Nick Shiftan, CTO i Bazaarvoice – Intervju-serie

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

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

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

Vi bruker AI til å fremheve signaler og mønster, ikke til å erstatte menneskelig dømmekraft. LLM hjelper med å flagge anomalt aktivitet eller potensielt uautentisk 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 innsendelsesvolumer øker. Resultatet er moderering og autentisitetskontroller som er både intelligente og skalerbare.

Mange detaljister investerer tungt i pålitelighet ved utsjekking, men overseer ofte kompleksiteten ved å opprettholde et pålitelig vurderingssystem. Hvilke skjulte risiko i vurderings- og vurderingsinfrastrukturer 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 handle. AI-agenter vil tyngde tungt på tillitsignaler – særlig i form av vurderinger og anmeldelser – når de gir handleanbefalinger. Forsinkelser, manglende data eller åpenbar uautentisitet vil direkte påvirke forbrukertillit. Disse systemene er komplekse; å behandle dem med samme rigor som betalingssystemer er essensielt for å unngå tap av konvertering og langvarig tillitserosjon.

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

Vi behandler AI-modeller som enhver annen kritisk tjeneste: overvåker ytelse og nøyaktighet i sanntid. Dette inkluderer forsinkelser, feilrater og atferdsdrift. Vi implementerer sikkerhetsforanstaltninger slik at modellene kan degradere elegant eller omgå ikke-kritiske veier under belastning. Dashboards, automatiske varsler og kjøreregler sikrer at AI-problemer blir fremhevet og løst før de påvirker shoppe.

Når du opererer på Bazaarvoice sin globale skala, hvordan sikrer du at forbrukergenerert innhold flyter gjennom dine AI-drevne systemer på måter som opprettholder overvåkbarhet, gjennomsiktighet og sanntidsrespons?

Det kommer ned til end-to-end overvåkbarhet og rørledningssegmentering. Hvert enkelt innholdsspor er sporet gjennom sin livssyklus, fra innsamling til visning. AI-modeller gir anbefalinger eller modereringsflagg, men alle beslutninger er logget, overvåkbar og sporbar. Kombinert med kapasitetsbuffere og dynamisk skalerbarhet, sikrer dette responsivitet selv under toppbelastning samtidig som det opprettholder gjennomsiktighet.

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

For meg er det avgjørende spørsmål for detaljhandels IT-ledere ikke hvis AI-handel vil skje – det er hvordan deres handle-ferd 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 nettside eller via ChatGPT?
• Hvordan vil de lære om mine produkter, gjennom Claude eller min egen handlehjelper?
• Hvordan vil de sjekke ut, på min utsjekkside eller direkte gjennom en 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 til en del av din merkevarens unike handleopplevelse.

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