Adam Field, Chief AI Officer bij Tungsten Automation – Interview Serie

Adam Field, Chief AI Officer bij Tungsten Automation, is een ervaren leider in enterprise technologie met diepgaande expertise in kunstmatige intelligentie, intelligente automatisering en productstrategie. In zijn huidige rol leidt hij de wereldwijde AI-transformatie-inspanningen van het bedrijf, waarbij hij de integratie van AI in het productportfolio van Tungsten begeleidt, de Tungsten AI Lab leidt en governancekaders opzet voor verantwoorde AI-adoptie. Voordat hij Chief AI Officer werd, was hij Chief Product Officer, waar hij een portfolio beheerde dat meer dan 550 miljoen dollar aan jaarlijkse omzet genereerde. Voordat hij bij Tungsten kwam, werkte Field bijna 17 jaar bij Pegasystems, waar hij innovatie- en klantervaringinitiatieven leidde, hielp bij het vormgeven van de strategie voor opkomende technologie en bekend werd met het leveren van grote productdemonstraties en enterprise-innovatieprogramma’s. Eerder in zijn carrière bekleedde hij technische en consultancyrollen bij Staples, Publicis Sapient en Fidelity Investments.

Tungsten Automation, voorheen bekend als Kofax, is een bedrijf in enterprise software dat zich richt op AI-gebaseerde workflowautomatisering, intelligente documentverwerking, robotische procesautomatisering (RPA) en bedrijfsprocesorchestratie. Het bedrijf biedt automatiseringsgereedschappen aan die door organisaties in verschillende branches worden gebruikt, zoals financiën, gezondheidszorg, verzekeringen en overheid, om documentintensieve operaties te stroomlijnen en de efficiëntie te verbeteren. Het platform combineert AI, low-code-automatisering en documentintelligentietechnologie om bedrijven te helpen repetitive taken te automatiseren, inzichten te verkrijgen uit ongestructureerde gegevens en bedrijfsprocessen op grote schaal te moderniseren.

U hebt jarenlang productstrategie en innovatie geleid, waaronder het opzetten van innovatielabs en het opschalen van een productportfolio van meer dan 500 miljoen dollar, voordat u de rol van Chief AI Officer bij Tungsten Automation op zich nam. Wat heeft u ervan overtuigd dat nu het moment was om volledig over te stappen op AI-leiderschap, en hoe heeft uw eerdere ervaring die beslissing gevormd?

Ik heb een groot deel van mijn carrière gewijd aan het omzetten van nieuwe technologieën in iets dat daadwerkelijk werkt op grote schaal in enterprise-omgevingen. In de afgelopen jaren werd het duidelijk dat AI niet zomaar een andere functionaliteit is die in producten kan worden geïntegreerd. Het verandert de manier waarop software wordt gebouwd en hoe beslissingen worden genomen in het bedrijf, en het lijkt alles wat eraan voorafging te overschaduwen en te verstoren. Deze verschuiving van experimenten naar echte verwachtingen van resultaten, in combinatie met het feit dat AI hier om te blijven is, maakte het de juiste tijd om volledig over te stappen op een AI-leiderschapsrol.

Het werd ook duidelijk dat AI niet de panacee was waarvoor veel het aanprezen. AI-succes vereist mensen die technische expertise en branche-kennis combineren. Tungsten wil bedrijven helpen om AI op de juiste manier te doen en echte rendementen te behalen, en dat is waarom Tungsten de AI-afdeling heeft opgericht en mijn rol daarin.

Tungsten is geëvolueerd vanaf vroege documentcapture en OCR naar een volledig intelligent automatiseringsplatform dat missie-kritieke workflows aandrijft voor duizenden organisaties. Hoe ziet u dat erfgoed de aanpak van agentic AI vandaag vormgeven?

Tungstens geschiedenis is diep verbonden met hoe enterprise-omgevingen daadwerkelijk opereren. We hebben decennia lang gewerkt met documenten en workflows die centraal staan in kritieke bedrijfsprocessen. Dat betekent dat we begrijpen hoe complex en vaak ongestructureerd die informatie kan zijn.

Die basis is heel relevant voor agentic AI. Deze systemen moeten opereren in echte omgevingen, niet alleen informatie interpreteren in isolatie. Onze achtergrond in documentintelligentie stelt ons in staat om ons te concentreren op context en ervoor te zorgen dat AI op een manier handelt die consistent is met hoe het bedrijf werkt. Het gaat erom systemen te bouwen die in productie kunnen worden vertrouwd, niet alleen in theorie.

Daarom is deze laatste AI-evolutie zo spannend. Het brengt Intelligent Document Processing naar plaatsen waar we het nooit eerder konden brengen — het oplossen van problemen die te duur of onmogelijk waren om in het verleden aan te pakken.

U hebt benadrukt dat AI moet worden geïntegreerd in het hele productportfolio, in plaats van het als een afzonderlijke functionaliteit te behandelen. Wat ziet “AI-natief” transformatie eruit in een groot, gevestigd softwareplatform?

Het werd vroeg duidelijk dat generatieve- en agentic AI-gebaseerde functionaliteiten snel tot een vereiste werden, wat betekent dat klanten niet altijd bereid waren om extra te betalen voor hen. We realiseerden ons ook dat deze technologieën ons in staat stelden om te moderniseren wat Tungsten al jaren deed: bedrijven helpen om hun documentgegevens te begrijpen.

We hebben onze belofte niet veranderd. We hebben geen eenmalige producten of losse functionaliteiten gemaakt. We hebben de manier waarop het product wordt gebruikt, herzien, en wanneer die basis is gelegd, kan AI op een manier opereren die natuurlijk aanvoelt binnen het product, in plaats van los daarvan. En de use cases die onze klanten begonnen aan te pakken, verplaatsten zich van gestructureerde documenten naar ongestructureerde informatiebronnen. En we hebben het concept “document” opnieuw gedefinieerd. Een document is niet langer een afbeelding van papier of een digitaal bestand. Ongestructureerde gegevens leven in dingen zoals claimsaanpassersnotities, contactcentergesprekstranscripties, socialemediaberichten, webartikelen en veel meer.

Deze aanpak stelt onze klanten in staat om de basis te versterken en open modellen te combineren met hun eigen gegevens, wat de echte differentiator is.

Als de eerste Chief AI Officer van het bedrijf, hoe balanceert u innovatiesnelheid met de behoefte aan governance, beveiliging en verantwoorde AI-implementatie op grote schaal?

Er is altijd een drang om snel te bewegen met AI, maar in enterprise-omgevingen telt vertrouwen evenveel als snelheid. Governance en beveiliging kunnen niet als een afterthought worden behandeld. Ze moeten vanaf het begin in het systeem worden ingebouwd.

De manier waarop we dit doen, is door verwachtingen van tevoren te stellen door onze eindgebruikers te onderwijzen. Bijvoorbeeld, de helft van mijn rol is gericht op interne AI-strategie, evangelisatie en governance. We hebben een cross-functioneel adviesraad vroeg samengesteld. We moedigen delen, experimenteren en communiceren aan. Er waren tijden waarop de technologie klaar was om naar alle medewerkers te worden uitgerold die waren aangesloten op verschillende interne systemen. De prototypes waren krachtig en iedereen kreeg enthousiasme, maar we lieten onze adviesraad weten wanneer we potentieel beveiligings- of regelgevingshobbels tegenkwamen. Ze waarderen de inzichten en nemen vaak deel aan de oplossing.

Ik denk dat het ook belangrijk is om niet toe te staan dat perfectie de vooruitgang in de weg staat. We stellen de verwachting met ons personeel dat ze verandering moeten verwachten, en veel verandering. Ze moeten verwachten dat we gereedschappen en functionaliteiten zullen uitrollen zodra ze klaar zijn, feedback zullen ontvangen, de koers zullen veranderen als dat nodig is, en dan nog meer zullen uitrollen.

Agentic AI wordt snel een belangrijke focus in de industrie. Wat onderscheidt, naar uw mening, echte enterprise-grade agentic-systemen van experimentele of overgehypete implementaties?

Het belangrijkste verschil is hoe systemen presteren in echte omstandigheden. Veel experimentele benaderingen werken goed in gecontroleerde omgevingen, maar worstelen wanneer ze ongestructureerde gegevens of complexe workflows tegenkomen. Enterprise-grade systemen moeten in staat zijn om met die variabiliteit om te gaan en toch consistente resultaten te leveren.

De meeste systemen die de afgelopen 30 jaar zijn gebouwd, waren gericht op menselijke interactie of via zeer gecontroleerde API-toegang. Systeemintegratie moet opnieuw worden bedacht in de agentic-era. Alles, van hoe uitzonderingen, fouten en auditing worden afgehandeld, is anders wanneer agenten in plaats van een mens via een traditionele UI communiceren.

Een andere belangrijke factor is verantwoordelijkheid. Organisaties moeten begrijpen hoe beslissingen worden genomen en de uitkomsten kunnen vertrouwen. Dat niveau van transparantie is wat agentic-systemen in staat stelt om van interessante demonstraties naar echte operationele gebruik over te gaan.

U leidt de Tungsten AI Lab als een hub voor onderzoek en toegepaste innovatie. Hoe zorgt u ervoor dat experimenteel AI-werk vertaalt naar meetbare bedrijfsresultaten voor klanten?

Ik nam eigenlijk een tegenovergestelde benadering met de Tungsten AI Lab. Ik liet het team weten dat het okay was om te experimenteren, te leren en nieuwe benaderingen te proberen, zelfs als de resultaten nooit in onze producten terechtkwamen. Vaak is het beter om te leren wat niet te doen. Ik geloof dat dit hen de vrijheid heeft gegeven om vrij te denken en nieuwe manieren van doen te experimenteren.

Als voorbeeld, terwijl ik de exacte functionaliteit niet kan onthullen, omvat een van onze huidige onderzoeksprints een geheel nieuwe benadering van een bestaand productonderdeel. De onderzoekers vonden nieuwe methoden om een probleem op te lossen, wat leidde tot een “lichtbulb”-moment dat we mogelijk een complete nieuwe add-on-oplossing voor onze klanten kunnen bieden. Als we alleen onderzochten hoe we wat al in de roadmap stond, zouden we nooit hier zijn gekomen.

Dat gezegd hebbende, is het niet een vrije val. We zijn zorgvuldig over waar we tijd en middelen aan besteden.

Veel organisaties worstelen nog steeds om van AI-pilots naar productie over te gaan. Wat zijn de grootste barrières die u ziet, en hoe kunnen bedrijven deze overwinnen?

Een van de grootste barrières is donkere gegevens. De meeste organisaties hebben toegang tot enorme hoeveelheden informatie, maar een groot deel daarvan leeft in documenten, e-mails, PDF’s en andere ongestructureerde formaten die moeilijk voor AI-systemen zijn om te interpreteren. Dat betekent dat zelfs goed ontworpen modellen vaak werken met een onvolledig en inconsistent beeld van het bedrijf, wat leidt tot onbetrouwbare uitvoer en gestrande initiatieven.

Om daar voorbij te komen, moeten bedrijven zich richten op het omzetten van donkere gegevens in iets bruikbaars. Dat omvat niet alleen het extraheren van informatie, maar ook het creëren van structuur, context en governance eromheen, zodat AI-systemen er daadwerkelijk op kunnen handelen met vertrouwen. Zodra die basis is gelegd, wordt AI veel betrouwbaarder en gemakkelijker om op te schalen van geïsoleerde pilots naar echte productieomgevingen.

Tungsten werkt in branches met zware documenten en workflow-intensieve industrieën. Hoe verandert AI de manier waarop bedrijven denken over ongestructureerde gegevens en besluitvorming?

AI verandert de manier waarop organisaties denken over de waarde van de informatie die ze al hebben. Jarenlang zat een grote hoeveelheid enterprise-kennis in documenten, e-mails, PDF’s en andere ongestructureerde inhoud die moeilijk toegankelijk of operationeel was. Nu realiseren organisaties zich dat deze gegevens de context en bedrijfslogica bevatten die AI-systemen nodig hebben om betrouwbare resultaten te produceren. De modellen zelf zijn commodity; de combinatie van organisaties’ eigen informatie met deze modellen is de differentiator.

Tegelijkertijd is er een groeiend bewustzijn over gegevenseigendom, governance en waar enterprise-informatie naartoe stroomt. Veel bedrijven racen om meer externe gegevens binnen te halen of experimenteren met brede modeltoegang, wanneer ze in werkelijkheid al zitten op enorme hoeveelheden ongebruikte intelligentie binnen hun eigen organisatie. De focus verschuift naar het activeren van die interne ongestructureerde gegevens op een beveiligde en gereguleerde manier, zodat AI betere beslissingen kan ondersteunen zonder onnodig risico te creëren.

U hebt klantadviesraden opgericht en heeft nauw samengewerkt met enterprise-klanten gedurende uw carrière. Hoe belangrijk is klantfeedback in het vormgeven van AI-strategie, vooral wanneer de technologie zo snel evolueert?

Klantfeedback is een geschenk, vooral in een ruimte die zo snel beweegt als AI. Het helpt ervoor zorgen dat de strategie geworteld blijft in echte bedrijfsbehoeften, in plaats van theoretische mogelijkheden.

Het helpt ook bij prioritering. Er zijn veel richtingen waarin AI kan gaan, maar klantinput biedt duidelijkheid over waar de grootste waarde kan worden gecreëerd. Dat houdt de focus op resultaten die ertoe doen en zorgt ervoor dat innovatie blijft aansluiten bij hoe organisaties daadwerkelijk opereren.

Ik herinner me in de vroege dagen van gen AI, een klant op onze adviesraad die me vertelde dat, hoewel ze de productrichting leuk vond, ze nooit extra zou betalen voor een nieuwe LLM-gebaseerde functionaliteit in onze roadmap. Dat was openbaring, omdat ze in overeenstemming was met de rest van de industrie.

Kijkend naar de toekomst, waar ziet u de grootste kans voor AI-gebaseerde automatisering in de komende 3 tot 5 jaar, en waar moeten bedrijven zich nu op voorbereiden?

De grootste kans ligt in het dieper verbinden van AI met eind-tot-eind-workflows. In plaats van te focussen op geïsoleerde taken, zullen organisaties kijken naar hoe AI hele processen kan ondersteunen en verbeteren hoe werk door het bedrijf stroomt. Op dit moment zijn veel agentic-systemen gericht op discrete taken, maar bedrijven opereren op compliant eind-tot-eind-processen.

Om zich voor te bereiden op die verschuiving, moeten bedrijven investeren in hun gegevensfundamenten en in systemen die transparantie en controle ondersteunen. En ze moeten nadenken over “build vs. partner” in plaats van “build vs. buy”. We hebben gezien dat AI-DIY van scratch te vaak faalt. De organisaties die het meest profiteren, zullen degene zijn die de juiste AI-gebaseerde partners vinden om hun oplossingen te versnellen, in plaats van alles van scratch opnieuw op te bouwen.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Tungsten Automation bezoeken.