Інтерв’ю
Нік Шифтан, CTO у Bazaarvoice – Серія інтерв’ю
Нік Шифтан, CTO у Bazaarvoice, – досвідчений технологічний лідер і підприємець, чиє кар’єра охоплює два десятиліття будівництва та масштабування корпоративного програмного забезпечення та комерційних платформ. Він найбільш відомий як співзасновник і CTO компанії Curalate, піонерської соціальної комерційної компанії, яку він допоміг розрости протягом майже десяти років до понад 20 мільйонів доларів доходу до її придбання компанією Bazaarvoice у 2020 році. Раніше в своїй кар’єрі він заснував і очолив розвиток продукту в компанії Parkio, доставляючи корпоративне програмне забезпечення для транспорту та систем паркування, і розпочав свій професійний шлях у компанії Microsoft, де працював над Outlook Mobile для Windows Mobile. Після придбання, що спочатку очікувалося як короткий перехід, переросло у довгострокову роль, оскільки він продовжував будівництво у масштабі, кульмінацією якого стало його призначення на посаду CTO, де його увагу зосереджено на просунутті продукту, керованому штучним інтелектом, заснованому на довірі та автентичних даних споживачів.
Bazaarvoice – це лідируюча платформа SaaS, яка дозволяє брендам та рітейлерам зібрати, керувати та активувати автентичний контент, створений користувачами, такий як рейтинги, відгуки, фотографії та відео на всьому цифровому шляху покупок. Працюючи у глобальному масштабі, компанія допомагає більш ніж одному мільярду покупців щомісяця приймати обґрунтовані рішення щодо покупок, синдікуючи довірчий контент по всій великій мережі брендів та рітейл-місць, розміщуючи прозорість, довіру та комерцію, керовану даними, в центрі онлайн-досвідів.
Як ви застосовуєте техніки генерації штучного інтелекту та моделі LLM, щоб посилити автентичність відгуків, модерацію та сигнали довіри без компрометації продуктивності під великим навантаженням?
Ми використовуємо штучний інтелект, щоб виявити сигнали та закономірності, а не заміняти людський суд. Моделі LLM допомагають швидко виявити аномальну діяльність або потенційно неавтентичний контент, але мета завжди полягає у збереженні довіри. Інтегруючи ці моделі в офлайн-пайплайни валідації та декуплюючи їх від шляхів реального запиту, ми зберігаємо продуктивність навіть тоді, коли об’єм надсилань різко зростає. Результатом є модерація та перевірки автентичності, які є як інтелектуальними, так і масштабованими.
Багато рітейлерів вкладають великі кошти в надійність процесу оплати, але часто нехтують складністю підтримання довірчої екосистеми відгуків. Які приховані ризики в інфраструктурі рейтингів та відгуків, на вашу думку, заслуговують такої ж стратегічної уваги, як і оплата?
Рейтинги та відгуки завжди були інфраструктурою, критичною для прийняття рішень, але це особливо вірно у світі покупок, підтримуваних штучним інтелектом. Агенти штучного інтелекту сильно залежатимуть від сигналів довіри – особливо у вигляді рейтингів та відгуків – при здійсненні рекомендацій щодо покупок. Затримки, відсутність даних або явна неавтентичність безпосередньо вплинуть на довіру споживачів. Ці системи складні; ставлення до них з такою ж суворістю, як і до систем оплати, є важливим для уникнення втрати конверсії та довгострокової ерозії довіри.
Відповідавши за інженерні роботи на кількох великих комерційних платформах, як ви адаптуєте стратегії спостереження та реагування на інциденти, коли системи штучного інтелекту – такі як аналіз настрою чи моделі виявлення шахрайства – розташовані безпосередньо на шляху реального часу?
Ми ставимося до моделей штучного інтелекту як до будь-якої іншої критичної служби: моніторимо продуктивність та точність у реальному часі. Це включає затримку, рівень помилок та поведінкову дрейф. Ми реалізуємо заходи безпеки, щоб моделі могли плавно деградувати або обходити некритичні шляхи під навантаженням. Панелі моніторингу, автоматичні сповіщення та інструкції забезпечення забезпечують, щоб питання штучного інтелекту були виявлені та вирішені до того, як вони вплинуть на покупців.
При роботі на глобальному рівні у Bazaarvoice, як ви забезпечуєте, щоб споживчий контент, створений користувачами, проходив через ваші системи, керовані штучним інтелектом, такими чином, щоб підтримувати аудитованість, прозорість та реальну відгукуваність?
Це зводиться до спостереження за всією системою та сегментації пайплайну. Кожен шматок контенту відстежується протягом його життєвого циклу, від прийому до відображення. Моделі штучного інтелекту надають рекомендації або прапори модерації, але всі рішення реєструються, аудитовані та відстежуються. У поєднанні з буферами потужності та динамічним масштабуванням це забезпечує реакційну здатність навіть під піковим навантаженням, зберігаючи при цьому прозорість.
Оглядаючи майбутнє, які нові ризики або поведінкові закономірності, керовані штучним інтелектом, на вашу думку, визначать наступне покоління дизайну рітейл-систем, і як ІТ-лідери повинні готуватися до них зараз?
Для мене ключове питання для лідерів рітейл-ІТ не полягає в тому, чи покупки, підтримувані штучним інтелектом, відбуватимуться – а як їхній шлях покупок зміниться, коли це станеться. Якщо покупки, підтримувані штучним інтелектом, стануть так само звичайними завтра, як і онлайн-покупки сьогодні:
- Де клієнти знайдуть мої продукти, на моїй сторінці чи через ChatGPT?
- Як вони дізнаються про мої продукти, через Клода чи мою власну систему покупок?
- Як вони оплатять, на моїй сторінці оплати чи безпосередньо через інтерфейс штучного інтелекту?
Фронтові моделі, ймовірно, знатимуть усе про ваші продукти. Але справжнє питання полягає в тому, чи вони забезпечать такий же досвід клієнта, який ви можете забезпечити сьогодні. Якщо відповідь – ні, то недостатньо чекати, поки замовлення, підтримувані штучним інтелектом, з’являться. Вам потрібно буде інвестувати в асистентів штучного інтелекту та точки входу, які роблять їх частиною унікального досвіду покупок вашого бренду.
Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Bazaarvoice.
