інтерв'ю
Нік Шифтан, технічний директор Bazaarvoice – Серія інтерв’ю
Нік Шифтан, технічний директор Bazaarvoice, — досвідчений лідер у сфері технологій та підприємець, чия кар'єра охоплює два десятиліття створення та масштабування корпоративного програмного забезпечення та комерційних платформ. Він найбільш відомий як співзасновник і технічний директор Curalate, новаторської компанії соціальної комерції, яку він допоміг вирости протягом майже десятиліття до понад 20 мільйонів доларів річного прибутку, перш ніж її придбала Bazaarvoice у 2020 році. Раніше у своїй кар'єрі він заснував і керував розробкою продуктів у Parkio, постачаючи корпоративне програмне забезпечення для транспортних та паркувальних систем, і розпочав свою професійну подорож у Microsoft, де працював над Outlook Mobile для Windows Mobile. Після придбання те, що спочатку очікувалося як короткий перехід, перетворилося на довгострокову роль, оскільки він продовжував розвиватися в масштабах, що завершилося його призначенням технічним директором, де він зосереджується на просуванні пошуку продуктів на основі штучного інтелекту, що ґрунтується на довірі та автентичних даних споживачів.
Базарний голос – це провідна в галузі SaaS-платформа, яка дозволяє брендам і роздрібним торговцям збирати, керувати та активувати автентичний користувацький контент, такий як рейтинги, відгуки, фотографії та відео, протягом усього цифрового шопінгу. Працюючи в глобальному масштабі, компанія щомісяця допомагає понад мільярду покупців приймати обґрунтовані рішення щодо покупок, синдикуючи перевірений контент у широкій мережі брендів і роздрібних торгових точок, ставлячи прозорість, довіру та комерцію на основі даних у центр онлайн-досвіду.
Як ви застосовуєте методи на основі генеративного штучного інтелекту та LLM для посилення сигналів автентичності, модерації та довіри до відгуків без шкоди для продуктивності під великим навантаженням?
Ми використовуємо штучний інтелект для виявлення сигналів і шаблонів, а не для заміни людського судження. Моделі повного циклу (LLM) допомагають швидко виявляти аномальну активність або потенційно неавтентичний контент, але метою завжди є збереження довіри. Інтегруючи ці моделі в конвеєри офлайн-валідації та відокремлюючи їх від шляхів запитів у реальному часі, ми підтримуємо продуктивність навіть за різкого зростання обсягів надсилання. Результатом є інтелектуальні та масштабовані перевірки модерації та автентичності.
Багато роздрібних торговців інвестують значні кошти в надійність оформлення замовлення, але часто нехтують складністю підтримки надійної екосистеми відгуків. Які приховані ризики в інфраструктурі відгуків та оцінювання, на вашу думку, заслуговують на таку ж стратегічну увагу, як і платежі?
Рейтинги та відгуки завжди були критично важливою інфраструктурою для прийняття рішень, але це особливо актуально у світі покупок, що підтримуються штучним інтелектом. Агенти ШІ значною мірою спиратимуться на сигнали довіри, зокрема у формі рейтингів та відгуків, коли вони надаватимуть рекомендації щодо покупок. Затримки, відсутність даних або явна неавтентичність безпосередньо впливатимуть на довіру споживачів. Ці системи є складними; ставлення до них з такою ж ретельністю, як і до систем оформлення замовлення, є важливим для запобігання втраті конверсії та довгостроковій ерозії довіри.
Керуючи інженерією на кількох великих комерційних платформах, як ви адаптуєте стратегії спостереження та реагування на інциденти, коли системи штучного інтелекту, такі як аналіз настроїв або моделі виявлення шахрайства, знаходяться безпосередньо на шляху даних у режимі реального часу?
Ми ставимося до моделей ШІ як до будь-якої іншої критичної служби: контролюємо продуктивність і точність у режимі реального часу. Це включає затримку, рівень помилок і поведінковий дрейф. Ми впроваджуємо засоби захисту від збоїв, щоб моделі могли коректно деградувати або обходити некритичні шляхи під навантаженням. Панелі інструментів, автоматичні сповіщення та набори завдань забезпечують виявлення та вирішення проблем ШІ до того, як вони вплинуть на покупців.
Працюючи в глобальному масштабі Bazaarvoice, як ви забезпечуєте, щоб контент, створений споживачами, проходив через ваші системи на базі штучного інтелекту таким чином, щоб підтримувати можливість аудиту, прозорість та швидкість реагування в режимі реального часу?
Все зводиться до повного спостереження та сегментації конвеєра. Кожен фрагмент контенту відстежується протягом усього його життєвого циклу, від завантаження до відображення. Моделі штучного інтелекту надають рекомендації або прапорці модерації, але всі рішення реєструються, підлягають аудиту та відстежуються. У поєднанні з буферами ємності та динамічним масштабуванням це забезпечує швидкість реагування навіть за пікового навантаження, зберігаючи прозорість.
Заглядаючи в майбутнє, які, на вашу думку, нові ризики або моделі поведінки, зумовлені штучним інтелектом, визначатимуть наступне покоління дизайну систем роздрібної торгівлі, і як ІТ-керівникам слід готуватися до них зараз?
Для мене ключове питання для лідерів роздрібних ІТ-систем не полягає в if Штучний шопінг стане реальністю — це те, як зміниться шлях покупця, коли це станеться. Якщо завтра шопінг за допомогою штучного інтелекту стане таким же поширеним, як сьогодні онлайн-шопінг:
- Де клієнти знайдуть мої продукти, на моєму сайті чи через ChatGPT?
- Як вони дізнаються про мої товари, через Клода чи мого власного продавця-консультанта?
- Як вони оформлять замовлення: на моїй сторінці оформлення замовлення чи безпосередньо через інтерфейс штучного інтелекту?
Моделі Frontier, ймовірно, знатимуть усе про ваші продукти. Але справжнє питання: чи забезпечать вони такий самий клієнтський досвід, як і ви сьогодні? Якщо відповідь негативна, то недостатньо чекати на появу замовлень на основі штучного інтелекту. Вам потрібно буде інвестувати в помічників на основі штучного інтелекту та точки входу, які зроблять їх частиною унікального досвіду покупок вашого бренду.
Дякую за чудове інтерв’ю, читачі, які хочуть дізнатися більше, повинні відвідати Базарний голос.
