Arun Hiremath, Chief Business Officer en mede-oprichter van EvoluteIQ – Interviewreeks

Arun Hiremath, Chief Business Officer en mede-oprichter van EvoluteIQ, is een technologie-executive en ondernemer met bijna drie decennia ervaring in enterprise-automatisering, productstrategie, businessontwikkeling en telecommunicatie. Bij EvoluteIQ is hij verantwoordelijk voor het stimuleren van omzetgroei en het versterken van klantrelaties, met name via het eiq360-bedrijf van het bedrijf. Voordat hij bij EvoluteIQ kwam, was Hiremath mede-oprichter en leidde hij de low-code-platformprovider AmperAXP, die in 2021 in EvoluteIQ werd geïntegreerd. Zijn eerdere carrière omvatte senior productmanagementposities bij Qualcomm (QCOM ) , Ikanos Communications, Conexant Systems en Globespan, evenals verantwoordelijkheid voor Azië-Pacifische businessontwikkeling bij Tata Elxsi (TATAELXSI.BO ) .

EvoluteIQ is een ondernemingssoftwarebedrijf dat een AI-natief platform ontwikkelt voor het automatiseren en orkestreren van complexe, eind-tot-eind bedrijfsprocessen. Het EIQ-platform combineert agentic AI, generatieve AI, proces- en beslissingsautomatisering, robotische procesautomatisering, intelligente gegevens- en evenementenverwerking, ondernemingsintegraties, analyses en toepassingsontwikkeling binnen een low-code/no-code-omgeving. Ontworpen om gefragmenteerde automatiseringshulpmiddelen te vervangen door een uniforme architectuur, helpt het platform organisaties bij het opbouwen van adaptieve workflows die legacy- en moderne systemen verbinden, terwijl ondernemingsniveau-governance, beveiliging en schaalbaarheid behouden. EvoluteIQ dient organisaties in verschillende branches, waaronder banken, verzekeringen, gezondheidszorg, telecommunicatie, fabricage, energie en detailhandel.

In ons vorige interview met Sameet Gupte, CEO van EvoluteIQ, bespraken we de bredere visie van EvoluteIQ voor AI-natieve ondernemingsautomatisering. Vanuit uw positie, waarin u nauw samenwerkt met klanten, wat is het meest veranderd in de manier waarop ondernemingen tegen agentic AI aankijken sinds dat gesprek?

De grootste verschuiving is dat ondernemingen zijn gestopt met het vragen “Kan AI dit doen” en zijn begonnen met het vragen “Kan ik AI vertrouwen om dit te doen?”

Een jaar geleden waren de meeste gesprekken gericht op welk model welke mogelijkheden had. Klanten zijn nu veel pragmatischer. Ze willen weten of AI mensen, applicaties, beleid, goedkeuringen, compliance en andere agenten kan coördineren rond een meetbaar bedrijfsresultaat.

Schadeverwerking is een goed voorbeeld. De AI zelf is niet noodzakelijkerwijs het moeilijke deel. De uitdaging is het ontwerpen van hoe autonome agenten samenwerken met mensen en binnen IT-governance over meerdere systemen, teams en uitzonderingen.

Veel bedrijven behandelen AI nog steeds als een extra softwarelaag die bovenop bestaande workflows wordt toegevoegd. Waarom is deze benadering beperkend, en wat ziet het eruit als een onderneming een proces vanaf het begin ontwerpt rond autonome uitvoering?

AI bovenop een gebroken proces zetten, zorgt er alleen voor dat je sneller het verkeerde resultaat bereikt.

Veel ondernemingsworkflows zijn 20 jaar geleden ontworpen rond handmatige besluitvorming. Het toevoegen van AI als een extra stap kan het proces optimaliseren, maar het verandert het niet. De betere vraag is welke beslissingen echt een menselijke interventie vereisen en welke veilig kunnen worden overgedragen aan autonome agenten.

Bij uitgavenbeheer kan AI bijvoorbeeld beleid, uitgavenpatronen, medewerkersgeschiedenis en ondersteunende documenten evalueren. Routineclaims kunnen binnen enkele minuten worden goedgekeurd, terwijl alleen ongebruikelijke gevallen worden doorgestuurd naar managers.

U hebt betoogd dat veel klanten geen leveranciersprobleem hebben, maar een operationeel modelprobleem. Wat zijn de meest voorkomende organisatorische problemen die voorkomen dat ondernemings-AI zich ontwikkelt tot meer dan alleen pilots?

De meeste ondernemingen hebben geen AI-tekort; ze hebben een eigenaarschapstekort.

IT is eigenaar van de infrastructuur. De business is eigenaar van het proces. Beveiliging is eigenaar van governance. Datateams zijn eigenaar van de modellen. Operations is eigenaar van de uitvoering. Maar niemand is noodzakelijkerwijs eigenaar van hoe al die onderdelen samenwerken om een autonoom bedrijfsproces te leveren. Wat ontbreekt, is een uniforme manier om de technologie te laten werken.

Dat is waarom pilots vaak geïsoleerde successen worden. Organisaties die automatisering met succes schalen, veranderen hun operationele modellen, kopen niet zomaar meer technologie. Ze creëren cross-functionele teams die gezamenlijk eigenaar zijn van bedrijfsresultaten in plaats van individuele systemen. De belangrijke vraag is: wie is eigenaar van het resultaat en wie is verantwoordelijk voor de levering ervan?

Waar trekken wij de grens tussen nuttige automatisering, intelligente automatisering en echte agentic-automatisering?

Ik zie ze als drie fasen van volwassenheid. Automatisering volgt instructies. Intelligente automatisering begrijpt de verstrekte informatie. Agentic-automatisering begrijpt het bedrijfsdoel en werkt naar het resultaat.

Bij factuurverwerking kopieert traditionele automatisering gegevens tussen systemen. Intelligente automatisering leest facturen, extraheren gegevens en markeert inconsistenties. Vervolgens kan agentic-automatisering ontbrekende informatie identificeren, communiceren met leveranciers, bedrijfsbeleid toepassen, uitzonderingen afhandelen, goedkeuringen verkrijgen en het proces voltooien.

Het verschil is niet alleen dat de AI slimmer is. Het verschil is dat het het resultaat bezit in plaats van één taak.

Ondernemingsleiders staan onder druk om snel AI-ROI te laten zien, maar complexe procesverbetering kost tijd. Hoe moeten bedrijven snelheid, governance en langetermijnoperationeel modelwijzigingen in evenwicht brengen?

Snelheid zonder governance creëert risico. Governance zonder snelheid creëert frustratie. Ondernemingen moeten beide in evenwicht brengen.

Bedrijven moeten beginnen met een bedrijfsproces dat ertoe doet – iets zichtbaars dat meetbare waarde kan demonstreren – maar het moet worden opgebouwd op een fundament dat governance, beveiliging, observabiliteit en compliance ondersteunt. De initiële oplossing mag geen nieuwe silo worden.

De fout is geloven dat governance innovatie vertraagt. Goede governance versnelt daadwerkelijk de adoptie, omdat het vertrouwen creëert. Zodra de juiste controles op hun plaats zijn, kunnen organisaties sneller bewegen en met groter vertrouwen schalen.

EvoluteIQ heeft de nadruk gelegd op eind-tot-eindprocesautomatisering in plaats van het automatiseren van geïsoleerde taken. Waarom is dat onderscheid zo belangrijk als we overstappen van AI-experimenten naar productie-implementatie?

Bedrijven ervaren werk niet als individuele taken, maar als resultaten. Niemand viert omdat documentextractie 60% sneller is geworden. Ze vieren omdat klantinschrijving nu een paar uur duurt in plaats van twee weken. Het verbeteren van geïsoleerde taken verplaatst de bottleneck vaak alleen maar naar een andere plek.

Wanneer intake, validatie, goedkeuringen, besluitvorming, systeemintegraties en klantcommunicatie worden georkestreerd als één AI-natief workflow, begint de organisatie significante bedrijfsresultaten te zien. Het optimaliseren van een taak verbetert de efficiëntie, maar het optimaliseren van het proces verandert de algehele bedrijfsprestatie en kan de winst- en verliesrekening beïnvloeden.

Cloudmarkten worden steeds vaker distributiekanalen voor ondernemings-AI. Hoe ziet u platforms als Google Cloud veranderen hoe grote organisaties AI-natieve automatisering ontdekken, evalueren, aanschaffen en implementeren?

Cloudmarkten doen voor ondernemingssoftware wat appstores deden voor consumenten, maar met ondernemingsgovernance ingebouwd.

Ze verwijderen wrijving over de hele inkoop, beveiligingscontroles en commerciële overeenkomsten. Organisaties kunnen ook bestaande cloudverbintenissen benutten, waardoor teams minder tijd besteden aan het aanschaffen van software en meer aan de bedrijfsresultaten.

Een klant hoeft niet te wachten op een zesmaandse inkoopcyclus om alleen maar een AI-natief platform te evalueren. Markten stellen hen in staat om sneller bedrijfsproblemen op te lossen, terwijl ze binnen de gevestigde ondernemingsgovernance blijven.

EvoluteIQ heeft onlangs eiq360 onderstreept als een Google Cloud- en Gemini-gebaseerd platform dat bedrijfsintentie kan omzetten in ondernemingsklare workflows met behulp van natuurlijke taal, terwijl governance en controle worden behouden. Wat betekent deze verschuiving voor niet-technische bedrijfsgebruikers?

We gaan van een wereld waarin bedrijfsgebruikers vereisten beschrijven aan technische teams en wachten op resultaten, naar een wereld waarin gebruikers resultaten beschrijven.

Met eiq360 kunnen gebruikers nu het proces beschrijven dat ze willen verbeteren in natuurlijke taal. Het platform kan vervolgens helpen bij het genereren van ondernemingsklare workflows, terwijl automatisch governance, beveiliging, compliance en operationele controles worden toegepast.

Dit elimineert IT niet; het verheft IT. Technische teams kunnen zich nu richten op het definiëren van ondernemingsguardrails, herbruikbare services en governance-standaarden in plaats van handmatig elke workflow te bouwen. Dat is een van de belangrijkste veranderingen die AI meebrengt in ondernemingssoftware zoals wij die zien.

Het gezegde “ondernemings-AI moet saai zijn” gaat in tegen veel van de huidige hype. Wat moet saai, voorspelbaar of herhaalbaar zijn over AI als het wordt gebruikt voor missie-kritische bedrijfsuitvoering?

Niemand wil dat salarissen spannend zijn. Niemand wil dat een verzekeringsclaim verrassend is. Niemand wil dat een banktransactie creatief is.

Ondernemings-AI moet absoluut innovatief zijn tijdens experimenten. Zodra het in productie gaat, moet het wonderlijk voorspelbaar worden. Het moet consistent resultaten produceren, zijn beslissingen verklaren, erkennen wanneer het vertrouwen laag is en om menselijke interventie vragen wanneer nodig. De beste ondernemings-AI is niet de AI waar iedereen over wil praten. Het is de AI die niemand opmerkt, omdat het bedrijf gewoon beter werkt.

Als we vooruitkijken, wat zal ondernemingen die met succes agentic AI operationaliseren, onderscheiden van die welke vastzitten in pilootmodus?

De winnaars zullen niet noodzakelijkerwijs de meest geavanceerde AI-modellen hebben. Ze zullen degenen zijn met de beste operationele modellen voor AI. Ze zullen processen herontwerpen in plaats van inefficiënties te digitaliseren, governance opbouwen voordat ze schalen en herbruikbare ondernemingsmogelijkheden creëren in plaats van geïsoleerde bewijzen van concepten.

Ze zullen vooral stoppen met het denken aan AI als een andere toepassing en beginnen met het behandelen als een nieuwe werkkracht die samenwerkt met mensen, systemen en bedrijfsbeleid. Het komende decennium zal gaan over het optimaliseren van hoe mensen, AI-agenten en ondernemingssystemen samenwerken.