Juan Pablo Tejela, CEO i współzałożyciel Metricool – seria wywiadów

Juan Pablo Tejela, CEO i współzałożyciel Metricool, jest inżynierem oprogramowania i przedsiębiorcą technologicznym, który od 2014 roku kieruje firmą, pomagając ją rozwinąć w kompleksową platformę do zarządzania i mierzenia treści cyfrowych. Przed założeniem Metricool spędził prawie dziewięć lat w Optimyth Software, gdzie jego odpowiedzialności obejmowały zarządzanie produktem, rozwój aplikacji, projektowanie interfejsu użytkownika, przed sprzedażą, wsparcie klienta i marketing internetowy dla platformy analitycznej Kiuwan. Wcześniej w swojej karierze Tejela zajmował stanowiska inżynierskie w Swissrisk, Indra, EADS-CASA i FEDETEC, pracując nad Java, C++, systemami osadzonymi, technologią komunikacji i rozwojem jądra Linuksa.

Metricool to madrycka platforma zarządzania mediów społecznościowych, która pozwala twórcom, markom i agencjom planować treści, publikować posty, zarządzać rozmowami, analizować wyniki, monitorować konkurencję i generować raporty z centralnego miejsca. Platforma obsługuje główne sieci społeczne i kanały reklamowe, w tym Instagram, Facebook, TikTok, LinkedIn, YouTube, X, Bluesky, Pinterest, Google i Meta Ads, a także oferuje narzędzia do tworzenia i optymalizacji treści wspomaganych przez sztuczną inteligencję. Metricool podaje, że obsługuje ponad dwa miliony użytkowników, w tym organizacje takie jak Forbes, Adidas, Volvo, H&M i Warner Music (WMG ) Group.

Twoja kariera zaczęła się od inżynierii oprogramowania, systemów osadzonych, jakości aplikacji i rozwoju produktu. Jak te doświadczenia ukształtowały twój podejście, gdy założyłeś Metricool, i jaka niezaspokojona potrzeba przekonała cię, że profesjonaliści mediów społecznościowych potrzebują nowego typu platformy analitycznej?

Szczegółowo, Metricool zaczął mniejszy, niż ludzie myślą. Moja żona Laura i ja zbudowaliśmy to w 2015 roku jako projekt poboczny, obok naszych regularnych prac. Blogerzy byli największą rzeczą w internecie w tym czasie, i zauważyliśmy, że nie mają przyzwoitego sposobu, aby zobaczyć swoje numery w jednym miejscu — wszystko było rozproszone w pięciu różnych narzędziach, żadne z nich nie zostało zbudowane dla kogoś, kto nie jest techniczny. Moje doświadczenie w systemach osadzonych i kontroli jakości wbiło we mnie jeden nawyk. Nie ufasz czemuś, czego nie zmierzyłeś sam. Więc zbudowaliśmy prostą wersję, której sobie życzyliśmy.

To, co tak naprawdę potwierdziło pomysł, nie były blogerzy, choć — to byli profesjonaliści mediów społecznościowych, którzy zaczęli się rejestrować zaraz po nich. Chcieli profesjonalne raporty dla klientów, i to jest ta część, która miała znaczenie dla projektu pobocznego — byli gotowi zapłacić. Blogerzy w większości nie byli. To był moment, kiedy zrozumiałem, że nie budujemy narzędzia do hobby, budujemy dla niezaspokojonej profesji. Pracowaliśmy na naszych stanowiskach, aż stało się to niezarządzalne, i zaczęliśmy zatrudniać odpowiednio w styczniu 2017 roku. Wszystko od tego czasu było po prostu rozszerzeniem tego pierwszego instynktu: wyłączyć szum, utrzymać przejrzystość analityczną i zbudować coś dla osoby wykonującej pracę, a nie dla osoby kupującej oprogramowanie dla innych ludzi.

Metricool ewoluował od produktu analitycznego do platformy zarządzania mediami społecznościowymi, używanej przez ponad cztery miliony profesjonalistów, agencji, twórców i marek. Jakie były najbardziej konsekwentne decyzje dotyczące produktu za tym wzrostem, i czy były momenty, kiedy musiałeś przemyśleć wizję firmy?

Kilka decyzji miało większe znaczenie niż reszta. Zdecydowanie postawienie na analitykę, podczas gdy wszyscy inni — Hootsuite, Buffer — koncentrowali się na planowaniu, było pierwsze, i nadal jest naszym differentiatorem dzisiaj. Drugie było odmowa bycia “amerykańskim” narzędziem, które traktuje hiszpański i inne języki jako pomyślne; to dało nam prawdziwą przewagę w Europie i Ameryce Łacińskiej na wczesnym etapie. Trzecie, bardziej niedawne, było decyzja, że reklamy społeczne nie mogą żyć w oddzielnym narzędziu od organicznych treści, ponieważ żaden menedżer mediów społecznościowych tak naprawdę nie myśli o nich oddzielnie.

Czy wizja się zmieniła? Ciągle, i nie myślę, że to jest zły znak. Nie postanowiliśmy zbudować dla agencji, zamiast tego zbudowaliśmy dla indywidualnych profesjonalistów i blogerów. Agencje pojawiły się same, powiedzieli nam, czego potrzebują (raporty z białą etykietą, pulpity wieloklientowe, miejsca zespołowe), i słuchaliśmy i działaliśmy. To samo dotyczy marek później. Gdybyśmy zbyt mocno trzymali się “oryginalnej wizji” Metricool, zbudowalibyśmy znacznie mniejszy produkt dla wąskiej publiczności. Plan nie był nigdy święty. Użytkownicy w dużej mierze wytyczyli nam mapę drogową.

Badania Metricool wykazały, że 96% profesjonalistów mediów społecznościowych używa sztucznej inteligencji, ale 36% nie wie lub nie mierzy, czy treści generowane przez sztuczną inteligencję działają lepiej. Dlaczego przyjęcie sztucznej inteligencji poszło tak szybko, a organizacje nie są w stanie ocenić jej rzeczywistego wpływu na biznes?

Ponieważ używanie sztucznej inteligencji jest łatwe, a właściwe jej pomiar to praca. Otwierasz narzędzie, otrzymujesz podpis, publikujesz — bez tarcia. Naprawdę wiedzieć, czy ten podpis coś dla ciebie zrobił, oznacza ustawienie porównania, bycie cierpliwym, opór przed deklaracją zwycięstwa po jednym dobrym poście. Większość zespołów nie zbudowała jeszcze tej dyscypliny, i szczerze, po co by mieli? Do osiemnastu miesięcy temu nikt nie musiał pytać “czy wersja sztucznej inteligencji przewyższa wersję ludzką” — osoba pisała ją, oceniałeś post na jego własnych zasługach.

To 36% nie martwi mnie tak, jak mogłoby się wydawać. To nie to, że ludzie są niedbali. To to, że pomiar zawsze pozostaje w tyle za przyjęciem — stało się to z płatnymi mediami społecznościowymi, stało się to z marketingiem influencerów, teraz dzieje się to tutaj. Narzędzia do korzystania z sztucznej inteligencji poprawiły się szybko. Zwyczaje ich oceny jeszcze nie nadążają. Nadążą.

Sztuczna inteligencja generatywna umożliwia markom tworzenie więcej treści przy niższych kosztach, ale większy zasięg lub objętość publikacji może tworzyć fałszywe poczucie sukcesu. Jakie wskaźniki powinny zespoły priorytetowo traktować, aby określić, czy treści wspomagane przez sztuczną inteligencję wzmacniają zaufanie, zdrowie marki i relacje z klientami?

Zasięg to wskaźnik, który sztuczna inteligencja najlepiej nadyma i najgorzej wyjaśnia. Jeśli oglądasz tylko tę liczbę, będziesz czuł się wspaniale przez kilka miesięcy, aż do momentu, gdy nie będziesz. Co tak naprawdę monitorowałbym, to ludzie, którzy zapisują lub udostępniają treści, a nie tylko przewijają je — to jest różnica między “widziałem to” a “to było warte zachowania”. Czy komentarze są prawdziwą rozmową, czy tylko hałasem pod więcej postów? I, ta ostatnia rzecz, która jest pomijana ciągle, czy marka nadal brzmi jak jedna osoba po trzystu treściach wspomaganych przez sztuczną inteligencję, czy głos zaczął się rozpryskiwać post po poście, bez zauważenia przez nikogo?

Ta ostatnia rzecz jest podstępna. Zaufanie nie zapada się od razu — topnieje cicho, i dopóki zasięg lub sprzedaż nie pokażą, że tracisz je, już przez kilka miesięcy.

Metricool odkrył, że 66% respondentów angażuje sztuczną inteligencję w co najmniej połowie swoich treści, podczas gdy sześciu na dziesięciu uważa, że treści generowane przez sztuczną inteligencję są równe lub przewyższają treści stworzone przez ludzi. Jak marki powinny projektować eksperymenty, które uczciwie porównują treści wspomagane przez sztuczną inteligencję i stworzone przez ludzi, bez mylenia korelacji, algorytmów platformy i jakości treści?

Utrzymuj wszystko niezmienne, poza jedną rzeczą, którą testujesz — ten sam brief, ta sama platforma, ten sam dzień i godzina, ta sama osoba robiąca ostateczny montaż — i tylko zamień, kto napisał pierwszy projekt. To wszystko. Większość porównań “sztuczna inteligencja vs. człowiek” unoszących się wokół nie robi tego. Porównują post sztucznej inteligencji z wtorku z postem człowieka z trzech miesięcy temu na zupełnie inny temat, a potem wyciągają wnioski.

Uruchom to w parach, uruchom to przez tygodnie, a nie przez jeden post — wynik jednego postu jest w większości przypadków szczęściem i nastrojem algorytmu tego dnia, i potrzebujesz wystarczającej ilości, aby zobaczyć poza tym. I bądź szczery co do tego, co “dorównuje pracy człowieka” naprawdę oznacza. Jeśli treści sztucznej inteligencji otrzymują podobne wrażenia, ale gorszą jakość komentarzy lub niższe zapisy, to nie jest to remis, to jest znak ostrzegawczy. Sporo tej “sześciu na dziesięciu” pewności, podejrzewam, to ludzie patrzący na powierzchniową liczbę i zatrzymujący się tam.

Gdzie automatyzacja obecnie dodaje najwięcej wartości dla zespołów mediów społecznościowych, i które odpowiedzialności, takie jak ustanowienie głosu marki, zarządzanie społecznościami lub reagowanie w czasie kryzysu, powinny pozostać pod ścisłą kontrolą ludzi?

Nudne, wysokowolumenowe rzeczy — planowanie, pierwsze projekty, zmiana rozmiaru wideo na sześć platform, ściąganie miesięcznego raportu — to tam, gdzie automatyzacja jest praktycznie darmowym czasem oddanym zespołowi. Nikt nie powinien robić tego ręcznie w 2026 roku.

Granica dla mnie jest osądem. Głos, społeczność i zwłaszcza wszystko, co jest kryzysem — to wszystko potrzebuje człowieka. Nie dlatego, że sztuczna inteligencja nie może napisać czegoś rozsądnego, często może, ale dlatego, że koszt jednego złego tonu w wrażliwej chwili jest publiczny i natychmiastowy, a reputacja marki nie jest czymś, co można testować. Wrócę do czegoś, co powiedziałem wcześniej: być częściowo obecnym lub źle obecnym w mediach społecznościowych jest jak mieć złamane okno sklepu. Sztuczna inteligencja projektująca odpowiedź kryzysową dla człowieka do przeglądu w trzydzieści sekund, wspaniale. Sztuczna inteligencja uderzająca w publikację tej odpowiedzi sama, nigdy.

Metricool Studio pozwala użytkownikom generować raporty, porównywać wyniki, analizować konkurencję i identyfikować wzorce publikacji za pomocą naturalnych poleceń językowych. Jak ta zmiana sztucznej inteligencji z generowania treści na interpretację wyników zmieni codzienną rolę menedżerów mediów społecznościowych i analityków marketingowych?

To popycha pracę w górę. Duży kawałek tygodnia menedżera mediów społecznościowych wciąż idzie w ściąganie liczb do slajdu i pisanie zdania, które wyjaśnia, co się stało. Jeśli możesz po prostu zapytać “dlaczego zaangażowanie spadło w zeszłym tygodniu” i dostać prawdziwą odpowiedź w sekundach, cały ten kawałek tygodnia praktycznie znika.

Co pozostaje, to rzeczywista wartość: decydowanie, co zrobić z odpowiedzią. Jaki format podwójnie wykorzystać, jak to wyjaśnić klientowi, który nie dba o mechanikę, kiedy dane mówią ci coś, z czym twoje poczucie nie zgadza się. Nie myślę, że rola maleje, myślę, że dzieli ludzi na dwie grupy bardzo szybko: tych, którzy robili prawdziwą analizę, i tych, którzy robili głównie wprowadzanie danych z dodatkowymi krokami. Tylko pierwsza grupa rośnie stąd.

Metricool przyjął Model Context Protocol, umożliwiający asystentom sztucznej inteligencji, platformom automatyzacji i niestandardowym agentom interakcję z danymi mediów społecznościowych i przepływami pracy. Jakie możliwości to tworzy, i jak firmy mogą zapobiec, aby autonomiczne systemy publikowały nieodpowiednie treści, źle odczytywały analitykę lub podejmowały działania, które szkodzą marce?

Byliśmy jednymi z pierwszych platform mediów społecznościowych, które zbudowały na Claude’s MCP, i powodem jest proste. Oznacza to, że dane Metricool nie żyją już tylko w naszym własnym interfejsie. Własny agent marki, platforma automatyzacji, cokolwiek zespół używa, mogą teraz ściągać dane o wynikach lub wyzwalać przepływ pracy bezpośrednio, bez konieczności budowania każdej integracji sami. Otwiera to przepływy, o których nie myśleliśmy jeszcze, zbudowane przez ludzi najbliżej danych.

Ryzyko musi być zaprojektowane od samego początku, a nie łatane później. Praktycznie publikowanie powinno domyślnie mieć krok zatwierdzenia przez człowieka, a nie ciche, autonomiczne publikowanie, zwłaszcza wszystko, co jest skierowane do klienta. Uprawnienia muszą być ściśle określone, takie jak agent zbudowany do ściągnięcia raportu nie powinien mieć możliwości wyzwolenia posta, punkt. I każde działanie agenta musi mieć ślad, który człowiek może sprawdzić później. Protokół daje ci połączenie. Barierki są nadal decyzją, którą każda firma musi podjąć celowo.

Badania Metricool sugerują, że tradycyjne interakcje publiczne mogą spaść, nawet jeśli ogólne zaangażowanie wzrasta, napędzane przez mniej widoczne działania, takie jak kliknięcia, przewijanie, wyświetlenia i kliknięcia łączy. Jak marki powinny dostosować się, gdy niektóre z najbardziej znaczących sygnałów uwagi są coraz bardziej niewidoczne dla publiczności?

Lubię i komentarze nigdy nie były dobrym proxy dla uwagi, i stają się coraz gorsze. Większość prawdziwego zainteresowania dzisiaj dzieje się gdzieś, gdzie nikt inny nie może zobaczyć. Ktoś przewija przez każdy slajd karuzeli, ogląda wideo do końca, robi zrzut ekranu, aby wysłać go do przyjaciela prywatnie. Żadne z tego nie pojawia się publicznie. Wszystko to jest prawdziwa uwaga, a nawet bardziej wartościowa niż odruchowy podwójny klik.

Więc marki muszą nauczyć się traktować wskaźnik ukończenia, przewijania i klikania jako rdzeń liczb, a nie przypisywać im mniejsze znaczenie. Praktyczna zmiana polega na zadawaniu innego pytania: nie “ile zaangażowania mieliśmy”, ale “ile uwagi naprawdę zarobiliśmy”, wiedząc, że większość tej drugiej liczby nigdy nie będzie widoczna dla nikogo poza Twoim własnym panelem.

Spójrzając w przyszłość, czy oczekujesz, że sztuczna inteligencja pozostanie zbiorem asystentów używanych przez profesjonalistów mediów społecznościowych, czy rozwinie się w warstwę operacyjną, która nieprzerwanie planuje kampanie, przydziela zasoby, interpretuje wyniki i rekomenduje decyzje na każdej platformie?

Warstwa operacyjna, i szybciej, niż większość ludzi oczekuje. Model “zapytaj sztuczną inteligencję o jedną rzecz na raz” jest fazą, a nie miejscem docelowym. Co tak naprawdę budujemy, to sztuczną inteligencję siedzącą pod całym przepływem pracy, takim jak nieprzerwane monitorowanie wyników na każdej platformie, łapanie tego, co działa, zanim człowiek zauważy, i rekomendowanie następnego kroku.

Rekomendując, a nie decydując. Nie myślę, że stan końcowy to sztuczna inteligencja prowadząca kampanie bez nikogo, kto by ją obserwował. Uważam, że to sztuczna inteligencja robi nieustanne monitorowanie, którego żaden zespół nie ma godzin, i podaje osobie krótką, przydatną listę zamiast ściany paneli. Profesjonaliści, którzy radzą sobie dobrze w tym świecie, nie będą tymi, którzy walczą z warstwą, będą tymi, którzy stają się dobrzy w wskazywaniu jej.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Metricool.