Aron England, Chief Product & Technology Officer bij Accruent – Interview Serie

Aron England, Chief Product en Technology Officer bij Accruent, is een ervaren technologie- en productleider die bekend staat om het opbouwen en schalen van wereldwijde teams die SaaS- en agentic-oplossingen leveren vanaf vroeg onderzoek tot hooggroei, klantgerichte producten. Hij combineert diepe expertise over consumentenmarkten, B2B SaaS, e-commerce en commerciële technologie met sterke leiderschap over mensen, waarbij hij innovatie paart met een scherp begrip van klantproblemen om duurzame product-marktfit en meetbare bedrijfsresultaten te stimuleren, inclusief groei door overnames en IP-gedreven strategie.

Accruent biedt software die organisaties helpt om de fysieke kant van hun bedrijf efficiënter te runnen, door tools voor faciliteiten, assets, ruimte en werkplekoperaties samen te brengen in één verbonden systeem. Het platform is ontworpen om fragmentatie te verminderen, zichtbaarheid en besluitvorming te verbeteren en teams te helpen bij het plannen, onderhouden en optimaliseren van gebouwen en apparatuur in een breed scala aan industrieën.

U hebt meer dan 25 jaar hoogpresterende wereldwijde teams opgebouwd en geleid. Kijkend naar startups, grote ondernemingen en nu Accruent, wat is de meest cruciale ervaring die uw denkwijze over het opbouwen van betrouwbare technologie op grote schaal heeft gevormd?

Door tijd te besteden bij Fortune 50-bedrijven en te werken in technologie-leiderschap bij vroeg-stadium-startups, middelgrote en grotere openbare en particuliere bedrijven, heb ik een brede ervaring opgedaan met het bevorderen van digitale transformatie-adoptie in verschillende industrieën. Het meest opvallend was ik medewerker nummer negen bij DocuSign (DOCU ) en we richtten ons op een markt die een echte zee-verandering nodig had. Het doorvoeren van de analoge contractindustrie via een totale digitale transformatie vereiste niet alleen het opbouwen van marktvertrouwen, maar ook wetgeving om de verschuiving veilig te maken. Er zijn veel lessen die ik daar heb geleerd en die kunnen worden toegepast op de huidige markt voor LLM’s en AI-hulpmiddelen.

Op hoog niveau is het patroon over mijn ervaring consistent gebleven: betrouwbare systemen ontstaan niet per ongeluk. Ze komen voort uit intentionele architectuur, gegevensconsistentie, transparantie en een diep begrip van hoe echte mensen technologie gebruiken.

U hebt gewaarschuwd dat tegen 2026 technici geen AI-systemen meer zullen accepteren die alleen “vertrouw me” zeggen. Vanuit uw positie bij Accruent, wat drijft deze verschuiving in verwachtingen onder frontline- en field-service-professionals?

In omgevingen waarin faciliteitsmanagers en technici AI gebruiken om apparatuurfalen te diagnosticeren en complexe reparaties te leiden, kan een misstap van een valse of onnauwkeurige aanbeveling grote bedrijfs- en veiligheidsrisico’s veroorzaken.

Veelal creëren LLM’s gemengde antwoorden uit meerdere pagina’s, zonder terug te verwijzen naar de onderliggende bewijsstukken. Als gevolg hiervan kan een organisatie bij een AI-gegenereerde stap die nooit direct in de OEM-handleiding bestond, te maken krijgen met een grote compliance-terugslag, aangezien ze geen verdedigbare bewijsketen voor audits of veiligheidsbeoordelingen zullen hebben. Naarmate AI meer “onzichtbaar” wordt in software, zal de belangrijkheid van traceerbaarheid toenemen.

AI-hallucinaties kunnen meer zijn dan een ongemak in gereguleerde industrieën — ze kunnen echte veiligheids-, compliance- en operationele risico’s creëren. Wat zijn de hallucinatie-scenario’s die u het meest zorgen baren met betrekking tot onderhoud, faciliteitsbeheer of asset-operaties?

In de fabricage kan een AI-gegenereerde suggestie die een fabrieksarbeider vertelt de verkeerde actie te ondernemen op een kritisch onderdeel, leiden tot ongeplande downtime, verspilde materialen, defecte eindproducten of beschadigde machines. Dit kan miljoenen dollars aan fouten betekenen terwijl productielijnen stil staan of zelfs reputatieschade als het later leidt tot terugroepacties.

Deze hallucinaties van AI-hulpmiddelen zijn ook bijzonder schadelijk voor industrieën zoals de gezondheidszorg, waarbij aansprakelijkheden en de levens van patiënten op het spel staan wanneer er een machinefout optreedt die niet op tijd is onderhouden of gerepareerd. Wanneer u te maken heeft met industrieën die interactie hebben met de echte wereld, is het niet zo eenvoudig om fouten te herstellen door alleen maar op “verwijderen” te drukken en opnieuw te beginnen.

U hebt benadrukt dat elke AI-uitvoer moet verwijzen naar de oorspronkelijke bronnen — handleidingen, gegevenstabellen, diagrammen, historische logbestanden. Hoe ontwerpt Accruent systemen die traceerbaarheid garanderen en “black box”-antwoorden elimineren?

We garanderen dat AI-aanbevelingen kunnen worden getraceerd naar betekenisvolle uitvoerpunten in de bronmateriaal, zoals de specifieke handleidingpagina, diagram, gegevenstabel of logboekingang die de suggestie heeft geïnformeerd. Als voorbeeld, als de AI-aanbevelingen een faciliteitsmanager in de gezondheidszorg vertellen hoe een compressor moet worden onderhouden, zouden ze in staat moeten zijn om terug te traceren naar het exacte artikel dat die stap ondersteunt in één klik, om nauwkeurigheid te garanderen. Om de groeiende vertrouwenskloof in de huidige enterprise AI te sluiten, is het belangrijk dat deze systemen ook in staat zijn om te onthullen welke punten of pagina’s daadwerkelijk zijn geëvalueerd, zodat gebruikers weten of de AI alle relevante documenten heeft beoordeeld of alleen een subset.

Veel enterprise AI-hulpmiddelen prioriteren snelheid, maar gereguleerde omgevingen vereisen audit-trails, documentatie-accuratesse en verifieerbare redenering. Hoe balanceert u innovatie met de behoefte aan transparantie en compliance?

AI integreren in bestaande workflows is de sleutel. Dit vereenvoudigt het proces van het toevoegen van goedkeuringen, documentatie, onderhoudsroutine’s en compliance-controles om bekende praktijken te versterken, in plaats van een geïsoleerd nieuw hulpmiddel te implementeren. Dit betekent het vermijden van een complete herziening van operaties en het toelaten van werknemers om op de gebruikelijke manier te blijven werken, maar met handmatige, tijdrovende processen die geautomatiseerd worden.

Technici in het veld vertrouwen op precieze instructies. Hoe benadert Accruent de uitdaging van het baseren van AI-uitvoer op autoritatieve bronmateriaal om risico’s te verminderen en het vertrouwen van technici te verbeteren?

Onze aanpak begint met het vastleggen en organiseren van handleidingen, diagrammen, tekeningen, leases en historische werkorders om ervoor te zorgen dat AI antwoorden geeft op basis van het specifieke inhoud van een bedrijf, in plaats van generieke trainingsgegevens. Wanneer procedures, aanbevelingen of controlelijsten worden gegenereerd, zijn onze systemen ontworpen om ervoor te zorgen dat elke stap traceerbaar is naar de oorspronkelijke documentatie.

Zonder deze functie zouden technici, die al onder druk staan vanwege de beperkte middelen, nog meer tijd moeten besteden aan het handmatig doorzoeken van documenten om de nauwkeurigheid te verifiëren, waardoor processen en werkorders verder worden vertraagd.

Het leveren van transparante, audit-klaar AI vereist grote hoeveelheden gestructureerde gegevens. Welke gegevensuitdagingen — van ongestructureerde legacy-documenten tot inconsistente asset-geschiedenissen — moeten worden opgelost om deze visie te realiseren?

Het leveren van audit-klaar AI begint met betrouwbare en goed georganiseerde gegevens. Echter, de meeste gebouwde omgevingen leven nog steeds in analoge processen, met handmatige gegevensinvoer, gescande PDF’s en gesiloede spreadsheets. Wanneer er gaten in gegevens en asset-geschiedenissen zijn die onvolledig of inconsistent zijn, neemt het risico op AI-hallucinaties toe. Om AI-uitvoer betrouwbaar te maken in gereguleerde omgevingen, moeten bedrijven eerst legacy-gegevensbeperkingen oplossen, van ongestructureerde formaten tot inconsistente geschiedenissen, tot gebrek aan governance, door te migreren naar gestructureerde, versiebeheerde, centrale document- en asset-gegevenssystemen.

Ons EDMS (Engineering Document Management System) kan dat doen voor meerdere industrieën, waaronder mijnbouw, nutsbedrijven, fabricage en meer. Deze industrieën vertrouwen vaak op fysieke technische tekeningen en documentatie, wat versiebeheer-nachtmerries kan creëren. Het gebruik van onze EDMS-oplossing om deze documenten te digitaliseren is de eerste stap. Vanaf daar helpt de software bij het beheren van versiebeheer, workflow-governance en audit-trails om inconsistenties te elimineren.

Naarmate AI wordt geïntegreerd in onderhoud, faciliteiten en asset-levenscyclusbeheer, waar ziet u de grootste kansen om productiviteit te verbeteren zonder veiligheid of regelgevingsvereisten te compromitteren?

Een van de grootste kansen is het automatiseren van saaie, niet-waarde- toevoegende taken voor werknemers, zoals handmatige gegevensinvoer en het plannen van werkorders voor technici. Van buitenaf lijkt het misschien een relatief eenvoudige, maar tijdrovende taak. Echter, AI kan deze taak strategischer benaderen.

Ten eerste, als de apparatuur in kwestie wordt gemonitord met sensoren, kan een werkorder worden geactiveerd op basis van anomaliedetectie, voordat er een echte storing optreedt. Ten tweede kan AI helpen bij het automatisch prioriteren van werkorders op basis van urgentie en het plannen van reparaties op tijdstippen die het minste verstoring veroorzaken voor een bedrijf – het kan ook meerdere gelijktijdige problemen, kosten, veiligheid en omzet tegelijkertijd wegen voor de beste mogelijke route naar voren.

AI heeft het potentieel om niet alleen “ondersteuning” te bieden aan onderhouds- en faciliteitsteams – het zal steeds vaker optreden als een digitale operator.

Vertrouwen wordt de nieuwe standaard voor enterprise AI. Wat denkt u dat leveranciers anders moeten doen in de komende twee jaar om dat vertrouwen te verdienen — en te behouden?

Leveranciers moeten stoppen met de veronderstelling dat klanten eenvoudigweg “het model” zullen vertrouwen als het gaat om enterprise AI. Aanbevelingen van AI moeten bewijs leveren van hoe ze zijn gegenereerd. Een manier om dit aan te pakken is in de vorm van citaten en duidelijke beschrijvingen van welke documenten de AI wel en niet heeft bekeken. Als een werknemer bijvoorbeeld vraagt aan AI om 1.000 leases te analyseren, zou hij expliciet moeten weten of het alle 1.000 leases heeft geëvalueerd of alleen 700, en waarom of waarom niet.

Als onderdeel hiervan moet de belangrijkste factor die leveranciers moeten prioriteren transparantie zijn in gegevensgebruik. Dat omvat duidelijkheid over wie de gegevens ziet, hoe ze worden gebruikt (inclusief eventuele trainingsimplicaties), en hoe ze worden gescheiden of geïsoleerd van andere klantomgevingen.

In de komende twee jaar zal het verdienen van vertrouwen van cruciaal belang zijn, en leveranciers kunnen de overhand krijgen door expliciet te zijn over de beperkingen van AI-hulpmiddelen, mensen te houden in de lus voor hoge-risicobeslissingen, en te beginnen met smalle, goed-afgebakende use-cases die tastbare waarde leveren zonder klanten in een “black box”-situatie te plaatsen.

Kijkend naar de toekomst, hoe ziet u AI evolueren binnen mission-critical operaties, en welke rol verwacht u dat Accruent zal spelen bij het vaststellen van industrienormen voor betrouwbare, transparante AI?

AI in mission-critical operaties evolueert snel van geïsoleerde enkele taakautomatiseringen naar intelligente, multi-agent systemen die hele workflows kunnen coördineren en optimaliseren. In plaats van alleen gebruikers te ondersteunen, zal AI autonome besluitondersteuning bieden, continue operationele condities monitoren, risico’s voorspellen en acties aanbevelen met volledige transparantie en traceerbaarheid. Naarmate AI leert om ongestructureerde documenten, gestructureerde operationele gegevens en real-time signalen te combineren, zal het rechtstreeks in dagelijkse processen worden geïntegreerd, waardoor snellere, veiligere en betrouwbaardere resultaten worden gegenereerd.

Na verloop van tijd zal dit een verschuiving mogelijk maken naar autonome operaties, waarin systemen zichzelf kunnen optimaliseren en corrigeren, terwijl mensen zich richten op toezicht en strategische besluitvorming. Als marktleider zal Accruent helpen bij het vaststellen van industrienormen voor betrouwbare en transparante AI door auditability, explainability, and strong governance into its platform and by collaborating with customers, partners, and regulatory bodies to define best practices for safe deployment in mission-critical environments. Thank you for the great interview, readers who wish to learn more should visit Accruent.