Eric Picard, Phó Chủ tịch Sản phẩm tại Fluency – Loạt Phỏng vấn

Eric Picard, Phó Chủ tịch Sản phẩm tại Fluency, là một nhà điều hành sản phẩm và công nghệ giàu kinh nghiệm, người đã dành nhiều thập kỷ phát triển các nền tảng quảng cáo kỹ thuật số, thị trường tự động, hệ thống dữ liệu và sản phẩm hướng đến người tiêu dùng. Trước khi gia nhập Fluency, ông đã giữ các vị trí lãnh đạo cấp cao tại Microsoft, Pandora, MediaMath, Yieldmo và BARK, nơi các trách nhiệm của ông bao gồm chiến lược công nghệ quảng cáo, truyền thông chương trình, quản lý sản phẩm, khoa học dữ liệu, kỹ thuật và hiện đại hóa nền tảng quy mô lớn. Picard cũng là một doanh nhân nối tiếp, người đã thành lập Bluestreak, Rare Crowds, Questori và các công ty công nghệ khác, với Bluestreak và Rare Crowds cuối cùng được mua lại. Sự nghiệp của ông đã bao gồm giúp kiến trúc một trao đổi quảng cáo đấu giá thời gian thực sớm, ra mắt sản phẩm quảng cáo âm thanh chương trình, phát triển công nghệ kiểm soát hàng tồn kho tự động và tư vấn cho các công ty về trí tuệ nhân tạo, chiến lược sản phẩm, chuyển đổi doanh nghiệp và sáp nhập và mua lại.

Fluency phát triển một Hệ thống Điều hành Quảng cáo Kỹ thuật số được thiết kế để giúp các cơ quan, thương hiệu và doanh nghiệp đa vị trí quản lý các chiến dịch truyền thông trả tiền trên tìm kiếm, xã hội, nền tảng chương trình, vườn tường và web mở. Nền tảng này tập trung dữ liệu, tài sản sáng tạo, hàng tồn kho, yêu cầu tuân thủ, đối tượng, chiến lược chiến dịch, báo cáo và công việc thực hiện, sử dụng tự động hóa và trí tuệ nhân tạo để giảm công việc vận hành lặp đi lặp lại và phối hợp các chiến dịch ở quy mô lớn. Fluency đang ngày càng tập trung vào quảng cáo đại lý, bao gồm cả các công việc được quản lý bởi AI có thể thực hiện và tối ưu hóa các chiến dịch trong khi duy trì các kiểm soát chiến lược và thương hiệu được xác định. Công ty cho biết công nghệ của họ hỗ trợ hơn 250.000 chiến dịch mỗi tháng và quản lý khoảng 3 tỷ đô la chi tiêu quảng cáo hàng năm.

Sự nghiệp của bạn đã trải qua nhiều giai đoạn cơ bản trong quảng cáo kỹ thuật số, từ việc thành lập Bluestreak và giúp thiết lập các tiêu chuẩn quảng cáo kỹ thuật số ban đầu đến việc đóng góp vào kiến trúc của một trong những trao đổi đấu giá thời gian thực đầu tiên. Làm thế nào những kinh nghiệm đó đã định hình cách tiếp cận của bạn trong việc xây dựng thế hệ tiếp theo của các hệ thống quảng cáo đại lý tại Fluency?

Tôi đã rất may mắn trong sự nghiệp của mình khi tìm thấy một lĩnh vực thú vị theo nhiều cách khác nhau với quảng cáo kỹ thuật số. Tôi đã được tham gia vào cơ chế tài trợ cho sự phát triển của Internet. Tôi đã có thể tham gia vào việc phát minh một số cơ chế cơ bản của cách thức quảng cáo kỹ thuật số hoạt động. Và các thách thức kỹ thuật trong lĩnh vực này tương đương với bất kỳ lĩnh vực nào trong phần mềm. Vì vậy, nó luôn thú vị.

Với Bluestreak, chúng tôi đã xây dựng một số định dạng quảng cáo đầu tiên, bao gồm cả quảng cáo video và âm thanh. Chúng tôi là những người đầu tiên thực hiện đa chạm thuộc tính, hệ thống quản lý thẻ và đa chạm trên tất cả các loại phương tiện truyền thông kỹ thuật số. Điều này đã dẫn đến việc chúng tôi được mời cùng viết tiêu chuẩn ấn tượng đầu tiên cùng với Hiệp hội Quảng cáo Tương tác (IAB) và Hội đồng Đánh giá Truyền thông (MRC).

Khi tôi đến Microsoft, công ty đã quyết định đầu tư vào công nghệ quảng cáo vì họ thấy rằng Google đang kiếm được nhiều tiền hơn trên mỗi bản sao của Windows so với Microsoft, tất cả đều nhờ vào quảng cáo kỹ thuật số. Họ đã cung cấp cho tôi một vai trò rất hấp dẫn, cơ hội để viết chiến lược toàn cầu về cách Microsoft nên tham gia vào không gian công nghệ quảng cáo.

Chúng tôi đã quyết định tham gia vào công nghệ quảng cáo một cách lớn, và tôi đã được giao nhiệm vụ xác định chiến lược xây dựng/mua/sáng tạo. Tôi đã thực hiện thẩm định về hơn 150 công ty, chúng tôi đã mua lại 7 công ty và đầu tư mạnh mẽ vào việc phát triển các đội ngũ nội bộ. Khi tôi đến, chúng tôi có khoảng 200 kỹ sư làm việc về công nghệ quảng cáo, và chúng tôi có khoảng 750 triệu đô la doanh thu truyền thông. Khi tôi rời đi, chúng tôi đã có 1.500 kỹ sư làm việc về công nghệ quảng cáo, và hơn 5 tỷ đô la doanh thu. Hiện nay, doanh thu từ quảng cáo tìm kiếm chiếm khoảng 15 tỷ đô la, nhưng vào thời điểm đó, đó là một con số ấn tượng.

Một trong những công ty tôi đã xem xét và chúng tôi đã mua lại là AdECN. Đây là công ty đầu tiên của Jeff Green, trước khi ông thành lập The Trade Desk. Chúng tôi đã xem xét việc mua lại Right Media, điều này đã giúp tôi biết Brian O’Kelley khá tốt, nhưng chúng tôi đã từ chối. Chúng tôi cảm thấy có cơ hội cho một cuộc đấu giá toàn cầu không đồng bộ cho phép nhiều nhà thầu bên ngoài kết nối với trao đổi. Vì vậy, chúng tôi đã mua lại AdECN và giúp họ xây dựng một đội ngũ kỹ sư vững mạnh để thực hiện tầm nhìn.

Khi AdECN sẵn sàng ra mắt trao đổi đấu giá thời gian thực đầu tiên, đã có một cuộc tranh luận về các phương pháp, và về cơ bản, nó không bao giờ thoát khỏi giai đoạn thử nghiệm beta.

Có hai kết quả từ điều này đã thay đổi toàn bộ hệ sinh thái công nghệ quảng cáo. Đầu tiên là Brian O’Kelley đã thành lập AppNexus sau khi rời Right Media, và khi rõ ràng rằng AdECN sẽ không bao giờ cất cánh, tôi đã đề xuất cơ hội hợp tác với AppNexus. Điều này đã dẫn đến một khoản đầu tư lớn vào công ty và một quan hệ đối tác mạnh mẽ, cuối cùng đã kết thúc với việc họ được Microsoft mua lại. Kết quả quan trọng thứ hai là Jeff Green đã rời Microsoft, đưa một số kỹ sư đã xây dựng trao đổi đấu giá thời gian thực tại AdECN và thành lập The Trade Desk.

Khi bạn nhìn vào giai đoạn đầu tiên của sự nghiệp tôi, từ 1997 đến 2010, nó đã gieo những hạt giống dài hạn mà bây giờ đã nảy mầm thành những kết quả thú vị. Tôi đã rời đi và tham gia vào các vai trò khác nhau, bao gồm cả công ty khởi nghiệp Rare Crowds, nơi chúng tôi đã phát minh ra Curation Chương trình. Tôi đã dành thời gian tại các công ty như Pandora, nơi chúng tôi có một doanh nghiệp quảng cáo âm thanh tuyệt vời, bao gồm cả trao đổi quảng cáo âm thanh lớn nhất, và Yieldmo, nơi chúng tôi đã xây dựng trao đổi quảng cáo tập trung vào quyền riêng tư đầu tiên. Trong thời gian đó, tôi đã có cơ hội tham gia vào ban giám đốc của IAB Techlab và được mời tham gia ủy ban điều hành của hội đồng. Và tôi đã tiếp tục làm việc về các tiêu chuẩn ngành trong suốt những năm qua.

Năm ngoái, Brian O’Kelley đã nhìn thấy cơ hội để xây dựng một tiêu chuẩn ngành cho Quảng cáo Đại lý, được gọi là AdCP, được quản lý bởi AgenticAdvertising.org. Brian và tôi đã thảo luận về những khoảng trống trong công việc đang được thực hiện, và tôi đã đề xuất viết thông số kỹ thuật đầu tiên cho Quản trị và Tuân thủ cho AdCP.

Một vài tháng sau khi tôi viết nó, tôi đã được Fluency liên hệ. Khi tôi bắt đầu tìm hiểu về những gì họ đã xây dựng, tôi đã rất ấn tượng. Về cơ bản, họ đã giải quyết mọi vấn đề tôi đã nêu ra trong thông số kỹ thuật. Họ đã thực hiện quảng cáo đại lý trong tám năm, lâu trước khi các mô hình ngôn ngữ lớn (LLM) sẵn sàng để “đại lý”.

Tôi đã thấy rằng cách tiếp cận quyết định của họ với các đại lý là chính xác những gì cần thiết để đáp ứng nhu cầu của các đại lý LLM, vốn vốn có tính xác suất. Cả hai phương pháp đều có điểm yếu, nhưng khi kết hợp lại, chúng giải quyết được vấn đề của quảng cáo đại lý.

Tầm nhìn của tôi tương thích với tầm nhìn của đội ngũ lãnh đạo Fluency, và tôi đã gia nhập để lãnh đạo Sản phẩm tại đây. Bây giờ chúng tôi đang chạy hết tốc lực hướng tới một thế giới nơi các đại lý có thể an toàn giao dịch trên quảng cáo với con người trong vòng lặp khi cần, và các đại lý LLM được cung cấp các rào cản quyết định để quản lý hành vi của chúng.

Tôi cảm thấy rất may mắn khi đã cưỡi được nhiều sóng lớn của sự thay đổi trong quảng cáo kỹ thuật số, từ việc thành lập Bluestreak và giúp thiết lập các tiêu chuẩn quảng cáo kỹ thuật số ban đầu đến việc đóng góp vào kiến trúc của một trong những trao đổi đấu giá thời gian thực đầu tiên. Đó đã là một cuộc hành trình thú vị, và tôi vẫn đang tận hưởng và hào hứng về các cơ hội trong lĩnh vực này.

Đấu giá thời gian thực đã trao cho phần mềm khả năng đưa ra quyết định tài chính trong vài mili giây. Những bài học nào từ sự phát triển của quảng cáo chương trình nên các nhà phát triển ngày nay xem xét khi trao cho các đại lý AI quyền tự chủ vận hành lớn hơn?

Trong quảng cáo chương trình, chúng tôi đã sử dụng Học máy, một hình thức của Trí tuệ nhân tạo, để xây dựng các động cơ quyết định có thể đưa ra hàng chục triệu quyết định mỗi giây. Điều này đòi hỏi một lượng sức mạnh tính toán khổng lồ, xử lý dữ liệu, cơ sở hạ tầng rộng lớn và trước khi có trí tuệ nhân tạo tạo sinh, tôi sẽ lập luận rằng đó là một trong những phát triển sâu sắc nhất trong tất cả các lĩnh vực tính toán.

Mặc dù có sức mạnh to lớn, nhưng cũng có những bất hiệu quả khổng lồ trong mô hình chương trình, và một hệ sinh thái phức tạp đang đốt cháy quá nhiều điện (và do đó tạo ra quá nhiều carbon) trên mỗi ấn tượng quảng cáo. Đừng hiểu lầm, tôi yêu thích không gian chương trình, và tôi ngưỡng mộ những gì chúng tôi đã tạo ra. Nhưng nó feels như chúng tôi đã xây dựng một cỗ máy phức tạp hơn nhiều so với lợi ích chúng tôi nhận được từ sự phức tạp đó.

Mặc dù những lập luận tương tự có thể được đưa ra cho Trí tuệ nhân tạo tạo sinh, nhưng những nơi các đại lý LLM cần sống trong hệ sinh thái là ở các giao diện, không phải ở trung tâm của mỗi giao dịch. Và bằng cách kết hợp LLM một cách khôn ngoan với các đại lý quyết định, chúng tôi có thể quản lý các giao dịch một cách hiệu quả hơn nhiều trong khi giảm độ phức tạp.

Có hai sáng kiến chính trong ngành, nhằm đưa các đại lý LLM vào công việc của các giao dịch. IAB TechLab đã khởi xướng sáng kiến Giao thức Quản lý Quảng cáo Đại lý (AAMP), cho phép các cơ chế để đưa LLM vào cơ sở hạ tầng RTB bằng cách đưa ra quyết định trước và lưu chúng vào các hệ thống thời gian thực của hệ sinh thái. Dự án AdCP tập trung vào những gì tôi coi là “tích hợp cấp tài khoản”. Nghĩa là tất cả công việc được thực hiện bởi con người trong quản lý chiến dịch và công việc sáng tạo cho quảng cáo có thể được tự động hóa. Trong khi AAMP rất có giá trị và thú vị, nó đang cải thiện một hệ thống hiện đại phức tạp. AdCP đang nhắm vào một vấn đề đã tồn tại từ đầu ngành, và đó là điều mà Fluency đã giải quyết trong tám năm. Vì vậy, chúng tôi đang tập trung sâu vào AdCP, nhưng chúng tôi sẽ sớm tham gia vào AAMP.

Fluency đã giải quyết hiệu quả vấn đề dặm cuối mà chưa được giải quyết trong không gian công nghệ quảng cáo: những bất hiệu quả khổng lồ trong việc tạo và quản lý các chiến dịch quảng cáo ở cấp tài khoản, chiến dịch và sáng tạo. Và tôi thực sự tin rằng công việc chúng tôi đang làm là một cơ hội sâu sắc cho quảng cáo, tương tự như những gì chúng tôi đã phát minh với RTB. Khi chúng tôi kết nối LLM vào các công việc đã được Fluency tự động hóa, chúng tôi đang tăng giá trị của toàn bộ hệ thống.

Fluency tách biệt lý lẽ xác suất của AI khỏi các hệ thống quyết định. Tại sao hiện tại vẫn còn rủi ro khi cho phép một mô hình ngôn ngữ lớn kiểm soát trực tiếp các ngân sách quảng cáo?

Tôi nghĩ đây là một vấn đề cơ bản mà các mô hình ngôn ngữ lớn (LLM) có thể sẽ luôn gặp phải. Các động cơ xác suất được thiết kế để đưa ra các câu trả lời khác nhau cho cùng một câu hỏi mỗi lần. Thậm chí khi chúng cực kỳ giỏi trong việc “nghĩ” và sáng tạo, chúng rất kém trong việc làm cùng một việc, cùng một cách, mỗi lần.

Hãy lấy việc tính toán như một ví dụ: LLM thực sự không thể thêm, bớt, nhân hoặc chia. Bây giờ, bạn có thể không nhận ra điều này, vì khi bạn hỏi Claude hoặc ChatGPT một câu hỏi đòi hỏi tính toán, chúng có thể đưa ra câu trả lời đúng. Nhưng điều mà hầu hết mọi người không biết là chúng thực hiện việc này bằng cách viết các kịch bản và thực thi mã để xử lý các tính toán. Đó là những gì chúng tôi đang nói về ở đây: giao điểm của một LLM xác suất hiểu rằng nó không thể làm toán, xây dựng một phần mềm quyết định nhất quán để thực hiện các tính toán nhằm giải quyết nhiệm vụ được yêu cầu.

Mặc dù LLM có thể “ma thuật” thực hiện toán học, tôi sẽ không bao giờ để LLM quản lý tài chính của tôi và đưa ra quyết định giao dịch chứng khoán cho tôi. Tôi sẽ không bao giờ để LLM làm thuế và nộp chúng mà không có bất kỳ sự xem xét nào. Thậm chí tôi sẽ không để LLM viết một email hoặc bài đăng blog mà không chỉnh sửa cẩn thận để đảm bảo mọi thứ đều đúng.

Khi chúng trở nên thông minh và giỏi hơn trong việc thực hiện, chúng có thể sẽ làm được những việc đó vào một thời điểm nào đó trong tương lai xa. Nhưng tôi đoán rằng chúng sẽ làm điều đó bằng cách viết phần mềm quyết định nhất quán của riêng chúng để xử lý các phần của vấn đề đòi hỏi nó.

Fluency đã có mặt từ ngày hôm nay – chúng tôi có các đường ống quyết định nhất quán để quản lý quảng cáo. Chúng tôi đang tích hợp LLM vào nền tảng này, sử dụng chúng cho những việc chúng giỏi. Và chúng tôi đang mở nền tảng của mình cho các đại lý bên ngoài để chúng có thể thực thi trên các đường ống của chúng tôi. Cuối cùng, tôi nhìn thấy điều này như xây dựng cổng vào hệ sinh thái quảng cáo, nơi một đại lý LLM có thể giao dịch trên bất kỳ nền tảng truyền thông nào bằng cách tích hợp ở một nơi. Nhưng chúng tôi vẫn còn xa so với kết quả lâu dài đó!

Làm thế nào lớp thực thi quyết định của Fluency đánh giá các khuyến nghị của một đại lý AI trước khi cho phép chúng ảnh hưởng đến một chiến dịch trực tiếp, và những loại quy tắc hoặc ràng buộc nào mà các nhà quảng cáo có thể thiết lập?

Chúng tôi cung cấp các cơ chế cho con người (hoặc LLM) để tạo ra các hướng dẫn quyết định nhất quán sẽ thực hiện theo cùng một cách mỗi lần trên các nền tảng quảng cáo. Đây là một vấn đề lớn cần được giải quyết trong mọi ngành. Đối với quảng cáo, công ty giải quyết vấn đề này là Fluency. Chúng tôi cho phép tạo ra các quy tắc kinh doanh và quy tắc suy luận cho bất kỳ hành động nào mà khách hàng của chúng tôi có thể thực hiện trên một nền tảng quảng cáo. Nếu có thể tạo ra logic IF/THEN cho một vấn đề, nền tảng của chúng tôi cho phép điều đó được mã hóa vào các quy tắc kinh doanh được tuân theo theo cùng một cách mỗi lần.

Điều này cực kỳ quan trọng để hiểu. Có rất nhiều quyết định con người đưa ra theo cùng một cách mỗi lần họ nhìn thấy một tình huống cụ thể. Điều này cho phép chúng tôi thực hiện các việc như mã hóa các quy tắc quản lý ngân sách, hoặc tạo ra các chiến dịch hoặc tài sản sáng tạo trong khi thực thi các quy tắc đặt tên, hoặc tự động khởi động và tắt các chiến dịch và tài sản sáng tạo dựa trên các kích hoạt trong các tập dữ liệu bên ngoài.

Ví dụ, một đại lý ô tô có thể nhận được một lô xe mới. Fluency có thể đọc hệ thống quản lý hàng tồn kho mà đại lý sử dụng và tự động tạo ra các chiến dịch và tài sản sáng tạo cho chính xác mẫu xe, thậm chí màu sắc và các thuộc tính cụ thể của từng xe, trong vài phút sau khi xe được đưa vào bãi. Và khi chiếc xe cuối cùng được bán, tự động tắt các chiến dịch đó.

Tất cả những điều này đều rất sâu sắc, vì các quyết định kinh doanh để thực hiện tất cả những việc này rất đơn giản khi xem xét từng cái một. Đó là vấn đề “chết bởi một nghìn vết cắt” trong việc quản lý quảng cáo ngày nay mà biến mất. Khách hàng của chúng tôi tìm thấy rằng điều này giải phóng các đội của họ khỏi việc dập lửa cả ngày để làm việc thực sự quan trọng để di chuyển kim cho khách hàng của họ.

Chiến lược quảng cáo và phát triển sáng tạo thường đòi hỏi sự thử nghiệm và phán đoán chủ quan. Làm thế nào các tổ chức có thể bảo tồn sự linh hoạt của trí tuệ nhân tạo tạo sinh trong khi đảm bảo rằng việc thực hiện chiến dịch vẫn có thể dự đoán và tuân thủ?

Mọi thứ chúng ta đã thảo luận cho đến bây giờ đã xây dựng khuôn khổ để trả lời điều này một cách đơn giản. Những thứ có thể được mã hóa vào các quy tắc kinh doanh được thiết lập đúng để thực hiện những quyết định dễ dàng theo cùng một cách mỗi lần. LLM có thể giúp phân tích và tạo mẫu, cũng như các hình thức AI khác như Học máy, đã có một lịch sử lâu dài trong công nghệ quảng cáo. Nhưng bí quyết thực sự là phải có các cơ chế để mở rộng và yêu cầu can thiệp của con người nếu vấn đề không có câu trả lời rõ ràng. Khách hàng của chúng tôi có thể điều chỉnh sự chấp nhận rủi ro của họ trên điều này, vì vậy nếu vấn đề có rủi ro thấp, họ có thể quyết định để máy đưa ra quyết định. Nhưng đối với những việc thực sự cần quyết định của con người, chúng tôi sẽ cảnh báo họ và cho phép họ nắm lấy tay lái.

Nền tảng của Fluency hoạt động trên các kênh quảng cáo tìm kiếm, xã hội và chương trình. Những thách thức kỹ thuật nào phát sinh khi một đại lý AI phải suy luận trên các nền tảng có cấu trúc dữ liệu, hệ thống tối ưu hóa và yêu cầu chính sách khác nhau?

Mỗi nền tảng quảng cáo có một tập hợp các phương pháp hay nhất và khả năng độc đáo. Các API là các đường ống cố định mà chúng tôi kết nối để điều khiển các nền tảng bên ngoài. Các API được ghi chép rất tốt, nhưng tài liệu đó thực sự là tập hợp các quy tắc về những gì có thể được thực hiện trên các nền tảng đó. Chúng không phải là hiện thân của các phương pháp hay nhất cho việc sử dụng cụ thể nền tảng đó.

LLM có thể tiêu hóa nhiều thông tin vào ngữ cảnh để các phương pháp hay nhất cho việc sử dụng từng nền tảng có thể được cung cấp thông qua chúng. Vì Fluency đang hoạt động trên nhiều nền tảng cho nhiều cơ quan và nhà quảng cáo, chúng tôi có thể mã hóa các phương pháp hay nhất của từng khách hàng (thay mặt họ) vào các hướng dẫn mà một LLM có thể tuân theo để thực hiện các phương pháp hay nhất khác nhau cho từng khách hàng. Khách hàng của chúng tôi đều có “cuốn sách chơi” riêng cho cách họ vận hành doanh nghiệp của mình, và Fluency cho phép họ mã hóa những cuốn sách chơi đó trong các quy tắc quyết định nhất quán khi có thể, và theo thời gian, chúng tôi sẽ cho phép họ mã hóa thành các tập lệnh cho các đại lý LLM khi điều đó có ý nghĩa.

Chúng tôi đang bắt đầu làm việc với khách hàng của mình về thế hệ phát triển tiếp theo này để mã hóa các kịch bản phức tạp hơn vào tài khoản của họ trên nền tảng của chúng tôi. Điều này vẫn còn rất sớm. Bất kỳ ai nói với bạn rằng họ đã giải quyết bất kỳ phần nào của điều này bằng LLM đều đang nói dối, vì mọi thứ vẫn còn rất sớm, và các mô hình đang phát triển rất nhanh, vì vậy không ai đã giải quyết được điều đó một cách đầy đủ. Nhưng chúng tôi đang ở vị trí rất tốt để làm việc với khách hàng của mình để giải quyết vấn đề này.

Điều gì nên là giám sát con người hiệu quả trong một môi trường quảng cáo đại lý? Những quyết định nào có thể trở nên tự động an toàn, và những quyết định nào nên tiếp tục đòi hỏi xem xét hoặc phê duyệt của con người?

Mỗi khách hàng có mức độ chấp nhận rủi ro khác nhau, và hầu hết trong số họ chưa bao giờ có một hệ thống có thể thể hiện điều đó. Trong Fluency, sự phán đoán mà một người quản lý chiến dịch giỏi áp dụng trong đầu được mã hóa một lần và sau đó được áp dụng giống hệt trên mọi tài khoản, mọi nền tảng, mọi lúc. Những tình huống không có câu trả lời rõ ràng sẽ tự động chuyển đến một người, cùng với ngữ cảnh họ cần để đưa ra quyết định.

Điều đó trông như thế nào trong thực tế thì khác nhau rất nhiều. Chúng tôi đang chạy một số lượng lớn các quy tắc khác nhau cho khách hàng của mình ngày hôm nay, giúp họ mã hóa các quyết định của con người không thay đổi, và đẩy đến một người khi câu trả lời không rõ ràng.

Những quyết định nào có thể trở nên tự động an toàn phụ thuộc vào khách hàng, và tôi không nghĩ một câu trả lời chung chung có giá trị. Nền tảng phải thực thi ranh giới ở bất cứ nơi nào khách hàng vẽ nó, và cho phép họ di chuyển nó khi sự tự tin của họ tăng lên.

Khi các đại lý thực hiện nhiều quyết định chiến dịch, làm thế nào các nền tảng nên ghi lại lý do, dữ liệu và quy tắc đằng sau mỗi hành động để các nhà quảng cáo có thể kiểm toán hiệu suất, điều tra sai sót và chứng minh tuân thủ?

Một trong những giá trị cốt lõi mà Fluency cung cấp là chúng tôi tuân thủ SOC2 và hoàn toàn có thể kiểm toán. Các thay đổi được ghi lại trên toàn hệ thống. Tôi đã từng là CPTO của một công ty niêm yết công khai, và tôi đã từng chịu trách nhiệm về tuân thủ trước đây, vì vậy tôi biết điều này có thể phức tạp như thế nào. Đó là một lý do khác tại sao tôi rất hào hứng khi gia nhập Fluency, vì mọi khía cạnh của những gì chúng tôi làm đều hoàn toàn có thể kiểm toán. Chúng tôi cũng duy trì nhật ký thay đổi cho mọi thay đổi được thực hiện trong hệ thống, được ghi lại đối với người dùng hoặc đại lý đã khởi xướng nó.

Có một lớp thứ hai quan trọng. Vì các quy tắc kinh doanh được mã hóa trong phần mềm, quy tắc là chính là thông số kỹ thuật. Không có sự trôi dạt giữa tài liệu và hành vi, điều mà các cuộc kiểm toán thường bị phá vỡ. Và trong một thế giới được LLM kích hoạt, logic mã hóa đó có thể được kết xuất lại thành ngôn ngữ kinh doanh đơn giản theo yêu cầu, vì vậy người thực hiện kiểm toán không cần phải đọc mã để hiểu hệ thống được chỉ đạo làm gì.

Đối với một cơ quan hoặc thương hiệu bắt đầu áp dụng quảng cáo đại lý, những luồng công việc nào cung cấp điểm khởi đầu tốt nhất, và bằng chứng nào tổ chức nên yêu cầu trước khi mở rộng thẩm quyền của một đại lý?

Từ quan điểm của Fluency, quảng cáo đại lý là lãnh thổ đã được đi qua. Chúng tôi đã thực hiện quảng cáo đại lý trong tám năm. Chúng tôi có hàng trăm cơ quan và thương hiệu sử dụng nền tảng của chúng tôi để thực hiện quảng cáo đại lý ngày hôm nay, và trong không gian đa vị trí, điều đó là trên hàng chục nghìn vị trí.

Chúng tôi tự động hóa phần lớn những gì con người làm lặp đi lặp lại trong việc thiết lập và quản lý các chiến dịch, trên tìm kiếm, xã hội và chương trình, vì vậy không có luồng công việc nào tạo ra một điểm khởi đầu tốt hơn hoặc kém hơn. Điểm khởi đầu tốt nhất là kênh mà khách hàng của chúng tôi tìm thấy tốn nhiều công sức nhất.

LLM đang giúp chúng tôi tăng tốc quá trình trên boong cho khách hàng của mình, vì như bạn có thể tưởng tượng, việc mã hóa các quy tắc kinh doanh của khách hàng là tương tự như việc thực hiện một triển khai CRM, được đo bằng tháng. Chúng tôi đang xây dựng các công cụ sử dụng LLM để giúp xây dựng các tập quy tắc và viết các kịch bản tự động hóa. Điều này sẽ làm cho quá trình trên boong trở nên nhanh hơn và giảm độ phức tạp cho khách hàng của chúng tôi.

Quảng cáo là một lĩnh vực thử nghiệm sớm cho các hệ thống tự động quản lý tiền thật ở quy mô lớn. Những bài học nào từ ngành này có thể áp dụng cho các dịch vụ tài chính, chăm sóc sức khỏe, mua sắm doanh nghiệp hoặc các lĩnh vực được quản lý khác áp dụng các đại lý AI?

Quảng cáo đã là nơi thử nghiệm cho các hệ thống tự động chi tiêu tiền thật trong 20 năm. Chương trình đã dạy ngành cách để cho phần mềm cam kết hàng tỷ đô la mỗi ngày mà không cần sự phê duyệt của con người cho từng giao dịch. Hầu hết các cuộc trò chuyện hiện tại về AI đại lý đang diễn ra ở quy mô mà quảng cáo đã rời bỏ từ lâu.

Fluency có hơn 3 tỷ đô la chi tiêu hàng năm đang chạy qua nền tảng của chúng tôi, trên hàng trăm cơ quan và thương hiệu, và trong không gian đa vị trí, điều đó đạt đến hàng chục nghìn vị trí. Hầu hết các cuộc trò chuyện về quảng cáo đại lý hiện tại đang nói về các ngân sách thử nghiệm và một số tài khoản.

Điều gì chuyển sang các lĩnh vực khác là kiến trúc. Bạn tách các hệ thống ra quyết định khỏi các hệ thống thực thi. Lớp quyết định có thể là xác suất, vì phán đoán có lợi từ sự linh hoạt và sáng tạo. Lớp thực thi phải là quyết định, vì việc di chuyển tiền không phải là nơi bạn muốn có sự thay đổi. Mỗi hành động được ghi lại đối với người dùng hoặc đại lý đã khởi xướng nó, điều này cung cấp một đường mòn kiểm toán có thể đứng trước một nhà quản lý.

Yêu cầu này giống hệt trong các dịch vụ tài chính, trong các yêu cầu về bảo hiểm y tế, trong mua sắm doanh nghiệp. Thiết kế chúng tôi xây dựng cho quảng cáo là thiết kế đúng: Toàn bộ khả năng kiểm toán với nhật ký thay đổi trên mọi sửa đổi là điều bắt buộc. Tôi đặc biệt quan tâm đến việc phán đoán không phải của con người trong việc phê duyệt các thủ tục y tế và phê duyệt các yêu cầu bảo hiểm. Tôi không nghĩ LLM đã sẵn sàng, và tôi có những ví dụ cá nhân trong cuộc sống của mình về các hệ thống tự động đưa ra quyết định rất tồi trong việc phê duyệt hoặc từ chối các yêu cầu bảo hiểm.

Tôi kỳ vọng rằng mẫu mà quảng cáo thiết lập sẽ trở thành mẫu mà các lĩnh vực khác áp dụng. Chúng tôi đã có một lợi thế 20 năm trong việc giải quyết vấn đề của máy móc chi tiêu tiền thật hàng trăm triệu lần mỗi giây. Cách tiếp cận của Fluency mở rộng từ giao dịch đến công việc, và tôi tin rằng cách tiếp cận của chúng tôi cũng sẽ là người chiến thắng. Cảm ơn vì cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm nên truy cập Fluency.