van MediaMint, heeft meer dan drie decennia leiderschapservaring in mondiale technologie, media en digitale transformatie. Voordat hij bij MediaMint kwam, was hij CEO en bestuurslid bij HeadSpin, waar hij innovatie dreef in prestatie-intelligentie voor digitale ervaringen. Daarvoor werkte Butani bijna 27 jaar bij Accenture, waar hij transformatieve initiatieven leidde als Group Technology Officer voor Communications, Media & Technology, waarbij hij strategie en partnerschappen rondopkomende technologieën zoals kunstmatige intelligentie en machine learning beheerde. Zijn leiderschapsrollen bij Accenture omvatten het beheren van relaties met grote klanten zoals Google (GOOGL ), Facebook (META ) en Microsoft (MSFT ), waarmee hij zijn diepe expertise aan het snijvlak van technologie, strategie en groei liet zien.

MediaMint, opgericht in 2010, is een wereldwijde digitale operatiepartner die eindeloze ondersteuning biedt voor ad-operaties, creatieve productie, data-analyse en campagnebeheer. Met het hoofdkantoor in Hyderabad en kantoren in de VS en Polen, stelt MediaMint mediabedrijven, agentschappen en platforms in staat om efficiënt te schalen door een combinatie van menselijke expertise en technologie. Het bedrijf richt zich op het leveren van hoogwaardige operationele excellentie, flexibiliteit en transparantie, waardoor klanten hun workflows kunnen stroomlijnen, kosten kunnen optimaliseren en zich kunnen concentreren op innovatie in een steeds complexer wordende digitale omgeving.

Wat inspireerde uw overstap van Accenture naar het leiden van MediaMint, en hoe heeft uw achtergrond in consulting uw aanpak van AI-gedreven operaties beïnvloed?

Mijn overstap was een stap uit de consultantkamer en in de bestuursstoel. Na jaren bij Accenture te hebben gewerkt aan het helpen van bedrijven bij het ontwerpen van transformatieroadmaps, zag ik een duidelijke marktkans om een oplossing te bouwen waar ik niet alleen verantwoordelijk kon zijn voor roadmaps, maar ook voor resultaten met een eigen belang.

Naarmate de adoptie van AI toeneemt, eisen klanten partners die resultaten en resultaten kunnen leveren door eind-tot-eindwerk te doen en niet alleen losse onderdelen. Mijn achtergrond in consulting heeft onze aanpak bepaald om aan deze vraag te voldoen, en ik kan niet enthousiaster zijn over de reis die voor ons ligt om toonaangevende organisaties in de media-, entertainment- en technologieën te ondersteunen met hun frontoffice-operaties.

Breaking Silos with Agentic AI: We passen de strategische, cross-functionele denkwijze van consulting rechtstreeks toe via ons Agentic AI-platform. Agentic AI stelt ons in staat om functionele silo’s te doorbreken – Sales, AdOps, Finance – die grotere bedrijven worden gedwongen te volgen. Onze wendbaarheid stelt ons in staat om eind-tot-eindoplossingen te ontwerpen en te leveren die Agentic AI en menselijke agenten combineren om resultaten op schaal te genereren.

MediaMint is in 2010 opgericht en is sindsdien aanzienlijk gegroeid. Hoe zijn de missie en capaciteiten van het bedrijf geëvolueerd, vooral met de lancering van MediaMint Labs?

MediaMint staat altijd aan de vooravond van media- en marketingoperaties. We begonnen met het bieden van hoogwaardige, door mensen geleide diensten aan grote uitgevers, platforms, agentschappen en merken. Onze missie was om de vertrouwde operationele partner te zijn die onze klanten in staat stelde om hun omzet te verhogen en operationele efficiëntie te bouwen.

De lancering van MediaMint Labs markeert onze volgende fase, de formalisering van hoe we AI gebruiken om niet alleen efficiëntie, maar groei te stimuleren. We zijn nu gericht op het creëren van AI-agenten via MediaMint Labs die niet alleen taken uitvoeren, maar strategische accelerators voor onze klanten worden. De overname van DataBeat heeft ook een belangrijk onderdeel van deze evolutie gevormd, waardoor onze capaciteit op het gebied van data-engineering, analytics en yieldmanagement is verdiept. Dit is een fundamentele verandering, waardoor we ons ontwikkelen van een vertrouwd dienstverlener tot een AI-gedreven groeipartner.

MediaMint Labs richt zich op co-gecreëerde AI-agenten, optimalisatoren en accelerators die MediaMint niet alleen bouwt, maar ook bezit en exploiteert. Wat is het strategische voordeel van dit hands-on eigendommodel voor klanten?

Dit hands-on eigendommodel is onze kernstrategische differentiator. We hebben geleerd dat wanneer je een AI-agent overdraagt en wegloopt, deze faalt op het moment dat de complexiteit van de echte wereld toeslaat. Onze klanten krijgen twee grote voordelen:

Ten eerste, snelle ontwikkeling en beveiliging. Ons interne, model-agnostische ontwikkelplatform stelt ons in staat om agenten voor een verscheidenheid aan groeigevallen veilig en op grote schaal te ontwerpen, inzetten en exploiteren. Met vooraf gebouwde runtime-omgevingen en éénklik-omgevingsinrichting kunnen we nieuwe agenten binnen weken in plaats van maanden live krijgen. Het platform behandelt governance, gegevensresidencie en beveiliging standaard, zodat klanten zich geen zorgen hoeven te maken over de complexiteit van het beheren van maatwerk-AI-infrastructuur.

Ten tweede, continue verbetering en stabiliteit. We behouden operationeel eigendom, wat betekent dat we verantwoordelijk zijn voor de voortdurende prestaties van de agent. We volgen de prestaties in real-time via een centraal traceringssysteem, zodat elke actie verantwoordelijk is en elke resultaat over tijd verbetert.

U heeft gewaarschuwd voor de valkuilen van het overdragen van AI-agenten aan klanten zonder voortdurende begeleiding. Waarom is het model van MediaMint, waarbij u operationeel eigendom behoudt, effectief?

Het overdragen van een AI-agent is als het overdragen van een hoge-prestatieraceauto zonder een pitcrew. Het kan perfect werken op de eerste dag, maar zonder constante afstelling en onderhoud, zal het falen. De kernvalkuil is verval – de prestaties van de agent verslechteren naarmate de onderliggende workflow of platform-API van de klant verandert.

Waarom operationeel eigendom werkt: Ons model is effectief omdat we operationeel eigendom behouden, de agent niet behandelen als een product, maar als een gegarandeerde dienst. Dit biedt twee belangrijke voordelen:.

1. Continue verbetering

We behouden de verantwoordelijkheid voor de voortdurende prestaties van de agent. Ons centraal traceringssysteem en evaluatiesuites stellen ons in staat om de agenten voortdurend te monitoren en te optimaliseren via ons Human-in-the-Loop-proces tegen de live bedrijfsregels van de klant. Dit model garandeert dat de prestaties van de oplossing niet verslechteren; het wordt slimmer en robuuster over tijd. Deze voortdurende begeleiding is hoe we garanderen dat de agent altijd veilig presteert, waardoor kritieke inkomsten- en compliance-risico’s voor de klant worden geëlimineerd.

2. Strategisch oordeel en randgevalbescherming

De mens in de lus is er niet voor basistaken; ze zijn onze “pitcrew” voor hoge inzet scenarios. Deze expertise is kritiek voor: Strategisch oordeel: Het behandelen van situaties die de AI nog nooit heeft gezien, zoals grote regulatorische veranderingen of het lanceren van nieuwe advertentieplatforms. Randgevaloplossing: Het oplossen van dubbelzinnige uitvoer en complexe fouten die de inkomsten of compliance kunnen beïnvloeden.

Dit voortdurende toezicht vertaalt zich rechtstreeks in waarde. We leveren een gegarandeerd prestatieresultaat, waardoor een aanzienlijke reductie van kritieke fouten en een consistent hoog klanttevredenheidniveau wordt gegarandeerd, en niet alleen een stuk software.

Hoe ziet u Agentic AI als aanvulling op of vervanging van elementen van het SaaS-model? Wat zijn de factoren die bepalen of een oplossing beter wordt geleverd als Agentic AI of traditionele SaaS?

Het huidige debat mist het punt: Agentic AI is hier niet om de hele SaaS-stack te vervangen; het is hier om de economie van operationeel werk te verstoren. Het kernonderscheid is de verschuiving van het leveren van een instrument naar het garanderen van een resultaat. Agentic AI zal SaaS op twee verschillende manieren beïnvloeden:

Vervanging: De workflow-knijper. Agenten zullen transactie-, workflow-gedreven SaaS vervangen – de platforms die alleen zijn ontworpen om gegevens te verplaatsen of routine-stappen te automatiseren. De waarde ligt niet langer in de UI; het ligt in autonome actie. We bewegen van ‘Tool-as-a-Service’ naar ‘Action-as-a-Service.’

Aanvulling: Het augmentatielaag. Agenten zullen strategische platforms zoals Salesforce of grote mediasystemen niet vervangen. In plaats daarvan zal ons Agentic AI-systeem bovenop hen werken, complexe, real-time-optimalisaties uitvoerend. Ze nemen passieve systemen van record en maken ze om tot actieve systemen van intelligentie, waardoor de menselijke capaciteit wordt versterkt.

De sleutelfactor die onze aanpak bepaalt, is betrouwbaarheid. In tegenstelling tot consumenten-LLM-hulpmiddelen zijn onze agenten vanaf de grond af ontworpen om betrouwbare werknemers te zijn. Ze zijn ontworpen om nauwgezet de gedetailleerde SOP te volgen, beleid te respecteren en nooit af te wijken over honderden runs. Deze toewijding aan governance en vertrouwen – en niet alleen creativiteit – is wat ons in staat stelt om P&L-kritieke workflows te beheren, iets wat traditionele SaaS en consumenten-AI niet kan doen.

MediaMint benadrukt een hybride aanpak met mensen in de lus. Waarom is menselijk toezicht nog steeds kritiek in de tijd van Agentic AI, en hoe verbetert het de resultaten?

Mensen bieden twee dingen die een AI-agent niet kan: oordeel en strategie. Terwijl een AI-agent een media-plan kan maken of een pacing-anomalie kan corrigeren, is een menselijke strategist nodig om de bedrijfsdoelen te stellen, creatieve richting te geven en nuances te nemen die betrekking hebben op merkbveiligheid, marktsentiment of onverwachte externe factoren.

Ons platform ondersteunt dit hybride model door ontwerp. Onze agenten zijn ontworpen om betrouwbare partners te zijn die de taak consistent klaren, run na run, de richtlijnen volgend en de SOP exact volgend. Dit zorgt ervoor dat de menselijke gouverneur echte tijdsgids en feedback kan geven en optreedt als de noodzakelijke Human-in-the-Loop (HITL), waardoor wordt gegarandeerd dat ze als verantwoordelijke, beleidsconforme werknemers opereren. De agent behandelt de alledaagse, hoogvolume taken, zoals het opstellen van rapporten of het markeren van problemen, wat heeft geresulteerd in een gemiddelde reductie van 40% van de inspanning voor onze teams. Dit stelt de mens in staat om zich te concentreren op hoogwaardig, strategisch werk. Menselijk toezicht verbetert de resultaten niet alleen; het is wat ervoor zorgt dat ze in overeenstemming zijn met de bredere, strategische doelstellingen van het bedrijf.

Veel AI-implementaties falen omdat ze te geïsoleerd zijn. Hoe zorgt MediaMint ervoor dat AI-oplossingen holistisch worden geïntegreerd over workflows en afdelingen?

Dat is een belangrijke uitdaging, en we hebben onze hele filosofie ontworpen om dit op te lossen. De meeste AI-projecten falen omdat ze zijn gebouwd als geïsoleerde puntoplossingen die nooit echt de taal van het bedrijf spreken. Onze oplossing is ervoor te zorgen dat elke agent vanaf de grond af is ontworpen voor de specifieke workflow en operationele realiteit van de klant. We bereiken deze holistische integratie niet via generieke SDK’s, maar via de Agent Runbook – een op maat gemaakte operationele blauwdruk.

De Agent Runbook is de kernoperationele blauwdruk. Het is een op maat gemaakte playbook – een set instructies en richtlijnen die de agent exact vertelt wat te doen, hoe uitzonderingen te behandelen en precies hoe te verbinden met externe systemen. Deze aanpak adresseert het probleem van gefragmenteerde AI rechtstreeks: de Runbook is afgestemd op de SOP van de klant, waardoor onze domeinexpertise in het hart van de operatie wordt ingebed. Bovendien verbindt onze Connector Library deze agenten naadloos met sleutelklantsystemen zoals Salesforce, Google Ad Manager en Snowflake. Dit betekent dat de AI-oplossing modulair is en kan worden ingezet in verschillende afdelingen – bijvoorbeeld een “Media Plan Agent” voedt rechtstreeks in een “Creative QA Agent” – waardoor de oplossing niet een instrument is, maar een geïntegreerd, holistisch onderdeel van de operationele ruggengraat van de klant.

Ziet u scenario’s waarin meerdere AI-agenten samenwerken over rollen, waardoor “agent-naar-agent”-systemen ontstaan? Wat ziet die toekomst eruit?

Zeker. We zijn al aan het bouwen aan die toekomst. De architectuur van ons platform, met zijn unified service layer en tool-adapters, is ontworpen voor deze soort interoperabiliteit. De toekomst zal minder gaan over een enkele, monolithische agent en meer over gespecialiseerde agenten die samenwerken om een complex bedrijfsprobleem op te lossen.

Stel uzelf een ecosysteem voor waarin een Anomaly Detection Agent een daling in campagne-prestaties detecteert. Het activeert een tweede Optimization Agent om een bodaanpassing te maken. Deze tweede agent activeert vervolgens een Creative QA Agent om te controleren of er compliance-problemen zijn met de creatives. Ten slotte consolideert een Reporting Agent al deze acties en inzichten in een real-time-brief voor de accountmanager. Ons MediaMint Labs maakt deze agent-naar-agent-samenwerking mogelijk, vormt de ruggengraat van de volgende generatie bedrijfsoperaties, waar workflows niet langer een lineaire sequentie van menselijke taken zijn, maar een dynamische orkestratie van autonome agenten.

Wat zijn uw top drie aanbevelingen voor bedrijven die Agentic AI verkennen, om een succesvolle implementatie en langetermijnwaarde te garanderen?

Mijn top 3 aanbevelingen zouden zijn:

1. Begin met het juiste probleem, niet alleen een interessante technologie. Bouw geen agent voor de agent. Focus op een duidelijk gedefinieerd, repetitief en hoogwaardig probleem, zoals onze representatieve use cases van een Campaign Pacing Co-pilot of een Creative QA-agent. De waarde moet duidelijk en meetbaar zijn, met een doel dat is gekoppeld aan een significante inspanningsreductie (bijv. >25%), meetbare omzetoptimalisatie of kwantificeerbare omzetverliesvoorkoming.
2. Plan voor operationeel toezicht, niet alleen implementatie. Geef het niet over. Agenten zijn levende systemen die continue toezicht, evaluatie en beveiligingsbeheer vereisen. Kies een partner die een model biedt zoals het onze – waarbij ze operationeel eigendom behouden, om ervoor te zorgen dat uw investering langetermijnwaarde levert en geen onderhoudsnachtmerrie wordt.
3. Prioriteer integratie en governance vanaf het begin. Geïsoleerde AI-agenten zullen falen.

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