Viki Zabala, Chief Growth & Strategy Officer i First Insight – Intervju-serie

Viki Zabala, Chief Growth & Strategy Officer i First Insight, bringer mer enn 22 års ledelse over høyvækst SaaS, AI og teknologiselskaper, som opererer på skjæringspunktet mellom strategi, produkt og innovasjon. I sin rolle leder hun First Insights enhetlige vekstmotor over strategi, markedsføring, produkt, AI, kundesuksess og samarbeid, og former visjonen bak selskapets Retail Decision Intelligence-plattform. Hun er kjent for å oversette usikkerhet til klarhet, og har drevet hyper-vekst, ny markedsutvidelse og AI-ledet transformasjon ved å koble kundesikt, beslutningsintelligens og skalerbare driftsmodeller for å levere målbare forretningsresultater for globale bedrifter.

First Insight er en AI-drevet beslutningsintelligensplattform bygget for detaljhandlere og merker som søker å forutsi etterspørsel, optimalisere priser og utvalg, og redusere risiko over hele produktets livssyklus. Ved å kombinere sanntids kundetilbakemeldinger med prediktiv, generativ og agensbasert AI, hjelper plattformen organisasjoner med å ta raskere og mer konfidentielle beslutninger over design, merchandising, planlegging og sesongutførelse. Brukt av ledende globale detaljhandlere og forbrukermerker, fokuserer First Insight på å omdanne kundesikt til handlebar intelligens som forbedrer marginer, akselerer markedsføring og styrker langsiktig vekst.

Din karriere har konsekvent sittet på skjæringspunktet mellom data, markedsføringstrategi og gjennomføring. Hva var de viktigste øyeblikkene tidligere i din karriere som har formet hvordan du tenker om å omdanne innsikt til reelle operative beslutninger i dag?

Jeg har alltid vært fokusert på én grunnleggende utfordring: hvordan du påvirker og endrer atferd i stor skala.

Tidlig i min karriere, viste dette seg i mobilapplikasjoner og annonseteknologi, hvor tilbakemeldingsløkken er umiddelbar. Du lærer raskt at data bare betyr noe hvis det endrer hva noen gjør neste – installerer, engasjement, konvertering. Senere, i IoT og erfaringplattformer, spilte samme sannhet ut i fysiske miljøer: hvordan kontekst, tid og erfaring former menneskelig atferd i sanntid.

Over alle disse industriene, var det en lære som forblev konstant: innsikt er bare verdifullt hvis det er handlebart i øyeblikket et beslutning tas. Hvis det ikke tåler trykket fra gjennomføring – prising, markedsføring, lager, meldinger – er det bare informasjon.

Denne holdningen er det som førte meg til First Insight. Detaljhandel er en av de mest atferdsdrevne industriene som finnes, og likevel har beslutninger historisk sett vært avhengig av forsinkede indikatorer og instinkt. Min arbeid har vært å lukke denne gapen – å bringe kundens stemme fremover tidlig nok, og kontinuerlig nok, til å konstruere bedre resultater i stedet for å reagere på feil.

Min fokus nå er å hjelpe organisasjoner med å ta bedre beslutninger tidlig nok til å bety – så de vokser omsetning, tjener kundeloyalitet og konsekvent overgår markedet.

Som Chief Growth & Strategy Officer i First Insight, overvåker du produkt, AI-veikart, GTM og kundesuksess. Hvordan endrer det å ha denne enhetlige visningen hvordan AI bør være designet og implementert i detaljhandelsorganisasjoner?

Når du ser hele systemet, stopper du å tenke på AI som et verktøy og starter å tenke på det som en driftsmodell.

Produkt viser deg hva som er teknisk mulig. Markedsføring viser deg hva som faktisk vil bli forstått og adoptert. Kundesuksess viser deg hva som holder under reelle verdensbegrensninger – tidspress, tverrfunksjonell spenning, datakvalitet og ansvar. Når disse perspektivene er enhetlige, blir AI designet rundt hvordan beslutninger faktisk skjer, ikke hvordan imponerende teknologien ser ut i isolasjon.

Det er derfor AI i detaljhandel må fungere som et system av beslutninger og handlinger, ikke bare et system av intelligens. Det må koble kundesignaler til prising, utvalg, markedsføring og planlegging på en måte som samordner team og akselerer beslutninger. Når AI reduserer friksjon mellom team og forkorter avstanden mellom innsikt og handling, begynner det å levere reell verdi.

Detaljhandlere har lenge avhengig av sesongbaserte planleggingscykler og historiske data. Hva er grunnen til at disse modellene er stadig mer misjustert med hvordan kunder oppfører seg i dag?

Fordi disse modellene ble bygget for en verden hvor detaljhandel primært var om å optimalisere hva som allerede eksisterte – ikke å finne opp hva som kommer neste.

Historiske salg og sesongcykler kan hjelpe med å forklare ytelse i etablerte kategorier, men de er svake på de to ting detaljhandlere trenger mest i dag: å reagere på raskt endrende kundeatferd og å skape ny etterspørsel gjennom produktinnovasjon og hvitefelt-ekspansjon.

Etterspørsel skifter nå i sanntid – drevet av prisfølsomhet, kulturelle øyeblikk, sosial påvirkning, økonomisk press og kanal-dynamikk. En trend kan oppstå over natten. En prisignal kan endre atferd umiddelbart. Historiske data forklarer hva som allerede har skjedd, men det forteller ikke pålitelig hvordan kunder vil reagere neste – selv for produkter som allerede er på hyllen – når kontekst og mening kan endre seg når som helst.

Samtidig er mange detaljhandlere i ferd med å ta beslutninger med gamle CRM-systemer og utdaterte visninger av hvem deres kunde faktisk er. Nye konkurrenter, nye kanaler og yngre generasjoner med forskjellige forventninger og kjøpekraft trekker kunder bort – ofte uten at detaljhandlere innser det før resultater viser seg i savnet av prognoser eller synkende lojalitet. I mange tilfeller optimiserer merker for kunder de ikke lenger har – eller kunder som allerede har flyttet på.

First Insights AI-assistent, Ellis, muliggjør naturligspråklige spørringer omkring priser, utvalg og etterspørsel. Hvor viktig er grensesnittsdesign og tilgjengelighet i å drive reell AI-adoptsjon mot bare teknisk evne?

Grensesnitt er forskjellen mellom “AI eksisterer” og “AI blir brukt”.

Detaljhandelsbeslutning omfatter langt mer enn ett øyeblikk – konseptforskning, design, utvalgsbygging, prisoptimalisering, marginmodellering, kjøpedybde, allokeringsjusteringer, sesongtilpasninger, markedsføring og salg. Utfordringen er ikke at detaljhandlere ikke har spørsmål; det er at svarene er fanget i dashboards, dekks, eksport og spesialiserte team – og når de leveres, er øyeblikket gått.

Ellis betyr noe fordi det fjerner friksjon mellom innsikt og handling. I stedet for å navigere rapporter eller vente på ny analyse, kan team spørre strategiske og taktiske spørsmål på vanlig språk – om konsepter, priser, utvalg, segmenter, markeder, konkurrenter – og få klare, prediktive svar på minutter. Det er ikke bare brukervennlighet; det er beslutningshastighet.

Du har arbeidet tett med detaljhandlere som navigerer margintrykk, lager-risiko og volatil etterspørsel. Hvor leverer AI den raskeste, mest målbare impulsen i dag – og hvor er hypen fortsatt foran realiteten?

Den raskeste impulsen viser seg der beslutninger er hyppige, dyre og tidssensitive: prising, utvalgsvalg, etterspørselsvalidering og lager-risiko. Når AI hjelper team med å unngå overkjøp, holde pris med tillit, eller forlate tapende produkter tidligere, er den finansielle impulsen umiddelbar og målbar.

Hvor hypen kommer foran realiteten, er i ideen om fullstendig autonom detaljhandel – eller AI som erstatter ekte kundeforståelse med syntetiske kortveier. Forbrukere er veldig klare: de verdsetter ekthet, transparens og å bli hørt. AI som fjerner merker fra kunden, skaper ikke effektivitet – det skaper risiko.

Den vinnende modellen i dag er menneskelig dømmekraft supplert med prediktiv innsikt, ikke automatisering for automatiseringens skyld.

Mange AI-verktøy lover prediktive evner. Hva ser meningsfull prediksjon ut som i detaljhandel, og hvordan bør ledere evaluere om prediksjoner faktisk er beslutningsklare?

Meningsfull prediksjon i detaljhandel er ikke en prognose – det er evnen til å lukke løkken fra kundesannhet til finansielt resultat.

Mye AI-utgang ser prediktivt ut, men det endrer ikke forretningen fordi det aldri kommer inn i driftscadensen. Kvartalet savnes, lageret hopper opp, og markdown-budsjettene brukes – og alle kan peke på data et sted som kunne ha hjulpet. Det virkelige feilet er at beslutninger ikke var samordnet, handlinger ikke ble tatt, og arbeidsflyten ikke endret.

Beslutningsklar prediksjon gjør tre ting på samme tid:

1. Det er grunnlagt i hvordan kunder faktisk oppfatter verdi – ikke bare salgshistorikk – så det kan guide beslutninger fra konsept til sesong.
2. Det binder direkte til økonomien: etterspørselselastisitet, villighet til å betale, AUR/ASP over produktets livssyklus, og marginimpulsene av å holde mot å diskontere.
3. Det er operasjonelt – innbygget i en gjentakende prosess som team faktisk følger, ikke fanget over dusinvis av verktøy og silodashboard.

En gjentakende tema vi ser, er kostnaden av “lang-halen” av SKUs. Over-utvalg er en silent killer: overflødig dybde, lav hastighet, gravet risiko. En av de største hevne som prediktiv AI låser opp, er evnen til å kutte halen – fjerne underpresterende produkter tidlig og reinvestere lagerdollarene i topp-presterende produkter hvor kundesøknad og mening er høyest.

Når team anvender denne disiplinen, ser vi dramatiske resultater:

• lagerdollarene frigjøres for innovasjon og høyskore muligheter,
• markdown-kadensen stabiliserer og krymper,
• promottrykket lettet, og
• merkevar-trust øker fordi kunder ikke er trent til å forvente 50-60% avslag før de kjøper.

Ledere bør evaluere prediktiv AI med ett spørsmål: Endrer det hvor vi investerer? Den høyeste ROI er ikke mer data – det er bedre beslutninger i hvordan vi allokerer kapital, tid og lager mot ekte kundesøknad – tidlig nok til å bety.

Ansvarlig AI diskuteres ofte på et høyt nivå. I detaljhandel spesifikt, hva ser praktisk, ansvarlig AI-adoptsjon ut når beslutninger direkte påvirker priser, forbrukere og merkevar-trust?

Ansvarlig AI i detaljhandel starter med ett enkelt prinsipp: bruke AI til å dykke kundeforholdet, ikke utnytte det.

Dette handler ikke om hyper-sporing av individer, overvåking eller innhøsting av data for sin egen skyld. Ansvarlig AI handler om å bringe kundens stemme inn i hver beslutning i stor skala – så produkter, priser, meldinger og erfaringer reflekterer hva folk faktisk verdsetter. På mange måter er det en form for sam-utvikling: kunder guidere hva som skapes, hvordan det posisjoneres og hva som føles rettferdig.

Praktisk, ansvarlig AI ser ut som:

• Grundlag for beslutninger i ekte kundetilbakemeldinger – både kvantitativ og kvalitativ (“hva hun/han/de sa”).
• Bygging av transparens og vegger for høy-impakt beslutninger som prising, promosjon og segmentering.
• Sikring av rettferdighet over segmenter og markeder, så AI ikke uforvarende favoriserer en gruppe mens den misgynner en annen.
• Holde mennesker i løkken for dømmekraft, ansvar og den kreative nuansen AI ikke kan generere selv.

Brukt på denne måten, styrker AI kundeforholdet i stedet for å underminere det. Kunder føler seg hørt i stor skala. Team tar bedre beslutninger raskere. Og merker bygger tillit – fordi de ikke lenger reagerer til markedet; de handler med det.

Du har ledet både markedsføringsnarrativer og produktstrategi. Hvordan bør detaljhandlere tenke om intern fortelling om AI, så det sees som en beslutningspartner snarere enn en trussel eller en svart boks?

Detaljhandlere bør slutte å fortelle historien om at AI er “smartere analyse” og starte å fortelle historien om at AI er kundesentrisitet i stor skala.

Den interne friksjonen i detaljhandel er ikke bare siloer – det er siloer som tar høyrisikobeslutninger med forskjellige sannheter: markedsføring har engasjementssignaler, merchandising har salgshistorikk, prising har margintrykk, planlegging har lagerbegrensninger. Det er der kampene skjer.

AI blir en beslutningspartner når det skaper en felles språk over funksjoner: kundens stemme, oversatt til prediktiv veiledning som informerer produkt, pris, utvalg og hvordan å selge – fra konsept til konvertering.

Og det er viktig å være ærlig om rollen til mennesker. AI oppfinner ikke det neste gjennombruddet – det lærer mønster. Mennesker bringer kreativitet, smak, merkeintent og kulturell intuitivitet. AI gjør denne kreativiteten skarpere ved å forkorte tilbakemeldingsløkken og trykkebeslutninger før markedet gjør.

Når AI blir mer integrert i planlegging og sesongbasert beslutning, hvordan ser du på utviklingen av menneskelig dømmekraft – snarere enn å forsvinne?

Menneskelig dømmekraft blir mer viktig – og mer utnyttet – fordi sesongen er der detaljhandelsfortjenesten vinnes eller tapes.

Markdown er en av de største kostnadene i detaljhandel. Detaljhandlere budgetterer ofte for dem fordi de er tvunget til å rydde ubsolgt lager. Grunnen til at markdown er så smertefull er timing: diskonter for tidlig og du ødelegger margin; diskonter for sent og du savner vinduet til å konvertere etterspørsel.

Med prediktiv AI og mennesker i løkken, kan team modellere elastiske etterspørselskurver og forstå hvordan ASP/AUR bør utvikle seg over produktets livssyklus – basert på salg, kundepersepsjon og markedssignaler. Dette muliggjør smartere trekk: når å holde pris, når å diskontere og hvor mye – uten å overkorrigere.

Sesongbaserte beslutninger er ikke bare prising. AI kan informere promosjon og markedsføring i sesongen ved å faktorisere inn kulturelle øyeblikk, influensere, trendakselerasjon og skift i kundepersonaer – sammen med produktpersepsjon og prisfølsomhet. Mennesker anvender så dømmekraft: merkeintent, risikotoleranse og de kreative valgene AI ikke kan generere selv.

Fremtiden er ikke automatisering. Det er raskere, mer kundeinformerte beslutninger – hvor AI skalerer lyttingen, og mennesker leder meningen.

Ser fremover, hvordan forventer du at agens- og generativ AI vil endre detaljhandelsarbeidsflyt over de neste to til tre årene – ikke teoretisk, men operasjonelt?

Vi flytter oss fra systemer av intelligens til systemer av handling.

Operasjonelt, vil generativ AI gjøre innsikt tilgjengelig over roller og nivåer – sammenfatte, sammenligne, forklare og svare på spørsmål umiddelbart. Agensbasert AI vil stadig ta på seg det repetitive arbeidet som bremser organisasjoner ned: å forberede scenarier, samle sammen eksikutklarede redegjørelser, overvåke signaler, peke ut risiko og koordinere neste beste handlinger.

Men den mest meningsfulle endringen vil ikke være at AI “kjører detaljhandel”. Det vil være at detaljhandlere endelig lukker løkken mellom kunden og bedriften. Team vil flytte raskere, kutte gjennom intern friksjon og ta bedre beslutninger tidligere – før trendene toppes, før markdown-kaskader og før savnet av muligheter blir kvartalsavvik.

Detaljhandlere som vinner, vil ikke være de med de fleste AI-eksperimentene. De vil være de som bygger en gjentakende driftscadence hvor kundesannhet, prediktiv intelligens og menneskelig kreativitet arbeider sammen – fra konsept til konvertering.

Takk for det detaljerte intervjuet, lesere som ønsker å lære mer, bør besøke First Insight.