Hiperpersonalização usando marketing baseado em IA

Jake Burns:
Então, você poderia começar nos contando um pouco sobre a pilha de tecnologia que está utilizando? Isso porque, no momento, estou conversando com muitos clientes que querem começar a usar IA e a IA generativa, é claro, e muitos deles não sabem por onde começar. Então, que conselho você daria para eles?

Vijay Chittoor:
Acho que o primeiro, especificamente em nossa área, quando pensamos sobre a natureza da IA, é que tudo começa quando temos uma grande quantidade de dados. No nosso caso, os dados giram em torno de dados primários dos consumidores, que são organizados por marca. Basicamente, cada um de nossos clientes tem um grande repositório de dados, que eles podem ou não estar acompanhando historicamente, e na Blueshift, facilitamos o início dessa jornada de unificação de dados que, na sua experiência você já deve ter percebido, é uma das principais etapas para avançar em direção à IA. Acho que o primeiro passo é realmente ter esses dados ricos bem organizados, ser capaz de capturá-los em tempo real e unificá-los. Mas, em segundo lugar, acho que o conselho que deve ser dado a todos que estão iniciando essa jornada de IA é realmente pensar primeiro no cliente final.

E no nosso caso, quando pensamos no cliente, será que realmente pensamos em como a IA pode ser usada para oferecer interações personalizadas ao consumidor final? E para nós, grande parte disso significa pensar na IA do cliente. E quando você pensa na IA do cliente, trata-se realmente de pegar os dados desse cliente, os dados primários que mencionamos, para entender quem ele é, o que ele precisa, quando e onde ele precisa, para ter interações melhores. Então, quando você pensa no marketing tradicional, que geralmente é muito manual, não impulsionado pela IA, você começa a tomar decisões talvez simples sobre a quem direcionar determinada campanha, quais ofertas mostrar, quando entrar em contato com o cliente e em qual canal ou onde interagir com ele. E se você pensar sobre os aplicativos em um mundo que não envolve IA, quando toma essas decisões manualmente, você está simplificando demais, agrupando vários clientes e tentando dizer, para todo esse segmento, que vamos apenas direcioná-los com esta única oferta.

Mas a realidade é que as pessoas, os consumidores finais, são indivíduos únicos e precisam responder a isso de formas diferentes. E o que a IA faz muito bem é que, mesmo quando o lado humano do mercado está descansando, ela é capaz de tomar essa decisão no nível de um cliente individual e tomar milhões dessas decisões em conjunto. E eu acho que esse é o tipo de mecanismo de decisão, e esse é o tipo de poder de decisão, o poder de personalização que a IA oferece. Então, ao aconselhar as pessoas sobre como entrar nessa jornada de IA, comece organizando esses dados, em segundo lugar, priorize o cliente, pense nos casos de uso, e depois aproveite a vantagem do poder de tomar decisões em grande escala da IA, personalizar para um indivíduo e transformar a experiência do cliente final tendo em mente esses elementos.

Jake Burns:
Com certeza. Sim, esse é um ponto importante. Na verdade, trata-se de personalizar a experiência. Como um processo manual, seria muito trabalhoso para qualquer humano fazer isso, mesmo que estivesse trabalhando 24 horas, certo?

Vijay Chittoor:
É exatamente isso. Pois é.

Jake Burns:
Mas com a IA, possivelmente, ela também acerta com mais frequência, porque está extraindo mais para mais pontos de dados diferentes.

Vijay Chittoor:
É exatamente isso. E eu creio que você tocou em algo importante. Você está pensando na jornada do cliente final. E se pensar bem, muitas pessoas têm falado sobre como as jornadas dos clientes se tornaram muito mais complexas no mundo digital de hoje, onde surgiram tantos pontos de contato diferentes. E nesse emaranhado, devido a essa complexidade, existem milhões de permutações da jornada do cliente. Então, de certa forma, creio que o problema de engajamento do cliente de hoje é, na verdade, estimular a jornada autodirigida de cada cliente, porque cada cliente está automaticamente em uma jornada com a marca. Como você reconhece a jornada em que cada indivíduo se encontra? Como você pode ser útil para eles nesse momento e fazer isso em grande escala? Na verdade, é aí que entra a IA para ajudar a todos. Então, quando trabalhamos com profissionais de marketing, eles são muito bons em contar histórias. Mas hoje, o desafio é como você pega o cerne da história e a individualiza em todas essas diferentes jornadas autoprojetadas. E é aí que eu penso que os profissionais de marketing podem ter uma boa parceria com a IA. E essa tem sido uma parceria muito poderosa.

Jake Burns:
Isso parece incrível. Deixe-me perguntar: qual é o papel dos humanos em tudo isso?

Vijay Chittoor:
Acho que os humanos são o principal elemento criativo por trás de tudo isso. Há também os fatores estratégicos por trás de tudo isso. Então, de certa forma, acho que quando penso em muita tecnologia de automação, com a primeira onda da tecnologia de automação, as pessoas passaram a ter mais dificuldade em ser estratégicas e criativas porque grande parte dessa automação era condicional. Sendo assim, surgiu esse tipo de automação baseada em regras.

E, muitas vezes, os profissionais de marketing e outros departamentos da empresa acabavam simplesmente apertando muitos botões, e isso eliminava a criatividade e o pensamento estratégico de suas funções. Eu imagino uma nova forma de IA, que está realmente impulsionando a automação real, em que você não precisa ficar sentado pressionando esse ou aquele tipo de botão, mas está na verdade sendo mais desafiado e capacitado a oferecer o valor estratégico e a criatividade. Agora você pode realmente pensar nas histórias que deseja contar aos seus clientes finais e usar a tecnologia como assistente para entregá-las em grande escala, sem se preocupar em lutar contra sua tecnologia de alguma forma. Nesse sentido, a IA liberou o potencial de muitos humanos e estamos muito entusiasmados com isso.

Jake Burns:
Então, essa é mais uma relação de cocriador do que substituir completamente o humano.

Vijay Chittoor:
É exatamente isso. E na analogia do cocriador, de certa forma, às vezes falamos sobre a ideia de que todo mundo se torna um revisor e, em um sentido literal, as pessoas que agora estão escrevendo conseguem obter os primeiros rascunhos rapidamente e passam mais tempo revisando. Mas em um nível mais estratégico, você começa a pensar no trabalho dos humanos. Eu imagino cada um em todas as funções de todos os departamentos; a empresa está sendo elevada a esse nível de revisão, mas não precisa; eles farão menos trabalho árduo de talvez criar os rascunhos iniciais e a escrita inicial.

Jake Burns:
Menos desse trabalho indiferenciado e mais personalização e uma espécie de retoque final.

Vijay Chittoor:
É exatamente isso.

Jake Burns:
Pois é. Então, vamos falar sobre o conjunto de habilidades necessárias para criar uma empresa como essa, porque a maioria das empresas com as quais trabalho quer trabalhar com IA, mas essa é uma habilidade muito difícil de recrutar porque é muito difícil recrutar cientistas de dados e qualquer pessoa na área de IA hoje em dia. Eles são muito valiosos. Qual tem sido sua abordagem para recrutar e reter esse talento em sua organização?

Vijay Chittoor:
Essa é uma ótima pergunta. Acho que parte disso é recrutar corretamente, mas parte também é estabelecer a cultura certa. Então, quando pensamos no recrutamento, acho que tivemos a sorte de ter talentos de IA na empresa desde o primeiro dia. Meu cofundador Manyam atua como nosso diretor de IA e ele fez um trabalho muito impressionante que remonta aos dias em que a IA não era tanto uma palavra da moda. Então, acho ótimo começar com alguém assim e construir uma espécie de alicerce da equipe da maneira correta. Depois, definitivamente, é muito importante procurar o conjunto de habilidades e o talento certo, mas também acho que a cultura é importante. Portanto, você precisa definir a estrutura certa para toda a empresa, não apenas para os engenheiros de machine learning e IA, mas para toda a empresa, para poder aproveitar essas tecnologias e levá-las aos clientes e torná-los bem-sucedidos.

Então, quando pensamos em cultura, falamos sobre cinco valores culturais fundamentais na Blueshift. Esses cinco valores, quando pegamos a primeira letra, formam a palavra “MORPH”. Então, o primeiro M significa cometer novos erros (Mistakes). E isso é um pouco surpreendente, pois por que você pediria a alguém que cometesse erros? Mas a parte principal é cometer novos erros, o que significa aprender rapidamente, ser capaz de experimentar coisas, mas também ter essa cultura de aprendizado constante e um elemento de curiosidade e aprendizado. Então, começamos assim porque acho que isso é muito importante, especialmente com novas tecnologias, como a IA. Em segundo lugar, falamos sobre a obsessão com o sucesso do cliente. Esse é o O em MORPH. E, novamente, acho que quando você pensa em tecnologia, para que ela seja realmente valiosa, você realmente precisa ter o cliente final em mente.

Novamente, obcecados com isso, sejam nossas equipes de tecnologia ou até mesmo nossa equipe de marketing, vendas e sucesso do cliente, todo mundo está meio obcecado com o sucesso desse cliente. R (Raise) significa elevar o nível. Por isso, nos desafiamos a ser a melhor versão de nós mesmos e a pensar verdadeiramente sobre qual é a melhor inovação que podemos oferecer aos nossos clientes. Então, isso é sobre elevar o nível. O quarto, P (Play) é para jogar em equipe. Portanto, para garantir o sucesso de nossos clientes, precisamos atuar como uma equipe em toda a empresa, começando com as pessoas que estão desenvolvendo até as equipes voltadas para a linha de frente e assim por diante. Por fim, o último, H (Have fun) é para se divertir, sério. Isso é apenas reconhecer que todo esse trabalho será difícil, mas criaremos uma cultura em que seja agradável para que todos venham trabalhar e se divirtam construindo isso, aproveitando a viagem além de olhar para o destino.

Jake Burns:
Você mencionou antes, acho que foi no M, que cometer erros pode parecer assustador para algumas pessoas. Como garantir a redução do custo do fracasso para que esses erros não sejam catastróficos?

Vijay Chittoor:
Sim, acho que isso é absolutamente fundamental. Quando falamos sobre cometer erros, falamos sobre cometer novos erros e é muito mais uma ênfase na cultura de aprendizado dentro da empresa. Mas, da mesma forma, estamos falando sobre obsessão pelo sucesso de nossos clientes. Atendemos muitos casos de uso para clientes que são essenciais. E, novamente, como estamos baseados nessa ideia de obsessão pelo sucesso de nossos clientes, você precisa levar muito, muito a sério qualquer coisa que seja essencial. E essa não é a área em que você deseja cometer erros.

Mas equilibrar essa inovação, o que pode acontecer nos bastidores à medida que desenvolvemos, e depois assumir o produto final desenvolvido de uma forma que realmente alcance o nível de obsessão pelo sucesso do cliente. Essas são as duas coisas pelas quais temos que nos esforçar. E, falando nisso, acho ótimo fazer parcerias com empresas fantásticas como a Amazon, porque confiamos na Amazon para grande parte de nossa infraestrutura. Ela precisa ser confiável, precisa estar funcionando bem, precisa ter baixa latência, tudo isso. E acho que essa é a mentalidade que adotamos quando pensamos em entregar produtos aos nossos clientes e ficar obcecados com o sucesso deles.

Quando você está criando protótipos das coisas, quando está construindo coisas internamente, você quer que os erros sejam cometidos o mais rápido possível. Você quer ter uma cultura em que todos queiram experimentar, mas também uma cultura que conheça a época em que não é certo cometer erros e que esteja muito fundamentada na noção de buscar obsessão pelo sucesso do cliente e garantir que estamos levando nossa responsabilidade com o cliente final muito, muito a sério.

Jake Burns:
Houve desafios ao longo do caminho? E se sim, como você os superou?

Vijay Chittoor:
Essa é uma ótima pergunta. Acho que, à medida que estamos levando algumas dessas tecnologias inovadoras ao mercado, surgiram alguns desafios interessantes ao longo do tempo, que agora abordamos especificamente em torno da IA. O primeiro que eu diria é realmente sobre tornar a IA confiável e explicável, porque ela está sendo implantada em situações corporativas. E nossos clientes querem garantir que a experiência que estão oferecendo ao consumidor final seja consistente com sua marca e seja uma interação suave e personalizada de valor agregado. Quando você diz à empresa que a IA está tomando todas essas decisões, como convencer a equipe de experiência do cliente, a equipe de marketing, de que a IA está tomando as decisões certas porque eles não seriam capazes de auditar cada uma delas manualmente, porque isso quase anularia o propósito. Na verdade, acho que muitas das maneiras pelas quais tentamos resolver esse desafio, e temos tido muito sucesso nisso agora, são tornar a IA explicável em vários níveis.

Portanto, como garantir que um profissional de marketing não técnico, por exemplo, possa entrar na plataforma Blueshift e entender os efeitos da IA antes que ela seja implantada? E para entender isso, você criará uma interface de usuário em que alguém que simplesmente não siga totalmente todos os diferentes parâmetros da IA ainda possa entender o suficiente sobre isso, entendendo se o modelo em si é de alta confiança, entendendo a natureza dos dados usados para a própria modelagem, os recursos que foram extraídos e usados. Talvez analisando interfaces de usuário que expliquem como essa IA pode ter tomado uma decisão para um cliente hipotético em um determinado segmento, por exemplo. E acho que incorporar tudo isso na interface de usuário de nossos aplicativos tem sido fundamental para podermos implantar essa IA com confiança. E isso é algo que eu recomendo que todos que estão levando tecnologias de IA para o mercado pensem a respeito: onde você quer que os humanos possam colaborar com essa IA. E para que eles colaborem com sucesso, eles precisam que a IA seja explicável, intuitiva e interpretável.

Jake Burns:
Em outras palavras, a IA dará uma resposta, mas precisa explicar como chegou a essa resposta.

Vijay Chittoor:
Em grande parte, sim, ou essa resposta deve parecer tão intuitiva que parece correta, e deve haver evidências suficientes de que, sem analisar milhões de decisões, você deve ser capaz de se convencer de que ela ainda está fazendo as coisas certas para o cliente final.

Jake Burns:
Então, uma das coisas que todo mundo quer saber é o que o futuro reserva, certo? Quero dizer, ninguém tem uma bola de cristal, mas se você pudesse saber o que acontece dois ou três anos no futuro, como você vê a IA e, talvez mais especificamente, a IA generativa moldando isso em termos de experiência do cliente?

Vijay Chittoor:
Essa é uma ótima pergunta. Quando analisamos a primeira onda de IA generativa nos últimos meses, ouvimos muito sobre IA generativa e todo mundo está falando que ela está conquistando o mundo inteiro. Acho que muitos dos casos de uso iniciais da IA generativa foram sobre a criação de conteúdo e mais e mais variações e a capacidade de reduzir a complexidade e o tempo para criar conteúdo novo. Se você pensar no mundo da experiência do cliente, que você abordou, historicamente, para equipes que estão tentando oferecer experiência ao cliente, existe um grande gargalo de conteúdo para produzir o conteúdo certo para personalizar toda e qualquer interação. Se você pensa em milhões de interações personalizadas, como criar milhões de conteúdos? Então, de certa forma, a primeira coisa que a IA generativa fez foi eliminar ou pelo menos reduzir o gargalo na criação de conteúdo em muitas variações do mesmo conteúdo.

Mas o próximo passo é, na verdade, combinar essa IA generativa com o que chamamos de IA do cliente, para oferecer uma verdadeira personalização. Então, o que a IA do cliente faria seria realmente prever o que cada indivíduo quer ou qual variação de conteúdo poderia agradar a todo e qualquer indivíduo. E o que a IA generativa poderia fazer seria realmente criar todo esse conteúdo em tempo real ou quase em tempo real e ser capaz de disponibilizá-lo. Alguns exemplos simples disso podem ser aceitar uma promoção que uma marca envia por SMS e a cópia ser diferente para cada cliente. Isso pode ser informado não apenas por sentimento e coisas desse tipo, que são fáceis de manipular pela IA generativa, mas também pela IA do cliente, que realmente entende em qual oferta o cliente está interessado. E quando você reúne esses dois elementos, achamos que isso, de algumas maneiras, desbloqueará o próximo nível do Santo Graal da personalização. Por isso, estamos muito entusiasmados com o futuro em que a IA generativa e a IA do cliente se unam para oferecer excelentes experiências aos clientes.

Jake Burns:
Você daria algum conselho às pessoas que estão por aí, que talvez estejam no início de sua jornada de IA, da parte de alguém que já está nisso há algum tempo? Temos muitas pessoas que estão começando agora mesmo. Quais são algumas das principais coisas que você recomendaria que eles considerassem?

Vijay Chittoor:
Se você pensar bem, há muito potencial latente nas empresas. Há muito conhecimento latente, há muitos dados latentes que poderiam ser usados para agregar valor aos consumidores finais. Como você desbloqueia o valor de tudo isso? Acho que, tradicionalmente, as marcas começaram com esforços motivados pelo ser humano. Em seguida, elas fizeram um pouco de transformação digital para usar tecnologia para começar a revelar o valor.

Mas, na verdade, com a IA, todos na empresa agora estão habilitados a realmente oferecer esse valor transformador aos clientes finais. E se você começar a pensar a partir dessa perspectiva, começará a pensar em como refaria toda a sua estratégia, seus processos; se tivesse que criar tudo que é IA primeiro, parte disso precisaria que os processos fossem reinventados.

Jake Burns:
Pois é. Você mencionou algo, acho que você se referiu à democratização dessa tecnologia, certo? Entregá-la nas mãos de todas as pessoas da sua organização ou de mais pessoas na sua organização. Além disso, o que entendo disso é pegar os dados que você já tem, que provavelmente não estão sendo usados, e usar essa tecnologia para desvendar os insights desses dados.

Vijay Chittoor:
É exatamente isso. Sim, você está certíssimo. A democratização. Porque essa tecnologia está se tornando madura a ponto de usuários não técnicos poderem utilizá-la. E à medida que isso acontece em grande escala em muitas empresas, simplesmente gera um enorme valor corporativo. Logo, a chave para a escalabilidade será pensar em como isso pode ser o maior impulsionador do seu crescimento, colocando essa tecnologia nas mãos de equipes voltadas para o cliente, nas mãos de muitas outras funções não técnicas em sua empresa.