Nick Shiftan, Bazaarvoice 的 CTO – 采访系列

Nick Shiftan, Bazaarvoice 的 CTO，是一位具有两十年经验的资深技术领导者和企业家，他的职业生涯跨越了建设和扩展企业软件和商务平台。 他最为人所知的是作为 Curalate 的联合创始人和 CTO，这是一家开创性的社交商务公司，他在近十年内帮助公司发展到年收入超过 2000 万美元，之后在 2020 年被 Bazaarvoice 收购。 在他的职业生涯早期，他创立并领导了 Parkio 的产品开发，提供交通和停车系统的企业软件，并在微软开始了他的职业生涯，在那里他曾参与过 Outlook Mobile for Windows Mobile 的开发。 收购后，最初预计的短暂过渡期演变成了长期角色，因为他继续在规模上建设，最后被任命为 CTO，他的重点是推进基于信任和真实消费者数据的 AI 驱动的产品发现。

Bazaarvoice 是一家行业领先的 SaaS 平台，允许品牌和零售商收集、管理和激活真实的用户生成内容，例如评分、评论、照片和视频，涵盖整个数字购物旅程。 作为全球规模运营的公司，它每月帮助超过 10 亿购物者通过在品牌和零售目的地的庞大网络中共享可信内容做出明智的购买决定，将透明度、可信度和数据驱动的商务置于在线体验的中心。

你如何应用生成式 AI 和基于 LLM 的技术来加强评论的真实性、审核和信任信号，而不损害在重负载下的性能？

我们使用 AI 来表面信号和模式，而不是取代人类的判断。 LLM 有助于快速标记异常活动或潜在的不真实内容，但目标始终是保留信任。 通过将这些模型集成到离线验证管道中，并将它们与实时请求路径解耦，我们即使在提交量激增时也能保持性能。 结果是既智能又可扩展的审核和真实性检查。

许多零售商在结账可靠性上投入了大量资金，但往往忽视维护可信的评论生态系统的复杂性。 你认为哪些隐藏的风险在评论和评分基础设施中应该像支付一样受到战略审查？

评分和评论一直是决定关键的基础设施，这在 AI 支持的购物世界中尤其如此。 AI 代理将大量依赖信任信号——尤其是评分和评论——来进行购物推荐。 延迟、缺失数据或明显的不真实性将直接影响消费者信心。 这些系统是复杂的；像对待结账系统一样对待它们是避免转换损失和长期信任侵蚀的必要条件。

在领导了多个主要商务平台的工程之后，你如何适应观察性和事件响应策略，当 AI 系统——例如情感分析或欺诈检测模型——直接位于实时数据路径中？

我们将 AI 模型视为任何其他关键服务：实时监测其性能和准确性。 这包括延迟、错误率和行为漂移。 我们实施故障保护措施，以便在负载下模型可以优雅地降级或绕过非关键路径。 仪表板、自动警报和运行手册确保 AI 问题被发现和解决之前不会影响购物者。

在 Bazaarvoice 的全球规模上运行时，你如何确保消费者生成的内容以维持审计性、透明度和实时响应性的方式流经你的 AI 驱动系统？

这归结为端到端的可观察性和管道分段。 每个内容片段都被跟踪其整个生命周期，从摄取到显示。 AI 模型提供推荐或审核标志，但所有决定都被记录、可审计和可追溯。 结合容量缓冲区和动态扩展，这确保了即使在峰值负载下也能保持响应性，同时保持透明度。

展望未来，你认为哪些新兴的 AI 驱动风险或行为模式将定义下一代零售系统设计，IT 领导者应该如何现在为它们做准备？

对我来说，零售 IT 领导者的关键问题不是 AI 购物是否会发生——而是当它发生时，购物者旅程将如何改变。 如果 AI 购物明天变得像今天的在线购物一样普遍：

• 客户将在哪里发现我的产品，在我的网站上还是通过 ChatGPT？
• 他们将如何了解我的产品，是通过 Claude 还是我的购物助手？
• 他们将如何结账，是在我的结账页面上还是直接通过 AI 接口？

边疆模型很可能知道您所有的产品信息。 但真正的问题是：它们是否会提供与您今天相同的客户体验？ 如果答案是没有，那么等待 AI 驱动的订单出现是不够的。 您需要投资 AI 助手和使它们成为您品牌独特购物体验入口点。

感谢这次精彩的采访，希望了解更多的读者可以访问 Bazaarvoice。