Thor Olof Philogène, medgrundare och VD för Stravito – Intervjuserie: En återkommande konversation

Thor Olof Philogène är VD och medgrundare av Stravito, Insights Intelligence-plattformen som globala varumärken litar på för att omvandla kunskap till självsäkra beslut som driver tillväxt och accelererar marknadsimpact.

I vår tidigare intervju diskuterade vi Stravito Assistant som en konversationsbaserad, AI-driven gränssnitt som tillåter team att söka, utforska och interagera med sin egen interna forskning och insikter. Ett år senare, hur använder företagsgrupper egentligen Assistant i sin dagliga verksamhet, och vad har överraskat dig om hur det passar in i riktiga arbetsflöden?

För ett år sedan använde team Stravito AI Assistant främst för att hitta och presentera forskning snabbare. Vad som förändras är hur team använder det för att validera strategiska antaganden innan stora beslut, och syntetisera bevis över marknader innan de åtar sig en riktning.

Tidig adoption drevs av tidsbesparingar. Nu, med Deep Research Agent, planerar Stravito AI Assistant autonomt multi-stegsforskning, analyserar fulla rapporter parallellt, kontrollerar resultat och levererar fullt källhänvisade synteser baserade uteslutande på företagets egna data. Resultatet är analystjupgående svar som tillhandahåller bevis som beslutsfattare kan stå bakom.

Sedan vi senast talades vid har Stravito utökat användningen av AI för att stödja mer dynamiska sätt att arbeta med insikter, inklusive funktioner som AI Personas. Hur använder kunder dessa funktioner i praktiken, bortom tidig idégenerering eller experiment?

Stravito AI Personas omvandlar statiska segmenteringsstudier till interaktiva konsumentprofiler baserade på företagets egen forskning, så att team kan testa allt från förpackningar till kampanjkoncept och produktidéer, innan stora budgetar låses.

Till exempel integrerade Lavazza Group Stravito AI Personas i sin marknadsförings- och innovationsprocess, genom att bygga konsumentprofiler från tusentals intervjuer. Redan nu har de förfinat förpacknings- och kampanjbeslut.

Vad som tidigare krävde veckor av stopp-och-gå-validering kan nu börja med fokuserade arbetspass innan man går vidare till ytterligare testning, och håller utdata rotade i egen forskning från början. Avsikten är att minska risken tidigare, iterera mer effektivt och prioritera starkare idéer innan investeringar görs.

Såsom mer AI-driven funktionalitet har introducerats i plattformen, vilka nya frågor ställer företag kring styrning, tillsyn och ansvar, och hur har Stravito anpassat sig till dessa problem?

Frågan företag tidigare ställde var “vad kan det göra?” Nu är det “kan vi stå bakom det?” För Stravito har styrning alltid varit en prioritet och det syns i hur plattformen är byggd.

Generisk AI byggs på internetdata utan affärssammanhang. Stravito byggs uteslutande på företagets egen validerade forskning. Inga internet-skräpning eller delade källor.

Till exempel, med Deep Research Agent, är forskningsplanen synlig innan analysen börjar och varje slutsats är fullt källhänvisad, så att varje svar kan spåras tillbaka till den ursprungliga källan. Stravito uppfyller också de högsta företags-säkerhets- och dataskyddskraven, med ISO 27001-certifiering, SOC 2 Typ II-attestering och ett kontraktsgaranti att kunddata inte kommer att användas för att träna stora språkmodeller.

På ansvar, AI hanterar syntes och forskningsplanering. Människor hanterar bedömning, strategi och det slutliga beslutet.

Många organisationer kämpar inte med att anta nya verktyg, men med att införliva dem i vardagliga beslutsprocesser. Vad har du lärt dig om förändringshantering när du rullar ut Stravito över stora, globala organisationer?

Organisationerna som införlivar Stravito mest framgångsrikt gör tre saker bra.

De sätter en tydlig förväntning från början: inget stort beslut fattas utan den intelligens affären redan äger. När det blir standarden, slutar användningen av plattformen att vara valfri.

De investerar i interna championer. När de människor som andra ser upp till använder plattformen under affärsgranskningar, planeringsdiskussioner och innovationskonversationer, följer antagandet.

Och de parar tillgång med möjliggörande och stöd. Team behöver vägledning om hur man ställer rätt frågor och vet vad man ska göra med svaren. Det är vad som förvandlar en plattform som människor har till en plattform som människor använder.

Stravito positionerar sig som en enda källa till sanning för marknads- och konsumentinsikter. I verkligheten har företag ofta fragmenterad forskning spridd över flera system. Hur framgångsrika har kunder varit med att konsolidera den kunskapen, och var möter de fortfarande motstånd?

Ofta finns forskningen. Affärs-, konsument- och marknadsintelligens sitter över system, regioner och funktioner. Problemet är att den inte är ansluten, så stora beslut om innovation, expansion och marknadsföring fattas utan den. Det är vad Stravito löser.

Konsolidering sker i etapper. Organisationer börjar med sin mest värdefulla forskning och expanderar från där, med varje etapp som bygger det kommersiella fallet för nästa. Heineken är ett bra exempel, genom att samla sin intelligens på en plats, har de omdirigerat CMI-tid från att hitta forskning till mer strategiskt, högvärdigt arbete.

Om motstånd dyker upp är det vanligtvis organisatoriskt snarare än tekniskt. Organisationerna som flyttar snabbast och mest effektivt har tydligt ägarskap och interna championer som kan få olika regioner och funktioner ombord. Det kommersiella fallet, beslut som fattas snabbare med bättre bevis, är vad flyttar den konversationen framåt.

En av Stravitos mål har varit att demokratisera tillgång till insikter bortom traditionella forskningsteam. Under det senaste året, hur har denna bredare tillgång förändrat relationen mellan insiktsteam och affärsaktörer?

När fler team kan engagera sig direkt med konsument- och marknads kunskap, kommer insikter in i besluten tidigare. Aktörer väntar inte längre på statiska rapporter. De interagerar direkt med sin egen intelligens för att forma beslut, från positionering och förpackning till var man ska expandera nästa.

Detta har också förändrat vad insiktsteam tillbringar sin tid på. Med mindre tid som spenderas på att hantera förfrågningar och hitta forskning, arbetar de alltmer som strategiska rådgivare, och ser till att bevis formar de beslut som betyder mest.

Personanpassning är ofta citerad som en stor fördel med AI i företagsprogramvara. Hur anpassar Stravito-kunder insiktssökning efter roll, region eller funktion, och vad har det haft för inverkan på engagemanget med forskning?

När team ser forskning som är relevant för deras beslut, engagerar de sig tidigare och använder den mer konsekvent. En global kategoriledare har olika prioriteringar än en regional marknadsdirektör, och Stravito förstår det.

Samlingar är en av våra mest använda funktioner. De fungerar som spellistor, och låter team gruppera forskning efter ämne, region eller funktion, till exempel en samling tillägnad onboardning eller hållbarhet. Stravitos AI ytor sedan kontinuerligt ytterligare relevant forskning baserat på vad som redan finns i samlingen, så att team håller sig uppdaterade med vad som betyder något utan att behöva leta.

Såsom AI blir mer införlivat i insiktflöden, hur beslutar organisationer när de ska lita på AI-genererad kontext versus när de ska avvakta mänsklig expertis, särskilt för högriskbeslut?

Organisationerna som gör detta bra har en tydlig arbetsfördelning. AI hanterar det tunga arbetet med syntes och forskningsplanering. Människor hanterar bedömning, strategi och det slutliga beslutet.

I praktiken, verktyg som Deep Research Agent i Stravito AI Assistant komprimerar tiden mellan fråga och bevis, och levererar fullt källhänvisade svar baserade på företagets egen forskning. AI Personas låter team testa antaganden mot riktiga konsumentperspektiv innan investeringar görs. Båda är utformade för att stärka grunden på vilken beslut fattas.

Ändå är utdata startpunkten. Människor bestämmer vad bevisen betyder, väger avvägningarna och äger det slutliga beslutet.

Integrering är en återkommande utmaning i företagsmiljöer. Vilka mönster har du observerat bland kunder som framgångsrikt integrerar Stravito med sina befintliga analytiska, forsknings- eller kunskapsledningssystem?

Organisationerna som ser den största inverkan är tydliga med vad Stravito är till för. Inte ett annat repository, utan det lager som ansluter befintliga insikter och för dem in i de beslut som behöver dem.

I praktiken fungerar Stravito bredvid de forsknings- och analysleverantörer kunderna redan använder, och bringar affärs-, marknads- och konsumentintelligens samman på en plats så att kunskapen som sitter över system kan nå de beslut som behöver den.

Att blicka framåt, baserat på vad du har observerat under det senaste året, vad tror du att företag fortfarande underskattar om att operativisera AI i insiktshantering, och hur formar det Stravitos produktledning?

AI kan yta svar direkt. Vad företag underskattar är allt som händer därefter. Kostnaden för att agera på en felaktig insikt är för stor för att behandla utdata som slutsatsen.

Organisationerna som drar ifrån kommer inte att vara de som automatiserar mest. De kommer att vara de som använder det de redan vet för att fatta bättre beslut, snabbare och med mer tillförlitlighet.

Det är vad som formar vår produktledning. Till exempel, Deep Research Agent levererar den rigor och verifiabilitet som stora beslut kräver. AI Personas bringar konsumentperspektiv in i processen innan investeringar görs. Båda har utformats för att se till att inga stora beslut fattas utan den intelligens organisationen redan äger.

Tack för den underbara intervjun, läsare kan vilja läsa vår tidigare intervju eller besöka Stravito.