Möt Amjad, chef för tillämpad vetenskap för Sponsored Products och Brands

När Amjad började på Amazon Ads år 2019 som huvudansvarig tillämpad forskare hade han fått ett antal erbjudanden från framstående teknikföretag. Att han valde Amazon Ads berodde på de tydliga möjligheter han såg till att snabbt kunna vara med och påverka. Sedan dess har han gått vidare från rollen som individuell bidragsgivare till rollen som ledare. Först tog han fram ett team av ingenjörer och forskare och sedan arbetade han som chef på avdelningen för Sponsored Products och Brands.

Jag började på Amazon Ads år 2019 som huvudansvarig tillämpad forskare. Jag såg tydliga möjligheter till att kunna bidra från dag ett och kunna göra stor skillnad, vilket var det som intresserade mig mest. Med tanke på min bakgrund och var Ads befann sig vid tidpunkten förstod jag att min expertis skulle vara till nytta direkt. Jag började på företaget med målet att förbättra relevansen för de sponsrade produkter som visades i Amazons sökresultat, vilket var ett viktigt område för Amazon Ads vid den här tiden. Under mina fem år på Amazon har jag också bidragit till många andra områden, som semantisk hämtning, affinitetsmodellering, mätning av sökupplevelsen och nu senast konversationsshopping.

Vi använder oss av något som vi kallar ”kundcentrerad vetenskap.” Amazons strategi för att arbeta baklänges innebär att vi utgår från specifika kundproblem och arbetar på att lösa dem istället för att bedriva ren forskning som kanske inte påverkar kunderna. Våra team är vanligtvis tvärfunktionella och kombinerar produkt-, ingenjörs- och forskningsexpertis, vilket möjliggör bättre samarbeten och snabbare implementering av lösningar.

Till att börja med finns det en otrolig variation av problem som kräver olika typer av vetenskaplig expertis. Det finns forskare som arbetar med informationshämtning, bearbetning av naturligt språk, bildförståelse, generativ AI, spelteori, auktionsmekanismer och optimering. AI-revolutionen har medfört aldrig tidigare skådade möjligheter till att göra annonserna verkligt användbara genom bättre kontextualisering och förklaring. Om man tänker på det så var annonsering tidigare som en annonstavla med begränsad text, men nu med AI kan vi verkligen förklara varför det är värt det för kunden att överväga en sponsrad rekommendation.

En annan unik aspekt är hur vi hanterar de här utmaningarna i en produktionsmiljö. Att bygga AI-applikationer är en sak, men att få dem att fungera i stor skala med verkliga företagsbegränsningar för kostnad och latens skapar fascinerande vetenskapliga problem. Alla våra forskare har tillgång till omfattande AWS-resurser och AWS-verktyg, så de hindras inte av tekniska begränsningar och detta är till stor hjälp när man arbetar med utmanande problem.

Tempot är högt och det kan vara utmanande men man har mycket stöd och forskare kan bygga upp ett starkt nätverk av kolleger. Forskarna är utspridda i hela Amazon, så vi har ett centraliserat Amazon Science-program som har som uppgift att stötta hela vetenskapsgemenskapen. Det erbjuder möjligheter som mentorskap, workshops, seminarier som hålls av viktiga personer inom Amazon och det bredare vetenskapliga samfundet, och stöd för publikationer.

Amazon Science organiserar också interna konferenser, som Amazon Machine Learning Conference (AMLC). Konkurrensen är hård om att delta på AMLC och bara runt 20 % lyckas. Konferensen gör det möjligt för forskare inom hela Amazon att hålla sig uppdaterade om det senaste inom olika AI-områden, att nätverka med kollegor utanför det närmaste teamet och att inleda samarbeten. Det är fantastiskt att se forskare arbeta med forskningsprojekt på Amazons olika divisioner.

Karriärutvecklingen sker på flera nivåer. Det finns ett formellt mentorprogram där nya forskare kan få kontakt med erfarna mentorer i olika team. Forskare kan dela med sig av sitt arbete i olika stadier i interna forum och få feedback från idé till distribution. Och jag tycker att det är särskilt värdefullt att de har direktåtkomst till ledare som kan delta i detaljerade tekniska diskussioner om deras arbete.

Vi uppmuntrar även aktivt forskare till att bygga egna externa profiler utanför Amazon genom att delta i konferenser och i programkommittéer. Vi har också dedikerade team som fokuserar på att representera Amazon vid viktiga konferenser, vilket skapar möjligheter för forskarna att interagera med det bredare vetenskapliga samfundet.

Vår kultur för att författa dokument stämmer väl överens med det vetenskapliga tänkandet. Alla från ingenjörer till produktchefer skriver olika arbeten vars innehåll baseras på data och exempel. Vi har också betydande tolerans för iteration och experiment. Vi förstår att utmanande problem kräver flera lösningsförsök och det värderas lika högt att lära sig något av misslyckade experiment som av framgångsrika.

Vi tänker inte bara på annonsering som ett sätt att generera intäkter utan vi sätter kunden först och fokuserar på att skapa ett värde, vilket ligger i linje med Amazons övergripande strategi. Vi ser annonsering som ett verktyg för upptäckter för både kunder och annonsörer. Forskarna arbetar på alla aspekter av utmaningen och detta inkluderar att bestämma vilka annonser som ska visas och när, samt att samarbeta kring presentationen med de som designar användarupplevelsen. Det handlar om att hjälpa till att göra annonsering riktigt användbart, snarare än påträngande.

Vi finns i mer än 20 länder och i olika regioner och kulturer. Forskarna kan se sitt arbete lanseras på flera olika marknader, från Brasilien till Singapore, och påverka hundratals miljoner människor över hela världen. Denna globala skala ger unika möjligheter att lösa komplexa problem i olika sammanhang. Arbetet sker i en anmärkningsvärd skala, vilket är mycket spännande.