Sandeep Menon, CEO & Co-Founder i Auxia – Intervju-serie

Sandeep Menon, CEO & Co-Founder i Auxia, bringer over to tiårs erfaring med global teknologi og markedsføring til rollen. Før han lanserte Auxia i 2022, tilbrakte han over ni år i Google, der han var visepresident for markedsføring av betalingsløsninger og ledet initiativer som Next Billion Users-programmet, som fokuserte på digital inklusjon i nye markeder. Han hadde også senior markedsføringslederroller i Android, Chrome, ChromeOS og Google Play.

Auxia er en AI-drevet markedsføringsplattform som muliggjør at bedriftslag kan koordinere personlige, 1:1 kundereiser i stor skala. I stedet for å basere seg på stive, regelbaserte kampanjer, lar Auxia AI-agenter teste hypoteser over alle berøringspunkter – e-post, web, app, tilbud – og tilpasse seg dynamisk til sanntidspreferanser og atferd. Den integrerer sømløst med førstepartsdatakilder, automatiserer ML-pipelines og optimaliserer kontinuerlig meldinger, tid og sekvens for å maksimere engasjement og livstidsverdi.

Du grunnla Auxia etter en suksessfull karriere i Google, der du ledet global markedsføring for produkter som ble brukt av milliarder. Hva var den spesifikke gapet eller smertepunktet du og dine medgrunnleggere så i markedet som ledet til opprettelsen av Auxia?

På Google så jeg førstehånds hvordan kraftig personalisering kan være når du har riktig infrastruktur og AI-kapasiteter. Men når jeg så på det bredere markedet, så jeg at selskaper kjempet med fragmenterte markedsføringsstaker, ofte med 12 til 14 forskjellige punktløsninger som ikke kommuniserte med hverandre. De samlet inn massive mengder kundedata, men kunne ikke oversette det til meningsfull, sanntids-personalisering.

Det grunnleggende gapet var at eksisterende plattformer var bygget for den pre-AI-æraen. De baserte seg på statiske regler og grunnleggende segmentering, når virksomhetene faktisk trengte intelligente, adaptive systemer i stand til å ta sanntidsbeslutninger om hver kundeinteraksjon. Vi så en mulighet til å bringe det samme nivået av AI-drevet personalisering som driver selskaper som Google og Meta til bedrifter av alle størrelser, uten å kreve at de bygger store interne datavitenskapelige team.

Auxias grunnleggende team inkluderer tidligere ledere fra Google, Meta og Lyft. Hvordan har dine kollektive erfaringer i disse teknologigigantene formet arkitekturen og etosen til Auxia?

Vi har alle erfart utfordringene med personalisering i stor skala. På Google Pay-teamet spesifikt, var vi i en privilegert posisjon fordi vi hadde tidlig eksponering for transformative teknologier i deres barndom, med transformer-modeller som et primært eksempel. Mine medgrunnleggere, som kom fra Meta og Lyft, bygde systemer som baneveien for måter å ta de enorme mengdene kundedata tilgjengelig og gjøre det dramatisk mer nyttig, som å drive sanntids-anbefalinger og beslutninger for millioner av brukere hver sekund.

Vi så alle førstehånds hvordan AI kunne dypt forbedre kundeopplevelsene samtidig som det løste noen av de tøffeste utfordringene våre markedsføringslag møtte. Samtidig skiftet det bredere markedet på en måte som gjorde denne type arbeid mulig utenfor Google. Med oppkomsten av den moderne datastaken og plattformer som Snowflake, BigQuery og Databricks, hadde bedrifter brukt de siste 5-10 årene til å konsolidere deres data i ett sentralisert sted klart for aktivering.

Vi erkjente en unik mulighet til å ta lærdommene vi hadde utviklet inne i Google og demokratisere dem for bedrifter overalt. Disse selskapene våknet bare opp til erkjennelsen av at de satt på en fjell av verdifull data og at med riktig teknologi, kunne den låses opp for å drive vekst og bedre kundeengasjement.

De fleste personaliseringstverktøyene baserer seg på regelbaserte systemer og enkle segmenter. Auxia bruker i stedet synkroniserte AI-agenter. Kan du gå gjennom hvordan disse agentene samarbeider og utvikler seg over tid for å personalisere hver kunde-reise?

De fleste verktøyene på markedet i dag baserer seg fortsatt på stive regler og statiske segmenter, de er reaktive, ikke intelligente. Hos Auxia har vi bygget et system av synkroniserte AI-agenter som arbeider sammen for å personalisere hver berøringspunkt i kunde-reisen i sanntid.

Hver agent spiller en spesialisert rolle. Beslutningsagenter bestemmer den beste handlingen for en bruker basert på all deres tidligere data og preferanser; for eksempel om å oppgradere en kunde til en ny kredittkort eller drive dem til å åpne en ny sparekonto. Analyseagenter fungerer som et innbygget team, som analyserer hva som har fungert bra i gjeldende kampanjer for å høyde impact, men også muligheter for forbedring i en chat-basert grensesnitt. Til slutt lar Auxias Innhold-agenter all data og innsikt rundt hva som har fungert best til å proaktivt overflate nye meldinger eller kreative variasjoner for markedsføringslag å godkjenne.

Hva gjør disse agentene kraftfulle er at de ikke opererer i siloer. De samarbeider kontinuerlig, lærer fra hver interaksjon og tilpasser seg basert på hva som fungerer. Markedsførere setter høynivå-mål, og agentene håndterer kompleksiteten. De er selv-optimerende systemer som utvikler seg daglig for å drive bedre resultater i stor skala.

Auxia prosesserer 2,6 milliarder hendelser daglig og håndterer 6 500 forespørsler per sekund. Hva infrastruktur-innovasjoner muliggjorde denne type sanntids-skalerbarhet så tidlig i selskapets livssyklus?

Fra dag én visste vi at skala måtte være uforhandelbar. Hyper-personalisering fungerer bare hvis du kan ta beslutninger på millisekunder, ved å bruke ferske, kontekstuelle signaler. Vi lærte mye av disse leksjonene fra vår tid i Google, og det tok over ett år å bygge infrastrukturen for å støtte denne type sanntids-koordinering.

Vår arkitektur er skytjenestenativ, hendelsesdrevet og optimalisert for høy gjennomstrømming, så vi står på skuldrene av teknologibølger før oss som bevegelsen mot den moderne datastaken. Måten markedsførings-teknologilandskapet har utviklet seg mot åpne økosystemer har tillatt oss å flytte mye raskere, og muliggjort at vi kan integrere direkte med moderne sky-data-lagre, CRM-er og andre markedsføringsplattformer. Dette har tillatt oss å bygge for skala fra dag én, og også har hjulpet oss å avhenge av infrastruktur som kan prosessere massive volumer av førsteparts-kundesignaler uten å introdusere forsinkelse.

Hva som også skiller oss fra andre er at vi er AI-nativ fra begynnelsen. Vi Auxia designet det for å støtte stor-skala-eksperimentering, kjøre tusenvis av samtidige hypoteser og kontinuerlig optimalisere resultater uten menneskelig inngripen, men vi benytter også den siste teknologien i bransjen for funksjonsoppretting, modell-utleggelse og LLM-inferens.

Hvordan skiller Auxias modell-eksperimenteringsramme seg fra tradisjonell A/B-testing, og hva har vært de mest overraskende innsiktene som er avdekket ved hjelp av din ML-drevne tilnærming?

Tradisjonell A/B-testing er usedvanlig begrenset, du kan bare teste noen få variasjoner på en gang, og det ofte tar uker eller måneder å nå statistisk signifikante resultater. Hos Auxia har vi omdefinert eksperimentering som en kontinuerlig, intelligent prosess. Vår modell-drevne ramme muliggjør at markedsførere kan kjøre mange forskjellige selv-optimerende modeller og teste hundrevis av variasjoner parallelt. Ved hjelp av teknikker som forsterkingslæring, tar Auxias beslutningssystem sanntidsbeslutninger basert på live-data.

La oss ta eksemplet på et tilbud og belønning-kampanje over e-post. Tidligere kunne markedsførere teste 2-3 forskjellige tilbudsvarianter, som 5% av, 10% av og 20% av, dele opp publikum i gjensidig eksklusive grupper, lansere og sammenligne resultater over en rekke mål for å se hvilken variant fungerte best, i gjennomsnitt, for hele gruppen. Det var noen utfordringer med denne tilnærmingen. Først og fremst feiler de fleste eksperimenter, så det ofte tar team uker eller måneder å identifisere hva som fungerer bra. I tillegg er de svært manuelle og tidskrevende å sette opp, noe som begrenser teamets hastighet og hvor raskt de kan levere impact.

Med Auxia setter markedsførere først et høynivå-mål, som å drive kjøp. Deretter setter teamet opp hundrevis av forskjellige variasjoner i systemet, som et team kan dynamisk generere med vår Innhold-Agent, innlemme fra deres CMS eller manuelt definere. Hver av disse variasjonene ville variere i forhold til tilbudskonstruksjonen (f.eks. 5% av mot BOGO), beløp, innhold og potensielt selv kanal (f.eks. e-post mot SMS). For hver enkelt bruker vil Auxias Beslutnings-Agent rangere, score og forutsi, av alle de hundrevis av variasjoner som er tilgjengelige, hva er den optimale variasjonen for hver person til å drive vårt kjernemål.

Auxias plattform er designet for å fjerne avhengigheten av store interne team. Har du sett tradisjonelle markedsføringslag ta på seg mer tekniske roller med dine verktøy?

En av de viktigste grunnene til at vi startet Auxia var å muliggjøre at markedsføringslag kunne personalisere både markedsføring og produkt-erfaringer uten å avhenge av ingeniører eller. Innen noen få uker etter onboarding, er markedsførere som bruker Auxia i stand til å lansere nye kampanjer, hente data og tolke resultater fullstendig på egen hånd. Ettersom verden beveger seg mot en mer agens-basert fremtid, tror vi at markedsførere ikke trenger å bli mer tekniske eller bygge nye tekniske ferdigheter. I stedet vil ansvar tradisjonelt håndtert av ingeniører eller analytikere bli demokratisert gjennom intelligente agenter som kompletterer markedsførerens arbeidsflyt og totale erfaring. Med vår Analyse-Agent har vi allerede lykkes i å abstrahere bort mye av denne kompleksiteten av tradisjonell/analytiker-arbeid, og vi er spente på å fortsette å skyve disse evnene fremover.

Som den som ledet markedsføring for Next Billion Users-initiativet i Google, hva likheter ser du mellom inklusiv teknologi-tilpasning og agens-basert AI i markedsføring i dag?

Da jeg ledet markedsføring for Next Billion Users-initiativet i Google, erkjente vi at mennesker i nye markeder samhandlet med produkter på grunnleggende forskjellige måter enn brukere i utviklede markeder. Fordi det representerte en så massiv vekst-mulighet, ble det essensielt å bygge spesifikt for disse brukerne — å forenkle grensesnitt, abstrahere bort kompleksitet og sikre at erfaringen var tilgjengelig og empowerment.

Jeg ser en svært lignende trend utvikle seg med agens-basert AI i markedsføring. Like som mange av disse nye internett-brukerne hoppet rett over i mobile-først-erfaringer uten å trenge tidligere digital kompetanse, trenger markedsførere i dag ikke å gå tilbake og lære SQL eller for å låse opp personalisering. Agenter broer disse ferdighetsgapene og gjør sofistikerte evner umiddelbart brukbare. Samtidig som måten mennesker samhandler med AI — beveger seg bort fra chat-baserte grensesnitt til mer intuisjonelle, kontekst-bevisste agenter — tvinger utviklere til å tenke om UI-en i fremtiden. Fokuset, som med NBUs, ligger på tilgjengelighet, enkelhet og empowerment: å abstrahere bort den tekniske kompleksiteten så den endelige erfaringen føles naturlig og effektiv.

Hva er den største misforståelsen selskaper har om AI-personalisering i dag, og hvordan hjelper du dem å overvinne den?

Den største misforståelsen selskaper har om AI-personalisering er at å adoptere det betyr å gi opp total kontroll eller redusere den strategiske innvirkningen av markedsføringslag. AI utmerker seg i å behandle kompleksitet, som å analysere massive datamengder, å spore mønster som mennesker ikke kan se, og å overflate signaler som betyr noe i sanntid. Hva det ikke kan gjøre er å gi kontekst, empati og strategisk dømmekraft som er nødvendig for å designe meningsfulle kunde-erfaringer. Det er der mennesker skinner: å sette visjonen, definere merkevakt og forstå når en personaliseringsvalg kan føles intrusivt eller avmerket.

Hvis vi snakker ærlig, kan mennesker være effektive uten AI, men AI kan ikke være effektive uten mennesker. Den virkelige gjennombruddet kommer når du kompletterer ditt team med AI for å håndtere skalaen og kompleksiteten av beslutninger, samtidig som du muliggjør at teamene fokuserer på strategi, kreativitet og empati. Det er da personalisering beveger seg fra å være et buzzord til noe som virkelig skaper verdi for både kunder og bedrifter.

Med støtte fra over 50 bransjeledere og en 23,5 millioner dollar-innsamling, hva er de viktigste områdene du prioriterer for de neste 12-18 månedene av produkt- og team-vekst?

Vi prioriterer tre områder for vekst over de neste 12-18 månedene. Først og fremst er vi dedikert til å levere eksepsjonell verdi til våre kunder ved å fortsette å heve deres erfaring. Dette har alltid vært en topprioritet for vårt team, og vi ønsker å sikre at vi leverer eksepsjonell avkastning for alle selskapene som har satt sin tillit til oss og vårt team. For det andre, utvider vi våre AI-agent-kapasiteter for å støtte forbedring av hele markedsfører-arbeidsflyten, og hjelpe team med å skape innhold, koordinere personlige erfaringer og overflate meningsfulle innsikter om hva som driver impact. Til slutt, skalerer vi vår markedsførings-motor. Med sterk produkt-markeds-pasning i bedriftssegmentet, er neste skritt å utvide vår rekkevidde ved å vokse vår salgs- og kunde-succes-team. Dette lar oss bringe AI-drevet personalisering til flere bedrifter, samtidig som vi sikrer at nye kunder nyter den samme høy-berørings-støtten og differensierte erfaringen som har drivet vår tidlige suksess.

Hva spenner du mest på når det gjelder den neste fronten av agens-basert AI, ikke bare i markedsføring, men også i andre bedrifts-applikasjoner?

Hva som virkelig spenner meg er å se takten på adopsjon, å se at adopsjonen har virkelig impact, og å se at markedet erkjenner at agens-basert AI sin virkelige verdi ligger i komplettering, ikke nødvendigvis erstattning. For mange samtaler i dag fokuserer på AI som en erstatning for menneskelige roller, som alle reklame-skiltene du kan se på 101 på vei inn i San Francisco om selskaper som erstatter SDR-er (eller hele funksjoner). Den narrativen er going til å gripe overskrifter, men for meg mangler det den større muligheten: å muliggjøre mennesker å gjøre sitt beste arbeid.

Mennesker bringer kontekst, empati, kreativitet og dømmekraft som AI bare ikke kan replikere. Hvor agens-basert AI skinner er i å håndtere kompleksiteten og skalaen som bøyer team ned. Vi har snakket mye om anvendeligheten til markedsførings-arbeidsflyt, som å overflate innsikter fra massive datamengder, automatisere repetitive oppgaver og koordinere prosesser over systemer i sanntid.

Når disse evnene kombineres med menneskelige styrker, er resultatet en skritt-endring i hva organisasjoner kan oppnå.

I markedsføring betyr det å frigjøre team fra endeløs eksekvering så de kan fokusere på strategi, fortelling og kunde-empati. Men denne samme mønsteren gjelder over alle funksjoner i bedriften: i salg, kan agenter kvalifisere og forberede muligheter så mennesker kan bruke mer tid på å bygge relasjoner; i kunde-succes, kan agenter flagge risiko- og mulighets-signal så mennesker kan dykke dyptere i partnerskap; i ingeniør-arbeid, kan agenter akselerere utvikling ved å automatisere testing, feilsøking og kode-generering, så team kan fokusere på å løse komplekse arkitektur-problemer og drive innovasjon.

Alle disse mulighetene vil skape trillioner av dollar i verdi, og jeg elsker å se selskaper som presser grensene for å forme hvordan arbeidet mennesker gjør vil utvikle seg over tid.

Tenk deg finans-team med AI-agenter som optimaliserer budsjetter i sanntid, HR-team som bruker agenter til å personalisere ansatt-engasjement, eller kunde-støtte-agenter som beveger seg fra reaktiv til proaktiv.

Vi er bare i begynnelsen. Fremtiden er ikke om AI erstatter mennesker, det er om mennesker og AI-agenter som arbeider sammen for å ta beslutninger som er raskere, smartere og mer empatiske. Det er fremtiden vi bygger i Auxia.

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