Viki Zabala, Chief Growth & Strategy Officer at First Insight – Interview Series

Viki Zabala, Chief Growth & Strategy Officer at First Insight, posiada ponad 22 lata doświadczenia w przywództwie w firmach o wysokim tempie wzrostu z branży SaaS, AI i technologii, działających na styku strategii, produktu i innowacji. W swojej roli kieruje zintegrowanym silnikiem wzrostu First Insight w zakresie strategii, wejścia na rynek, marketingu, produktu, AI, sukcesu klienta i partnerstw, kształtując wizję za platformą Retail Decision Intelligence firmy. Znana z tego, że zmienia niepewność w klarowność, Zabala przyczyniła się do hiper-wzrostu, ekspansji na nowe rynki i transformacji opartej na AI, łącząc wgląd klienta, inteligencję decyzyjną i skalowalne modele operacyjne, aby dostarczyć wymierne wyniki biznesowe dla globalnych przedsiębiorstw.

First Insight to platforma decyzyjna oparta na AI, stworzona dla detalistów i marek, które szukają sposobów, aby przewidzieć popyt, zoptymalizować ceny i asortymenty oraz zmniejszyć ryzyko na całym cyklu życia produktu. Łącząc opinie konsumentów w czasie rzeczywistym z przewidywaniami, generatywnymi i agentywnymi AI, platforma pomaga organizacjom podejmować szybsze i bardziej pewne decyzje w zakresie projektu, merchandisingu, planowania i realizacji w trakcie sezonu. Używana przez wiodących detalistów i marki konsumenckie, First Insight koncentruje się na przekształcaniu wglądu klienta w działania, które poprawiają marże, przyspieszają czas wejścia na rynek i wzmacniają długoterminowy wzrost.

Twoja kariera konsekwentnie znajdowała się na styku danych, strategii wejścia na rynek i wykonania. Jakie momenty wcześniej w Twojej karierze najbardziej ukształtowały sposób, w jaki myślisz o przekształcaniu wglądu w rzeczywiste decyzje operacyjne dzisiaj?

Zawsze koncentrowałam się na jednym podstawowym wyzwaniu: jak wpłynąć na zmianę zachowania na dużą skalę.

Wczesnym etapie mojej kariery, objawiło się to w aplikacjach mobilnych i ad tech, gdzie pętle informacyjne są natychmiastowe. Szybko się uczymy, że dane mają znaczenie tylko wtedy, gdy zmieniają to, co ktoś robi następnie – instalacja, zaangażowanie, konwersja. Później, w IoT i platformach doświadczalnych, ta sama prawda odgrywała się w środowiskach fizycznych: jak kontekst, czas i doświadczenie kształtują zachowanie ludzkie w czasie rzeczywistym.

Przez wszystkie te branże, jedna lekcja pozostała stała: wgląd jest wartościowy tylko wtedy, gdy jest działaniem w momencie podejmowania decyzji. Jeśli nie przetrwa presji wykonania – ceny, wejścia na rynek, zapasów, komunikatu – to jest to tylko informacja.

Ta postawa jest tym, co przyprowadziło mnie do First Insight. Handel detaliczny jest jedną z najbardziej związanych z zachowaniem branż, a decyzje historycznie opierały się na wskaźnikach opóźnionych i instynkcie. Moja praca polegała na zamknięciu tej luki – przyniesieniu głosu klienta do przodu wystarczająco wcześnie i ciągle, aby inżynierować lepsze wyniki, zamiast reagować na niepowodzenie.

Mój obecny focus to pomoc organizacjom w podejmowaniu lepszych decyzji wystarczająco wcześnie, aby to miało znaczenie – aby rosły przychody, zdobywały lojalność klientów i konsekwentnie przewyższały rynek.

Jako Chief Growth & Strategy Officer at First Insight, nadzorujesz produkt, mapę drogową AI, GTM i sukces klienta. Jak posiadanie tego zintegrowanego widoku zmienia sposób, w jaki AI powinno być projektowane i wdrażane w organizacjach detalicznych?

Gdy widzisz cały system, przestajesz myśleć o AI jako o narzędziu i zaczynasz myśleć o nim jako o modelu operacyjnym.

Produkt pokazuje ci, co jest technicznie możliwe. Wejście na rynek pokazuje ci, co będzie naprawdę zrozumiane i przyjęte. Sukces klienta pokazuje ci, co wytrzymuje w prawdziwych ograniczeniach – presji czasu, napięć międzyfunkcyjnych, jakości danych i odpowiedzialności. Gdy te perspektywy są zintegrowane, AI jest projektowane wokół tego, jak naprawdę podejmowane są decyzje, a nie jak imponująca wygląda technologia w izolacji.

To dlatego AI w handlu detalicznym musi funkcjonować jako system decyzji i działań, a nie tylko system inteligencji. Musi łączyć sygnały klienta z ceną, asortymentem, marketingiem i planowaniem w sposób, który wyznacza zespoły i przyspiesza decyzje. Gdy AI redukuje tarcie między zespołami i skraca dystans między wglądem a działaniem, zaczyna dostarczać prawdziwą wartość.

Detalistom dawno temu zależało od sezonowych cykli planowania i historycznych danych. Z tego, co widzisz na gruncie, dlaczego te modele są coraz bardziej niezgodne z tym, jak zachowują się konsumenci dzisiaj?

Ponieważ te modele zostały zbudowane dla świata, w którym handel detaliczny był głównie ukierunkowany na optymalizację tego, co już istniało – a nie na wynalezienie czegoś nowego.

Historyczne dane sprzedaży i sezonowe cykle mogą pomóc wyjaśnić wyniki w ustanowionych kategoriach, ale są słabe w dwóch rzeczach, których detaliści potrzebują najbardziej dzisiaj: reagowaniu na szybko zmieniające się zachowanie klienta i tworzeniu nowego popytu poprzez innowację produktową i ekspansję białych plam.

Popyt zmienia się w czasie rzeczywistym – pod wpływem wrażliwości na cenę, momentów kulturowych, wpływu społecznego, presji ekonomicznej i dynamiki kanałów. Trend może wyłonić się za noc. Sygnał cenowy może zmienić zachowanie natychmiast. Historyczne dane wyjaśniają, co już się wydarzyło, ale nie mówią nam wiarygodnie, jak klienci zareagują następnym razem – nawet w przypadku produktów już na półce – gdy kontekst i nastroje mogą zmienić się w każdej chwili.

W tym samym czasie wiele detalistów podejmuje decyzje z użyciem starzejących się systemów CRM i przestarzałych widoków na to, kim jest ich klient. Nowi konkurenci, nowe kanały i młodsze pokolenia z innymi oczekiwaniami i siłą nabywczą stopniowo odciągają klientów – często bez tego, że detaliści zdają sobie z tego sprawę, aż do momentu, gdy wyniki pojawiają się w postaci przegapionych prognoz lub malejącej lojalności. W wielu przypadkach marki optymalizują dla klientów, których nie mają już – lub dla klientów, którzy już przeszli dalej.

I gdy chodzi o innowację, historia sprzedaży nie może potwierdzić produktu, który jeszcze nie istnieje – lub segmentu klientów, który jest w niebezpieczeństwie utraty. Dlatego tak wielu detalistów kończy się iterując na przeszłości zamiast pewnie finansować następną kategorię, następny zestaw funkcji lub następną publiczność. Odblokowanie jest wnoszeniem głosu klienta do przodu – wystarczająco wcześnie, aby nakierować tworzenie koncepcji, siłę cenową i pozycjonowanie – tak aby innowacja stała się powtarzalnym systemem, a nie zakładem.

Asystent AI First Insight, Ellis, umożliwia naturalny język zapytań dotyczących cen, asortymentów i popytu. Jak ważny jest projekt interfejsu i dostępność w napędzaniu prawdziwej adopcji AI w porównaniu z samą zdolnością techniczną?

Interfejs jest różnicą między „AI istnieje” a „AI jest używane”.

Procesy decyzyjne detalistów obejmują znacznie więcej niż jeden moment – badanie koncepcji, projekt, budowanie asortymentu, optymalizacja cen, modelowanie marży, głębokość zakupu, alokacja, dostosowania w trakcie sezonu, marketing i sprzedaż. Wyzwanie nie polega na tym, że detaliści nie mają pytań; polega na tym, że odpowiedzi są uwięzione w pulpictach, prezentacjach, eksportach i specjalistycznych zespołach – i gdy są dostarczane, moment już minął.

Ellis jest ważny, ponieważ usuwa tarcie między wglądem a działaniem. Zamiast nawigować po raportach lub czekać na nową analizę, zespoły mogą zadawać strategiczne i taktyczne pytania w języku zwykłym – o koncepcje, ceny, asortymenty, segmenty, rynki, konkurentów – i otrzymywać klarowne, przewidywalne odpowiedzi w ciągu kilku minut. To nie jest tylko używalność; to prędkość decyzyjna.

Dostępność również napędza adopcję w całej organizacji. Gdy ten sam sygnał klienta jest natychmiast dostępny dla merchandisingu, cen, marketingu i planowania, redukuje się wewnętrzne walki i niezgodności. Ludzie przestają spierać się, czyje dane są prawidłowe, i zaczynają spierać się, co robić dalej – szybciej i z większą pewnością.

Czy pracowałeś ściśle z detalnistami, którzy nawigują presję marży, ryzyko zapasów i kapryśny popyt. Skąd AI dostarcza najbardziej szybki, najbardziej wymierny wpływ dzisiaj – i gdzie histeria jest jeszcze przed rzeczywistością?

Najbardziej szybki wpływ pojawia się tam, gdzie decyzje są częste, drogie i czasochłonne: ceny, wybór asortymentu, walidacja popytu i ryzyko zapasów. Gdy AI pomaga zespołom uniknąć przekupowania, utrzymać cenę z pewnością lub wcześniej wyjść z produktów, które tracą, wpływ finansowy jest natychmiastowy i wymierny.

Gdzie histeria wyprzedza rzeczywistość, jest to idea o pełnej autonomii detalicznej – lub AI, która zastępuje prawdziwe zrozumienie klienta syntetycznymi skrótami. Konsumenci są bardzo jasni: cenią autentyczność, transparentność i bycie słyszanymi. AI, która oddala marki od klienta, nie tworzy wydajności – tworzy ryzyko.

Wygrany model dzisiaj to ludzka ocena wspomagana przez przewidywalny wgląd, a nie automatyzacja dla samej automatyzacji.

Wiele narzędzi AI obiecuje możliwości przewidywania. Co oznacza przewidywanie w handlu detalicznym i jak liderzy powinni oceniać, czy przewidywania są naprawdę gotowe do podjęcia decyzji?

Przewidywanie w handlu detalicznym nie jest prognozą – to zdolność do zamknięcia pętli od prawdy klienta do wyniku finansowego.

Wiele wyjść AI brzmi przewidywalnie, ale nie zmieniają biznesu, ponieważ nigdy nie wprowadzają się do operacyjnego rytmu. Kwartalne wyniki są przegapione, zapasy się piętrzą, a budżety marż są wydawane – i każdy może wskazać dane gdzieś, które mogłyby pomóc. Prawdziwa porażka polega na tym, że decyzje nie były zgodne, działania nie zostały podjęte, a przepływ pracy nie uległ zmianie.

Przewidywanie gotowe do podjęcia decyzji robi trzy rzeczy jednocześnie:

1. Opiera się na tym, jak klienci naprawdę postrzegają wartość – nie tylko historia sprzedaży – aby nakierować decyzje od koncepcji do realizacji w trakcie sezonu.
2. Bezpośrednio wiąże się z ekonomią: elastyczność popytu, gotowość do zapłaty, AUR/ASP w cyklu życia produktu i implikacje marży związane z utrzymaniem ceny wobec dyskontowania.
3. Jest operacyjne – osadzone w powtarzalnym procesie, który zespoły naprawdę wykonują, a nie uwięzione w dziesiątkach narzędzi i izolowanych pulpictach.

Powtarzający się temat, który widzimy, to koszt „długiego ogona” jednostek SKU. Nadasortyment jest cichym zabójcą: nadmierna głębokość, niska prędkość, ukryte ryzyko. Jednym z największych dźwigni, które AI odblokowuje, jest zdolność do cięcia ogona – usunięcia produktów, które nie radzą sobie, i reinwestowania tych dolarów zapasów w najlepsze produkty, gdzie popyt klienta i nastroje są najwyższe.

Gdy zespoły stosują tę dyscyplinę, widzimy dramatyczne wyniki:

• dolary zapasów są uwolnione na innowacje i wysoko oceniane możliwości,
• cykl marż stabilizuje się i kurczy,
• presja promocyjna łagodnieje, i
• zaufanie marki wzrasta, ponieważ klienci nie są szkoleni, aby oczekiwać 50-60% zniżki, zanim kupią.

Liderzy powinni oceniać AI przewidywalne z jednym pytaniem: Czy zmienia to, gdzie inwestujemy? Najwyższy ROI nie jest więcej danych – to lepsze decyzje w tym, jak alokujemy kapitał, czas i zapasy przeciwko prawdziwemu popytowi klienta – wystarczająco wcześnie, aby to miało znaczenie.

Odpowiedzialne AI jest często dyskutowane na wysokim poziomie. W handlu detalicznym konkretnie, co wygląda praktyczna, odpowiedzialna adopcja AI, gdy decyzje bezpośrednio wpływają na ceny, konsumentów i zaufanie marki?

Odpowiedzialne AI w handlu detalicznym zaczyna się od jednej prostej zasady: użyj AI, aby pogłębić relację z klientem, a nie ją wykorzystywać.

To nie jest o hiper-śledzeniu jednostek, nadzorze lub zbieraniu danych dla samego zbierania. Odpowiedzialne AI jest o tym, aby wprowadzić głos klienta do każdej decyzji na dużą skalę – aby produkty, ceny, wiadomości i doświadczenia odzwierciedlały to, co ludzie naprawdę cenią. W wielu ways jest to forma współrozwoju: klienci prowadzą to, co jest tworzone , jak jest pozycjonowane i co wydaje się sprawiedliwe.

Praktycznie, odpowiedzialne AI wygląda:

• Ugruntowanie decyzji w prawdziwym wejściu klienta — zarówno ilościowym, jak i jakościowym („co on/ona/oni powiedzieli”).
• Budowanie przejrzystości i barier ochronnych dla decyzji o wysokim wpływie, takich jak ceny, promocje i segmentacja.
• Gwarantowanie sprawiedliwości w różnych segmentach i rynkach, aby AI nie faworyzowało przypadkowo jednej grupy, podczas gdy dyskryminuje inną.
• Trzymanie ludzi w pętli za ocenę, odpowiedzialność i twórczą nuans, którą AI nie może samodzielnie wygenerować.

Używane w ten sposób, AI wzmacnia relację z klientem zamiast ją niszczyć. Klienci czują się słyszeni na dużą skalę. Zespoły podejmują lepsze decyzje szybciej. I marki budują zaufanie – ponieważ nie reagują na rynek; działają z nim.

Czy kierowałeś zarówno narracjami marketingowymi, jak i strategią produktu. Jak powinni detaliści przemyśleć wewnętrzną narrację wokół AI, aby było postrzegane jako partner decyzyjny, a nie zagrożenie czy czarna skrzynka?

Detalistom powinno się przestać opowiadać historię, że AI jest „mądrzejszą analizą” i zacząć opowiadać historię, że AI jest centrycznością klienta na dużą skalę.

Wewnętrzne tarcie w handlu detalicznym nie jest tylko sylami – to sylami podejmującymi decyzje o wysokim ryzyku z różnymi prawdami: marketing ma sygnały zaangażowania, merchandising ma historię sprzedaży, ceny mają presję marży, planowanie ma ograniczenia zapasów. To tam walki się odbywają.

AI staje się partnerem decyzyjnym, gdy tworzy wspólny język między funkcjami: głos klienta, przetłumaczony na przewidywalne wskazówki, które informują produkt, cenę, asortyment i sposób sprzedaży – od koncepcji do konwersji.

I ważne jest, aby być szczerym co do roli ludzi. AI nie wynajduje następnego przełomowego pomysłu – uczy się wzorców. Ludzie przywożą kreatywność, smak, intencję marki i intuicję kulturową. AI sprawia, że ta kreatywność jest ostrzejsza, skracając pętle informacyjne i testując decyzje przed tym, zanim rynek to zrobi.

Jak AI staje się bardziej osadzone w planowaniu i podejmowaniu decyzji w trakcie sezonu, jak widzisz ewolucję roli ludzkiej oceny zamiast zniknięcia?

Ocena ludzka staje się bardziej ważna – i bardziej wykorzystywana – ponieważ w trakcie sezonu wygrywany jest zysk detaliczny.

Zniżki są jednym z największych kosztów w handlu detalicznym. Detalistom często budżetują na nie, ponieważ są zmuszeni do oczyszczenia niesprzedanych zapasów. Powodem, dla którego zniżki są tak bolesne, jest czas: zniżka zbyt wcześnie niszczy marżę; zniżka zbyt późno przegapia okno konwersji.

Z przewidywalnym AI i ludźmi w pętli, zespoły mogą modelować krzywe popytu i zrozumieć, jak powinna ewoluować ASP/AUR w cyklu życia produktu – na podstawie sprzedaży, percepcji klienta i sygnałów rynkowych. To umożliwia mądrzejsze ruchy: kiedy utrzymać cenę, kiedy zniżkę, i o ile – bez nadkorygowania.

I decyzje w trakcie sezonu nie są tylko cenami. AI może informować promocje i marketing w trakcie sezonu, uwzględniając momenty kulturowe, influencerów, przyspieszenie trendów i zmiany w osobach klienta – obok percepcji produktu i wrażliwości na cenę. Ludzie następnie stosują ocenę: intencję marki, tolerancję ryzyka i twórcze wybory, których AI nie może samodzielnie wygenerować.

Przyszłość nie jest automatyzacją. To są szybsze, bardziej poinformowane decyzje klienta – gdzie AI skaluje słuchanie, a ludzie prowadzą znaczenie.

Spójrzając w przyszłość, jak oczekujesz, że AI agentywne i generatywne zmienią przepływ pracy detaliczny w ciągu najbliższych dwóch do trzech lat – nie teoretycznie, ale operacyjnie?

Przechodzimy od systemów inteligencji do systemów działań.

Operacyjnie, AI generatywne uczynią wgląd dostępnym w różnych rolach i poziomach – podsumowując, porównując, wyjaśniając i odpowiadając na pytania natychmiast. AI agentywne coraz bardziej będą przejmować powtarzalną pracę, która spowalnia organizacje: przygotowanie scenariuszy, składanie briefów gotowych do wykonania, monitorowanie sygnałów, flagowanie ryzyka i koordynowanie najlepszych działań następnych.

Ale najbardziej znacząca zmiana nie będzie polegała na tym, że AI „prowadzi handel detaliczny”. Będzie to polegało na tym, że detaliści w końcu zacisną pętlę między klientem a przedsiębiorstwem. Zespoły będą działać szybciej, przecinać wewnętrzne tarcie i podejmować lepsze decyzje wcześniej – zanim trendy osiągną szczyt, zanim zniżki się rozprzestrzenią, i zanim przegapione możliwości staną się kwartalnymi porażkami.

Detalistom, którzy wygrają, nie będą tymi, którzy mają najwięcej eksperymentów AI. Będą tymi, którzy zbudują powtarzalny operacyjny rytm, w którym prawda klienta, przewidywalna inteligencja i ludzka kreatywność pracują razem – od koncepcji do konwersji.

Dziękuję za szczegółowy wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić First Insight.