Nick Shiftan, CTO at Bazaarvoice – Série de Entrevistas

Nick Shiftan, CTO at Bazaarvoice, é um líder tecnológico experiente e empreendedor cuja carreira abrange duas décadas de construção e escalonamento de plataformas de software e comércio empresariais. Ele é mais conhecido como co-fundador e CTO da Curalate, uma empresa pioneira de comércio social que ele ajudou a crescer por quase uma década para mais de $20 milhões em ARR antes de sua aquisição pela Bazaarvoice em 2020. No início de sua carreira, ele fundou e liderou o desenvolvimento de produtos da Parkio, entregando software empresarial para sistemas de transporte e estacionamento, e começou sua jornada profissional na Microsoft, onde trabalhou no Outlook Mobile para Windows Mobile. Após a aquisição, o que inicialmente era esperado para ser uma transição curta evoluiu para um papel de longo prazo à medida que ele continuou construindo em escala, culminando em sua nomeação como CTO, onde seu foco está em avançar a descoberta de produtos impulsionada por IA fundamentada em confiança e dados de consumidores autênticos.

Bazaarvoice é uma plataforma SaaS líder no setor que permite que marcas e varejistas colem, gerenciem e atuem em conteúdo gerado por usuários autêntico, como avaliações, críticas, fotos e vídeos em toda a jornada de compras digital. Operando em escala global, a empresa ajuda mais de um bilhão de compradores por mês a tomar decisões de compra informadas, sindicando conteúdo confiável em uma vasta rede de marcas e destinos de varejo, colocando transparência, credibilidade e comércio impulsionado por dados no centro das experiências online.

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

Usamos IA para superfície de sinais e padrões, não para substituir o julgamento humano. LLMs ajudam a sinalizar atividades anômalas ou conteúdo potencialmente inautêntico rapidamente, mas o objetivo é sempre preservar a confiança. Ao integrar esses modelos em pipelines de validação offline e desacoplá-los de caminhos de solicitação em tempo real, mantemos o desempenho mesmo quando os volumes de envio aumentam. O resultado é moderação e verificações de autenticidade que são inteligentes e escaláveis.

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

Avaliações e classificações sempre foram infraestruturas críticas para a tomada de decisões, mas isso é especialmente verdadeiro em um mundo de compras apoiadas por IA. Agentes de IA confiarão fortemente em sinais de confiança – notadamente na forma de avaliações e classificações – ao fazer recomendações de compras. Atrasos, dados ausentes ou inautenticidade flagrante afetarão diretamente a confiança do consumidor. Esses sistemas são complexos; tratá-los com o mesmo rigor que os sistemas de checkout é essencial para evitar a perda de conversão e a erosão de confiança a longo prazo.

Ao liderar engenharia em várias plataformas de comércio importantes, como você adapta estratégias de observabilidade e resposta a incidentes quando sistemas de IA – como análise de sentimento ou modelos de detecção de fraude – estão diretamente no caminho de dados em tempo real?

Tratamos modelos de IA como qualquer outro serviço crítico: monitoramos o desempenho e a precisão em tempo real. Isso inclui latência, taxas de erro e deriva comportamental. Implementamos medidas de segurança para que os modelos possam degradar-se de forma elegante ou contornar caminhos não críticos sob carga. Painéis, alertas automatizados e runbooks garantem que problemas de IA sejam apresentados e resolvidos antes de afetar os compradores.

Ao operar na escala global da Bazaarvoice, como você garante que o conteúdo gerado por consumidores flua através dos sistemas impulsionados por IA de maneira que mantenha a auditoria, transparência e responsividade em tempo real?

Isso se resume à observabilidade de ponta a ponta e segmentação de pipeline. Cada peça de conteúdo é rastreada ao longo de seu ciclo de vida, desde a ingestão até a exibição. Modelos de IA fornecem recomendações ou sinalizam moderação, mas todas as decisões são registradas, auditáveis e rastreáveis. Acoplado com buffers de capacidade e escalonamento dinâmico, isso garante responsividade mesmo sob carga de pico, mantendo a transparência.

Olhando para o futuro, quais riscos ou padrões comportamentais 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 pergunta-chave para os líderes de TI de varejo não é se as compras impulsionadas por IA acontecerão – é como a jornada do comprador mudará quando elas acontecerem. Se as compras impulsionadas por IA se tornarem tão comuns amanhã quanto as compras online são hoje:

• Onde os clientes descobrirão meus produtos, no meu site ou via ChatGPT?
• Como eles aprenderão sobre meus produtos, por meio de Claude ou do meu próprio assistente de compras?
• Como eles farão o checkout, na minha página de checkout ou diretamente através de uma interface de IA?

Modelos de fronteira provavelmente saberão tudo sobre seus produtos. Mas a pergunta real é: Eles entregam a mesma experiência do cliente que você pode hoje? Se a resposta for não, não é suficiente esperar por pedidos impulsionados por IA para aparecer. Você precisará investir em assistentes de IA e nos pontos de entrada que os tornam parte da experiência de compras única de sua marca.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Bazaarvoice.