Rajeev Butani, VD för MediaMint – Intervjuserie

Rajeev Butani, VD för MediaMint, har över tre decenniers ledarerfarenhet inom global teknik, media och digital transformation. Innan han gick med i MediaMint var han VD och styrelseledamot i HeadSpin, där han drev innovation inom prestandaintelligens för digitala upplevelser. Tidigare tillbringade Butani nästan 27 år på Accenture, där han ledde omvandlingsinitiativ som teknisk chef för kommunikation, media och teknik, och övervakade strategi och partnerskap kring ny teknik som artificiell intelligens och maskinlärande. Hans ledarroller på Accenture inkluderade att hantera relationer med stora kunder som Google (GOOGL ), Facebook (META ) och Microsoft (MSFT ), vilket visar hans djupa expertis vid skärningspunkten mellan teknik, strategi och tillväxt.

MediaMint grundades 2010 och är en global digital operatörspartner som erbjuder komplett stöd inom annonsoperationer, kreativ produktion, dataanalys och kampanjhantering. Med huvudkontor i Hyderabad och kontor i USA och Polen möjliggör MediaMint för medieföretag, byråer och plattformar att skalera effektivt genom en kombination av mänsklig expertis och teknik. Företaget fokuserar på att leverera högkvalitativ operativ excellens, flexibilitet och transparens, vilket hjälper kunderna att rationalisera sina arbetsflöden, optimera kostnader och fokusera på innovation i en alltmer komplex digital ekosystem.

Vad inspirerade din övergång från Accenture till att leda MediaMint, och hur har din bakgrund inom konsultverksamhet format din approach till AI-drivna operationer?

Mitt steg var att gå från konsultrummet till operatörens stol. Efter år på Accenture, där jag hjälpte företag att utforma transformationsvägar, såg jag en tydlig marknads möjlighet att bygga en lösning där jag kunde ta ansvar inte bara för vägkartor utan också för resultat med hud i spelet.

Såsom antagandet av AI ökar, kräver kunder partners som kan leverera resultat och resultat genom att äga slutliga arbeten, inte bara bitar. Min konsultbakgrund definierade vår approach för att möta denna efterfrågan, och jag kunde inte vara mer entusiastisk över resan framåt för att stödja ledande organisationer inom media, underhållning och tekniksektorerna med deras front office-operationer.

Att bryta silos med Agentic AI: Vi tillämpar den strategiska, tvärfunktionella tanken från konsultverksamheten direkt genom vår Agentic AI-plattform. Agentic AI möjliggör för oss att bryta de funktionella silorna – Försäljning, AdOps, Ekonomi – som större företag tvingas arbeta mot. Vår smidighet gör att vi kan utforma och leverera lösningar som kombinerar Agentic AI och mänskliga agenter för att generera resultat i skala.

MediaMint grundades 2010 och har skalat betydligt sedan dess. Hur har företagets uppdrag och förmågor utvecklats, särskilt med lanseringen av MediaMint Labs?

MediaMint har alltid varit i framkanten av media- och marknadsoperationer. Vi började med att erbjuda högkvalitativa, mänskligt ledda tjänster till stora utgivare, plattformar, byråer och varumärken. Vårt uppdrag var att vara den betrodda operativa partnern som möjliggjorde för våra kunder att skalera sin intäkt och bygga operativa effektiviteter.

Lanseringen av MediaMint Labs markerar vår nästa fas, formaliseringen av hur vi använder AI för att driva inte bara effektivitet utan tillväxt. Vi fokuserar nu på att skapa AI-agenter genom MediaMint Labs som inte bara utför uppgifter utan blir strategiska acceleratorer för våra kunder. Förvärvet av DataBeat har också varit en viktig del av denna utveckling, som fördjupar vår förmåga inom dataingenjörskap, analys och avkastningshantering. Detta är en grundläggande förändring, som flyttar oss från en betrodd tjänsteleverantör till en AI-driven tillväxtleverantör.

MediaMint Labs fokuserar på samskapade AI-agenter, optimerare och acceleratorer som MediaMint inte bara bygger utan också äger och opererar. Vilken strategisk fördel erbjuder detta hands-on ägarskapsmodell kunderna?

Denna hands-on ägarskapsmodell är vår kärnstrategiska differentierare. Vi har lärt oss att när du överlämnar en AI-agent och går därifrån, misslyckas den så fort den möter verkliga komplexiteter. Våra kunder får två stora fördelar:

För det första, snabb utveckling och säkerhet. Vår interna, modell-agnostiska utvecklingsplattform gör att vi kan utforma, distribuera och operera agenter för en mängd olika tillväxtscenarier på ett säkert och skalfbart sätt. Med förbyggda körningar och enklicksmiljöer kan vi få nya agenter att fungera på några veckor, inte månader. Plattformen hanterar styrning, dataresidens och säkerhet som standard, så kunderna behöver inte oroa sig för komplexiteten i att hantera anpassad AI-infrastruktur.

För det andra, kontinuerlig förbättring och stabilitet. Vi behåller operativt ägarskap, vilket innebär att vi ansvarar för agentens fortsatta prestanda. Vi spårar prestanda i realtid genom ett centraliserat spårningssystem, så varje handling är ansvarig och varje resultat förbättras över tid.

Du har varnat för fallen med att överlämna AI-agenter till kunder utan fortsatt förvaltning. Varför är MediaMints modell, där ni behåller operativt ägarskap, effektiv?

Att överlämna en AI-agent är som att överlämna en högpresterande racerbil utan ett pitteam. Den kan fungera perfekt på första dagen, men utan konstant justering och underhåll, kommer den att misslyckas. Det grundläggande problemet är försämring – agentens prestanda försämras när den underliggande kundens arbetsflöde eller plattformens API ändras.

Varför operativt ägarskap fungerar: Vår modell är effektiv eftersom vi tar operativt ägarskap, och behandlar agenten inte som en produkt, utan som en garanterad tjänst. Detta ger två nyckelfördelar:

1. Kontinuerlig förbättring

Vi behåller ansvaret för agentens fortsatta prestanda. Vårt centraliserade spårningssystem och utvärderingssviter gör att vi kan kontinuerligt övervaka och optimera agenterna genom vår mänskliga-i-loopen-process mot kundens levande affärsregler. Detta modell säkerställer att lösningens prestanda inte försämras, utan blir smartare och mer robust över tid. Denna kontinuerliga förvaltning är hur vi garanterar att agenten alltid fungerar på ett säkert sätt, och eliminerar kritiska intäkts- och regelefterlevnadsrisker för kunden.

2. Strategisk bedömning och skydd mot kanter

Den mänskliga faktorn i loopen är inte där för grundläggande uppgifter, utan för högriskscenarier. Denna expertis är kritisk för:
Strategisk bedömning: Hantering av situationer som AI aldrig har sett, som stora regulatoriska förändringar eller nya plattforms lanseringar.
Skydd mot kanter: Lösning av tvetydiga utdata och komplexa fel som kan påverka intäkt eller regelefterlevnad.

Denna kontinuerliga förvaltning översätts direkt till värde. Vi levererar en garanterad prestanda, vilket säkerställer en betydande minskning av kritiska fel och upprätthåller konsekvent hög kundnöjdhet, inte bara en bit programvara.

Hur ser du att Agentic AI kompletterar eller till och med ersätter delar av SaaS-modellen? Vilka faktorer bestämmer om en lösning är bättre levererad som Agentic AI eller traditionell SaaS?

Den nuvarande debatten missar poängen: Agentic AI är inte här för att ersätta hela SaaS-stapeln, utan för att störa ekonomiska operationella arbeten. Den grundläggande skillnaden är skiftet från att tillhandahålla ett verktyg till att garantera ett resultat. Agentic AI kommer att påverka SaaS på två distinkta sätt:

Ersättning: Arbetsflödeskomprimeringen. Agenter kommer att ersätta transaktionella, arbetsflödesdrivna SaaS – plattformar som är utformade enbart för att flytta data eller automatisera rutinmässiga steg. Värdet ligger inte längre i användargränssnittet, utan i autonom handling. Vi flyttar från “Verktyg som en tjänst” till “Handling som en tjänst”.

Komplettera: Förstärkningslagret. Agenter kommer inte att ersätta strategiska plattformar som Salesforce eller stora mediasystem. Istället kommer vår Agentic AI-system att fungera ovanpå dem, genomföra komplexa, realtidsbaserade optimeringar. De tar passiva system för register och förvandlar dem till aktiva system för intelligens, förstärker mänsklig förmåga.

Den viktigaste faktorn som bestämmer vår approach är tillförlitlighet. Till skillnad från konsument-LLM-verktyg är våra agenter utformade från grunden för att vara tillförlitliga arbetare. De är konstruerade för att följa detaljerade SOP-nära, följa policyn och aldrig avvika över hundratals körningar. Detta åtagande för styrning och tillit – inte bara kreativitet – är vad som gör att vi kan hantera P&L-kritiska arbetsflöden, något som traditionell SaaS och konsument-AI inte kan göra.

MediaMint betonar en hybridapproach med mänskliga faktorer i loopen. Varför är mänsklig tillsyn fortfarande kritisk i AI-erans tidevarv, och hur förbättrar den resultaten?

Mänskliga faktorer tillhandahåller två saker som en AI-agent inte kan: bedömning och strategi. Medan en AI-agent kan skapa en medieplan eller korrigera en taktik, behövs en mänsklig strateg för att ange affärsmål, ge kreativ riktning och fatta nyanserade beslut som involverar varumärkessäkerhet, marknadssentiment eller oförutsedda yttre faktorer.

Vår plattform stöder denna hybridmodell genom design. Våra agenter är utformade för att vara tillförlitliga partners som får jobbet gjort konsekvent, kör efter kör, och följer riktlinjerna och följer SOP exakt. Detta säkerställer att den mänskliga guvernören kan ge realtids vägledning och feedback och agera som den nödvändiga mänskliga faktorn i loopen, garanterande att de fungerar som ansvariga, policyefterföljande arbetare. Agenten hanterar det monotona, högvolymarbetet, som att utarbeta rapporter eller flagga problem, vilket har resulterat i en genomsnittlig 40% minskning av ansträngning för våra team. Detta frigör den mänskliga faktorn att fokusera på högvärdes, strategiskt arbete. Mänsklig tillsyn förbättrar inte bara resultaten, utan säkerställer att de stämmer överens med företagets bredare, strategiska mål.

Många AI-implementeringar misslyckas eftersom de är för isolerade. Hur säkerställer MediaMint att AI-lösningar integreras holistiskt över arbetsflöden och avdelningar?

Det är en nyckelutmaning, och vi har utformat vår filosofi för att lösa det. De flesta AI-projekt misslyckas eftersom de byggs som isolerade punktlösningar som aldrig verkligen talar affärsspråket. Vår lösning är att säkerställa att varje agent är utformad från grunden för en kunds specifika arbetsflöde och operativa verklighet. Vi uppnår denna holistiska integration inte genom generiska SDK:er, utan genom Agent Runbook – en anpassad operativ handbok.

Agent Runbook är den grundläggande operativa handboken. Det är en anpassad handbok – en uppsättning instruktioner och riktlinjer som berättar för agenten exakt vad den ska göra, hur den ska hantera undantag och exakt hur den ska ansluta till externa system. Denna approach hanterar direkt problemet med fragmenterad AI genom att tvinga integration från början: Runbooken är anpassad till kundens SOP, inbäddar vår domänexpertis i kärnan. Dessutom länkar vår Connector Library dessa agenter sömlöst till kundens viktiga system som Salesforce, Google Ad Manager och Snowflake. Detta innebär att AI-lösningen är modulär och kan distribueras över olika avdelningar – till exempel en “Media Plan Agent” matar direkt in i en “Creative QA Agent” – säkerställer att lösningen inte är ett verktyg, utan en integrerad, holistisk komponent i kundens operativa ryggrad.

Ser du scenarier där flera AI-agenter samarbetar över roller, skapar “agent-till-agent”-system? Vad ser den framtiden ut som?

Absolut. Vi bygger redan mot denna framtid. Arkitekturen för vår plattform, med dess enhetliga service lager och verktygsadapter, är utformad för denna typ av samverkan. Framtiden kommer att vara mindre om en enda, monolitisk agent och mer om specialiserade agenter som samarbetar för att lösa ett komplext affärsproblem.

Tänk dig ett ekosystem där en Anomaly Detection Agent upptäcker en nedgång i kampanjprestanda. Den utlöser en andra Optimeringsagent för att göra en budjustering. Denna andra agent meddelar sedan en Creative QA Agent för att kontrollera om det finns några efterlevnadsproblem med kreativa verk. Slutligen konsoliderar en Rapportagent alla dessa åtgärder och insikter i en realtidsrapport för kontohanteraren. Vår MediaMint Labs möjliggör denna agent-till-agent-samverkan, som utgör ryggraden i nästa generations affärsoperationer, där arbetsflöden inte längre är en linjär sekvens av mänskliga uppgifter, utan en dynamisk orkestrering av autonoma agenter.

För företag som utforskar Agentic AI, vad är dina tre topprekommendationer för att säkerställa en lyckad implementering och långsiktig värde?

Mina tre topprekommendationer skulle vara:

1. Börja med rätt problem, inte bara en cool teknik. Bygg inte en agent för dess egen skull. Fokusera på ett väldefinierat, upprepat och högvärdesproblem, som våra representativa användningsfall av en Campaign Pacing Co-pilot eller en Creative QA-agent. Värdet måste vara tydligt och mätbart, med ett mål som är kopplat till antingen betydande ansträngningsreducering (t.ex. > 25%), mätbar intäktsoptimering eller kvantifierbar intäktsförlustundvikande.
2. Planera för operativ förvaltning, inte bara distribution. Lämna det inte. Agenter är levande system som kräver kontinuerlig tillsyn, utvärdering och säkerhets hantering. Välj en partner som erbjuder en modell som vår – där de behåller operativt ägarskap, för att säkerställa att din investering ger långsiktig värde och inte blir en underhållsmardröm.
3. Prioritera integration och styrning från början. Isolerade AI-agenter kommer att misslyckas.

Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka MediaMint.