Сандип Менон, генеральный директор и сооснователь Auxia – Интервью

Сандип Менон, генеральный директор и сооснователь Auxia, привносит более двух десятилетий глобального технологического и маркетингового лидерства в эту роль. До запуска Auxia в 2022 году он провел более девяти лет в Google (GOOGL ), где он занимал должность вице-президента по маркетингу платежей и возглавлял инициативы, такие как программа Next Billion Users, ориентированная на цифровое включение в развивающихся рынках. Он также занимал старшие маркетинговые руководящие должности в Android, Chrome, ChromeOS и Google Play.

Auxia – это платформа маркетинга, управляемая ИИ, которая позволяет командам предприятий оркестрировать персонализированные, индивидуальные клиентские пути в масштабе. Вместо того, чтобы полагаться на жесткие, основанные на правилах кампании, Auxia позволяет ИИ-агентам проверять гипотезы во всех точках контакта – электронной почте, веб-сайте, приложении, предложениях – и динамически адаптироваться к предпочтениям и поведению в режиме реального времени. Она интегрируется бесшовно с источниками данных первого уровня, автоматизирует конвейеры машинного обучения и непрерывно оптимизирует сообщения, время и последовательность для максимизации вовлеченности и стоимости клиента.

Вы основали Auxia после успешной карьеры в Google, где вы возглавляли глобальный маркетинг продуктов, используемых миллиардами. Какой конкретный пробел или болевая точка вы и ваши сооснователи увидели на рынке, что привело к созданию Auxia?

В Google я увидел лично, насколько мощной может быть真正ая персонализация, когда у вас есть правильная инфраструктура и возможности ИИ. Но когда я посмотрел на более широкий рынок, я увидел компании, борющиеся с фрагментированными маркетинговыми стеками, часто управляя 12-14 разными точечными решениями, которые не общались друг с другом. Они собирали огромные объемы данных о клиентах, но не могли перевести их в осмысленную, реальную персонализацию.

Основной пробел заключался в том, что существующие платформы были построены для до-ИИ-эры. Они полагались на статические правила и базовую сегментацию, когда бизнесу действительно нужны были интеллектуальные, адаптивные системы, способные принимать решения в режиме реального времени о каждом взаимодействии с клиентом. Мы увидели возможность принести тот же уровень персонализации, управляемой ИИ, который работает в компаниях, таких как Google и Meta, к бизнесу всех размеров, без необходимости создания внутренних команд по науке о данных.

Auxia’s основная команда включает в себя бывших лидеров из Google, Meta и Lyft. Как ваш коллективный опыт в этих технологических гигантах сформировал архитектуру и этику Auxia?

Мы все испытали на себе проблемы персонализации в масштабе. В команде Google Pay мы были в привилегированном положении, поскольку имели ранний доступ к трансформационным технологиям на ранней стадии, с моделями трансформации, являющимися ярким примером. Мои сооснователи, которые пришли из Meta и Lyft, построили системы, которые стали пионерами в использовании огромных объемов данных о клиентах и сделали их значительно более полезными, например, для реальных рекомендаций и решений для миллионов пользователей каждую секунду.

Мы все увидели лично, как ИИ может существенно улучшить опыт клиентов, а также решить некоторые из самых сложных задач, с которыми сталкиваются наши маркетинговые команды. В то же время более широкий рынок менялся так, что сделал эту работу возможной вне Google. С ростом современного стека данных и платформ, таких как Snowflake, BigQuery и Databricks, предприятия потратили последние 5-10 лет на консолидацию своих данных в одном централизованном месте, готовом для активации.

Мы признали уникальную возможность взять знания, которые мы разработали внутри Google, и демократизировать их для предприятий повсюду. Эти компании только начинали осознавать, что они сидят на горе ценных данных, и с правильной технологией они могут быть разблокированы для стимулирования роста и лучшего взаимодействия с клиентами.

Большинство инструментов персонализации полагаются на системы, основанные на правилах, и простые сегменты. Auxia вместо этого использует синхронизированные ИИ-агенты. Можете ли вы пройти нас через то, как эти агенты сотрудничают и эволюционируют со временем, чтобы персонализировать каждый клиентский путь?

Большинство инструментов на рынке сегодня все еще полагаются на жесткие правила и статические сегменты, они реактивны, а не интеллектуальны. В Auxia мы построили систему синхронизированных ИИ-агентов, которые работают вместе, чтобы персонализировать каждый момент взаимодействия с клиентом в режиме реального времени.

Каждый агент играет специализированную роль. Агенты принятия решений определяют лучшее действие для пользователя на основе всех его предыдущих данных и предпочтений; например, предложить клиенту новую кредитную карту или побудить его открыть новый сберегательный счет. Аналитические агенты функционируют как встроенная команда по науке о данных, анализируя, что хорошо работает в текущих кампаниях, чтобы подчеркнуть влияние, но также возможности для улучшения в интерфейсе чата. Наконец, агенты контента Auxia используют все данные и идеи о том, что работает лучше всего, чтобы проактивно выдвинуть новые сообщения или творческие вариации для маркетинговых команд для утверждения.

Что делает этих агентов мощными, так это то, что они не работают в изоляции. Они сотрудничают непрерывно, учась на каждом взаимодействии и адаптируясь на основе того, что работает. Маркетологи устанавливают высокоуровневые цели, и агенты справляются с сложностью. Они являются самооптимизируемыми системами, которые эволюционируют ежедневно, чтобы обеспечить лучшие результаты в масштабе.

Auxia обрабатывает 2,6 миллиарда событий в день и обрабатывает 6 500 запросов в секунду. Какие инновации в инфраструктуре позволили достичь такой реальной масштабируемости уже на ранней стадии жизни компании?

С первого дня мы знали, что масштаб должен быть безоговорочным. Гиперперсонализация работает только в том случае, если вы можете принимать решения за миллисекунды, используя свежие, контекстно-зависимые сигналы. Мы научились многому из этих уроков из нашего времени в Google, и это заняло более года, чтобы построить инфраструктуру для поддержки такого уровня реальной оркестровки.

Наша архитектура является облачной, основанной на событиях и оптимизированной для высокопроизводительного потокового вещания, поэтому мы стоим на плечах технологических волн, предшествующих нам, таких как переход к современному стеку данных. То, как маркетинговый технологический ландшафт эволюционировал в сторону открытых экосистем, позволило нам двигаться гораздо быстрее, интегрируя напрямую с современными облачными хранилищами данных, CRM и другими маркетинговыми платформами. Это позволило нам строить для масштаба с первого дня и также помогло нам полагаться на инфраструктуру, которая может обрабатывать огромные объемы сигналов клиентов первого уровня без введения задержки.

Что также отличает нас, так это то, что мы родились с ИИ. Мы Auxia спроектировали для поддержки крупномасштабного экспериментирования, запуска тысяч одновременных гипотез и непрерывной оптимизации результатов без вмешательства человека, но мы также используем последнюю технологию в отрасли для создания функций, развертывания моделей и вывода LLM.

Как отличается экспериментальный каркас Auxia от традиционного тестирования А/Б, и какие были самые удивительные идеи, открытые с помощью вашего подхода, управляемого ИИ?

Традиционное тестирование А/Б чрезвычайно ограничено, вы можете протестировать только несколько вариантов одновременно, и часто требуется несколько недель или месяцев, чтобы получить статистически значимые результаты. В Auxia мы переосмыслили экспериментирование как непрерывный, интеллектуальный процесс. Наш каркас, управляемый моделью, позволяет маркетологам запускать многие разные самооптимизируемые модели и тестировать сотни вариантов параллельно. Используя такие методы, как обучение с подкреплением, система принятия решений Auxia принимает решения в режиме реального времени на основе живых данных.

Давайте рассмотрим пример промо-кампании предложений и наград по электронной почте. Ранее маркетологи могли протестировать 2-3 разных варианта предложений, например, 5% скидку, 10% скидку и 20% скидку, разделить аудиторию на взаимно исключающие группы, запустить и сравнить результаты по различным метрикам, чтобы увидеть, какой вариант работает лучше всего, в среднем, для всей группы. Этот выигрышный вариант затем развертывался для всех после экспериментального периода. Есть несколько проблем с этим подходом. Во-первых, большинство экспериментов терпят неудачу, поэтому командам часто требуется несколько недель или месяцев, чтобы определить, что работает хорошо. Кроме того, они очень ручные и трудоемкие в настройке, что ограничивает скорость команд и то, как быстро они могут оказать влияние.

С Auxia маркетологи сначала устанавливают высокоуровневую цель, например, стимулирование покупок. Оттуда команда настраивает сотни разных вариантов в системе, которые команда может динамически сгенерировать с помощью нашего агента контента, получить из своего CMS или вручную определить. Каждый из этих вариантов будет варьироваться по конструкции предложения (например, 5% скидка против BOGO), сумме, контенту и потенциально даже каналу (например, электронная почта против SMS). Для каждого отдельного пользователя агент принятия решений Auxia будет ранжировать, оценивать и предсказывать, из всех доступных сотен вариантов, какой вариант является оптимальным для каждого человека, чтобы стимулировать основную цель.

Платформа Auxia предназначена для удаления зависимости от крупных внутренних команд по науке о данных. Видели ли вы традиционные маркетинговые команды, успешно взявшие на себя более технические роли с помощью ваших инструментов?

Одной из основных причин, по которой мы начали Auxia, было то, чтобы дать маркетинговым командам возможность персонализировать как свои маркетинговые, так и опыт работы с продуктом без полагания на инженеров или ученых по данным. В течение нескольких недель после начала работы маркетологи, использующие Auxia, могут запускать новые кампании, извлекать данные и интерпретировать результаты полностью самостоятельно. По мере того, как мир движется к более агентному будущему, мы считаем, что маркетологам не придется становиться более техническими или развивать новые технические навыки. Вместо этого обязанности, традиционно выполняемые инженерами или аналитиками, будут демократизированы с помощью интеллектуальных агентов, которые дополняют рабочий процесс маркетолога и общий опыт. С помощью нашего аналитического агента мы уже смогли абстрагировать большую часть этой сложности традиционной работы аналитика/ученого, и мы рады продолжать развивать эти возможности.

Как лидер маркетинга инициативы Next Billion Users в Google, какие параллели вы видите между инклюзивным технологическим внедрением и агентным ИИ в маркетинге сегодня?

Когда я возглавлял маркетинг инициативы Next Billion Users в Google, мы признали, что люди в развивающихся рынках взаимодействуют с продуктами фундаментально по-разному, чем пользователи в развитых рынках. Поскольку это представляло собой огромную возможность роста, стало важно строить специально для этих пользователей – упрощать интерфейсы, абстрагировать сложность и обеспечивать, чтобы опыт был доступным и эмансипированным.

Я вижу очень схожую тенденцию, разворачивающуюся с агентным ИИ в маркетинге. Как и многие из этих новых пользователей интернета, перешедших直接 в мобильные опыт без необходимости предыдущей цифровой грамотности, маркетологи сегодня не нуждаются в том, чтобы вернуться и изучить SQL или науку о данных, чтобы разблокировать персонализацию. Агенты мостят эти пробелы в навыках и делают сложные возможности сразу же доступными. В то же время способ, которым люди взаимодействуют с ИИ – переходя за пределы интерфейсов чата к более интуитивным, контекстно-зависимым агентам – заставляет разработчиков пересмотреть интерфейс будущего. Акцент, как и в случае с NBU, делается на доступности, простоте и эмансипации: абстрагирование технической сложности, чтобы конечный опыт казался естественным и воздействующим.

Какое самое большое заблуждение компаний о персонализации ИИ сегодня, и как вы помогаете им преодолеть его?

Самое большое заблуждение компаний о персонализации ИИ заключается в том, что принятие его означает отказ от полного контроля или уменьшение стратегического влияния маркетинговых команд. ИИ превосходно справляется с обработкой сложности, такой как анализ огромных наборов данных, обнаружение закономерностей, которые люди не могут увидеть, и выдвижение сигналов, которые имеют значение в режиме реального времени. Что он не может сделать, так это предоставить контекст, эмпатию и стратегическое суждение, необходимые для проектирования осмысленного опыта клиента. Это то, где люди сияют: установка видения, определение брендовых ограничений и понимание того, когда выбор персонализации может показаться навязчивым или не соответствующим бренду.

Если мы будем говорить откровенно, используя сегодняшнюю технологию, люди могут быть эффективными без ИИ, но ИИ не может быть эффективным без людей. Реальный прорыв происходит, когда вы дополняете свои команды ИИ, чтобы справиться с масштабом и сложностью принятия решений на основе данных, а также наделяете команды сосредоточиться на стратегии, творчестве и эмпатии. Это то, когда персонализация переходит от того, чтобы быть модным словом, к чему-то, что действительно создает ценность как для клиентов, так и для бизнеса.

С поддержкой более 50 лидеров отрасли и привлечением 23,5 миллионов долларов, какие ключевые области вы отдаете приоритет для следующих 12-18 месяцев роста продукта и команды?

Мы отдаем приоритет трем областям роста в течение следующих 12-18 месяцев. Во-первых, мы обязаны доставить исключительную ценность нашим клиентам, продолжая повышать их опыт. Это всегда было главным приоритетом для нашей команды, и мы хотим обеспечить, чтобы мы доставляли исключительную отдачу от инвестиций для всех компаний, которые положили на нас и нашу команду. Во-вторых, мы расширяем возможности наших ИИ-агентов, чтобы поддержать улучшение полного рабочего процесса маркетолога, помогая командам создавать контент, оркестрировать персонализированные опыт и выдвигать действенные идеи о том, что стимулирует влияние. Наконец, мы масштабируем наш двигатель выхода на рынок. С сильным продуктом-рыночным соответствием в сегменте предприятий следующим шагом является расширение нашего охвата, увеличивая наши продажи и команды по поддержке клиентов. Это позволяет нам привнести персонализацию, управляемую ИИ, в больше бизнеса, гарантируя, что новые клиенты получают выгоду от того же высокого уровня поддержки и дифференцированного опыта, который стимулировал наш ранний успех.

Что вас больше всего взволновало в следующем фронтире агентного ИИ, не только в маркетинге, но и в других корпоративных приложениях?

Что действительно меня взволновало, так это темп внедрения, видя, что это внедрение имеет реальное влияние, и также видя, что рынок признает, что агентный ИИ真正 ценен в дополнении, а не замене. Слишком много разговоров сегодня фокусируются на ИИ как замене человеческих ролей, как все эти билборды, которые вы можете увидеть на 101, ведущие в Сан-Франциско, о компаниях, заменяющих SDR (или даже целые функции). Этот нарратив привлечет заголовки, но для меня он упускает из виду более крупную возможность: наделение людей возможностью делать свою лучшую работу.

Люди приносят контекст, эмпатию, творчество и суждение, которые ИИ просто не может воспроизвести. Где агентный ИИ сияет, так это в обработке сложности и масштаба, которые загружают команды. Мы говорили много о применимости к маркетинговым рабочим процессам, таким как выдвижение идей из огромных наборов данных, автоматизация повторяющихся задач и оркестровка процессов в режиме реального времени. Когда эти возможности сочетаются с человеческими сильными сторонами, результатом является изменение того, что организации могут достичь.

В маркетинге это означает освобождение команд от бесконечной реализации, чтобы они могли сосредоточиться на стратегии, рассказывании историй и эмпатии клиента. Но эта же закономерность применяется ко всем функциям в корпорации: в продажах агенты могут квалифицировать и подготовить возможности, чтобы люди могли тратить больше времени на построение отношений; в поддержке клиентов агенты могут выдвигать сигналы риска и возможности, чтобы люди могли углублять партнерства; в инженерии агенты могут ускорять разработку, автоматизируя тестирование, отладку и генерацию кода, чтобы команды могли сосредоточиться на решении сложных архитектурных проблем и стимулировании инноваций.

Все эти возможности создадут триллионы долларов ценности, и я люблю видеть компании, которые толкают границы, чтобы сформировать, как работа людей будет эволюционировать со временем.

Представьте себе финансовые команды с ИИ-агентами, оптимизирующими бюджеты в режиме реального времени, команды HR, использующие агентов для персонализации вовлеченности сотрудников, или команды поддержки клиентов, которые переходят от реактивного к проактивному.

Мы только начинаем. Будущее не о том, что ИИ заменяет людей, а о том, что люди и ИИ-агенты работают вместе, чтобы принимать решения, которые быстрее, умнее и более эмпатичны. Это будущее, которое мы строим в Auxia.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Auxia.