Нік Шифтан, CTO у Bazaarvoice – Серія інтерв’ю

Нік Шифтан, CTO у Bazaarvoice, – досвідчений технологічний лідер та підприємець, чиє кар’єра охоплює два десятиліття будівництва та масштабування корпоративного програмного забезпечення та комерційних платформ. Він найбільш відомий як співзасновник та CTO компанії Curalate, піонерської соціальної комерційної компанії, яку він допоміг зростити протягом майже десяти років до більш ніж 20 мільйонів доларів у річному доході до її придбання компанією Bazaarvoice у 2020 році. Раніше в своїй кар’єрі він заснував та очолював розвиток продукту в компанії Parkio, доставляючи корпоративне програмне забезпечення для транспорту та систем паркування, і розпочав свій професійний шлях у компанії Microsoft (MSFT ), 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, що завершилося його призначенням на посаду CTO, де його увагу зосереджено на просуванні відкриття продукту, керованого штучним інтелектом, заснованого на довірі та автентичних даних споживачів.

Bazaarvoice – це лідерська платформа SaaS, яка дозволяє брендам та рітейлерам збирати, керувати та активувати автентичний контент, створений користувачами, такий як рейтинги, відгуки, фотографії та відео протягом усього цифрового шопінгу. Працюючи у глобальному масштабі, компанія допомагає більш ніж одному мільярду покупців щомісяця приймати обґрунтовані рішення щодо покупок, синдікуючи довірений контент по всій великій мережі брендів та рітейл-місць, розміщуючи прозорість, надійність та дані, керовану комерцією в центрі онлайн-досвідів.

Як ви застосовуєте техніки генерації штучного інтелекту та LLM для зміцнення автентичності відгуків, модерації та сигналів довіри без компромісу продуктивності під великим навантаженням?

Ми використовуємо штучний інтелект для визначення сигналів та моделей, а не для заміни людського судження. LLM допомагає швидко виявляти аномальну діяльність або потенційно неавтентичний контент, але мета завжди полягає у збереженні довіри. Інтегруючи ці моделі в офлайн-валідаторські потоки та відключаючи їх від реального часу запитів, ми зберігаємо продуктивність навіть тоді, коли об’єм подач зростає. Результатом є модерація та перевірки автентичності, які є як інтелектуальними, так і масштабованими.

Багато рітейлерів вкладають великі кошти у надійність чекауту, але часто нехтують складністю підтримки довірчої системи відгуків. Які приховані ризики в інфраструктурі відгуків та рейтингів, на вашу думку, заслуговують такої ж стратегічної уваги, як і платежі?

Рейтинги та відгуки завжди були критичною інфраструктурою для прийняття рішень, але це особливо вірно у світі шопінгу, підтримуваного штучним інтелектом. Агенти штучного інтелекту сильно залежатимуть від сигналів довіри – особливо у вигляді рейтингів та відгуків – при прийнятті рекомендацій щодо шопінгу. Затримки, відсутність даних або явна неавтентичність безпосередньо вплинуть на довіру споживачів. Ці системи є складними; ставлення до них з такою ж суворістю, як і до систем чекауту, є необхідним для уникнення втрати конверсії та довгострокової ерозії довіри.

Як ви адаптуєте стратегії спостереження та реагування на інциденти, коли системи штучного інтелекту – такі як аналіз настрою або моделі виявлення шахрайства – знаходяться безпосередньо у потоці реальних даних?

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 поведінковий зсув. Ми реалізуємо заходи безпеки, щоб моделі могли плавно деградувати або обходити некритичні шляхи під навантаженням. Панелі моніторингу, автоматичні сповіщення та інструкції забезпечення того, що питання штучного інтелекту виявляються та вирішуються до того, як вони вплинуть на покупців.

Як ви забезпечуєте, щоб контент, створений споживачами, протікав через ваші системи, керовані штучним інтелектом, у спосіб, який підтримує аудитованість, прозорість та реальну реакцію?

Все це зводиться до спостереження за кінцевим результатом та сегментації потоку. Кожен шматок контенту відстежується протягом всього 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 реакцію навіть під піковим навантаженням, зберігаючи при цьому прозорість.

Оглядаючи майбутнє, які нові ризики або поведінкові моделі, 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 рітейл-ІТ-лідерів полягає не в тому, чи буде шопінг, керований штучним інтелектом, відбуватися – а в тому, як їхній шлях покупця зміниться, коли це станеться. Якщо шопінг, керований штучним інтелектом, стане так само звичайним завтра, як і онлайн-шопінг сьогодні:

• Де клієнти знайдуть мої продукти, на моїй сторінці чи через ChatGPT?
• Як вони дізнаються про мої продукти, через Claude чи свій власний шопінг-асистент?
• Як вони здійснять покупку, на моїй сторінці чекауту чи безпосередньо через інтерфейс штучного інтелекту?

Фронтові моделі, ймовірно, знатимуть все про ваші продукти. Але справжнє питання полягає в тому, чи вони забезпечать такий же досвід клієнта, який ви можете сьогодні? Якщо відповідь – ні, то недостатньо чекати, поки замовлення, керовані штучним інтелектом, з’являться. Вам потрібно буде інвестувати в асистентів штучного інтелекту та точки входу, які роблять їх частиною унікального досвіду шопінгу вашого бренду.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Bazaarvoice.