Sandeep Menon, CEO & Co-Founder da Auxia – Série de Entrevistas

Sandeep Menon, CEO & Co-Founder da Auxia, traz mais de duas décadas de liderança global em tecnologia e marketing para o papel. Antes de lançar a Auxia em 2022, ele passou mais de nove anos na Google (GOOGL ), onde atuou como Vice-Presidente de Marketing para Pagamentos e liderou iniciativas como o programa Next Billion Users, focado na inclusão digital em mercados emergentes. Ele também ocupou cargos de liderança em marketing sênior em Android, Chrome, ChromeOS e Google Play.

Auxia é uma plataforma de marketing impulsionada por IA que permite que equipes de empresas orquestram jornadas de cliente personalizadas, 1:1, em escala. Em vez de confiar em campanhas baseadas em regras rígidas, a Auxia permite que os agentes de IA testem hipóteses em todos os pontos de contato – e-mail, web, aplicativo, ofertas – e adaptem-se dinamicamente às preferências e comportamentos em tempo real. Ela se integra perfeitamente com fontes de dados de primeira parte, automatiza pipelines de ML e otimiza continuamente a mensagens, o tempo e a sequência para maximizar o engajamento e o valor vitalício.

Você fundou a Auxia após uma carreira de sucesso na Google, onde liderou o marketing global para produtos usados por bilhões. Qual foi o gap ou ponto de dor específico que você e seus co-fundadores viram no mercado que levou à criação da Auxia?

Na Google, eu vi de perto como a personalização verdadeira pode ser poderosa quando você tem a infraestrutura certa e as capacidades de IA. Mas quando olhei para o mercado mais amplo, eu vi empresas lutando com pilhas de marketing fragmentadas, muitas vezes gerenciando 12 a 14 soluções de ponto que não se comunicavam entre si. Eles estavam coletando quantidades massivas de dados de cliente, mas não podiam traduzi-los em personalização significativa e em tempo real.

A lacuna fundamental foi que as plataformas existentes foram construídas para a era pré-IA. Elas confiavam em regras estáticas e segmentação básica, quando o que as empresas realmente precisavam eram sistemas inteligentes e adaptáveis capazes de tomar decisões em tempo real sobre cada interação do cliente. Nós vimos uma oportunidade de trazer o mesmo nível de personalização impulsionada por IA que impulsiona empresas como a Google e a Meta para empresas de todos os tamanhos, sem exigir que elas construíssem equipes internas de ciência de dados massivas.

A equipe de fundadores da Auxia inclui ex-líderes da Google, Meta e Lyft. Como as suas experiências coletivas nessas empresas de tecnologia gigantes moldaram a arquitetura e a ética da Auxia?

Nós todos experimentamos os desafios da personalização em escala. Na equipe do Google Pay, em particular, estávamos em uma posição privilegiada porque tivemos exposição precoce a tecnologias transformadoras em sua infância, com modelos de transformador sendo um exemplo primário. Meus co-fundadores, que vieram da Meta e da Lyft, construíram sistemas que pioneiramente encontraram maneiras de tornar os vastos dados de cliente disponíveis dramaticamente mais úteis, como alimentar recomendações em tempo real e decisões para milhões de usuários a cada segundo.

Nós todos vimos de perto como a IA poderia melhorar profundamente as experiências do cliente, enquanto também abordava alguns dos desafios mais difíceis enfrentados por nossas equipes de marketing. Ao mesmo tempo, o mercado mais amplo estava mudando de uma maneira que tornou esse tipo de trabalho possível fora da Google. Com o surgimento da pilha de dados moderna e plataformas como Snowflake, BigQuery e Databricks, as empresas haviam passado os últimos 5-10 anos consolidando seus dados em um local centralizado pronto para ativação.

Nós reconhecemos uma oportunidade única de levar os conhecimentos que desenvolvemos dentro da Google e democratizá-los para empresas em todos os lugares. Essas empresas estavam apenas começando a perceber que estavam sentadas em uma montanha de dados valiosos e que, com a tecnologia certa, poderiam ser desbloqueados para impulsionar o crescimento e um melhor engajamento do cliente.

A maioria das ferramentas de personalização depende de sistemas baseados em regras e segmentos simples. A Auxia, por outro lado, usa agentes de IA sincronizados. Você pode nos levar pelo processo de como esses agentes colaboram e evoluem ao longo do tempo para personalizar cada jornada do cliente?

A maioria das ferramentas no mercado ainda depende de regras rígidas e segmentos estáticos; elas são reativas, não inteligentes. Na Auxia, construímos um sistema de agentes de IA sincronizados que trabalham juntos para personalizar cada ponto de contato na jornada do cliente em tempo real.

Cada agente desempenha um papel especializado. Agentes de decisão determinam a melhor ação a ser tomada para um usuário com base em todos os seus dados e preferências anteriores; por exemplo, se deve fazer um upsell de um cliente para um novo cartão de crédito ou impulsioná-lo a abrir uma nova conta de poupança. Agentes de análise funcionam como uma equipe de ciência de dados embutida, analisando o que funcionou bem em campanhas atuais para destacar o impacto, mas também oportunidades de melhoria em uma interface baseada em chat. Por fim, os agentes de conteúdo da Auxia aproveitam todos os dados e insights sobre o que funcionou melhor para proativamente surfacear novas variações de mensagens ou criativas para as equipes de marketing aprovarem.

O que torna esses agentes poderosos é que eles não operam em silos. Eles colaboram continuamente, aprendendo com cada interação e adaptando-se com base no que está funcionando. Os marketers definem metas de alto nível, e os agentes lidam com a complexidade. Eles são sistemas de auto-otimização que evoluem diariamente para impulsionar melhores resultados em escala.

A Auxia processa 2,6 bilhões de eventos diariamente e lida com 6.500 consultas por segundo. Quais inovações de infraestrutura permitiram esse tipo de escalabilidade em tempo real tão cedo na vida da empresa?

Desde o primeiro dia, sabíamos que a escala tinha que ser inegociável. A hiperpersonalização só funciona se você puder tomar decisões em milissegundos, usando sinais frescos e contextuais. Aprendemos muitas dessas lições com o nosso tempo na Google, e levou mais de um ano para construir a infraestrutura para suportar esse nível de orquestração em tempo real.

Nossa arquitetura é nativa em nuvem, orientada a eventos e otimizada para alto rendimento de streaming, então estamos nos apoiando nas ondas de tecnologia que vieram antes de nós, como a mudança para a pilha de dados moderna. A forma como o paisagem de marketing tecnologia evoluiu em direção a ecossistemas abertos permitiu que nos movêssemos muito mais rapidamente, permitindo que integrássemos diretamente com armazéns de dados de nuvem modernos, CRMs e outras plataformas de marketing. Isso permitiu que construíssemos para escala desde o dia um e também nos ajudou a confiar em infraestrutura que possa processar volumes massivos de sinais de cliente de primeira parte sem introduzir latência.

O que também nos distingue é que somos nativos de IA desde o início. A Auxia foi projetada para suportar experimentação em larga escala, executando milhares de hipóteses simultâneas e continuamente otimizando os resultados sem intervenção humana, mas também estamos aproveitando a última tecnologia da indústria para criação de recursos, implantação de modelos e inferência de LLM.

Como o framework de experimentação de modelo da Auxia difere do teste A/B tradicional, e quais foram as principais descobertas surpreendentes descobertas usando a abordagem de ML?

O teste A/B tradicional é incrivelmente limitado; você só pode testar algumas variações de cada vez, e muitas vezes leva semanas ou meses para alcançar resultados estatisticamente significativos. Na Auxia, reimaginamos a experimentação como um processo contínuo e inteligente. Nosso framework de modelo impulsionado permite que os marketers executem muitos modelos de auto-otimização diferentes e testem centenas de variações em paralelo. Usando técnicas como aprendizado por reforço, o sistema de tomada de decisão da Auxia toma decisões em tempo real com base em dados ao vivo.

Vamos considerar o exemplo de uma campanha de promoção de ofertas e recompensas por e-mail. Anteriormente, os marketers poderiam testar 2-3 variações de ofertas diferentes, como 5% de desconto, 10% de desconto e 20% de desconto, dividir a audiência em grupos mutuamente exclusivos, lançar e comparar os resultados em uma variedade de métricas para ver qual variação funcionou melhor, em média, para o grupo inteiro. Há alguns desafios com essa abordagem. Primeiro, a maioria dos experimentos falha, então muitas vezes leva semanas ou meses para as equipes identificarem o que está funcionando bem. Além disso, eles são super manuais e demorados para configurar, o que limita a velocidade da equipe e a rapidez com que elas podem entregar impacto.

Com a Auxia, os marketers primeiro definem uma meta de alto nível, como impulsionar compras. A partir daí, sua equipe configuraria centenas de diferentes variações no sistema, que uma equipe pode gerar dinamicamente com nosso Agente de Conteúdo, ingerir do seu CMS ou definir manualmente. Cada uma dessas variações variaria em termos de construção de oferta (por exemplo, 5% de desconto versus BOGO), quantidade, conteúdo e potencialmente até canal (por exemplo, e-mail versus SMS). Para cada usuário individual, o Agente de Decisão da Auxia classificaria, pontuaria e preveria, de todas as centenas de variações disponíveis, qual é a variação ótima para cada pessoa para impulsionar o objetivo central.

A plataforma da Auxia é projetada para remover a dependência de grandes equipes internas de ciência de dados. Você já viu equipes de marketing tradicionais terem sucesso em assumir papéis mais técnicos com as suas ferramentas?

Uma das razões principais pelas quais começamos a Auxia foi empoderar as equipes de marketing para personalizar tanto as experiências de marketing quanto as experiências de produto sem depender de engenheiros ou cientistas de dados. Dentro de apenas algumas semanas após a integração, os marketers que usam a Auxia são capazes de lançar novas campanhas, extrair dados e interpretar resultados completamente por conta própria. À medida que o mundo se move em direção a um futuro mais agente, acreditamos que os marketers não precisarão se tornar mais técnicos ou construir novas habilidades técnicas. Em vez disso, as responsabilidades tradicionalmente tratadas por engenheiros ou analistas serão democratizadas por meio de agentes inteligentes que aumentam o fluxo de trabalho e a experiência geral do marketer. Com nosso Agente de Análise, já conseguimos abstrair grande parte da complexidade do trabalho tradicional de cientista de dados/analista, e estamos ansiosos para continuar impulsionando essas capacidades para frente.

Como alguém que liderou o marketing para a iniciativa Next Billion Users na Google, quais paralelos você vê entre a adoção de tecnologia inclusiva e a IA agente em marketing hoje?

Quando liderava o marketing para a iniciativa Next Billion Users na Google, reconhecemos que as pessoas em mercados emergentes interagiam com produtos de maneira fundamentalmente diferente dos usuários em mercados desenvolvidos. Porque isso representava uma oportunidade de crescimento tão massiva, tornou-se vital construir especificamente para esses usuários – simplificando interfaces, abstraindo complexidade e garantindo que a experiência fosse acessível e empoderadora.

Eu vejo uma tendência muito semelhante se desenrolando com a IA agente em marketing. Assim como muitos desses novos usuários de internet pularam diretamente para experiências mobile-first sem precisar de literacia digital prévia, os marketers de hoje não precisam voltar e aprender SQL ou ciência de dados para desbloquear a personalização. Os agentes pontem as lacunas de habilidades e tornam capacidades sofisticadas imediatamente usáveis. Ao mesmo tempo, a forma como as pessoas interagem com a IA – movendo-se além de interfaces baseadas em chat para agentes mais intuitivos e cientes do contexto – está forçando os desenvolvedores a repensar a UI do futuro. A ênfase, como com os NBUs, está na acessibilidade, simplicidade e empoderamento: abstraindo a complexidade técnica para que a experiência final se sinta natural e impactante.

Qual é o maior mal-entendido que as empresas têm sobre a personalização da IA hoje, e como você as ajuda a superá-lo?

O maior mal-entendido que as empresas têm sobre a personalização da IA é que adotá-la significa dar up total controle ou diminuir o impacto estratégico das equipes de marketing. A IA se sai bem em processar complexidade, como analisar conjuntos de dados massivos, identificar padrões que os humanos não podem ver e surfacear sinais que importam em tempo real. O que a IA não pode fazer é fornecer o contexto, a empatia e o julgamento estratégico necessário para projetar experiências de cliente significativas. É aí que os humanos brilham: definindo a visão, definindo guardiões de marca e entendendo quando uma escolha de personalização poderia parecer intrusiva ou fora de marca.

Se falarmos francamente, usando a tecnologia de hoje, os humanos podem ser eficazes sem a IA, mas a IA não pode ser eficaz sem os humanos. A verdadeira quebra de barreira vem quando você aumenta suas equipes com a IA para lidar com a escala e a complexidade da tomada de decisão baseada em dados, enquanto empodera as equipes a se concentrar em estratégia, criatividade e empatia. É quando a personalização se move de ser um buzzword para algo que realmente cria valor para os clientes e os negócios.

Com o apoio de mais de 50 líderes da indústria e um aumento de $23,5M, quais são as principais áreas que você está priorizando para os próximos 12-18 meses de crescimento de produto e equipe?

Estamos priorizando três áreas de crescimento nos próximos 12-18 meses. Primeiro, estamos comprometidos em entregar valor excepcional para nossos clientes, continuando a elevar sua experiência. Isso sempre foi uma prioridade para nossa equipe, e queremos garantir que estamos entregando ROI excepcional para todas as empresas que depositaram sua confiança em nós e nossa equipe. Em segundo lugar, estamos expandindo as capacidades dos nossos agentes de IA para apoiar a melhoria do fluxo de trabalho completo do marketer, ajudando as equipes a criar conteúdo, orquestrar experiências personalizadas e surfacear insights ação sobre o que está impulsionando o impacto. Finalmente, estamos escalando nosso motor de go-to-market. Com um ajuste de produto-mercado sólido na empresa, o próximo passo é expandir nosso alcance, crescendo nossas equipes de vendas e sucesso do cliente. Isso nos permite levar a personalização impulsionada por IA para mais empresas, enquanto garantimos que os novos clientes se beneficiem do mesmo suporte de alto toque e experiência diferenciada que impulsionou nosso sucesso inicial.

O que o excita mais sobre a próxima fronteira da IA agente, não apenas em marketing, mas em outras aplicações empresariais também?

O que realmente me excita é ver o ritmo de adoção, ver que a adoção tenha um impacto real e também ver o mercado reconhecer que o valor real da IA agente está na aumentação, não necessariamente na substituição. Muitas conversas de hoje se concentram na IA como um substituto para funções humanas, como os outdoors que você pode ver na 101 indo para San Francisco sobre empresas que substituem SDRs (ou até mesmo funções inteiras). Essa narrativa vai atrair manchetes, mas para mim, ela perde a oportunidade maior: empoderar as pessoas para fazerem o seu melhor trabalho.

Os humanos trazem contexto, empatia, criatividade e julgamento que a IA simplesmente não pode replicar. Onde a IA agente brilha é ao lidar com a complexidade e a escala que sobrecarrega as equipes. Nós falamos muito sobre a aplicabilidade para fluxos de trabalho de marketing, como surfacear insights de conjuntos de dados massivos, automatizar tarefas repetitivas e orquestrar processos em tempo real em sistemas. Quando essas capacidades são combinadas com as forças humanas, o resultado é uma mudança de passo no que as organizações podem alcançar.

Em marketing, isso significa libertar as equipes da execução infinita para que elas possam se concentrar em estratégia, narrativa e empatia do cliente. Mas esse mesmo padrão se aplica a todas as funções na empresa: em vendas, os agentes podem qualificar e preparar oportunidades para que os humanos possam gastar mais tempo construindo relacionamentos; em sucesso do cliente, os agentes podem sinalizar sinais de risco e oportunidade para que os humanos possam aprofundar parcerias; em engenharia, os agentes podem acelerar o desenvolvimento, automatizando testes, depuração e geração de código, para que as equipes possam se concentrar em resolver problemas arquitetônicos complexos e impulsionar a inovação.

Todas essas oportunidades criarão trilhões de dólares em valor e eu amo ver as empresas que estão empurrando o envelope para moldar como o trabalho que as pessoas fazem evoluirá ao longo do tempo.

Imagine equipes de finanças com agentes de IA otimizando orçamentos em tempo real, equipes de RH usando agentes para personalizar o engajamento dos funcionários ou suporte ao cliente que se move de reativo para proativo.

Estamos apenas começando. O futuro não é sobre a IA substituindo os humanos, é sobre os humanos e os agentes de IA trabalhando juntos para tomar decisões que sejam mais rápidas, mais inteligentes e mais empáticas. É o futuro que estamos construindo na Auxia.

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