Doug Tallmadge, medgrunnlegger og CEO av Gradial – Intervju-serie

Doug Tallmadge, medgrunnlegger og CEO av Gradial, er en teknologi-entrepreneur og ingeniørleder hvis karriere spenner over romfart, satellittkommunikasjon, finans og bedrifts-AI. Før han startet Gradial i 2023, tilbrakte han nesten fem år i SpaceX (SPCX ), der han hjalp til å skala opp Starlink-nettverket fra sine tidligste faser, ledet nettverksanalyse som støttet vekst fra null til over 500 000 kunder, og ledet team av programvareingeniører og dataforskere som arbeidet med nettverksoptimering og simulering. Han bidro også til Starlinks direkte-til-mobil satellitt-initiativer og tidlige satellittkraftsystemer. Tidligere i sin karriere hadde Tallmadge roller i Lockheed Martin (LMT ) og Bridgewater Associates, og kombinerte dypt teknisk ekspertise med erfaring fra store systemer og forretningsdrift.

Gradial er et bedrifts-AI-selskap som fokuserer på det de kaller agensbasert markedsføringsdrift, og hjelper store organisasjoner med å automatisere det operative arbeidet som ligger mellom kreativ strategi og kampanje-gjennomføring. I stedet for å konsentrere seg bare om AI-generert innhold, orkestrerer Gradials plattform AI-agenter over systemer som Adobe Experience Manager, Salesforce , Jira, innholdshåndteringssystemer, digitale aktivumshåndteringssystemer og markedsføringsarbeidsflyter. Plattformen kan skrive, optimere, merke, kvalitetsikre og distribuere markedsføringsaktivum samtidig som den håndhever styring, overholdelse, tilgjengelighet og varemerke-standarder. Ved å skape et felles organisatorisk kunnskapslag som kobler bedriftssystemer, har Gradial som mål å redusere den manuelle koordineringen som ofte bremser store markedsføringslag, og lar organisasjonene lansere kampanjer raskere, skalerer personlig innholdproduksjon og håndterer stadig mer komplekse digitale opplevelser med større effektivitet.

Hva var det som fikk deg til å innse at bedriftsmarkedsførings-infrastruktur hadde lignende systemiske ineffektiviteter, og hvordan ledet denne innsikten til å starte Gradial?

I min tidligere rolle, så jeg først hånd hvordan friksjon i store organisasjoner akselererer, selv de minste ineffektivitetene kan bremse ned hver prosess som følger. Markedsføring var der jeg merket disse flaskehalsene hadde den største negative effekten. Teamene brukte mye tid på å navigere i plattformer, laste opp aktivum, håndtere godkjenninger og koordinere overleveringer. Strategisk tenkning og kreativ retning ble begravd under lag av gjennomføring.

Dette er et perfekt brukstilfelle for AI, men det som slo meg var hvor bransjens oppmerksomhet var rettet. De fleste plattformer brukte AI til å skrive innhold, men når jeg snakket med markedsførere i store organisasjoner, var mangel på innhold ikke problemet. De kunne produsere innhold lett. Det de ikke kunne gjøre, var å publisere det raskt. Å gå fra idé til live-kampanje tok dager, uker, noen ganger måneder. De fleste AI-investeringer gikk mot opprettelse, mens det hardeste problemet med å faktisk få innhold ut på døren ble fullstendig ignorert. Vi bygde Gradial rundt denne gapen: å deployere agenter som håndterer alt fra utkast til godkjenninger og publisering, så markedsførere kan fokusere på arbeid som krever menneskelig dømmekraft.

Du har argumentert for at den tradisjonelle “system of record” i realiteten har blitt et system av teknisk gjeld. Hva bryter spesifikt i legacy bedriftsmarkedsførings-stacker når selskaper prøver å adoptere AI?

Et system av rekorder, CMS, prosjektledelse-verktøy, godkjenningssystemer og aktivum-biblioteker ble bygget for å organisere informasjon, ikke for å flytte raskt. Når selskaper kobler AI på disse eksisterende systemene, faller ting fra hverandre raskt. Verktøyet vet ikke bedriften det tjener, varemerke-stemmen, overholdelseskrav eller godkjenningssystemer. Så markedsførere ender opp med å gjennomgå hver utgang og korrigere feil forårsaket av manglende kontekst. For organisasjoner som allerede håndterer tusenvis av innholdsstykker over flere kanaler, blir AI som er koblet på et annet komplisert prosess å håndtere.

De fleste AI-samtalene i markedsføring har fokusert på innholdsgenerering. Hvorfor tror du den virkelige muligheten ligger i gjennomføring, og hva ser denne skiftningen ut som i praksis?

Markedsførere sliter ikke med å produsere ideer. De sliter med å flytte innhold gjennom gjennomgangssykluser, opprettholde konsistent varemerke-stemme, arbeide over flere verktøy og optimere for forskjellige målgrupper.

Det skjer også en strukturell skiftning i hvordan varemerker oppdages. Google-søk har falt med nesten 20% i løpet av det siste året, noe som betyr at varemerker ikke lenger kan basere seg bare på SEO. De må vise seg i AI-søke-svar, som krever publisering av innhold som AI-modeller lett kan tolke, sitere og fremheve. Problemet er at disse modellene konstant endrer hva de trekker fra. En varemerke som vises i et svar i dag kan stille og quietly forsvinne i morgen. Ved den tid markedsførere identifiserer gapet, oppdaterer innholdet og klarer godkjenninger, har modellene flyttet på seg.

Gradial beskrives ofte som en agensplattform. Kan du forklare hva en AI-agent faktisk gjør i en Fortune 500-markedsføringsarbeidsflyt på en dag-til-dag-basis?

Det beste svaret er hva vi har sett med kunder. Hos T-Mobile betød å kjøre en kampanje å koordinere over flere team, samle inn godkjenninger og vente på produksjonskøer som strakk seg over uker. Med Gradial håndterer en AI-agent hele prosessen fra kreativt utkast til gjennomgang og publisering. Det som tidligere krevde at en markedsfører måtte manuelt jage hver enkelt skritt, skjer nå automatisk. Resultatet var 90% raskere tid til kampanje-gjennomføring.

Hos AWS betød hver ny nettside å briefe en byrå, vente på et utkast, gå gjennom revisjonsrunder og manuelt koordinere for å få det publisert. En spesialisert agent gjorde sideskaping 20 ganger raskere.

En av de største utfordringene i bedrifts-AI-adopteringsprosessen er tillit. Hvordan sikrer Gradial pålitelighet og styring når AI-agenter tar avgjørelser på gjennomføringsnivå over systemer?

Tillit er hele spillet i bedrift, spesielt i finans og helse, hvor et overholdelsesfeil har reelle konsekvenser. Hver Gradial-deployering starter med å gi agenten kontekst på varemerkets stemme, meldingsretningslinjer, overholdelseskrav, godkjenningssystemer og bransjestandarder.

Nivået av menneskelig involvering er fullstendig tilpassbart. Team som er nye i dette eller opererer i regulerte miljøer, kan kreve godkjenning på alt før det går live. Og hver handling agenten tar, blir logget med en full audit-sporing. Det vi har funnet, er at tillit bygges naturlig, med team som starter med stramme kontroller gradvis utvider agentens autonomi ettersom den beviser seg på virkelig arbeid. Målet var aldri å overlate alt på dag én, men å bygge noe som fortjener mer ansvar ettersom det viser at det kan håndtere det.

Din plattform integrerer i eksisterende verktøy i stedet for å erstatte dem fullstendig. Er den langsigtede visjonen å forbedre den nåværende stakken, eller fullstendig erstatte den?

For nå er fokus på å møte teamene der de er. De fleste bedriftsmarkedsføringsorganisasjoner har brukt år på å bygge arbeidsflyter rundt spesifikke verktøy, som Figma, Adobe og prosjektledelse-systemer, og å be dem å forlate denne infrastrukturen er ikke realistisk. Gradial kobler inn og håndterer gjennomføringsarbeidet som har bremset disse arbeidsflytene ned.

Den lengre-siktige visjonen er mer ambisiøs. Mye av legacy-programvaren under bedriftsmarkedsføring ble bygget for en verden før AI, og det viser seg. Systemer designet kun for å lagre og organisere innhold, vil se veldig forskjellig ut når en agent kan holde samme kontekst og handle på det samtidig. Vi tror at skillet mellom hvor innhold bor og hvor arbeid blir gjort, til slutt kollapser, og vi bygger mot å være infrastruktur-laget hvor begge skjer.

Store bedrifter har ofte dypt inarbeidede arbeidsflyter og intern motstand mot endring. Hva kreves det faktisk for å suksessfullt deployere et AI-nativt system i en Fortune 500-organisasjon?

Det første vi gjør, er å gjøre det klart at Gradial ikke ber noen om å endre hvordan de arbeider. Det høres enkelt ut, men det er den største hindringen i bedrifts-AI-adopteringsprosessen. De fleste verktøy ankommer med et nytt system, et nytt grensesnitt, en ny måte å gjøre ting på, og så undrer seg over hvorfor adopsjonen stopper seks måneder senere. Vi starter med å kartlegge hvordan et team faktisk opererer, og konfigurerer Gradial rundt det.

Adopsjonen holder når teamene ser det fungerer på virkelig arbeid raskt. Ikke en demo, ikke en renset pilot, men deres faktiske kampanjer, deres faktiske innhold, deres faktiske arbeidsflyter. Når et team ser at deres publiserings tid går fra tre uker til samme dag, tenderer intern motstand til å ta seg av seg selv.

I teknisk sammenheng, hva skiller en gjennomføringsmotor fra et typisk generativt AI-lag?

Et generativt AI-lag gir deg et utkast, men en gjennomføringsmotor får det publisert. De fleste AI-verktøy for markedsføring stopper ved utgangen, de vil skrive kopien eller foreslå redigeringen, men øyeblikket utgangen trenger å flytte gjennom godkjenninger eller på en live-side, er markedsførerne igjen overlatt til å håndtere det. Denne overføringen er der hvor mest av tiden faktisk går.

En gjennomføringsmotor er forskjellig fordi den er innbygget i verktøyene et team allerede bruker og forstår hvordan denne spesifikke bedriften opererer. Når en markedsfører ber agenten om å gjøre noe, flytter den arbeidet gjennom hver nødvendig skritt, og kun overfører avgjørelser som faktisk trenger en menneskelig. Markedsføreren holder kontrollen uten å være i midten av hver enkelt skritt.

Mange selskaper eksperimenterer med AI, men få ser meningsfull avkastning. Hvor tror du de fleste organisasjonene tar feil i dag?

Den vanligste feilen er å behandle AI som et produktivitetsverktøy i stedet for en løsning på et ødelagt prosess. Hvis hver utgang trenger tung redigering, eller må kopieres manuelt inn i et annet system, eller fortsatt krever fem godkjenninger før noe går live, har du ikke løst problemet.

Selskapene som ser virkelig avkastning, ble spesifikke. De identifiserte nøyaktig hvor arbeidet ble stående, og deployerte AI mot det problemet, ikke bredt, ikke som et eksperiment, men med en klar forståelse av hva langsomt så ut før og hva raskt skulle se ut etter. Den presisjonen er hva skiller virkelig avkastning fra et verktøy som imponerer i en demo og samler støv seks måneder senere.

Når du får det rett, er resultaterne tangibelt: kunder som bruker Gradial har sett 8 ganger raskere kampanje-aktivering, 35%+ i operasjonelle besparelser i deres første år, og 100% varemerke- og tilgjengelighets-samsvar på hver enkelt innholdsstykke.

Hvis vi spiller fremover fem år, hva ser en fullstendig AI-nativ markedsføringsorganisasjon ut som, og hva rolle spiller Gradial i denne fremtiden?

Om fem år vil den operative laget av markedsføring være autonom. En markedsfører ber en agent om å lansere en kampanje, og den er live ved dagens slutt fordi agenten håndterte hver enkelt skritt imellom. Varemerke-synlighet i AI-søk blir overvåket og justert automatisk. Overholdelse skjer kontinuerlig gjennom prosessen, i stedet for som en siste-minutt-sjekk. Markedsførere bruker sin tid på det de faktisk ble ansatt til å gjøre: bygge varemerket, utvikle kreativitet og ta strategiske avgjørelser om kunde-opplevelser som krever menneskelig dømmekraft.

Gradials rolle er å få markedsføringsorganisasjoner der først, ikke ved å overbevise dem om å river alt ut og starte på nytt, men ved å bevise innenfor deres eksisterende arbeidsflyter at denne måten å operere på er mulig. Teamene som finner ut dette tidlig, vil ha en sammensatt fordel over de som fortsatt kjører kampanjer på den gamle måten.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, kan besøke Gradial.