Viki Zabala, Chief Growth & Strategy Officer w First Insight – Seria wywiadów

Viki Zabala, Chief Growth & Strategy Officer w First Insight, ma ponad 22 lata doświadczenia w zarządzaniu w firmach o wysokim tempie wzrostu, w tym w branży SaaS, AI i technologii, działających na styku strategii, produktu i innowacji. W swojej roli kieruje zintegrowanym silnikiem wzrostu First Insight, obejmującym strategię, wejście na rynek, marketing, produkt, AI, sukces klienta i partnerstwa, kształtując wizję za platformą Retail Decision Intelligence firmy. Zabala jest znana z tego, że potrafi przekształcić niepewność w klarowność, napędzając hiper-wzrost, ekspansję na nowe rynki i transformację opartą 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, zaprojektowana dla detalistów i marek, które szukają możliwości przewidywania popytu, optymalizacji cen i asortymentów oraz zmniejszania ryzyka na całym cyklu życia produktu. Łącząc czas rzeczywisty feedbacku konsumentów z predykcyjnym, generatywnym i agentywnym AI, platforma pomaga organizacjom podejmować szybsze i bardziej pewne decyzje w zakresie projektowania, 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 była zawsze związana z przecięciem danych, strategii wejścia na rynek i realizacji. Jakie momenty wcześniej w Twojej karierze najbardziej ukształtowały sposób, w jaki myślisz o przekształcaniu wglądu w rzeczywiste decyzje operacyjne?

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 feedbacku są natychmiastowe. Szybko się uczymy, że dane mają znaczenie tylko wtedy, gdy zmieniają to, co ktoś robi następnie – instalacje, 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 realizacji – ceny, wejścia na rynek, zapasów, komunikacji – to jest to tylko informacja.

Ta mentalność jest tym, co przyprowadziło mnie do First Insight. Handel detaliczny jest jedną z najbardziej zachowaniem-napędzanych branż, a decyzje opierały się historycznie na wskaźnikach opóźnionych i instynkcie. Moja praca polega na zamykaniu tej luki – przywoływaniu głosu klienta do przodu wystarczająco wcześnie i na tyle ciągle, aby inżynierować lepsze wyniki zamiast reagować na porażkę.

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

Jako Chief Growth & Strategy Officer w 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, co jest technicznie możliwe. Wejście na rynek pokazuje, co zostanie naprawdę zrozumiane i przyjęte. Sukces klienta pokazuje, co wytrzymuje w warunkach rzeczywistych – presja czasu, napięcia międzyfunkcyjne, jakość danych i odpowiedzialność. Gdy te perspektywy są zintegrowane, AI jest projektowane wokół tego, jak naprawdę zachodzą 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 jako system inteligencji. Musi łączyć sygnały klienta z cenami, asortymentami, marketingiem i planowaniem w sposób, który współgra zespoły i przyspiesza decyzje. Gdy AI redukuje tarcie między zespołami i skraca dystans między wglądem a działaniem, zaczyna dostarczać prawdziwą wartość.

Detaliści długo polegali na sezonowych cyklach planowania i danych historycznych. 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 o optymalizacji tego, co już istniało – a nie o wymyślaniu tego, co następne.

Dane historyczne i sezonowe 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 – napędzany przez wrażliwość na cenę, momenty kulturowe, wpływ społeczny, presję ekonomiczną i dynamikę kanałów. Trend może wyłonić się nocą. Sygnał cenowy może zmienić zachowanie natychmiast. Dane historyczne wyjaśniają, co już się wydarzyło, ale nie mówią nam wiarygodnie, jak klienci zareagują następnie – nawet na produkty już na półce – gdy kontekst i sentyment mogą zmienić się w każdej chwili.

Na tym samym gruncie wiele detalistów podejmuje decyzje z użyciem starzejących się 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 niezrealizowanych prognoz lub malejącej lojalności. W wielu przypadkach marki optymalizują dla klientów, których nie mają – lub dla klientów, którzy już się wyprowadzili.

I gdy chodzi o innowację, historia sprzedaży nie może potwierdzić produktu, który jeszcze nie istnieje – lub segmentu klientów, którego można stracić. To dlatego tak wiele detalistów kończy się iteracją na przeszłości zamiast pewnym finansowaniem następnej kategorii, następnego zestawu funkcji lub następnej publiczności. Odblokowanie polega na przywołaniu głosu klienta do przodu – wystarczająco wcześnie, aby kierować tworzeniem koncepcji, siłą cenową i pozycjonowaniem – 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 ważne jest projektowanie interfejsu i dostępność w napędzaniu prawdziwego wdrożenia AI w porównaniu z samą zdolnością techniczną?

Interfejs to różnica między „AI istnieje” a „AI jest używane”.

Proces decyzyjny detalistów obejmuje znacznie więcej niż jeden moment – badanie koncepcji, projektowanie, budowanie asortymentu, optymalizację cen, modelowanie marży, głębokość zakupu, alokację, dostosowania w trakcie sezonu, marketing i sprzedaż. Wyzwaniem nie jest to, że detaliści nie mają pytań; jest to to, że odpowiedzi są uwięzione w raportach, prezentacjach, eksportach i specjalistycznych zespołach – i gdy są dostarczane, moment już minął.

Ellis ma znaczenie, 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 potocznym – o koncepcje, ceny, asortymenty, segmenty, rynki, konkurentów – i otrzymywać klarowne, predykcyjne odpowiedzi w ciągu kilku minut. To nie jest tylko używalność; to prędkość decyzyjna.

Dostępność również napędza przyjęcie 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.

Pracowałaś ściśle z detalistsami, którzy nawigują pod naciskiem marży, ryzyka zapasów i kapryśnego popytu. Gdzie AI dostarcza najbardziej szybki, najbardziej wymierny wpływ dzisiaj – i gdzie hype 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 nadmiernej kupna, utrzymać cenę z pewnością lub opuścić produkty, które tracą, wpływ finansowy jest natychmiastowy i wymierny.

Gdzie hype jest przed rzeczywistością, jest to idea w pełni autonomicznego handlu detalicznego – lub AI, która zastępuje prawdziwe zrozumienie klienta syntetycznymi skrótami. Konsumenci są bardzo jasni: cenią autentyczność, przejrzystość i to, że są słyszani. AI, która oddala marki od klienta, nie tworzy wydajności – tworzy ryzyko.

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

Wiele narzędzi AI obiecuje możliwości predykcyjne. Co wygląda prawdziwa predykcja w handlu detalicznym, i jak liderzy powinni oceniać, czy predykcje są naprawdę gotowe do decyzji?

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

Wiele wyjść AI brzmi predykcyjnie, ale nie zmieniają biznesu, ponieważ nigdy nie wprowadzają się do kadencji operacyjnej. Rzeczywista porażka polega na tym, że decyzje nie są zgodne, działania nie są podejmowane, a przepływ pracy nie zmienia się.

Gotowość do decyzji predykcji robi trzy rzeczy jednocześnie:

1. Opiera się na tym, jak klienci naprawdę postrzegają wartość – nie tylko historia sprzedaży – aby kierować decyzjami od koncepcji do realizacji w trakcie sezonu.
2. Wiąże się bezpośrednio z ekonomią: elastyczność popytu, skłonność do płacenia, AUR/ASP w trakcie cyklu życia produktu i implikacje marży związane z utrzymaniem lub dyskontowaniem.
3. Jest operacyjna – osadzona w powtarzalnym procesie, który zespoły naprawdę wykonują, a nie uwięziona w dziesiątkach narzędzi i izolowanych pulpictach.

Powtarzający się temat, który widzimy, to koszt „długiego ogona” SKU. Nadmiar asortymentu jest cichym zabójcą: nadmierna głębokość, niska prędkość, ukryte ryzyko. Jednym z największych dźwigni, które AI predykcyjne odblokowuje, jest zdolność do cięcia ogona – usunięcia niewydajnych produktów wcześnie i reinwestowania tych dolarów zapasów w najlepszych wykonawcach, gdzie popyt klienta i sentyment są najwyższe.

Gdy zespoły stosują tę dyscyplinę, widzimy dramatyczne wyniki:

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

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

Odpowiedzialne AI jest często dyskutowane na wysokim poziomie. W handlu detalicznym konkretnie, co wygląda praktyczne, odpowiedzialne wdrożenie 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 wykorzystać ją.

To nie jest o śledzeniu poszczególnych osób, nadzorze, czy zbieraniu danych dla samego ich sake. Odpowiedzialne AI jest o tym, aby przywołać głos klienta do każdej decyzji na dużą skalę – tak aby produkty, ceny, wiadomości i doświadczenia odzwierciedlały to, co ludzie naprawdę cenią. W wielu ways jest to forma współtworzenia: klienci prowadzą to, co jest tworzone, jak jest pozycjonowane i co się czuje sprawiedliwie.

Praktycznie, odpowiedzialne AI wygląda:

• Ugruntowane decyzje w rzeczywistym 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, tak aby AI nie faworyzowało jednej grupy, podczas gdy dyskryminowało inną.
• Trzymanie ludzi w pętli dla oceny, odpowiedzialności i twórczej nuans, której AI nie może samodzielnie wygenerować.

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

Poprowadziłaś narrację marketingową i strategię produktu. Jak detaliści powinni przemyśleć wewnętrzną narrację wokół AI, aby było postrzegane jako partner decyzyjny, a nie zagrożenie czy czarna skrzynka?

Detaliści powinni przestać opowiadać historię, że AI to „mądsza analiza” i zacząć opowiadać historię, że AI to centryczność klienta na dużą skalę.

Wewnętrzna frakcja w handlu detalicznym nie jest tylko o słoikach – to słoiki podejmujące 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 predykcyjne wskazówki, które informują produkt, cenę, asortyment i sposób sprzedaży – od koncepcji do konwersji.

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

Gdy 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 wykorzystana – ponieważ w trakcie sezonu wygrywa się zysk detaliczny.

Obniżki są jednym z największych kosztów w handlu detalicznym. Detaliści często budżetują je, ponieważ są zmuszeni do oczyszczenia niesprzedanych zapasów. Powodem, dla którego obniżki są tak bolesne, jest czas: zniżka zbyt wcześnie niszczy marżę; zniżka zbyt późno i przegapiasz okno konwersji.

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

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

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

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

Przechodzimy od systemów inteligencji do systemów działań.

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

Ale najbardziej znacząca zmiana nie będzie taka, że AI „prowadzi handel detaliczny”. Będzie to taka, że detaliści w końcu zacisną pętlę między klientem a przedsiębiorstwem. Zespoły poruszą się szybciej, przecinając wewnętrzne tarcie i podejmując lepsze decyzje wcześniej – zanim trendy osiągną szczyt, zanim obniżki się rozprzestrzenią i zanim przegapione możliwości staną się kwartalnymi porażkami.

Detaliści, którzy wygrają, nie będą tymi, którzy mają najwięcej eksperymentów AI. Będą tymi, którzy zbudują powtarzalną kadencję operacyjną, w której prawda klienta, inteligencja predykcyjna i ludzka kreatywność współpracują – od koncepcji do konwersji.

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