Himanshu Jain, co-fondator și șef de produse la CommerceIQ – Serie de interviuri

Himanshu Jain, co-fondator și șef de produse la CommerceIQ, conduce strategia și dezvoltarea produselor cu accent pe construirea de agenți AI care automatizează fluxuri de lucru complexe în retail și comerț electronic. De la co-fondarea CommerceIQ în 2017, a contribuit la modelarea abordării companiei privind aplicarea datelor, automatizării și AI în comerțul digital. Înainte de CommerceIQ, Jain a deținut roluri de conducere în strategia de produs, dezvoltare de afaceri și succesul clienților la Boomerang Commerce, unde a colaborat cu mari retaileri pe strategii de preț, sortiment și creștere a comerțului electronic. Mai devreme în carieră, a fost consultant de management la A.T. Kearney și a petrecut aproape cinci ani la Capital One UK în domeniile management de produs, risc de credit, strategie de marketing, analiză și modelare statistică. De asemenea, a consiliat startup-uri în strategia de lansare pe piață și a contribuit cu articole despre Amazon și comerțul electronic la Marketing Land.

CommerceIQ este o platformă de comerț cu amănuntul alimentată de AI, concepută pentru a ajuta brandurile de consum să gestioneze și să optimizeze performanța lor pe canalele de comerț electronic. Platforma sa reunește vânzările, media de retail, raftul digital, conținutul, stocurile și datele concurențiale, oferind echipelor o vedere unificată a performanței pe peste 1.500 de retaileri și 85 de țări. CommerceIQ s-a concentrat din ce în ce mai mult pe AI agentic prin tehnologia AllyAI, cu agenți specializați care pot analiza semnalele de retail, recomanda acțiuni, automatiza rapoartele, optimiza licitațiile și bugetele de publicitate și executa fluxuri de lucru de comerț electronic selectate în cadrul unor controale definite. Compania poziționează această abordare ca o trecere de la managementul bazat pe tablouri de bord spre execuție continuă asistată de AI în vânzări, media, conținut și raftul digital.

Ai petrecut peste un deceniu lucrând în management de produs, succesul clienților, dezvoltare de afaceri și altele înainte de a co-fonda CommerceIQ. Ce te-a determinat să te implici în retailul agentic și ce lecții din tranzițiile tehnologice anterioare ți-au modelat perspectiva asupra acesteia?

Majoritatea programelor de dinaintea AI-ului agentic erau concepute pentru a face munca unui om mai rapidă. Excel te ajută să construiești un model mai repede. Un tablou de bord te ajută să iei o decizie mai repede. Ce s-a schimbat cu retailul agentic este că software‑ul poate acum să efectueze lucrarea în sine, nu doar să accelereze modul în care o face un om. Un agent poate învăța mediul tău așa cum ar face un nou angajat. Procesele tale, ghidurile interne, modul în care iei decizii și apoi acționezi spre un scop de la început până la sfârșit, cu un om care furnizează context și verifică rezultatul în loc să efectueze fiecare pas. Aceasta este o categorie complet diferită de software față de tot ce am folosit anterior în management de produs sau succesul clienților, și de aceea consider că este cea mai fundamentală schimbare tehnologică pe care am observat‑o, nu una incrementală. Ritmul este, de asemenea, fără precedent. Smartphone‑urile au durat ani să devină omniprezente. AI‑ul agentic a schimbat modul în care funcționează industrii întregi și nu încetinește. Lecția pe care o iau cel mai serios din tranzițiile anterioare este că oamenii care proiectează pe baza trecutului fac alegeri greșite aici. Abordarea pe care am constatat că funcționează cel mai bine este să rămâi cu mintea deschisă, să te implici direct și să înveți din ceea ce se întâmplă chiar acum, nu din ce s‑a întâmplat în ciclul anterior.

Ai tras o distincție între „comerțul agentic”, în care consumatorii folosesc agenți AI pentru a descoperi și achiziționa produse, și „retailul agentic”, în care brandurile utilizează agenți pentru a gestiona modul în care vând. Pe măsură ce ambele părți devin din ce în ce mai automatizate, cum vezi evoluția relației dintre consumatori, branduri și retaileri?

Descoperirea în retail a trecut prin câteva schimbări reale. În anii ’80 și ’90, erau circulare prin poștă, un magazin decidea ce să evidențieze, iar un om alegea din acestea. Amazon a creat raftul infinit. Fiecare căutare pe bază de cuvinte cheie a devenit propriul său raft nelimitat, dar un om încă citea titlurile, răscolea recenziile și lua decizia singur. Ce se schimbă acum este că oamenii și agenții cumpără împreună. Tu exprimi o intenție; un agent poate citi fiecare produs de pe pagină în întregime, fiecare afirmație, fiecare recenzie, fiecare punct, să ruleze o analiză a intenției în raport cu ceea ce ai nevoie cu adevărat și să îți ofere patru sau cinci recomandări. Tu alegi în continuare una, dar agentul a efectuat deja munca de comparare pe care o făcea omul prin răsfoire. Din perspectiva brandului, agenții optimizează conținutul paginii de produs (PDP) în funcție de ceea ce caută consumatorii și agenții lor, decid ce produse să liciteze și ajută la gestionarea merchandising‑ului. Retailerul se află în mijlocul acestui ciclu și controlează cât de mult semnal circulă între cele două părți și ce se afișează cui și sub ce promoție. Acest strat de date și luare a deciziilor devine din ce în ce mai proprietar retailerului.

Descoperirea produselor depășește căutările tradiționale pe cuvinte cheie și se îndreaptă spre asistenți AI care compară produse, rezumă opțiunile și fac recomandări. Cum ar trebui brandurile să regândească conținutul produsului și strategia raftului digital atunci când încearcă din ce în ce mai mult să obțină o recomandare din partea unui agent AI, în loc să se poziționeze doar înalt în rezultatele de căutare?

Un om răsfoiește o pagină, citește un rezumat al recenziei și se uită la câteva imagini. Un agent poate citi fiecare pixel. Chiar și în interiorul unui agent de cumpărături, întrebarea ta este descompusă în cuvinte cheie, acele cuvinte cheie sunt căutate, rezultatele sunt extrase, fiecare produs este citit în întregime, apoi un algoritm de intenție clasifică lista scurtă pe care ți-o afișează. Asta înseamnă că conținutul trebuie să funcționeze atât pentru căutarea tradițională, cât și pentru citirea la nivel de pixel în același timp, nu una în detrimentul celeilalte. De asemenea contează ce tip de agent optimizezi. Agenții de cumpărături precum Rufus, Sparky și Alexa Shopping sunt cei în care se încheie achizițiile reale, iar factorul decisiv acolo este pagina de produs în sine și fiecare atribut și afirmație de pe ea. Agenții cu scop general, cum ar fi ChatGPT sau Perplexity, se comportă mai degrabă ca cercetare în partea superioară a pâlniei, iar ceea ce îți aduce o mențiune acolo este mai apropiat de media câștigată, citări, postări pe blog și recenzii terțe. Brandurile care le tratează ca pe aceeași problemă ajung să optimizeze pentru suprafața greșită.

Termenul „agentic AI” este acum aplicat la o gamă largă de produse. În retail, în special, ce separă un adevărat agent AI de automatizarea bazată pe reguli tradiționale sau de o platformă de analiză cu o interfață AI generativă suprapusă?

Automatizarea bazată pe reguli este dacă X se întâmplă, fă Y. Nu are inteligență și nu poate gestiona nimic ce nu a fost programat explicit. O interfață generativă deasupra unui tablou de bord face doar ca aceeași informație statică să fie mai ușor de citit. Un agent adevărat poate gândi, planifica, executa și apoi să evalueze și să se adapteze continuu, ca un analist junior pe care l-ai instruit. Îi oferi context, procesele tale, ghidurile tale și deciziile pe care le-ai luat anterior, iar el începe să execute în vederea unui obiectiv în loc să aștepte următoarea regulă să se declanșeze. Acesta este testul pe care îl folosesc de fapt: poate opera așa cum ar face o persoană pe care ai instruit-o, sau este doar o versiune mai rapidă a ceva ce a fost mereu static?

Echipele de comerț au monitorizat în mod tradițional stocurile, prețurile, paginile de produs, media de retail, performanța căutărilor și activitatea concurențială pentru mii de produse. Care dintre aceste lacune operaționale sunt cel mai bine potrivite pentru agenții AI autonomi astăzi și unde rămâne judecata umană dificil de înlocuit?

Mă gândesc la asta ca la o matrice 2×2 privind câtă judecată necesită o decizie și cât de mare impact are. Munca cu judecată scăzută este încredințată agentului direct. Munca cu judecată ridicată sau cu impact mare menține un om care oferă ghidare strategică și auditează rezultatul. În practică, asta înseamnă să începi cu SKU-urile de coadă lungă și retailerii de coadă lungă, pe cei pe care nimeni nu i-a atins de un an, și să îi pui pe pilot automat, deoarece raza de impact a unei greșeli este mică. SKU-urile și retailerii tăi de top păstrează un strat uman, iar acel strat nu este doar pentru audit; este modul în care instruiești agentul. Când prinzi o eroare, îi spui ce ar fi trebuit să facă și de ce, iar acel feedback îl face să se îmbunătățească în timp, în loc să rămână constant mediocru.

Agenții specializați pot crea potențial propriile probleme dacă optimizează pentru obiective izolate. Un agent media ar putea crește publicitatea pentru un produs care este pe terminate de stoc, în timp ce un agent de prețuri ar putea îmbunătăți conversia în detrimentul marjei. Cum te asiguri că mai mulți agenți lucrează spre obiectivele comerciale mai largi ale brandului, în loc să optimizeze doar metricile lor individuale?

Exact de asta am construit un orchestrator în loc de un set de agenți independenți. Al nostru se numește Ally și scopul său este creșterea vânzărilor, nu metrică a unui singur canal. El identifică unde sunt oportunitățile și riscurile, analizează compromisurile și apoi atribuie sarcini specifice agenților de lucru – media, conținut și preț – partajând aceeași informație între toți, astfel încât nimeni să nu optimizeze în izolare. Fără acest strat, obții exact modul de eșec menționat în întrebare: un agent media cheltuie pe un produs care este pe terminate de stoc pentru că nu are vizibilitate asupra inventarului.

Datele de retail sunt adesea fragmentate între portalurile retailerilor, platformele de publicitate, sistemele de inventar, sistemele de informații despre produse și instrumentele interne de analiză. Cât de importantă este calitatea și unificarea datelor pentru succesul retailului agentic și conferirea unei autonomii mai mari agenților AI face ca datele slabe sau incomplete să fie mai periculoase?

Obținerea datelor în forma corectă, cu structură semantică reală și o ontologie adecvată, nu doar fluxuri brute așezate una lângă alta, reprezintă cea mai mare parte a muncii reale aici. Multe echipe cred că poți încărca ceva în ChatGPT sau conecta un agent la sistemele existente și că vei obține rezultate consistente; în realitate, uneori funcționează și alteori „halucinează”, fără să poți conta pe ele. Autonomia agravează această problemă, nu o îmbunătățește, deoarece un om cu date greșite de obicei prinde eroarea înainte să acționeze. Un agent cu date greșite acționează imediat, la scară, înainte ca cineva să observe.

Pe măsură ce brandurile devin mai confortabile cu agenții AI, cum ar trebui să decidă care acțiuni pot fi executate autonom și care ar trebui să continue să necesite aprobarea umană? Cum arată în practică progresia de la „AI recomandă” la „AI acționează”?

Ar trebui să avanseze treptat, nu printr-un salt. Cele mai multe echipe încep cu aproximativ 10% automatizat și 90% care necesită aprobare. Pe măsură ce bucla de feedback funcționează, pe măsură ce oamenii corectează agentul și agentul încorporează acea corecție, încrederea crește și raportul se mută la 20% și 80%, apoi mai departe, atât în volumul acțiunilor, cât și în valoarea a ceea ce este automatizat. Punctul de plecare pentru această progresie este munca cu impact redus, SKU-urile de coadă lungă și retailerii pe care nu îi gestionați activ de altfel, și se extinde doar către decizii cu impact mai mare și cu judecată mai pronunțată odată ce istoricul este cu adevărat demonstrat.

Media de retail a fost tradițional concentrată puternic pe metrici precum rentabilitatea cheltuielilor de publicitate, dar există un interes tot mai mare în determinarea dacă publicitatea creează cu adevărat vânzări incrementale. Cum poate AI să ajute brandurile să ia decizii mai bune privind incrementalitatea, profitabilitatea și unde ar trebui alocate bugetele de publicitate?

Brandurile pot deveni prea îndrăgostite de măsurare. Realizarea unui studiu aprofundat de incrementalitate pentru un trimestru pare riguroasă, dar piața a evoluat de obicei până când studiul este finalizat. Aș prefera ca echipele să construiască un set de euristici practice și să acționeze mai rapid pe baza lor: dacă vă poziționați deja sus organic, nu licitați mai mult; plătiți pentru o vânzare pe care ați fi obținut-o oricum. Dacă vă poziționați scăzut organic, atunci cheltuielile de publicitate își justifică cu adevărat costul. Dacă există un public pe piață care nu știe că produsul dumneavoastră există, cheltuiți acolo pentru a-i educa. Discutarea dacă un dolar a returnat 1,48 sau 1,68 dolari incremental este timp pierdut, nu acțiune. A ajunge la acțiune mai repede și a accepta că numărul va fi corect din punct de vedere direcțional, mai degrabă decât perfect precis, este ceea ce chiar mișcă vânzările.

Dacă agenții AI de la nivelul cumpărătorului gestionează din ce în ce mai mult descoperirea, compararea și achiziția, în timp ce agenții de la nivelul brandului se ocupă de conținut, prețuri, publicitate și inventar, am putea în cele din urmă să avem mașini care influențează ambele părți ale unei tranzacții. Ce credeți că va arăta comerțul electronic în acel mediu și ce va separa în final brandurile care câștigă de cele care devin invizibile pentru aceste sisteme de achiziție conduse de AI?

Nu cred că ne îndreptăm spre agenți care să tranzacționeze autonom între ei în curând. Ce văd în schimb este oamenii și agenții cumpărând împreună pe ambele părți, agenții realizând munca de comparare și recomandare, oamenii luând în continuare decizia finală, și același model pe partea brandului, agenții executând în timp ce oamenii stabilesc strategia și aprobă deciziile care contează. În acea lume, produsul fizic trebuie să fie în continuare bun; nicio cantitate de optimizare nu salvează un produs prost. Dincolo de asta, factorul diferențiator este contextul: cât context are un agent despre afacerea dumneavoastră, cât a învățat și cât feedback i s-a oferit. Asta este ceea ce separă un agent care face greșeli stupide de unul care înțelege cu adevărat vocea și strategia brandului dumneavoastră suficient de bine pentru a fi de încredere în decizii reale. Brandurile care câștigă sunt cele care tratează furnizarea de context bun agenților și un ciclu de feedback funcțional ca pe o activitate de bază, nu ca pe un proiect secundar, iar cele care sar peste acest pas sunt cele care devin invizibile.

Vă mulțumim pentru interviul excelent, cititorii care doresc să afle mai multe ar trebui să viziteze CommerceIQ.