Doug Tallmadge, medgrundare och VD för Gradial – Intervjuserie

Doug Tallmadge, medgrundare och VD för Gradial, är en teknikentreprenör och ingenjörsledare vars karriär spänner över områden som rymdteknik, satellitkommunikation, finans och företags-AI. Innan han lanserade Gradial 2023 tillbringade han nästan fem år på SpaceX (SPCX ), där han hjälpte till att skala upp Starlink-nätverket från dess tidigaste skeden, ledde nätverksanalys som stödde tillväxt från noll till mer än 500 000 kunder och hanterade team av programvaruutvecklare och dataanalytiker som arbetade med nätverksoptimering och simulering. Han bidrog också till Starlinks satellitinitiativ för direkt-till-mobil och tidiga satellitsystem för strömförsörjning. Tidigare i sin karriär hade Tallmadge roller på Lockheed Martin (LMT ) och Bridgewater Associates, där han kombinerade djup teknisk expertis med erfarenhet av storskaliga system och affärsverksamhet.

Gradial är ett företag inom AI som fokuserar på vad de kallar agenter för marknadsföringsoperationer, som hjälper stora organisationer att automatisera det operativa arbetet som ligger mellan kreativ strategi och kampanjgenomförande. Istället för att koncentrera sig enbart på AI-genererat innehåll, orkestrerar Gradials plattform AI-agenter över system som Adobe Experience Manager, Salesforce , Jira, innehållshanteringssystem, digitala tillgångshanteringssystem och marknadsföringsflöden. Plattformen kan skapa, optimera, tagga, kvalitetskontrollera och distribuera marknadsföringsmaterial samtidigt som den upprätthåller styrning, regelefterlevnad, tillgänglighet och varumärkesstandarder. Genom att skapa ett gemensamt organisatoriskt kunskapslager som kopplar samman företagssystem, syftar Gradial till att minska den manuella samordning som ofta bromsar stora marknadsföringsteam, vilket gör att organisationer kan lansera kampanjer snabbare, öka produktionen av personanpassat innehåll och hantera alltmer komplexa digitala upplevelser med större effektivitet.

Du hjälpte till att skala upp Starlink från noll till hundratusentals användare på SpaceX, och arbetade med komplexa nätverkssystem innan du grundade Gradial. Vilket var det ögonblick då du insåg att företagsmarknadsföringsinfrastruktur hade liknande systematiska ineffektiviteter, och hur ledde den insikten till att starta Gradial?

I min tidigare roll såg jag med egna ögon hur friktionen i stora organisationer ackumuleras, även de minsta ineffektiviteterna kan sakta ner varje process som följer. Marknadsföring var där jag lade märke till att flaskhalsarna hade den största negativa effekten. Teamen tillbringade mycket tid med att navigera i plattformar, ladda upp tillgångar, hantera godkännanden och samordna överlämningar. Strategiskt tänkande och kreativ riktning begraves under lager av genomförande.

Det är ett perfekt användningsfall för AI, men det som slog mig var var branschens uppmärksamhet var riktad. De flesta plattformar använde AI för att skapa innehåll, men när jag talade med marknadsförare på stora organisationer, var bristen på innehåll inte problemet. De kunde producera innehåll lätt. Vad de inte kunde göra var att publicera det snabbt. Att gå från idé till levande kampanj tog dagar, veckor, ibland månader. De flesta AI-investeringar gick till skapande, medan det svårare problemet med att faktiskt få innehållet ut på dörren försummade helt. Vi byggde Gradial runt den luckan: att distribuera agenter som hanterar allt från utkast till godkännanden och publicering, så att marknadsförare kan fokusera på arbeten som kräver mänsklig bedömning.

Du har hävdat att det traditionella “system of record” i praktiken har blivit ett system av teknisk skuld. Vad bryter specifikt i äldre företagsmarknadsföringsstackar när företag försöker anta AI?

Ett system av register, CMS, projektledningsverktyg, godkännandeflöden och tillgångsbibliotek byggdes för att organisera information, inte för att flytta snabbt. När företag monterar AI på dessa befintliga system, bryter saker snabbt samman. Verktyget vet inte vilket företag det tjänar, varumärkesrösten, regelefterlevnadskraven eller godkännandeprocesserna. Så marknadsförare hamnar i att granska varje utdata och korrigera fel orsakade av saknad kontext. För organisationer som redan hanterar tusentals innehållsdelar över flera kanaler, blir den påmonterade AI ytterligare en komplicerad process att hantera.

Större delen av AI-samtalet i marknadsföring har fokuserat på innehållsgenerering. Varför tror du att den riktiga möjligheten ligger i genomförande, och vad ser den skiftningen ut i praktiken?

Marknadsförare kämpar inte för att producera idéer. De kämpar för att flytta innehåll genom granskningscykler, upprätthålla en konsekvent varumärkesröst, arbeta över dussintals verktyg och optimera för olika målgrupper.

Det sker också en strukturell förändring i hur varumärken upptäcks. Google-sökningar minskade med nästan 20% under det senaste året, vilket innebär att varumärken inte längre kan förlita sig enbart på SEO. De måste visa sig i AI-söksvar, vilket kräver publicering av innehåll som AI-modeller lätt kan tolka, citera och presentera. Problemet är att dessa modeller ständigt ändrar vad de hämtar från. Ett varumärke som syns i ett svar idag kan tyst försvinna imorgon. Innan marknadsförare identifierar gapet, uppdaterar innehållet och klarar godkännanden, har modellerna redan flyttat vidare.

Gradial beskrivs ofta som en agentbaserad plattform. Kan du förklara vad en AI-agent faktiskt gör inom en Fortune 500-marknadsföringsflöde på en daglig basis?

Det bästa svaret är vad vi har sett hos våra kunder. Hos T-Mobile innebar att köra en kampanj att samordna över flera team, samla in godkännanden och vänta på produktionsköer som sträckte sig över veckor. Med Gradial hanterar en AI-agent hela processen från kreativ brief till granskningar och publicering. Det som tidigare krävde att en marknadsförare manuellt jagade varje steg, sker nu automatiskt. Resultatet var 90% snabbare tid till kampanjgenomförande.

En av de största utmaningarna i företags-AI-antagande är förtroende. Hur säkerställer Gradial tillförlitlighet och styrning när AI-agenter fattar beslut på genomförandeenivå över system?

Förtroende är hela spelet i företag, särskilt inom finans och hälsovård, där ett regelefterlevnadsfel har riktiga konsekvenser. Varje Gradialdistribution börjar med att ge agenten kontext om varumärkets röst, meddelandeguider, regelefterlevnadskrav, godkännandeflöden och branschstandarder.

Din plattform integrerar i befintliga verktyg snarare än att ersätta dem direkt. Är den långsiktiga visionen att komplettera den nuvarande stacken eller att fullständigt ersätta den?

För tillfället ligger fokus på att möta teamen där de är. De flesta företagsmarknadsföringsorganisationer har tillbringat år med att bygga arbetsflöden runt specifika verktyg, som Figma, Adobe och projektledningssystem, och att be dem att överge den infrastrukturen är inte realistiskt. Gradial ansluter och hanterar det genomförandearbete som har bromsat upp dessa arbetsflöden.

Stora företag har ofta djupt rotade arbetsflöden och intern motstånd mot förändring. Vad krävs det för att framgångsrikt distribuera ett AI-nativt system i ett Fortune 500-företag?

Det första vi gör är att göra det tydligt att Gradial inte ber någon att ändra hur de arbetar. Det låter enkelt, men det är den största hindern i företags-AI-antagande. De flesta verktyg anländer med ett nytt system, ett nytt gränssnitt, ett nytt sätt att göra saker på, och undrar sedan varför antagandet stannar av sex månader senare. Vi börjar med att kartlägga hur ett team faktiskt opererar och konfigurerar Gradial runt det.

Från ett tekniskt perspektiv, vad skiljer en genomförande-motor från ett typiskt generativt AI-lager?

Ett generativt AI-lager ger dig ett utkast, men en genomförande-motor får det publicerat. De flesta AI-verktyg för marknadsföring slutar vid utdatat, de kommer att skriva kopior eller föreslå redigeringar, men i ögonblicket utdatat behöver flytta genom godkännanden eller ut på en levande sida, lämnas marknadsförare att hantera det. Den överföringen är där den faktiska tiden går.

Många företag experimenterar med AI, men få ser meningsfull avkastning. Var tror du att de flesta organisationerna går fel idag?

Det vanligaste misstaget är att behandla AI som ett produktivitetsverktyg snarare än en lösning för en trasig process. Om varje utdata kräver tung redigering, eller måste kopieras manuellt till ett annat system, eller fortfarande kräver fem godkännanden innan något går live, har du inte löst problemet.

Om vi framåtblickar fem år, vad ser ett fullständigt AI-nativt marknadsföringsföretag ut som, och vilken roll spelar Gradial i den framtiden?

Om fem år kommer den operativa lagret i marknadsföring att vara autonomt. En marknadsförare ber en agent att lansera en kampanj, och den är live samma dag eftersom agenten hanterade varje steg däremellan. Varumärkes synlighet i AI-sök övervakas och justeras automatiskt. Regelefterlevnad sker kontinuerligt under processen snarare än som en sista-minuten-kontroll. Marknadsförare tillbringar sin tid på det de faktiskt anställdes för att göra: bygga varumärket, utveckla kreativitet och fatta strategiska beslut om kundupplevelser som kräver mänsklig bedömning.

Gradials roll är att få marknadsföringsorganisationer dit först, inte genom att övertyga dem att riva allt ut och börja om, utan genom att bevisa inom deras befintliga arbetsflöden att detta sätt att operera är möjligt. De team som löser det tidigt kommer att ha en ackumulerad fördel gentemot de som fortfarande kör kampanjer på det gamla sättet. Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka Gradial.