Nick Shiftan, CTO da Bazaarvoice – Série de entrevistas

Nick Shiftan, CTO da Bazaarvoice, é um líder tecnológico e empreendedor experiente, cuja carreira abrange duas décadas de desenvolvimento e escalonamento de software empresarial e plataformas de comércio. Ele é mais conhecido como cofundador e CTO da Curalate, uma empresa pioneira em comércio social que ajudou a crescer ao longo de quase uma década, atingindo mais de US$ 20 milhões em receita recorrente anual (ARR) antes de sua aquisição pela Bazaarvoice em 2020. No início de sua carreira, fundou e liderou o desenvolvimento de produtos na Parkio, fornecendo software empresarial para sistemas de transporte e estacionamento, e iniciou sua trajetória profissional na Microsoft, onde trabalhou no Outlook Mobile para Windows Mobile. Após a aquisição, o que inicialmente se esperava ser uma transição curta se transformou em um cargo de longo prazo, à medida que ele continuava a construir em escala, culminando em sua nomeação como CTO, onde seu foco é o avanço da descoberta de produtos orientada por IA, fundamentada na confiança e em dados autênticos do consumidor.

Bazaarvoice é uma plataforma SaaS líder do setor que permite que marcas e varejistas coletem, gerenciem e ativem conteúdo autêntico gerado pelo usuário, como avaliações, comentários, fotos e vídeos, em toda a jornada de compra digital. Operando em escala global, a empresa ajuda mais de um bilhão de compradores por mês a tomar decisões de compra informadas, distribuindo conteúdo confiável em uma vasta rede de marcas e destinos de varejo, colocando a transparência, a credibilidade e o comércio orientado por dados no centro das experiências online.

Como você está aplicando técnicas baseadas em IA generativa e LLM para fortalecer a autenticidade, a moderação e os sinais de confiança das avaliações sem comprometer o desempenho sob alta carga?

Usamos IA para identificar sinais e padrões, não para substituir o julgamento humano. Os LLMs ajudam a sinalizar rapidamente atividades anômalas ou conteúdo potencialmente inautêntico, mas o objetivo é sempre preservar a confiança. Ao integrar esses modelos em fluxos de validação offline e desacoplá-los dos caminhos de requisição em tempo real, mantemos o desempenho mesmo quando o volume de envios aumenta repentinamente. O resultado são verificações de moderação e autenticidade inteligentes e escaláveis.

Muitos varejistas investem pesado na confiabilidade do checkout, mas frequentemente negligenciam a complexidade de manter um ecossistema de avaliações confiável. Quais riscos ocultos nas infraestruturas de avaliações e classificações você acha que merecem a mesma atenção estratégica que os pagamentos?

Classificações e avaliações sempre foram infraestrutura essencial para a tomada de decisões, mas isso é especialmente verdadeiro em um mundo de compras com suporte de IA. Os agentes de IA dependerão fortemente de sinais de confiança — principalmente na forma de classificações e avaliações — ao fazerem recomendações de compras. Atrasos, dados faltantes ou falta de autenticidade flagrante afetarão diretamente a confiança do consumidor. Esses sistemas são complexos; tratá-los com o mesmo rigor que os sistemas de checkout é fundamental para evitar perda de conversões e erosão da confiança a longo prazo.

Tendo liderado a engenharia em diversas plataformas de comércio eletrônico importantes, como você adapta as estratégias de observabilidade e resposta a incidentes quando sistemas de IA — como modelos de análise de sentimento ou detecção de fraudes — estão diretamente no fluxo de dados em tempo real?

Tratamos os modelos de IA como qualquer outro serviço crítico: monitoramos o desempenho e a precisão em tempo real. Isso inclui latência, taxas de erro e desvios comportamentais. Implementamos mecanismos de segurança para que os modelos possam apresentar degradação gradual ou ignorar caminhos não críticos sob carga. Painéis de controle, alertas automatizados e manuais de procedimentos garantem que os problemas de IA sejam identificados e resolvidos antes que afetem os usuários.

Ao operar na escala global da Bazaarvoice, como você garante que o conteúdo gerado pelo consumidor flua pelos seus sistemas baseados em IA de forma a manter a auditabilidade, a transparência e a capacidade de resposta em tempo real?

Tudo se resume à observabilidade de ponta a ponta e à segmentação do pipeline. Cada conteúdo é rastreado ao longo de seu ciclo de vida, da ingestão à exibição. Modelos de IA fornecem recomendações ou sinalizações de moderação, mas todas as decisões são registradas, auditáveis ​​e rastreáveis. Aliado a buffers de capacidade e escalonamento dinâmico, isso garante a capacidade de resposta mesmo sob picos de carga, mantendo a transparência.

Olhando para o futuro, quais riscos ou padrões comportamentais emergentes impulsionados por IA você acredita que definirão a próxima geração de design de sistemas de varejo, e como os líderes de TI devem se preparar para eles agora?

Para mim, a questão fundamental para os líderes de TI do varejo não é... if As compras feitas com IA vão acontecer — a questão é como a jornada do consumidor mudará quando isso ocorrer. Se as compras feitas com IA se tornarem tão comuns amanhã quanto as compras online são hoje:

• Onde os clientes encontrarão meus produtos, no meu site ou através do ChatGPT?
• Como eles ficarão sabendo dos meus produtos, por meio do Claude ou do meu próprio assistente de compras?
• Como eles finalizarão a compra, na minha página de finalização de compra ou diretamente por meio de uma interface de IA?

É provável que os modelos de vanguarda saibam tudo sobre seus produtos. Mas a verdadeira questão é: eles oferecerão a mesma experiência ao cliente que você oferece hoje? Se a resposta for não, não basta esperar que os pedidos automatizados por IA apareçam. Você precisará investir em assistentes de IA e nos pontos de entrada que os integrem à experiência de compra exclusiva da sua marca.

Obrigado pela ótima entrevista, os leitores que desejam saber mais devem visitar Bazaarvoice.