Sandeep Menon, VD och medgrundare på Auxia – Intervjuer

Sandeep Menon, VD och medgrundare på Auxia, har mer än två decenniers erfarenhet av global teknologi och marknadsledning. Innan han lanserade Auxia 2022 tillbringade han mer än nio år på Google (GOOGL ), där han var vice VD för marknadsföring av betalningar och ledde initiativ som programmet Next Billion Users, som fokuserade på digital inkludering på nya marknader. Han hade också seniora marknadsledningsroller inom Android, Chrome, ChromeOS och Google Play.

Auxia är en AI-driven marknadsplattform som möjliggör för företagsgrupper att samordna personliga, 1:1-kundresor i stor skala. Istället för att förlita sig på stela, regelbaserade kampanjer låter Auxia AI-agenter testa hypoteser över alla beröringspunkter – e-post, webb, app, erbjudanden – och anpassa sig dynamiskt till realtidspreferenser och beteende. Det integreras sömlöst med första partsdatakällor, automatiserar ML-pipelines och optimerar kontinuerligt meddelanden, tid och sekvens för att maximera engagemang och livstidsvärde.

Du grundade Auxia efter en framgångsrik karriär på Google, där du ledde global marknadsföring för produkter som används av miljarder. Vilken specifik lucka eller smärtpunkt såg du och dina medgrundare på marknaden som ledde till skapandet av Auxia?

På Google såg jag med egna ögon hur kraftfull riktig personanpassning kan vara när man har rätt infrastruktur och AI-kapacitet. Men när jag tittade på den bredare marknaden såg jag företag som kämpade med fragmenterade marknadsstackar, ofta hanterade 12 till 14 olika punktlösningar som inte kommunicerade med varandra. De samlade in massiva mängder kunddata men kunde inte översätta det till meningsfull, realtidsanpassning.

Den grundläggande luckan var att befintliga plattformar var byggda för den för-AI-eran. De förlitade sig på statiska regler och grundläggande segmentering, när vad företagen verkligen behövde var intelligenta, adaptiva system som kunde fatta beslut i realtid om varje kundinteraktion. Vi såg en möjlighet att ta den AI-drivna personanpassning som driver företag som Google och Meta till företag av alla storlekar, utan att de behöver bygga stora interna datavetenskapliga team.

Auxias grundarteam inkluderar tidigare ledare från Google, Meta och Lyft. Hur har era kollektiva erfarenheter på dessa teknikjättar format arkitekturen och etosen för Auxia?

Vi har alla upplevt utmaningarna med personanpassning i stor skala. På Google Pay-teamet specifikt var vi i en privilegerad position eftersom vi hade tidig exponering för transformerande teknologier i deras barndom, med transformermodeller som ett primärexempel. Mina medgrundare, som kom från Meta och Lyft, byggde system som banade väg för att ta den väldiga mängden kunddata som finns tillgänglig och göra den dramatiskt mer användbar, som att driva realtidsrekommendationer och beslut för miljontals användare varje sekund.

Vi såg alla hur AI kunde förbättra kundupplevelserna samtidigt som det hanterade några av de tuffaste utmaningarna som våra marknadsföringsteam stod inför. Samtidigt skiftade den bredare marknaden på ett sätt som gjorde det här arbetet möjligt utanför Google. Med uppkomsten av den moderna datastacken och plattformar som Snowflake, BigQuery och Databricks hade företagen tillbringat de senaste 5-10 åren med att konsolidera sin data till en central plats redo för aktivering.

Vi erkände en unik möjlighet att ta de lärdomar vi hade utvecklat inom Google och demokratisera dem för företag överallt. Dessa företag vaknade just till insikten att de satt på en berg av värdefull data och att med rätt teknologi kunde den låsas upp för att driva tillväxt och bättre kundengagemang.

De flesta personanpassningsverktyg förlitar sig på regelbaserade system och enkla segment. Auxia använder istället synkroniserade AI-agenter. Kan du gå igenom hur dessa agenter samarbetar och utvecklas över tid för att personanpassa varje kundresa?

De flesta verktyg på marknaden idag förlitar sig fortfarande på stela regler och statiska segment, de är reaktiva, inte intelligenta. På Auxia har vi byggt ett system av synkroniserade AI-agenter som arbetar tillsammans för att personanpassa varje beröringspunkt i kundresan i realtid.

Varje agent spelar en specialiserad roll. Beslutsagenter bestämmer den bästa åtgärden för en användare baserat på all tidigare data och preferenser; till exempel om man ska uppgradera en kund till ett nytt kreditkort eller driva dem att öppna ett nytt sparkonto. Analytikeragenter fungerar som ett inbyggt datavetenskapligt team, som analyserar vad som har fungerat bra i nuvarande kampanjer för att belysa impact men också möjligheter för förbättring i en chattbaserad gränssnitt. Slutligen använder Auxias innehållsagenter all data och insikter om vad som har fungerat bäst för att proaktivt presentera nya meddelanden eller kreativa variationer för marknadsföringsteam att godkänna.

Vad som gör dessa agenter kraftfulla är att de inte opererar i silos. De samarbetar kontinuerligt, lär av varje interaktion och anpassar sig baserat på vad som fungerar. Marknadsförare ställer in högnivåmål, och agenterna hanterar komplexiteten. De är självoptimerande system som utvecklas dagligen för att driva bättre resultat i stor skala.

Auxia bearbetar 2,6 miljarder händelser dagligen och hanterar 6 500 frågor per sekund. Vilka infrastrukturinnovationer möjliggjorde den här typen av realtids skalbarhet så tidigt i företagets livscykel?

Från dag ett visste vi att skala inte kunde förhandlas bort. Hyperpersonanpassning fungerar bara om man kan fatta beslut på millisekunder med färska, kontextuella signaler. Vi lärde oss många av dessa lärdomar från vår tid på Google och det tog över ett år att bygga infrastrukturen för att stödja den här nivån av realtidsorkestrering.

Vår arkitektur är molnbaserad, händelsestyrd och optimerad för hög genomströmning, så vi står på teknikvågors axlar före oss som omställningen till den moderna datastacken. Marknadsföringsteknologilandskapet har utvecklats mot öppna ekosystem, vilket har låtit oss flytta mycket snabbare, och möjliggjort direktintegration med moderna molndatahus, CRM och andra marknadsföringsplattformar. Detta har låtit oss bygga för skala från dag ett och också har hjälpt oss att förlita oss på infrastruktur som kan bearbeta massiva volymer av första parts kundsignaler utan att införa latency.

Vad som också särskiljer oss är att vi är AI-nativa från början. Vi Auxia utformade det för att stödja stor skala experiment, körning av tusentals simultana hypoteser och kontinuerlig optimering av resultat utan mänskligt ingripande, men vi använder också den senaste tekniken i branschen för funktionsskapande, modellutplacering och LLM-inferens.

Hur skiljer sig Auxias modell för experiment från traditionell A/B-testning, och vilka har varit de mest överraskande insikterna som upptäckts med er ML-drivna approach?

Traditionell A/B-testning är otroligt begränsad, du kan bara testa ett fåtal varianter åt gången, och det tar ofta veckor eller månader att nå statistiskt signifikanta resultat. På Auxia har vi omdefinierat experiment som en kontinuerlig, intelligent process. Vår modellbaserade ramverk möjliggör för marknadsförare att köra många olika självoptimerande modeller och testa hundratals variationer parallellt. Med tekniker som förstärkt inlärning, gör Auxias beslutsprocesser realtidsbeslut baserat på live-data.

Låt oss ta exemplet med en kampanj för erbjudanden och belöningar via e-post. Tidigare kunde marknadsförare testa 2-3 olika erbjudandevarianter, som 5% rabatt, 10% rabatt och 20% rabatt, dela upp publiken i ömsesidigt exklusiva grupper, lansera och jämföra resultaten över en mängd olika mått för att se vilken variant som fungerade bäst i genomsnitt för hela gruppen. Den vinnande varianten skulle sedan distribueras till alla efter experimentperiodens slut. Det finns ett par utmaningar med den här metoden. Först så misslyckas de flesta experiment, så det tar ofta veckor eller månader för team att identifiera vad som fungerar bra. Dessutom är de super manuella och tidskrävande att konfigurera, vilket begränsar teamets hastighet och hur snabbt de kan leverera impact.

Med Auxia ställer marknadsförare först in ett högnivåmål, som att driva inköp. Därefter konfigurerar teamet hundratals olika varianter i systemet, som ett team kan dynamiskt generera med vår Innehållsagent, importera från deras CMS eller manuellt definiera. Var och en av dessa varianter skulle variera i termer av erbjudandekonstruktion (t.ex. 5% rabatt vs. BOGO), belopp, innehåll och potentiellt även kanal (t.ex. e-post vs. SMS). För varje enskild användare kommer Auxias Beslutsagent att rangordna, poängsätta och förutsäga, av de hundratals variationer som är tillgängliga, vilken som är den optimala variationen för varje person för att driva det centrala målet.

Auxias plattform är utformad för att ta bort beroendet av stora interna datavetenskapliga team. Har ni sett traditionella marknadsföringsteam lyckas med att ta på sig mer tekniska roller med era verktyg?

En av de viktigaste anledningarna till att vi startade Auxia var att ge marknadsföringsteam möjlighet att personanpassa både sin marknadsföring och produktupplevelser utan att förlita sig på ingenjörer eller datavetare. Inom bara några veckor efter onboarding kan marknadsförare som använder Auxia lansera nya kampanjer, hämta data och tolka resultaten helt på egen hand. När världen rör sig mot en mer agentisk framtid tror vi att marknadsförare inte kommer att behöva bli mer tekniska eller bygga nya tekniska färdigheter. Istället kommer de ansvar som traditionellt hanteras av ingenjörer eller analytiker att demokratiseras genom intelligenta agenter som förbättrar marknadsförarens arbetsflöde och totala upplevelse. Med vår Analytikeragent har vi redan lyckats abstrahera bort mycket av den komplexitet som traditionellt datavetenskapligt/analytiskt arbete, och vi är glada att fortsätta driva dessa funktioner framåt.

Som den som ledde marknadsföring för initiativet Next Billion Users på Google, vilka paralleller ser du mellan inkluderande teknikadoption och agentisk AI i marknadsföring idag?

När jag ledde marknadsföring för initiativet Next Billion Users på Google, insåg vi att människor i nya marknader interagerade med produkter på fundamentalt olika sätt än användare i utvecklade marknader. Eftersom det representerade en sådan enorm tillväxtmöjlighet blev det viktigt att bygga specifikt för dessa användare — förenkla gränssnitt, abstrahera bort komplexitet och se till att upplevelsen var tillgänglig och gav makt.

Jag ser en mycket liknande trend som utvecklas med agentisk AI i marknadsföring. Precis som många av dessa nya internetanvändare hoppade direkt in i mobilförst-upplevelser utan att behöva tidigare digitala färdigheter, behöver marknadsförare idag inte gå tillbaka och lära sig SQL eller datavetenskap för att låsa upp personanpassning. Agenter brottas över färdighetsgapen och gör sofistikerade funktioner omedelbart användbara. Samtidigt som människor interagerar med AI — flyttar bortom chattbaserade gränssnitt till mer intuitiva, kontextmedvetna agenter — tvingas utvecklare att omdefiniera UI för framtiden. Fokus, som med NBUs, ligger på tillgänglighet, enkelhet och makt: abstrahera bort den tekniska komplexiteten så att den slutliga upplevelsen känns naturlig och effektiv.

Vad är den största missuppfattningen företag har om AI-personanpassning idag, och hur hjälper ni dem att övervinna den?

Den största missuppfattningen företag har om AI-personanpassning idag är att anta att det innebär att ge upp total kontroll eller minska den strategiska påverkan av marknadsföringsteam. AI excellerar i att bearbeta komplexitet, som att analysera massiva datamängder, upptäcka mönster som människor inte kan se och presentera signaler som betyder något i realtid. Vad det inte kan göra är att ge den kontext, empati och strategiska bedömning som krävs för att utforma meningsfulla kundupplevelser. Det är där människor lyser: ställer in visionen, definierar varumärkesvägledning och förstår när en personanpassningsval kan kännas intrusivt eller avmärkt.

Om vi talar ärligt, med dagens teknik kan människor vara effektiva utan AI, men AI kan inte vara effektiv utan människor. Den verkliga genombrottet kommer när du kompletterar dina team med AI för att hantera skala och komplexitet i datadriven beslutsfattning, samtidigt som du ger team möjlighet att fokusera på strategi, kreativitet och empati. Det är då personanpassning flyttar från att vara en buzzword till något som verkligen skapar värde för både kunder och företag.

Med stöd från över 50 branschledare och en upphöjning på 23,5 miljoner dollar, vilka är de viktigaste områdena du prioriterar för de kommande 12-18 månadernas produkt- och teamtillväxt?

Vi prioriterar tre områden för tillväxt under de kommande 12-18 månaderna. Först är vi engagerade i att leverera exceptionellt värde till våra kunder genom att fortsätta höja deras upplevelse. Detta har alltid varit en topprioritet för vårt team och vi vill säkerställa att vi levererar exceptionellt ROI för alla företag som har satt sin tillit till oss och vårt team. För det andra utvidgar vi våra AI-agentsfunktioner för att stödja förbättring av hela marknadsföringsflödet, hjälpa team att skapa innehåll, orkestrera personanpassade upplevelser och presentera handlingsbara insikter om vad som driver impact. Slutligen skalar vi vår go-to-market-motor. Med stark produkt-marknadsanpassning i företaget är nästa steg att expandera vår räckvidd genom att växa vår försäljnings- och kundsupportteam. Detta låter oss ta AI-driven personanpassning till fler företag, samtidigt som vi säkerställer att nya kunder får samma högkvalitativa support och differentierad upplevelse som har drivit vår tidiga framgång.

Vad exciterar dig mest om den kommande fronten för agentisk AI, inte bara i marknadsföring, utan också i andra företagsapplikationer?

Det som verkligen exciterar mig är att se antagandets takt, se att antagandet har verkligt impact, och också se att marknaden erkänner att agentisk AI:s verkliga värde ligger i komplettering, inte nödvändigtvis ersättning. För många samtal idag fokuserar på AI som en ersättning för mänskliga roller, som alla de skyltar du kan se på 101 som går in i San Francisco om företag som ersätter SDR (eller till och med hela funktioner). Den berättelsen kommer att få rubriker, men för mig missar den den större möjligheten: att ge människor möjlighet att göra sitt bästa arbete.

Människor bringar kontext, empati, kreativitet och bedömning som AI helt enkelt inte kan replikera. Där agentisk AI lyser är i att hantera komplexitet och skala som tynger ner team. Vi har pratat mycket om tillämpbarheten i marknadsföringsflöden, som att presentera insikter från massiva datamängder, automatisera repetitiva uppgifter och orkestrera processer över system i realtid. När dessa funktioner kombineras med mänskliga styrkor är resultatet en förändring i vad organisationer kan uppnå.

I marknadsföring innebär det att befria team från evig exekvering så att de kan fokusera på strategi, berättande och kundempati. Men samma mönster gäller för alla funktioner i företaget: i försäljning kan agenter kvalificera och förbereda möjligheter så att människor kan tillbringa mer tid med att bygga relationer; i kundsupport kan agenter flagga risksignaler och möjligheter så att människor kan fördjupa partnerskap; i teknik kan agenter accelerera utveckling genom att automatisera testning, felsökning och kodgenerering, så att team kan fokusera på att lösa komplexa arkitekturproblem och driva innovation.

Alla dessa möjligheter kommer att skapa trillions av dollar i värde och jag älskar att se företagen som trycker på gränsen för att forma hur arbetet människor gör kommer att utvecklas över tid.

Tänk dig finansiella team med AI-agenter som optimerar budgetar i realtid, HR-team som använder agenter för att personanpassa anställdas engagemang, eller kundsupportagenter som flyttar från reaktiv till proaktiv.

Vi är bara i början. Framtiden handlar inte om att AI ersätter människor, det handlar om att människor och AI-agenter arbetar tillsammans för att fatta beslut som är snabbare, smartare och mer empatiska. Det är den framtid vi bygger på Auxia.

Tack för den underbara intervjun, läsare som vill lära sig mer kan besöka Auxia.