尼克·希夫坦，Bazaarvoice 首席技术官 – 采访系列

尼克·希夫坦，Bazaarvoice 首席技术官，是一位经验丰富的技术领导者和企业家，他的职业生涯跨越了二十年，专注于构建和扩展企业软件和电子商务平台。他最著名的身份是Curalate 的联合创始人和首席技术官，这是一家开创性的社交电子商务公司，他在近十年内帮助公司的年收入增长到2000万美元以上，之后被Bazaarvoice 于2020年收购。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Windows Mobile 版本的Outlook Mobile 的开发。收购后，最初预计的短暂过渡期变成了长期角色，因为他继续扩大公司的规模，最后被任命为首席技术官，专注于开发基于信任和真实消费者数据的AI驱动产品发现。

Bazaarvoice 是一家领先的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网络中分发可信内容做出明智的购买决定，强调在线体验中的透明度、可信度和数据驱动的电子商务。

您如何应用生成式AI 和LLM技术来加强评论的真实性、审核和信任信号，而不损害性能，特别是在高负载的情况下？

我们使用AI 来识别信号和模式，而不是取代人类的判断。LLM 有助于快速识别异常活动或潜在的不真实内容，但我们的目标始终是保持信任。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的情况下也能保持性能。结果是智能且可扩展的审核和真实性检查。

许多零售商大量投资于结账可靠性，但经常忽视维护可信任评论生态系统的复杂性。您认为哪些评论和评分基础设施中的隐藏风险值得像支付系统一样受到战略审查？

评分和评论一直是决策关键的基础设施，尤其是在AI 支持的购物世界中。AI 代理将大量依赖信任信号，尤其是评分和评论，以做出购物建议。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以同样的严谨性对待它们是避免转化率损失和长期信任侵蚀的必要条件。

作为多个主要电子商务平台的工程领导者，您如何在AI 系统（如情感分析或欺诈检测模型）直接位于实时数据路径时适应可观察性和事件响应策略？

我们将AI 模型视为任何其他关键服务一样：实时监测其性能和准确性，包括延迟、错误率和行为偏移。我们实施了故障安全机制，以便在负载下模型可以优雅地降级或绕过非关键路径。仪表盘、自动警报和运行手册确保AI 问题被及时发现和解决，以免影响购物者。

在Bazaarvoice 的全球规模运营中，您如何确保消费者生成的内容通过您的AI 驱动系统流动，以保持可审计性、透明度和实时响应？

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，但所有决策都被记录、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，您认为哪些新兴的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“是否会发生AI 购物”，而是当它发生时购物者体验将如何改变。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？

前沿模型可能知道您产品的所有信息。但真正的问题是：它们是否能提供与您今天相同的客户体验？如果答案是“否”，那么仅仅等待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的一部分的入口点。

感谢这次精彩的采访，希望了解更多的读者可以访问Bazaarvoice。