Eric Picard, SVP de produs la Fluency – Seria de interviuri

Eric Picard, Vicepreședinte Senior de Produs la Fluency, este un expert în produse și tehnologie, cu decenii de experiență în dezvoltarea de platforme de publicitate digitală, piețe automate, sisteme de date și produse destinate consumatorilor. Înainte de a se alătura Fluency, a ocupat funcții de conducere la Microsoft, Pandora, MediaMath, Yieldmo și BARK, unde responsabilitățile sale variau de la strategia tehnologiei publicitare și media programatică la managementul produselor, știința datelor, inginerie și modernizarea platformelor la scară largă. Picard este, de asemenea, un antreprenor serial care a fondat Bluestreak, Rare Crowds, Questori și alte întreprinderi tehnologice, Bluestreak și Rare Crowds fiind ulterior achiziționate. Cariera sa a inclus contribuții la arhitectura unei burse de publicitate în timp real, lansarea produselor de publicitate audio programatică, dezvoltarea tehnologiei de curare a inventarului automatizat și consultanță pentru companii pe probleme de inteligență artificială, strategie de produs, transformare corporativă și fuziuni și achiziții.

Fluency dezvoltă un Sistem de Operare pentru Publicitate Digitală, proiectat pentru a ajuta agențiile, brandurile și afacerile cu multiple locații să gestioneze campaniile de publicitate plătită pe platforme de căutare, sociale, programatice, grădini închise și web deschis. Platforma centralizează datele, activele creative, inventarul, cerințele de conformitate, audiențele, strategia de campanie, raportarea și fluxurile de lucru de execuție, utilizând automatizarea și inteligența artificială pentru a reduce munca operațională repetitivă și a coordona campaniile la scară. Fluency se concentrează tot mai mult pe publicitatea agențială, inclusiv fluxuri de lucru conduse de AI, guvernate, care pot executa și optimiza campaniile, menținând controale strategice și de brand definite. Compania afirmă că tehnologia sa susține peste 250.000 de campanii pe lună și gestionează aproximativ 3 miliarde de dolari în cheltuieli publicitare anuale.

Cariera dvs. a cuprins mai multe perioade fondatoare în publicitatea digitală, de la fondarea Bluestreak și contribuția la stabilirea standardelor inițiale de publicitate digitală la contribuția la arhitectura uneia dintre primele burse de licitare în timp real. Cum v-au influențat aceste experiențe abordarea dvs. de a construi următoarea generație de sisteme de publicitate agențială la Fluency?

Am fost foarte norocos în cariera mea să fi găsit un spațiu care a fost interesant într-un mod multifacetat cu publicitatea digitală. Am fost parte a mecanismului care a finanțat creșterea Internetului. Am putut inventa sau face parte din invenția unor dintre mecanismele fundamentale ale funcționării publicității digitale. Și provocările tehnice în acest spațiu rivalizează cu orice în software. Așa că a fost întotdeauna interesant.

Cu Bluestreak am putut construi unele dintre primele formate de publicitate, inclusiv unele dintre primele reclame video și audio. Am fost primii care au făcut atribuirea multi-atins, primii care au oferit un sistem de gestionare a etichetelor și primii care au oferit multi-atins pe toate tipurile de media digitală. Acest lucru a dus la a fi invitați să co-autorăm primul standard de impresie, lucrând cu Interactive Advertising Bureau (IAB) și Media Rating Council (MRC).

Când am mers la Microsoft, compania a decis să investească în tehnologia publicității, deoarece au văzut că Google a făcut mai mulți bani pe fiecare copie a Windows decât Microsoft, tot din cauza publicității digitale. Mi-au oferit un rol care a fost incredibil de tentant, oportunitatea de a scrie strategia globală pentru modul în care Microsoft ar trebui să intre în spațiul tehnologiei publicitare.

Am decis să mergem mare în ad-tech și am fost punctul de a figura strategia de construire, cumpărare și parteneriat. Am făcut due diligence pe peste 150 de companii, am cumpărat șapte companii și am investit puternic în dezvoltarea echipelor interne. Când am sosit, aveam aproximativ 200 de ingineri care lucrau la ad-tech și aveam aproximativ 750 de milioane de dolari în venituri din media. Până când am plecat, aveam 1.500 de ingineri care lucrau la ad-tech și peste 5 miliarde de dolari în venituri. Astăzi, veniturile din publicitatea de căutare reprezintă aproximativ 15 miliarde de dolari, dar la acea vreme a fost un număr incredibil.

Una dintre companiile pe care le-am examinat și pe care am achiziționat-o a fost AdECN. Acesta a fost prima companie a lui Jeff Green, înainte de a fonda The Trade Desk. Am examinat posibilitatea de a cumpăra Right Media, ceea ce m-a făcut să-l cunosc bine pe Brian O’Kelley, dar am renunțat la ei. Am simțit că există o oportunitate pentru o licitație globală asincronă care să permită mai multor licitatori externi să se conecteze la schimb. Așa că am achiziționat-o și am ajutat-o să construiască o echipă de ingineri robustă pentru a executa viziunea.

Când AdECN a fost gata să lanseze prima bursă de licitare în timp real, a existat o luptă asupra abordărilor, și, în esență, nu a ieșit niciodată din testarea beta.

Au existat două rezultate ale acestui fapt care au schimbat întregul ecosistem ad-tech. Primul a fost că Brian O’Kelley a fondat AppNexus după ce a părăsit Right Media, și când a devenit clar că AdECN nu va decola, am susținut oportunitatea de a parteneria cu AppNexus. Acest lucru a condus la o investiție semnificativă în companie și la un parteneriat puternic care a încheiat, în cele din urmă, cu achiziționarea lor de către Microsoft. Al doilea rezultat major a fost că Jeff Green a părăsit Microsoft, a luat câțiva dintre inginerii care construiseră bursa de licitare în timp real la AdECN și a fondat The Trade Desk.

Când priviți prima parte a carierei mele, care ne-a dus de la 1997 la 2010, a plantat niște semințe pe termen lung care au dat roade interesante. Am trecut prin diverse roluri, inclusiv startup-ul meu Rare Crowds, unde am inventat curarea programatică. Am petrecut timp la companii precum Pandora, unde am avut o afacere de publicitate audio excelentă, inclusiv cea mai mare bursă de publicitate audio, și Yieldmo, unde am construit prima bursă de publicitate centrată pe confidențialitate. În acest timp, am avut ocazia de a face parte din consiliul de administrație al IAB Techlab și am fost invitat să fiu în comitetul executiv al consiliului. Și am continuat să lucrez la standardele industriale de-a lungul anilor.

Anul trecut, Brian O’Kelley a văzut oportunitatea de a construi un standard de industrie pentru publicitatea agențială, ceea ce se numește AdCP, gestionat de AgenticAdvertising.org. Brian și cu mine am discutat despre unde erau golurile în munca care se făcea și am oferit să scriu prima specificație pentru guvernanță și conformitate pentru AdCP.

La câteva luni după ce am scris-o, am fost contactat de Fluency. Când am început să aflu ce construiseră, am fost uimit. În esență, ei rezolvaseră deja tot ceea ce am menționat în specificația mea. Fuseseră implicați în publicitatea agențială timp de opt ani, cu mult înainte ca LLM-urile să fie gata să devină „agențiale”.

Am văzut că abordarea deterministică pe care au adoptat-o cu agenții lor a fost exact ceea ce era necesar pentru a îndeplini nevoile agenților LLM, care sunt în mod inerent probabilistici. Toate acestea înseamnă doar că, în timp ce LLM-urile sunt excelente la „gândire” și creativitate, sunt groaznice la a face același lucru, în același mod, de fiecare dată. Fiecare abordare are slăbiciuni, dar împreună, rezolvă problema publicității agențiale.

Viziunea mea a fost compatibilă cu viziunea echipei de conducere a Fluency și m-am alăturat pentru a conduce produsul aici. Acum mergem cu viteză maximă către un viitor în care agenții pot transacționa în siguranță cu oamenii în buclă, acolo unde este necesar, și agenții LLM sunt oferiți cu garduri deterministice pentru a gestiona comportamentul lor.

Mă simt incredibil de norocos să fi călătorit pe atâtea valuri de schimbare majoră în publicitatea digitală, de la fondarea Bluestreak și contribuția la stabilirea standardelor inițiale de publicitate digitală până la contribuția la arhitectura uneia dintre primele burse de licitare în timp real, la invenția curării, la apariția publicității agențiale. A fost o călătorie sălbatică și încă mai am parte de distracție și sunt entuziasmat de oportunitățile din acest spațiu.

Licitarea în timp real a dat software-ului capacitatea de a lua decizii financiare în milisecunde. Care sunt lecțiile din dezvoltarea publicității programatice pe care dezvoltatorii de astăzi ar trebui să le ia în considerare atunci când oferă agenților AI o autonomie operațională mai mare?

În publicitatea programatică, am folosit învățarea automată, care este o formă de inteligență artificială, pentru a construi motoare de decizie care pot lua zeci de milioane de decizii pe secundă. Acest lucru necesită o cantitate incredibilă de putere de calcul, prelucrare a datelor, o infrastructură vastă și, înainte de apariția inteligenței artificiale generative, aș argumenta că a fost una dintre cele mai profunde dezvoltări în toată informatica.

Pentru toată puterea sa, există și ineficiențe masive în modelul programatic și un ecosistem vast și complex care arde prea multă electricitate (și, prin urmare, creează prea mult carbon) pe impresie publicitară. Nu vreau să spun că nu îmi place spațiul programatic, și sunt uimit de ceea ce am creat. Dar se simte că am construit o mașină mult mai complexă decât plata pe care o obținem pentru toată acea complexitate.

Deși aceleași argumente exacte pot fi făcute și pentru inteligența artificială generativă, locurile în care agenții LLM trebuie să trăiască în ecosistem sunt la interfețe, nu în inima fiecărei tranzacții. Și, prin amestecarea judicioasă a LLM-urilor cu agenți deterministici, putem gestiona mult mai eficient tranzacțiile, reducând în același timp complexitatea.

Există două inițiative majore în industrie, care vizează introducerea agenților LLM în fluxul de tranzacții. IAB TechLab a lansat inițiativa Agentic Advertising Management Protocols (AAMP), care permite mecanisme pentru a proxy LLM-urile în infrastructura RTB, luând decizii în avans și cache-ându-le în sistemele în timp real ale ecosistemului. Proiectul AdCP se concentrează pe ceea ce consider a fi „integrări la nivel de cont”. Adică toată munca făcută de oameni în fluxurile de lucru de gestionare a campaniilor și creative pentru publicitate poate fi automatizată. În timp ce AAMP este foarte valoros și interesant, este o îmbunătățire a unui sistem complex modern. AdCP se concentrează pe o problemă care a existat de la începutul industriei și una pe care Fluency a rezolvat-o de opt ani. Așa că ne concentrăm profund pe AdCP, dar vom intra și în AAMP în cele din urmă.

Fluency a rezolvat, în esență, problema ultimului kilometru care nu a fost abordată niciodată în spațiul ad-tech: ineficiențele masive în crearea și gestionarea campaniilor publicitare la nivel de cont, campanie și creativ. Și cred cu adevărat că munca pe care o facem este o oportunitate la fel de profundă pentru publicitate ca și ceea ce am inventat cu RTB. Pe măsură ce conectăm LLM-urile la fluxurile de lucru pe care Fluency le-a automatizat deja, creștem valoarea întregului sistem.

Fluency separă raționamentul AI probabilistic de sistemele deterministice care execută modificări de campanie. De ce este prea riscant în prezent să se permită unui model de limbaj mare să controleze direct bugetele publicitare?

Cred că aceasta este o problemă fundamentală pe care LLM-urile probabil o vor avea mereu. Motoarele probabilistice sunt proiectate pentru a oferi răspunsuri diferite la aceeași întrebare de fiecare dată. Chiar și atunci când sunt incredibil de bune la gândire, sunt groaznice la lucruri deterministice. Să folosim aritmetica ca exemplu:

LLM-urile nu pot, literalmente, adăuga, scădea, înmulți sau împărți. Acum, s-ar putea să nu vă dați seama de acest lucru, deoarece atunci când îi puneți o întrebare care necesită aritmetică, pot oferi răspunsul corect. Dar ceea ce nu știu majoritatea oamenilor este că o fac prin scrierea de scripturi și executarea acelui cod pentru a gestiona calculele. Acesta este ceea ce discutăm aici: Intersecția unui LLM probabilistic care înțelege că nu poate face aritmetică, construindu-și propria piesă de software deterministică care face calcule pentru a rezolva sarcina solicitată.

Chiar și atunci când LLM-ul poate „magic” face aritmetică, nu aș lăsa niciodată un LLM să gestioneze finanțele mele și să ia decizii de tranzacționare a acțiunilor pentru mine. Nu aș lăsa niciodată un LLM să facă declarații de impozit și să le depună fără nicio revizuire. Naiba, nu aș lăsa niciodată un LLM să scrie un e-mail sau un post pe blog fără a edita cu atenție totul pentru a mă asigura că totul este adevărat.

Pe măsură ce devin mai deștepte și mai bune la execuție, s-ar putea să poată face aceste lucruri într-un viitor îndepărtat. Dar presupunerea mea este că vor face acest lucru prin scrierea propriului software deterministic pentru a gestiona părțile problemei care necesită acest lucru.

Fluency este aici astăzi – avem conductele deterministice pentru a gestiona publicitatea. Suntem în curs de integrare a LLM-urilor în această platformă, folosindu-le pentru lucrurile la care sunt bune. Și expunem platforma noastră către agenți externi, astfel încât aceștia să poată executa peste conductele noastre. În cele din urmă, văd acest lucru ca pe construirea porții de intrare în ecosistemul publicitar, unde un agent LLM poate tranzacționa pe orice platformă media prin integrarea într-un singur loc. Dar suntem cu toții puțin departe de acea perspectivă pe termen lung!

Cum evaluează stratul de execuție deterministic al Fluency recomandările unui agent AI înainte de a le permite să afecteze o campanie live și care sunt tipurile de reguli sau restricții pe care le pot stabili agenții publicitari?

Oferta mecanisme pentru ca oamenii (sau LLM-urile) să creeze instrucțiuni deterministice care vor fi executate în același mod de fiecare dată pe platformele de publicitate. Acesta este un mare problemă care trebuie rezolvată în fiecare industrie. Pentru publicitate, compania care o rezolvă este Fluency. Permite crearea de reguli de afaceri și euristici pentru orice acțiune pe care unul dintre clienții noștri ar putea să o ia pe o platformă de publicitate. Dacă este posibil să se creeze logică IF/THEN pentru o problemă, platforma noastră permite ca aceasta să fie codificată în reguli de afaceri care sunt urmate în același mod de fiecare dată.

Acest lucru este critic de înțeles. Există multe decizii pe care oamenii le iau în același mod de fiecare dată când văd o situație specifică. Acest lucru ne permite să facem lucruri precum codificarea regulilor de gestionare a bugetului, generarea de campanii sau creativitate în timp ce impunem taxonomii de denumire, sau pornirea și oprirea automată a campaniilor publicitare și creative pe baza declanșatorilor din seturile de date externe.

De exemplu, un dealer auto poate primi o nouă livrare de mașini. Fluency poate citi sistemul de gestionare a stocului pe care dealerul îl folosește și poate genera automat campanii și creativitate pentru marca, modelul, chiar și culoarea și atributele specifice ale fiecărui vehicul, în câteva minute de la sosirea mașinilor pe lot. Și atunci când ultima mașină este vândută, campaniile respective se opresc automat.

Toate acestea sunt destul de profunde, deoarece deciziile de afaceri pentru a face toate aceste lucruri sunt foarte simple atunci când sunt luate individual. Este problema „morții prin o mie de tăieturi” în gestionarea publicității de astăzi care dispare. Clienții noștri descoperă că acest lucru îi eliberează pe echipele lor de la stingerea incendiilor toată ziua pentru a face munca care contează pentru a muta acul pentru clienții lor.

Strategia de publicitate și dezvoltarea creativă necesită adesea experimentare și judecată subiectivă. Cum pot organizațiile să păstreze flexibilitatea inteligenței artificiale generative, asigurând în același timp că execuția campaniei rămâne previzibilă și conformă?

Tot ceea ce am discutat până acum a construit cadrul pentru a răspunde la această întrebare într-un mod simplu. Lucrurile care pot fi codificate în reguli de afaceri sunt stabilite corect pentru a executa acele decizii ușoare care sunt aceleași de fiecare dată. LLM-urile pot ajuta la analiză și potrivirea modelelor, la fel ca și alte forme de inteligență artificială, cum ar fi învățarea automată, care are o lungă istorie în ad-tech. Dar trucul real este să aveți mecanismele în loc pentru a ajunge la un om și a cere intervenție dacă problema nu are un răspuns clar. Clienții noștri pot ajusta toleranța la risc, astfel încât, dacă problema este cu risc scăzut, pot decide să lase mașinile să ia decizia. Dar pentru lucrurile care necesită într-adevăr decizii luate de oameni, îi alertăm și îi permitem să preia controlul.

Platforma Fluency funcționează pe canalele de publicitate de căutare, sociale și programatice. Care sunt provocările tehnice care apar atunci când un agent AI trebuie să raționeze pe platforme cu structuri de date, sisteme de optimizare și cerințe de politică diferite?

Fiecare platformă de publicitate are un set unic de cele mai bune practici și capacități. API-urile sunt conductele fixe la care ne conectăm pentru a conduce aceste platforme în exterior. API-urile sunt foarte bine documentate, dar documentația este, de fapt, setul de reguli pentru ceea ce se poate face pe aceste platforme. Nu sunt încorporarea celor mai bune practici pentru utilizarea specifică a fiecărei platforme.

LLM-urile pot ingera multe informații în context, astfel încât cele mai bune practici pentru utilizarea fiecărei platforme pot fi puse la dispoziție prin ele. Deoarece Fluency operează multe platforme pentru mulți agenți și branduri, putem codifica cele mai bune practici ale fiecărui client (în numele lor) în instrucțiunile pe care un LLM le poate urma pentru a conduce diferențierea celor mai bune practici pentru fiecare client. Clienții noștri au „cărți de joc” proprii pentru modul în care operează afacerile lor, și Fluency le permite să le codifice în reguli deterministice acolo unde este posibil, și, în timp, vom permite ca acestea să fie seturi de instrucțiuni pentru agenți LLM acolo unde are sens.

Suntem la începutul lucrului cu clienții noștri pe această următoare generație de dezvoltare pentru a codifica aceste scenarii mai complexe în conturile lor pe platforma noastră. Este foarte devreme. Oricine spune că a rezolvat orice parte a acestui lucru folosind LLM-uri exagerează, deoarece lucrurile sunt atât de noi, iar modelele evoluează atât de repede, încât nimeni nu a rezolvat-o pe deplin.

Ce ar trebui să semene supravegherea umană eficientă într-un mediu de publicitate agențială? Care decizii pot deveni în siguranță autonome și care ar trebui să continue să necesite revizuirea sau aprobarea umană?

Fiecare client are o toleranță la risc diferită, și majoritatea nu au avut niciodată un sistem care să poată exprima acest lucru. În Fluency, judecata pe care un bun manager de campanie o aplică în mintea lui se codifică o dată și apoi se aplică identic în fiecare cont, pe fiecare platformă, de fiecare dată. Situațiile care nu au un răspuns clar se direcționează către o persoană în mod automat, cu contextul de care au nevoie pentru a lua decizia.

Ce înseamnă acest lucru în practică variază mult. Suntem în curs de executare a unui număr vast de reguli pentru clienții noștri astăzi, ajutându-i să codifice deciziile umane care nu se schimbă și împingându-i către un om atunci când răspunsul nu este clar.

Care decizii pot deveni în siguranță autonome depinde de client, și nu cred că un răspuns universal are multă valoare. Platforma trebuie să impună linia oriunde o trasează clientul și să-i permită să o mute pe măsură ce crește încrederea.

Pe măsură ce agenții iau mai multe decizii de campanie, cum ar trebui platformele să documenteze raționamentul, datele și regulile din spatele fiecărei acțiuni, astfel încât agenții publicitari să poată audita performanța, investiga greșelile și demonstra conformitatea?

Una dintre valorile principale pe care Fluency le oferă este că suntem conformi cu SOC2 și pe deplin auditabili. Schimbările sunt înregistrate în întregul sistem. Am fost CPTO al unei companii publice și am fost responsabil pentru conformitate înainte, așa că știu cât de complexă poate fi. Acesta este un alt motiv pentru care am fost încântat să mă alătur Fluency, deoarece fiecare aspect al a ceea ce facem este pe deplin auditabil. De asemenea, păstrăm jurnale de modificări pentru fiecare modificare făcută în sistem, înregistrate împotriva utilizatorului care a făcut-o.

Există un al doilea strat care contează. Deoarece regulile de afaceri sunt codificate în software, regula este propria sa specificație. Nu există decalaj între documentație și comportament, care este unde auditurile de obicei se prăbușesc. Și, într-o lume LLM, logica codificată poate fi redată înapoi în limbaj de afaceri obișnuit la cerere, astfel încât persoana care face auditul nu trebuie să citească cod pentru a înțelege ce a fost sistemul instruit să facă.

Pentru o agenție sau un brand care începe să adopte publicitatea agențială, care fluxuri de lucru oferă cel mai bun punct de plecare și ce dovezi ar trebui organizația să ceară înainte de a extinde autoritatea unui agent?

Din perspectiva Fluency, publicitatea agențială este un teren bine călcat. Am făcut publicitate agențială timp de opt ani. Avem sute de agenții și branduri care folosesc platforma noastră pentru publicitate agențială astăzi, și în spațiul multi-local, aceasta se extinde la zeci de mii de locații.

Automatizăm majoritatea a ceea ce oamenii fac în mod repetitiv la configurarea și gestionarea campaniilor, pe platforme de căutare, sociale și programatice, astfel încât nu există un flux de lucru care să fie un punct de plecare mai bun sau mai rău. Cel mai bun punct de plecare este canalul pe care clientul nostru îl găsește cel mai solicitant în ceea ce privește munca.

LLM-urile ne ajută, de asemenea, să accelerăm procesul de onboardare a clienților noștri, deoarece, așa cum puteți imagina, codificarea regulilor de afaceri ale unui client este similară cu efectuarea unei implementări CRM, măsurată în luni. Suntem în curs de construire a unor instrumente care folosesc LLM-uri pentru a ajuta la construirea seturilor de reguli și scrierea scripturilor de automatizare. Acest lucru va face procesul de onboardare mult mai rapid și va reduce complexitatea pentru clienții noștri.

Publicitatea este un teren de testare timpuriu pentru sisteme autonome care gestionează bani reali la scară. Care sunt lecțiile din această industrie care ar putea fi aplicate în servicii financiare, sănătate, achiziții enterprise sau alte sectoare reglementate care adoptă agenți AI?

Publicitatea a fost terenul de testare pentru sisteme autonome care cheltuie bani reali timp de 20 de ani. Programatica a învățat industria cum să lase software-ul să angajeze miliarde de dolari pe zi fără aprobarea umană individuală a tranzacțiilor. Majoritatea conversațiilor actuale despre agenții AI agențiali are loc la o scară pe care publicitatea a lăsat-o în urmă de mult timp.

Fluency are peste 3 miliarde de dolari în cheltuieli anuale care rulează prin platforma noastră, pe sute de agenții și branduri, și în spațiul multi-local, care ajunge la zeci de mii de locații. Cele mai multe conversații despre publicitate agențială se referă la bugete pilot și un număr mic de conturi.

Ceea ce se transferă în alte sectoare este arhitectura. Separă sistemele care decid de sistemele care execută. Stratul de decizie poate fi probabilistic, deoarece judecata beneficiază de flexibilitate și creativitate. Stratul de execuție trebuie să fie deterministic, deoarece mișcarea banilor nu este un loc în care să doriți varianță. Fiecare acțiune este înregistrată împotriva utilizatorului sau agentului care a inițiat-o, ceea ce oferă un traseu de audit care se susține în fața unui regulator.

Acestă cerință este identică în servicii financiare, în cererile de asigurări de sănătate, în achizițiile enterprise. Designul pe care l-am construit pentru publicitate este cel corect: Auditabilitatea completă cu jurnale de modificări pentru fiecare modificare este esențială. Sunt deosebit de îngrijorat de judecata non-umană în lucruri precum aprobarea procedurilor medicale și aprobarea cererilor de asigurare. Nu cred că LLM-urile sunt acolo încă, și am exemple personale în viața mea despre sisteme automate care iau decizii foarte proaste cu privire la aprobarea sau respingerea cererilor de asigurare.

Așteptările mele sunt că modelul pe care publicitatea îl stabilește devine modelul pe care aceste sectoare îl adoptă. Am avut un avans de 20 de ani în problema mașinilor care cheltuie bani sute de milioane de ori pe secundă. Abordarea Fluency se extinde de la tranzacție la fluxul de lucru, și sunt încrezător că abordarea noastră va fi, de asemenea, cea care va câștiga.

Mulțumim pentru acest interviu minunat, cititorilor care doresc să afle mai multe despre Fluency.