Nick Shiftan, CTO i Bazaarvoice – Intervju-serie

Nick Shiftan, CTO i Bazaarvoice, er en erfaren teknologileder og entreprenør hvis karriere spenner over to tiår med bygging og skaling av bedriftsprogramvare og handelsplattformer. Han er best kjent som medgründer og CTO av Curalate, et pionér selskap innen sosial handel som han hjalp vokse over nesten ett tiår til over 20 millioner dollar i årlig omsetning før det ble kjøpt av Bazaarvoice i 2020. Tidligere i sin karriere grunnla og ledet han produktutvikling i Parkio, leverandør av bedriftsprogramvare for transport og parkeringssystemer, og startet sin profesjonelle reise i Microsoft (MSFT ), der han arbeidet med Outlook Mobile for Windows Mobile. Etter oppkjøpet, utviklet det som opprinnelig var tenkt å være en kort overgang seg til en langvarig rolle, der han fortsatte å bygge i stor skala, og kulminerte i hans utnevnelse til CTO, der hans fokus er på å fremme AI-drevet produktoppdagelse basert på tillit og autentiske forbrukerdata.

Bazaarvoice er en ledende SaaS-plattform som muliggjør at merker og detaljister kan samle inn, håndtere og aktivere autentisk brukergenerert innhold, som vurderinger, anmeldelser, bilder og videoer, på hele den digitale handleysen. Ved å operere på global skala, hjelper selskapet over en milliard kjøpere hver måned å ta informerte kjøpsbeslutninger ved å syndikere pålitelig innhold på et stort nettverk av merker og detaljisters destinasjoner, og plasserer transparens, troverdighet og data-drevet handel i sentrum av nett-erfaringer.

Hvordan bruker du generative-AI og LLM-baserte tekniker for å styrke vurderingsautentisitet, moderering og tillitsignal uten å kompromittere ytelse under tung belastning?

Vi bruker AI for å avdekke signaler og mønster, ikke for å erstatte menneskelig dømmekraft. LLM hjelper med å flagge anomalt aktivitet eller potensielt uekte innhold raskt, men målet er alltid å bevare tillit. Ved å integrere disse modellene i offline-valideringsrørledninger og koble dem fra sanntidsforespørselsveier, opprettholder vi ytelse selv når innleveringsvolumer øker. Resultatet er moderering og autentisitetskontroller som er både intelligente og skalerbare.

Mange detaljister investerer tungt i pålitelig checkout, men overseer ofte kompleksiteten ved å opprettholde et pålitelig vurderingssystem. Hvilke skjulte risikoer i vurderings- og vurderingsinfrastruktur mener du fortjener samme strategisk granskning som betalinger?

Vurderinger og anmeldelser har alltid vært avgjørende infrastruktur, men dette er spesielt sant i en verden med AI-støttet handel. AI-agenter vil tyngde tungt på tillitsignal – særlig i form av vurderinger og anmeldelser – når de gir handleanbefalinger. Forsinkelser, manglende data eller åpenbart uekte innhold vil direkte påvirke forbrukertillit. Disse systemene er komplekse; å behandle dem med samme rigor som checkout-systemer er essensielt for å unngå tap av konvertering og langvarig tillitserosjon.

Etter å ha ledet ingeniørarbeid over flere store handelsplattformer, hvordan tilpasser du overvåkning og hendelsesresponsstrategier når AI-systemer – som sentimentanalyse eller svindelforeskningmodeller – sitter direkte i sanntidsdataveien?

Vi behandler AI-modeller som ethvert annet kritisk tjeneste: overvåker ytelse og nøyaktighet i sanntid. Det inkluderer forsinkelser, feilrater og atferdsdrift. Vi implementerer sikkerhetsforanstaltninger slik at modellene kan degradere harmonisk eller omgå ikke-kritiske veier under belastning. Dashboards, automatiske varsler og kjøreregler sikrer at AI-problemer blir avdekket og løst før de påvirker kjøpere.

Når du opererer på Bazaarvoices globale skala, hvordan sikrer du at forbrukergenerert innhold flyter gjennom dine AI-drevne systemer på en måte som opprettholder revisjon, transparens og sanntidsrespons?

Dette handler om å ha fullstendig overvåkning og rørledningssegmentering. Hvert enkelt innholdsspor er sporet gjennom hele livssyklusen, fra innhenting til visning. AI-modeller gir anbefalinger eller modereringsflagg, men alle beslutninger er logget, revisjonable og sporbare. Kombinert med kapasitetsbuffere og dynamisk skaling, sikrer dette responsivitet selv under toppbelastning, samtidig som det opprettholder transparens.

Ser du fremover, hvilke nye AI-drevne risikoer eller atferdmønster tror du vil definere neste generasjon av detaljhandelssystemdesign, og hvordan bør IT-ledere forberede seg på dem nå?

For meg er den avgjørende spørsmålet for detaljhandels IT-ledere ikke om AI-handel vil skje — det er hvordan deres handleopplevelse vil endre seg når det skjer. Hvis AI-handel blir like vanlig i morgen som nettbutikkhandel er i dag:

• Hvor vil kundene oppdage mine produkter, på min side eller via ChatGPT?
• Hvordan vil de lære om mine produkter, gjennom Claude eller min egen handlehjelper?
• Hvordan vil de sjekke ut, på min kasse-side eller direkte gjennom et AI-grensesnitt?

Frontier-modeller vil sannsynligvis vite alt om dine produkter. Men det virkelige spørsmålet er: Vil de levere samme kundeopplevelse du kan i dag? Hvis svaret er nei, er det ikke nok å vente på at AI-drevne ordrer dukker opp. Du må investere i AI-hjelpere og inngangspunktene som gjør dem en del av din merkes unike handleopplevelse.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Bazaarvoice.