Сандіп Менон, генеральний директор та співзасновник Auxia – Інтерв’ю Серія

Сандіп Менон, генеральний директор та співзасновник Auxia, має понад два десятиліття глобального технологічного та маркетингового керівництва. Перед запуском Auxia у 2022 році він понад дев’ять років працював у Google (GOOGL ), де обіймав посаду віце-президента з маркетингу платіжних систем і очолював ініціативи, такі як програма Next Billion Users, спрямована на цифрову інклюзію на ринках, що розвиваються. Він також обіймав керівні маркетингові посади в Android, Chrome, ChromeOS і Google Play.

Auxia – це платформа маркетингу, що працює на основі штучного інтелекту, яка дозволяє командам підприємств створювати персоналізовані, індивідуальні клієнтські історії у великих масштабах. Замість використання жорстких, заснованих на правилах кампаній, Auxia дозволяє агентам штучного інтелекту тестувати гіпотези на всіх точках контакту – електронній пошті, веб-сторінках, застосунках, пропозиціях – і динамічно адаптуватися до реальних уподобань і поведінки у режимі реального часу. Вона безшовно інтегрується з джерелами першої партії даних, автоматизує трубопроводи машинного навчання і безперервно оптимізує повідомлення, час і послідовність для максимізації залучення та довгострокової цінності.

Ви заснували Auxia після успішної кар’єри в Google, де ви очолювали глобальний маркетинг продуктів, які використовували мільярди людей. Який конкретний розрив або болючий момент ви та ваші співзасновники побачили на ринку, що призвело до створення Auxia?

У Google я бачив на власні очі, як потужною може бути справжня персоналізація, коли у вас є правильна інфраструктура та можливості штучного інтелекту. Але коли я поглянув на ширший ринок, я побачив компанії, які боролися з фрагментованими маркетинговими стеками, часто керуючи 12-14 різними розв’язками, які не спілкувалися один з одним. Вони збирали величезну кількість даних про клієнтів, але не могли перекласти їх у значущу персоналізацію у режимі реального часу.

Основний розрив полягав у тому, що існуючі платформи були створені для епохи до штучного інтелекту. Вони покладалися на статичні правила та базову сегментацію, тоді як бізнесам насправді потрібні були розумні, адаптивні системи, здатні приймати рішення у режимі реального часу про кожну клієнтську взаємодію. Ми побачили можливість привнести той же рівень персоналізації, який працює в компаніях, таких як Google і Meta, до підприємств усіх розмірів, без потреби створення великих внутрішніх команд з науки про дані.

Auxia’s засновницька команда включає колишніх лідерів Google, Meta та Lyft. Як ваші колективні досвіди в цих технологічних гігантах сформували архітектуру та етос Auxia?

Ми всі пережили挑іж персоналізації у великих масштабах. У команді Google Pay зокрема ми були у привілейованому становищі, оскільки мали ранні можливості трансформативних технологій на їхньому народженні, з моделями трансформерів як головним прикладом. Мої співзасновники, які прийшли з Meta та Lyft, створили системи, які відкрили нові способи зробити величезну кількість даних про клієнтів значущою, наприклад, забезпечуючи рекомендації та рішення у режимі реального часу для мільйонів користувачів кожну секунду.

Ми всі побачили на власні очі, як штучний інтелект міг суттєво покращити клієнтські досвіди, а також вирішити деякі з найбільш складних проблем, з якими стикалися наші маркетингові команди. У той же час ширший ринок змінювався таким чином, що зробив цю роботу можливою поза Google. З появою сучасного даних стека та платформ, таких як Snowflake, BigQuery та Databricks, підприємства витратили останні 5-10 років на консолідацію своїх даних у одному централізованому місці, готовому до активації.

Ми визнали унікальну можливість взяти знання, які ми розвинули всередині Google, та демократизувати їх для підприємств у всьому світі. Ці компанії тільки що прокинулися до розуміння того, що вони сидять на горі цінних даних, і з правильною технологією їх можна розблокувати для стимулювання зростання та покращення клієнтського залучення.

Більшість інструментів персоналізації покладаються на системи, засновані на правилах, та прості сегменти. Auxia натомість використовує синхронізовані агенти штучного інтелекту. Чи можете ви пояснити, як ці агенти співпрацюють та еволюціонують з часом, щоб персоналізувати кожну клієнтську історію?

Більшість інструментів на ринку сьогодні все ще покладаються на жорсткі правила та статичні сегменти, вони реактивні, а не розумні. У Auxia ми створили систему синхронізованих агентів штучного інтелекту, які працюють разом, щоб персоналізувати кожну точку контакту клієнта у режимі реального часу.

Кожен агент грає спеціалізовану роль. Агенти прийняття рішень визначають найкращу дію для користувача на основі всіх попередніх даних та уподобань; наприклад, чи варто підвищити клієнта до нової кредитної карти чи змусити його відкрити новий ощадний рахунок. Агенти-аналітики функціонують як вбудована команда з науки про дані, аналізуючи, що добре працює в поточних кампаніях, щоб підкреслити вплив, але також можливості для покращення в інтерфейсі чату. Нарешті, агенти контенту Auxia використовують всі дані та знання про те, що добре працює, щоб проактивно пропонувати нові варіанти повідомлень або творчих варіантів для затвердження маркетинговими командами.

Що робить цих агентів потужними, так це те, що вони не працюють у ізоляції. Вони безперервно співпрацюють, вчаться з кожної взаємодії та адаптуються на основі того, що працює. Маркетологи встановлюють високий рівень цілей, а агенти займаються складністю. Вони саморегулюються системи, які еволюціонують щодня, щоб забезпечити кращі результати у великих масштабах.

Auxia обробляє 2,6 мільярда подій щодня та обробляє 6 500 запитів за секунду. Які інновації інфраструктури дозволили досягти такої реальної масштабованості вже на ранній стадії існування компанії?

З першого дня ми знали, що масштаб має бути непереговорним. Гіперперсоналізація працює лише тоді, коли ви можете приймати рішення за мілісекунди, використовуючи свіжі, контекстні сигнали. Нам потрібно було понад рік, щоб побудувати інфраструктуру для підтримки такого рівня реального оркестрування.

Наша архітектура є оригінальною для хмари, орієнтованою на події та оптимізованою для високопродуктивного потокового передавання, тому ми стоїмо на плечах технологічних хвиль, які передували нам, таких як перехід до сучасного даних стека. Так само, як маркетинговий технологічний ландшафт еволюціонував до відкритих екосистем, це дозволило нам рухатися набагато швидше, дозволяючи нам інтегруватися безпосередньо з сучасними хмарними складами даних, CRM та іншими маркетинговими платформами. Це дозволило нам будувати для масштабу з першого дня та також допомогло нам покладатися на інфраструктуру, яка може обробляти величезні об’єми сигналів клієнтів першої партії без введення затримок.

Що також відрізняє нас, так це те, що ми є рідними для штучного інтелекту з самого початку. Ми розробили Auxia для підтримки великомасштабного експериментування, виконання тисяч одночасних гіпотез та безперервної оптимізації результатів без людського втручання, але ми також використовуємо останню технологію в галузі для створення функцій, розгортання моделей та висновків LLM.

Як rámце експериментування моделей Auxia відрізняється від традиційного тестування А/Б, і які були найбільш несподіваними відкриттями, виявленими за допомогою вашого підходу, керованого машинним навчанням?

Традиційне тестування А/Б вкрай обмежене, ви можете протестувати лише кілька варіантів одночасно, і часто потрібно тижні або місяці, щоб досягти статистично значущих результатів. У Auxia ми переосмислили експериментування як безперервний, інтелектуальний процес. Наше кероване моделлю rámце дозволяє маркетологам запускати багато різних саморегулюються моделей та тестувати сотні варіантів паралельно. Використовуючи техніки, такі як навчання з підкріпленням, система прийняття рішень Auxia приймає рішення у режимі реального часу на основі живих даних.

Розгляньмо приклад кампанії промо-акцій та нагород за електронною поштою. Раніше маркетологи могли протестувати 2-3 різні варіанти промо-акцій, наприклад, 5% знижки, 10% знижки та 20% знижки, розділити аудиторію на взаємовиключні групи, запустити та порівняти результати через різноманітні метрики, щоб побачити, який варіант працював найкраще в середньому для всієї групи. Цей переможний варіант потім розгортається для всіх після закінчення експериментального періоду. Є кілька проблем з цим підходом. По-перше, більшість експериментів не вдаються, тому часто потрібно тижні або місяці командам, щоб визначити, що працює добре. Крім того, вони дуже ручні та часоємні для налаштування, що обмежує швидкість вашої команди та те, як швидко ви можете доставляти вплив.

З Auxia маркетологи спочатку встановлюють високий рівень цілей, наприклад, стимулювання покупок. Відтоді ваша команда встановлює сотні різних варіантів у системі, які можна динамічно згенерувати за допомогою нашого агента контенту, інгестувати з вашого CMS або визначати вручну. Кожен з цих варіантів відрізняється за конструкцією пропозиції (наприклад, 5% знижки проти BOGO), суми, контенту та навіть каналу (наприклад, електронної пошти проти SMS). Для кожного окремого користувача агент прийняття рішень Auxia ранжує, оцінює та прогнозує, з усіх сотень доступних варіантів, який є оптимальним варіантом для кожної людини, щоб стимулювати вашу основну мету.

Платформа Auxia розроблена для усунення залежності від великих внутрішніх команд з науки про дані. Чи бачили ви традиційні маркетингові команди, які успішно взяли на себе більш технічні ролі з вашими інструментами?

Одна з основних причин, чому ми створили Auxia, полягала в тому, щоб надати маркетинговим командам можливість персоналізувати свій маркетинг та досвід продукту без залежності від інженерів чи науковців-даних. Усього за кілька тижнів після налаштування маркетологи, які використовують Auxia, можуть запускати нові кампанії, витягувати дані та інтерпретувати результати повністю самостійно. Коли світ рухається до більш агентського майбутнього, ми вважаємо, що маркетологам не потрібно буде ставати більш технічними чи будувати нові технічні навички. Натомість відповідальність, традиційно покладена на інженерів чи аналітиків, буде демократизована за допомогою розумних агентів, які доповнюють робочий процес маркетолога та загальний досвід. З нашим агентом-аналітиком ми вже успішно абстрагували більшу частину цієї складності традиційної роботи аналітика/даних, і ми раді продовжувати розширювати ці можливості.

Як людина, яка очолювала маркетинг ініціативи Next Billion Users у Google, які паралелі ви бачите між інклюзивними технологічними прийомами та агентським штучним інтелектом у маркетингу сьогодні?

Коли я очолював маркетинг ініціативи Next Billion Users у Google, ми визнали, що люди в країнах, що розвиваються, взаємодіють з продуктами фундаментально по-іншому, ніж користувачі на ринках, що розвиваються. Через те, що це представляло такий величезний потенціал зростання, стало важливо будувати конкретно для цих користувачів – спрощувати інтерфейси, абстрагувати складність та забезпечувати, щоб досвід був доступним та емпаверуючим.

Я бачу дуже схожий тренд, який розгортається з агентським штучним інтелектом у маркетингу. Так само, як багато нових інтернет-користувачів перейшли безпосередньо до мобільних досвідів без необхідності попередньої цифрової грамотності, маркетологи сьогодні не потребують повернутися та вивчити SQL або науку про дані, щоб розблокувати персоналізацію. Агенти мостять ці прогалини навичок та роблять складні можливості негайно придатними для використання. У той же час спосіб, яким люди взаємодіють зі штучним інтелектом – рухаючись за межі інтерфейсів чату до більш інтуїтивних, контекстно-чутливих агентів – змушує розробників переосмислити інтерфейс майбутнього. Акцент, як і у випадку з NBU, лежить на доступності, простоті та емпаверменті: абстрагування технічної складності, щоб кінцевий досвід відчувався природнім та впливаючим.

Який найбільший міф компанії про персоналізацію штучного інтелекту сьогодні, і як ви допомагаєте їм подолати його?

Найбільший міф компанії про персоналізацію штучного інтелекту полягає в тому, що прийняття її означає відмову від повного контролю або зменшення стратегічного впливу маркетингових команд. Штучний інтелект excels у обробці складності, наприклад, аналізі величезних наборів даних, виявленні закономірностей, яких люди не можуть побачити, та поверхневих сигналів, які мають значення у режимі реального часу. Що він не може зробити, так це надати контекст, емпатію та стратегічний суд, необхідні для створення значущих клієнтських досвідів. Це те, де люди блищать: встановлення бачення, визначення брендових огорож, та розуміння того, коли вибір персоналізації може відчуватися нав’язливим або не по бренду.

Якщо ми говоримо чесно, використовуючи сучасну технологію, люди можуть бути ефективними без штучного інтелекту, але штучний інтелект не може бути ефективним без людей. Справжній прорив відбувається, коли ви доповнюєте свої команди штучним інтелектом, щоб обробляти масштаб та складність даних, прийняття рішень, а команди зосереджуються на стратегії, креативності та емпатії. Це тоді, коли персоналізація переходить від того, що є модним словом, до чогось, що дійсно створює цінність для клієнтів та бізнесу.

З підтримкою понад 50 лідерів галузі та збором у розмірі 23,5 мільйона доларів, які ключові області ви пріоритезуєте для наступних 12-18 місяців продукту та команди зростання?

Ми пріоритезуємо три області зростання за наступні 12-18 місяців. По-перше, ми зобов’язані доставляти виняткову цінність нашим клієнтам, продовжуючи підвищувати їхній досвід. Це завжди було нашим пріоритетом для команди, і ми хочемо забезпечити, щоб ми доставляли виняткову віддачу від інвестицій для всіх компаній, які поклали на нас та нашу команду свою довіру. По-друге, ми розширюємо можливості наших агентів штучного інтелекту, щоб підтримувати поліпшення повного робочого процесу маркетолога, допомагаючи командам створювати контент, оркеструвати персоналізовані досвіди та поверхневі дії щодо того, що стимулює вплив. Нарешті, ми масштабуємо наш ринок двигун. З сильним продуктом-ринковим фітінгом у підприємстві наступним кроком є розширення нашого охоплення, збільшуючи наш продаж та успіх клієнтів. Це дозволить нам привнести персоналізацію, керовану штучним інтелектом, до більшого числа підприємств, а також забезпечити, щоб нові клієнти користувалися тією ж високоточною підтримкою та відрізняються досвідом, який спонукав наш ранній успіх.

Що вас найбільше захоплює про наступний рубіж агентського штучного інтелекту, не тільки в маркетингу, але й в інших корпоративних застосуваннях?

Що мене справді захоплює, так це темп прийняття, бачення цього прийняття, яке має реальний вплив, та бачення ринку, який визнає, що агентський штучний інтелект має реальну цінність у доповненні, а не заміні. Занадто багато розмов сьогодні зосереджені на штучному інтелекті як заміні людських ролей, наприклад, усіх білбордів, які ви можете бачити на 101, що входять до Сан-Франциско про компанії, які замінюють SDR (або навіть цілі функції). Ця розповідь буде привертати заголовки, але для мене вона пропускає більшу можливість: емпаверувати людей робити свою найкращу роботу.

Люди приносять контекст, емпатію, креативність та суд, яких штучний інтелект просто не може повторити. Там, де агентський штучний інтелект блищить, так це обробка складності та масштабу, які загрузили команди. Коли ці можливості поєднуються з людськими сильними сторонами, результатом є зміна того, чого можуть досягти організації.

У маркетингу це означає звільнення команд від нескінченного виконання, щоб вони могли зосередитися на стратегії, розповіді та клієнтській емпатії. Але той же самий шаблон застосовується до всіх функцій підприємства: у продажах агенти можуть кваліфікувати та підготувати можливості, щоб люди могли будувати відносини; у клієнтському успіху агенти можуть виділяти сигнали ризику та можливостей, щоб люди могли поглиблювати партнерства; в інженерії агенти можуть прискорити розробку, автоматизуючи тестування, налагодження та генерацію коду, щоб команди могли зосередитися на вирішенні складних архітектурних проблем та стимулюванні інновацій.

Всі ці можливості створять тріліони доларів цінності, і мені подобається бачити компанії, які спонукають до формування того, як робота людей буде еволюціонувати з часом.

Уявіть собі фінансові команди з агентами штучного інтелекту, які оптимізують бюджети у режимі реального часу, команди HR, які використовують агентів для персоналізації залучення працівників, або агентів підтримки клієнтів, які переходять від реактивного до проактивного.

Ми тільки починаємо. Майбутнє не про те, щоб штучний інтелект замінив людей, а про те, щоб люди та агенти штучного інтелекту працювали разом, щоб приймати рішення, які є швидшими, розумнішими та більш емпатичними. Це майбутнє, яке ми будуємо в Auxia.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Auxia.