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, где 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 маркетинговая платформа, управляемая ИИ, которая позволяет командам предприятий организовывать персонализированные, индивидуальные пути клиентов 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-странице, приложении, предложениях – и динамически адаптироваться к предпочтениям и поведению в реальном времени. Она интегрируется без проблем с источниками первичных данных, автоматизирует конвейеры машинного обучения и непрерывно оптимизирует сообщения, время и последовательность, чтобы максимизировать вовлеченность и стоимость клиента.

Вы основали Auxia после успешной карьеры в Google, где вы вели глобальный маркетинг для 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, что компании борются с фрагментированными маркетинговыми стеками, часто управляя 12-14 разными точными решениями, которые не общаются друг с другом. Они собирали огромные объемы данных о клиентах, но не могли перевести их в осмысленную, реальную персонализацию.

Фундаментальный пробел заключался в том, что существующие платформы были созданы для до-ИИ эпохи. Они полагались на статические правила и базовую сегментацию, когда бизнесам действительно нужны были интеллектуальные, адаптивные системы, способные принимать решения в реальном времени о каждом взаимодействии клиента. Мы увидели возможность принести тот же уровень ИИ-управляемой персонализации, который движет компаниями, такими как Google и Meta, к бизнесу всех размеров, без необходимости создания огромных внутренних команд по науке о данных.

Сооснователи Auxia включают бывших лидеров 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 в частности мы были в привилегированном положении, поскольку имели ранний доступ к трансформационным технологиям в их младенчестве, с моделями трансформации, являющимися ярким примером. Мои сооснователи, которые пришли из Meta и Lyft, построили системы, которые проложили пути, чтобы сделать огромное количество данных о клиентах намного более полезным, например, обеспечивая рекомендации и решения в реальном времени для миллионов пользователей каждую секунду.

Мы все увидели лично, как ИИ может существенно улучшить опыт клиентов, а также решить некоторые из самых сложных проблем, с которыми сталкиваются наши маркетинговые команды. В то же время более широкий рынок менялся таким образом, 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 одно централизованное место, готовое для активации.

Мы признали уникальную возможность взять знания, которые мы развили внутри Google, и демократизировать их для предприятий повсюду. Эти компании только что проснулись и осознали, что они сидят на горе ценных данных, и с правильной технологией их можно разблокировать, чтобы стимулировать рост и лучшее взаимодействие 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 развиваются со временем, чтобы персонализировать каждый путь клиента?

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 клиента в реальном времени.

Каждый агент играет специализированную роль. Агенты принятия решений определяют лучшее действие для пользователя на основе всех его предыдущих данных и предпочтений; например, следует ли предложить клиенту новую кредитную карту или стимулировать его к открытию нового сберегательного счета. Агенты-аналитики функционируют как встроенная команда по науке о данных, анализируя, что хорошо работает в текущих кампаниях, чтобы выделить 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 выдвигать новые варианты сообщений или творческих вариантов для маркетинговых команд, чтобы одобрить.

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 развиваются ежедневно, чтобы стимулировать 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 такого реального масштаба уже на ранней стадии развития компании?

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

Наша архитектура является родной для облака, 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, что позволило нам интегрироваться 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 первичных сигналов клиентов без введения задержки.

Что также отличает нас, так это то, что мы родные для ИИ с самого начала. Мы Auxia спроектировали так, чтобы поддерживать крупномасштабное экспериментирование, запуск тысяч одновременных гипотез и непрерывную оптимизацию результатов без человеческого вмешательства, но мы также используем последнюю технологию в отрасли для создания функций, развертывания моделей и вывода LLM.

Как отличается экспериментальный каркас модели Auxia от традиционного тестирования А/Б, и какие были наиболее удивительные идеи, открытые с помощью вашего подхода, основанного на машинном обучении?

Традиционное тестирование А/Б чрезвычайно ограничено, вы можете протестировать только несколько вариантов одновременно, и часто требуется несколько недель или месяцев, чтобы достичь статистически значимых результатов. В Auxia мы переосмыслили экспериментирование как непрерывный, интеллектуальный процесс. Наша модельно-управляемая структура позволяет маркетологам запускать многие разные самооптимизируемые модели и тестировать сотни вариантов параллельно. Используя методы, такие как обучение с подкреплением, система принятия решений Auxia принимает решения в реальном времени на основе живых данных.

Давайте возьмем пример промо-кампании предложений и наград по электронной почте. Ранее маркетологи могли протестировать 2-3 разных варианта предложений, например, 5% скидки, 10% скидки и 20% скидки, разделить аудиторию на взаимно исключающие группы, запустить и сравнить результаты по различным метрикам, чтобы увидеть, какой вариант лучше всего работает, в среднем, для всей группы. Существует 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 чрезвычайно ручные и трудоемкие в настройке, что ограничивает скорость вашей команды и то, насколько быстро вы можете доставить влияние.

С Auxia маркетологи сначала устанавливают высокоуровневую цель, например, стимулирование покупок. Оттуда ваша команда настроит сотни разных вариантов в системе, которую команда может динамически сгенерировать с помощью нашего агента контента, получить из вашей системы управления контентом или вручную определить. Каждый из этих вариантов будет варьироваться по конструкции предложения (например, 5% скидки 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 прогнозировать, из сотен доступных вариантов, какой из них является оптимальным для каждого человека, чтобы стимулировать вашу основную цель.

Платформа Auxia разработана для удаления зависимости от крупных внутренних команд по науке о данных. Вы видели 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 маркетинг, так и опыт продукта без зависимости от инженеров или команд по науке о данных. В течение нескольких недель после начала работы маркетологи, использующие Auxia, могут запускать новые кампании, извлекать данные и интерпретировать результаты полностью самостоятельно. Когда 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 агента-аналитика мы уже преуспели в абстрагировании большей части этой сложности традиционной работы аналитика/ученого, и мы рады продолжать продвигать эти возможности вперед.

Как человек, который возглавлял маркетинг 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 важным строить специально для этих пользователей – упрощать интерфейсы, абстрагировать сложность и обеспечивать, чтобы опыт был доступным и эмансипированным.

Я вижу очень похожую тенденцию, разворачивающуюся с агентным ИИ в маркетинге. Как и многие из этих новых пользователей интернета, которые сразу же перешли в мобильные опыт без необходимости предварительной цифровой грамотности, маркетологи сегодня не нуждаются в том, чтобы возвращаться и изучать SQL или науку о данных, чтобы разблокировать персонализацию. Агенты мостят эти разрывы в навыках и делают сложные возможности сразу же доступными. В то же время способ, которым люди взаимодействуют с ИИ – переход от интерфейсов чата к более интуитивным, контекстно-зависимым агентам – заставляет разработчиков пересмотреть интерфейс будущего. Акцент, как и в НБУ, делается на доступности, простоте и эмансипации: абстрагирование технической сложности, чтобы конечный опыт казался естественным и влиятельным.

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 обрабатывает сложность, например, анализ огромных наборов данных, обнаружение закономерностей, которые люди не могут увидеть, и выделение сигналов, которые имеют значение в реальном времени. Что он не может сделать, так это предоставить контекст, эмпатию и стратегическое суждение, необходимое для проектирования осмысленных опытов клиентов. Это то, где люди блестят: установка видения, определение охраны бренда и понимание того, когда выбор персонализации может показаться навязчивым или не по 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 эмансипируете команды, чтобы сосредоточиться на стратегии, творчестве и эмпатии. Это то, когда персонализация переходит от быть модным словом к чему-то, что действительно создает ценность для клиентов и 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 привержены доставке исключительной ценности 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 доверили нам и нашей команде. Во-вторых, мы расширяем возможности наших ИИ-агентов, чтобы поддержать улучшение полного рабочего процесса маркетолога, помогая командам создавать контент, организовывать персонализированные опыт и выделять действенные идеи о том, что стимулирует влияние. Наконец, мы масштабируем наш двигатель выхода на рынок. С сильным продукто-рыночным соответствием в сегменте предприятий следующим шагом является расширение нашего охвата, растущая наша команда продаж и успеха 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 истинная ценность агентного ИИ заключается в дополнении, а не обязательно в замене. Слишком много разговоров сегодня сосредоточены на ИИ как замене человеческих ролей, как и все эти рекламные щиты, которые вы можете увидеть на 101, направляясь в Сан-Франциско, о компаниях, заменяющих SDR (или даже целые функции). Этот нарратив будет привлекать заголовки, но для меня он упускает из виду более крупную возможность: эмансипация людей, чтобы они делали свою лучшую работу.

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

В маркетинге это означает освобождение команд от бесконечной реализации, чтобы они могли сосредоточиться на стратегии, рассказывании историй и эмпатии клиентов. Но эта же закономерность применима ко всем функциям в предприятии: в продажах агенты могут квалифицировать и подготовить возможности, чтобы люди могли тратить больше времени на построение отношений; в успехе клиентов агенты могут выделить сигналы риска и возможности, чтобы люди могли углубить партнерства; в инженерии агенты могут ускорить 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 реальном 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.