Rajeev Butani, CEO of MediaMint – Intervju-serie

Rajeev Butani, CEO of MediaMint, bringer over tre tiår med ledelseserfaring i global teknologi, media og digital transformasjon. Før han ble med i MediaMint, var han CEO og styremedlem i HeadSpin, der han drev innovasjon i ytelsesintelligens for digitale opplevelser. Før det tilbrakte Butani nesten 27 år i Accenture, der han ledet transformative initiativer som Group Technology Officer for Communications, Media & Technology, og overvåket strategi og samarbeid omkring nye teknologier som kunstig intelligens og maskinlæring. Hans ledelsesroller i Accenture inkluderte å håndtere forhold til store kunder som Google, Facebook og Microsoft, og viste hans dype ekspertise i skjæringspunktet mellom teknologi, strategi og vekst.

Grunnlagt i 2010, er MediaMint en global digital operasjonspartner som tilbyr støtte på tvers av annonseoperasjoner, kreativ produksjon, dataanalyse og kampanjeledelse. Med hovedkontor i Hyderabad og kontorer i USA og Polen, gjør MediaMint det mulig for medieselskaper, byråer og plattformer å skalerer effektivt gjennom en kombinasjon av menneskelig ekspertise og teknologi. Selskapet fokuserer på å levere høykvalitets operasjonell eksellens, fleksibilitet og transparens – og hjelper kundene med å strømlinje sine arbeidsflyter, optimalisere kostnader og fokusere på innovasjon i et stadig mer komplekst digitalt økosystem.

Hva inspirerte din overgang fra Accenture til å lede MediaMint, og hvordan har din bakgrunn i konsultering formasjon din tilnærming til AI-drevne operasjoner?

Min flytting var om å gå ut av konsulteringsrommet og inn i operatørens stol. Etter å ha hjulpet selskaper med å designe transformasjonsveikart i mange år, så jeg en klar markedsmulighet til å bygge en løsning der jeg kunne ta ansvar ikke bare for veikart, men også eierskap for resultater med hud i spillet.

Da AI-adoptsjonen øker, krever kundene partnere som kan levere resultater og utfall ved å eie hele arbeidet, ikke bare deler av det. Min konsulteringsbakgrunn definerte vår tilnærming til å møte denne etterspørselen, og jeg kunne ikke være mer begeistret for reisen fremover for å støtte ledende organisasjoner i media, underholdning og teknologisektorene med deres frontkontor-operasjoner.

Breaking Silos with Agentic AI: Vi anvender den strategiske, tverrfunksjonelle tenkningen fra konsultering direkte gjennom vår Agentic AI-plattform. Agentic AI lar oss bryte funksjonelle siloer – Salg, AdOps, Finans – som større selskaper er tvunget til å arbeide mot. Vår smidighet lar oss designe og levere helhetlige løsninger som kombinerer Agentic AI og menneskelige agenter for å generere resultater i stor skala.

MediaMint ble grunnlagt i 2010 og har skalert betydelig siden da. Hvordan har selskapets misjon og evner utviklet seg – spesielt med lanseringen av MediaMint Labs?

MediaMint har alltid vært i forkant av media- og markedsoperasjoner. Vi startet med å tilby høykvalitets, menneskeledede tjenester til store utgivere, plattformer, byråer og merker. Vår misjon var å være den pålitelige operasjonelle partneren som gjorde det mulig for våre kunder å skalerer inntekten og bygge operasjonell effisiens.

Lanseringen av MediaMint Labs markerer vår neste fase, formaliseringen av hvordan vi bruker AI til å drive ikke bare effisiens, men vekst. Vi fokuserer nå på å skape AI-agenter gjennom MediaMint Labs som ikke bare utfører oppgaver, men blir strategiske akseleratorer for våre kunder. Oppkjøpet av DataBeat har også vært en nøkkel del av denne utviklingen, og har dypt vår evne på tvers av dataingeniørarbeid, analyse og avkastningsledelse. Dette er en grunnleggende endring, som flytter oss fra en pålitelig tjenesteleverandør til en AI-drevet veksttjenestepartner.

MediaMint Labs fokuserer på sam-skapt AI-agenter, optimalisatorer og akseleratorer som MediaMint ikke bare bygger, men også eier og opererer. Hva strategisk fordel tilbyr denne hånd-til-hånd-eierskapsmodellen kundene?

Denne hånd-til-hånd-eierskapsmodellen er vår kjernestrategiske differensierer. Vi har lært at når du overleverer en AI-agent og går vekk, feiler den øyeblikket kompleksiteten i den virkelige verden treffer. Våre kunder får to store fordeler:

Først, rask utvikling og sikkerhet. Vår interne, modell-agnostiske utviklingsplattform lar oss designe, distribuere og operere agenter for en rekke veksttilfeller trygt og i stor skala. Med forhåndsbygde kjøretidsmiljøer og enklikk-miljøetablering kan vi få nye agenter i drift på noen uker, ikke måneder. Plattformen håndterer styring, dataresidens og sikkerhet som standard, så kundene ikke behøver å bekymre seg for kompleksiteten ved å håndtere tilpassede AI-infrastrukturer.

Andre, kontinuerlig forbedring og stabilitet. Vi beholder operasjonelt eierskap, som betyr at vi er ansvarlige for agentens kontinuerlige ytelse. Vi sporer ytelse i sanntid gjennom et sentralisert sporingsystem, så hver handling er ansvarlig og hver resultater forbedres over tid.

Du har advart om faren ved å overlevere AI-agenter til kunder uten kontinuerlig tilsyn. Hvorfor er MediaMints modell – der du beholder operasjonelt eierskap – effektiv?

Å overlevere en AI-agent er som å overlevere en høy-ytelses racerbil uten et pit-crew. Den kan kjøre perfekt på dag én, men uten konstant justering og vedlikehold, vil den feile. Det grunnleggende problemet er forfall – Agentens ytelse forringes, ettersom kundens arbeidsflyt eller plattform-API endres.

Hvorfor operasjonelt eierskap fungerer: Vår modell er effektiv fordi vi tar operasjonelt eierskap, og behandler agenten ikke som en produkt, men som en garantert tjeneste. Dette gir to nøkkel fordeler:

1. Kontinuerlig forbedring

Vi beholder ansvar for agentens kontinuerlige ytelse. Vår sentraliserte sporingsregister og evalueringssuiter lar oss kontinuerlig overvåke og optimalisere agentene gjennom vår Menneske-i-løkken-prosess mot kundens live forretningsregler. Denne modellen sikrer at løsningens ytelse ikke forringes; den blir smartere og mer robust over tid. Denne kontinuerlige tilsyn gir oss mulighet til å garantere at agenten alltid utfører trygt, og eliminerer kritisk inntekts- og samarbeidsrisiko for kunden.

2. Strategisk dømmekraft og beskyttelse av kanter

Mennesket i løkken er ikke der for grunnleggende oppgaver; de er vårt “pit-crew” for høyrisk-scenarier. Denne ekspertisen er kritisk for: Strategisk dømmekraft: Håndtering situasjoner AI har aldri sett, som store regulatoriske endringer eller nye annonseplattform-lanseringer. Beskyttelse av kanter: Løsning av tvetydige utdata og komplekse feil som kunne påvirke inntekt eller samarbeid.

Denne kontinuerlige tilsyn oversettes direkte til verdi. Vi leverer en garantert ytelsesresultat, som sikrer en betydelig reduksjon i kritiske feil og opprettholder konsekvent høy kunde-tilfredshet, ikke bare et stykke programvare.

Hvordan ser du for deg at Agentic AI komplementerer eller erstatter elementer av SaaS-modellen? Hva bestemmer om en løsning er bedre levert som Agentic AI eller tradisjonell SaaS?

Den nåværende debatten mangler poenget: Agentic AI er ikke her for å erstatte hele SaaS-staken; det er her for å forstyrre økonomien til operasjonelt arbeid. Det grunnleggende skillet er skiftet fra å levere et verktøy til å garantere et resultat. Agentic AI vil påvirke SaaS på to distinkte måter:

Erstatning: Arbeidsflyts-krymping. Agenter vil erstatte transaksjonelle, arbeidsflyts-drevne SaaS – plattformene designet kun til å flytte data eller automatisere rutine-trinn. Verdien ligger ikke lenger i brukergrensesnittet; den ligger i autonom handling. Vi flytter fra ‘Verktøy-som-en-tjeneste’ til ‘Handling-som-en-tjeneste.’

Komplementær: Augmenteringslaget. Agenter vil ikke erstatte strategiske plattformer som Salesforce eller store mediesystemer. Isteden vil vårt Agentic AI-system operere på toppen av dem, utføre komplekse, sanntids-optimieringer. De tar passive systemer for registrering og gjør dem til aktive systemer for intelligens, og augmenterer menneskelig evne.

Den avgjørende faktoren for vår tilnærming er pålitelighet. I motsetning til forbruker-LLM-verktøy er våre agenter designet fra bunnen av for å være pålitelige arbeidere. De er konstruert for å følge detaljerte SOP tett, overholde politikken og aldri avvike over hundrevis av kjøringer. Dette engasjementet for styring og tillit – ikke bare kreativitet – er hva som gjør det mulig for oss å håndtere P&L-kritiske arbeidsflyter, noe tradisjonell SaaS og forbruker-AI ikke kan gjøre.

MediaMint betoner en hybrid-tilnærming med mennesker i løkken. Hvorfor er menneskelig tilsyn fortsatt kritisk i AI-drevne operasjoner, og hvordan forbedrer det resultater?

Mennesker tilbyr to ting som en AI-agent ikke kan: dømmekraft og strategi. Mens en AI-agent kan lage en medieplan eller korrigere en plasseringsanomali, trenger en menneskelig strategiker å sette forretningsmål, gi kreativ retning og ta nuanserte beslutninger som involverer merkevare-sikkerhet, markedssentiment eller uventede eksterne faktorer.

Vår plattform støtter denne hybrid-modellen ved design. Våre agenter er designet for å være pålitelige partnere som får jobben gjort konsekvent, kjører etter kjører, og følger retningslinjene og SOP nøyaktig. Dette sikrer at den menneskelige guvernøren kan gi sanntidsveiledning og tilbakemelding og fungere som den nødvendige Menneske-i-løkken (HITL), og garanterer at de opererer som ansvarlige, politi-overholdende arbeidere. Agenten håndterer de mundane, høy-volum-oppdragene, som å utarbeide rapporter eller flagge problemer, noe som har resultert i en gjennomsnittlig 40% reduksjon i innsats for våre team. Dette frigjør mennesket til å fokusere på høy-verdi, strategisk arbeid. Menneskelig tilsyn forbedrer ikke bare resultater; det sikrer at de er i linje med bedriftens bredere, strategiske mål.

Mange AI-implementeringer feiler fordi de er for isolerte. Hvordan sikrer MediaMint at AI-løsninger integreres helhetlig på tvers av arbeidsflyter og avdelinger?

Det er en nøkkelutfordring, og vi har designet vår filosofi for å løse det. De fleste AI-prosjekter feiler fordi de er bygget som isolerte punktløsninger som aldri virkelig snakker bedriftens språk. Vår løsning er å sikre at hver agent er designet fra bunnen av for en kundes spesifikke arbeidsflyt og operasjonelle virkelighet. Vi oppnår dette helhetlige integreringsarbeidet ikke gjennom generiske SDK-er, men gjennom Agent-Runbook – en skreddersydd operasjonsplan.

Agent-Runbook er det grunnleggende operasjonelle planen. Det er en skreddersydd plan – en sett med instruksjoner og retningslinjer som forteller agenten nøyaktig hva å gjøre, hvordan å håndtere unntak og hvordan å koble til eksterne systemer. Denne tilnærmingen adresserer direkte problemet med fragmentert AI ved å tvinge integrering på forhånd: Runbook er tilpasset kundens SOP, og innebygger vår domene-ekspertise i kjernen. Videre kobler vår Connector Library disse agentene sammen med nøkkelkundesystemer som Salesforce, Google Ad Manager og Snowflake. Dette betyr at AI-løsningen er modulær og kan deployeres på tvers av ulike avdelinger – for eksempel en “Media Plan Agent” som direkte matar inn i en “Kreativ QA-agent” – og sikrer at løsningen ikke er et verktøy, men en integrert, helhetlig komponent av kundens operasjonelle ryggrad.

Ser du for deg scenarier der flere AI-agenter samarbeider på tvers av roller, og skaper “agent-til-agent”-systemer? Hva ser denne fremtiden ut som?

Absolutt. Vi bygger allerede mot denne fremtiden. Den meget arkitekturen av vår plattform, med dens enhetlige tjenestelag og verktøytilpasninger, er designet for denne type samarbeid. Fremtiden vil være mindre om en enkelt, monolitisk agent og mer om spesialiserte agenter som samarbeider for å løse et komplekst forretningsproblem.

Tenk deg et økosystem der en Anomali-oppdager-agent oppdager en nedgang i kampanje-ytelse. Den utløser en annen Optimaliserings-agent til å gjøre en budjustering. Denne andre agenten varsler så en Kreativ QA-agent til å sjekke om det er noen compliance-problemer med kreativene. Til slutt konsoliderer en Rapportering-agent alle disse handlingene og innsiktene i en sanntids-oppsummering for kontolederen. Vår MediaMint Labs muliggjør dette agent-til-agent-samarbeidet, og danner ryggraden for neste-generasjons forretningsoperasjoner, der arbeidsflyter ikke lenger er en lineær sekvens av menneskelige oppgaver, men en dynamisk orkestrering av autonome agenter.

For selskaper som utforsker Agentic AI, hva er dine tre topp-anbefalinger for å sikre suksessfull implementering og langvarig verdi?

Mine tre topp-anbefalinger ville være:

1. Start med det riktige problemet, ikke bare en kul teknologi. Bygg ikke en agent for å bygge en agent. Fokus på et godt definert, repetitivt og høyverdi-problem, som våre representative brukstilfeller av en Kampanje-pacing-co-pilot eller en Kreativ QA-agent. Verdien må være klar og målbar, med et mål koblet til enten betydelig innsats-reduksjon (f.eks. >25%), målbar inntekts-optimiering eller kvantifiserbar inntekts-tap-forebygging.
2. Planlegg for operasjonelt tilsyn, ikke bare distribusjon. Overlever det ikke. Agenter er levende systemer som krever kontinuerlig tilsyn, evaluering og sikkerhetsstyring. Velg en partner som tilbyr en modell som vår – der de beholder operasjonelt eierskap – for å sikre at din investering leverer langvarig verdi og ikke blir et vedlikeholds-mareritt.
3. Prioriter integrering og styring fra starten. Isolerte AI-agenter feiler.

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