Ashley Moser, mede-oprichter en CCO van MelodyArc – Interviewserie

Ashley Moser, mede-oprichter en Chief Commercial Officer van MelodyArc, leidt de commerciële strategie van het bedrijf en werkt met klanten om ambitieuze operationele doelstellingen om te zetten in meetbare resultaten. Ze brengt een achtergrond mee die zich uitstrekt over operations, productstrategie, logistiek, verkoop en financiële diensten, waaronder leidinggevende rollen bij Wonder en Walmart’s Jetblack, waar ze werkte aan de leveringsketen, continue verbetering, strategie en logistiek. Vroeger in haar loopbaan was ze Sales Director bij Stella Connect, later overgenomen door Medallia, werkte ze met het mobiele retailplatform NewStore en bracht ze meer dan vier jaar door bij J.P. Morgan in institutionele aandelenverkoop.

MelodyArc is een enterprise AI‑orchestratieplatform dat is ontworpen om operationele teams te helpen data, bedrijfsregels, AI‑systemen en menselijke besluitvorming te coördineren binnen één beheerde omgeving. Het platform is gebouwd rond het uitvoeren van complexe operationele processen van begin tot eind, waardoor teams workflows kunnen definiëren, bedrijfslogica kunnen toepassen, AI‑operatoren of andere agenten kunnen inzetten, en cases kunnen escaleren naar mensen wanneer er meer oordeel nodig is. De Point Engine evalueert potentiële paden voor het oplossen van elk geval terwijl deze binnen organisatorische regels werkt en elke stap registreert, waardoor bedrijven meer zichtbaarheid en controle krijgen over AI‑aangedreven workflows op gebieden zoals klantenservice, merchandising, site‑communicatie, leveringsketen en assortiment.

U heeft een diverse loopbaan die variëert van financiën bij J.P. Morgan, enterprise SaaS bij Medallia, tot operationele rollen binnen Walmart’s Jetblack. Welke specifieke inzicht of frustratie heeft u ertoe gebracht MelodyArc mede op te richten, en hoe hebben die ervaringen de kernvisie van het bedrijf gevormd? 

We begonnen het bedrijf omdat mijn mede-oprichter, James McHenry, en ik beiden eerder operators en technologen waren. We hadden uit de eerste hand gezien, en in veel gevallen geholpen, geweldige technologie voor operationele teams te bouwen. Maar we bleven steeds dezelfde kloof tegenkomen: puntoplossingen die ofwel een smal deel van wat operaties werkelijk doen aanpakten, of niet overeenkwamen met hoe het werk in de praktijk plaatsvond.

Met dat in gedachten zijn we begonnen een platform te bouwen dat nieuwe technologieën naar front‑line operationele teams kan brengen op een manier die ze daadwerkelijk kunnen gebruiken. Vandaag komt dat tot uiting als human‑in‑the‑loop‑orchestratie.

MelodyArc plaatst AI rechtstreeks in de handen van front‑line operators. Hoe verschilt deze benadering van traditionele top‑down enterprise AI‑implementaties, en waarom gebeurt deze verschuiving nu? 

Met MelodyArc, zodra het platform operationeel is, geven we teams de mogelijkheid om nieuwe workflows, ideeën en mens-in-de-loop processen zelf op te zetten, met vrijwel geen impact op de bredere roadmap. Dat betekent dat teams hun eigen processen kunnen verbeteren met AI zonder telkens de hiërarchische keten te moeten doorlopen. Het is een fundamenteel andere manier om deze technologie in te zetten.

Dit wordt vooral duidelijk in onze grootste enterprise‑implementaties. Bij één klant begonnen we met een enkele use‑case bij één team. Vandaag zijn we live met meer dan vijf use‑cases over meerdere teams.

We hebben ook gezien dat teams een AI‑ondersteund proces in één dag opzetten, iets wat ze eerder hadden gedeprioriteerd omdat het nooit de ROI‑drempel haalde voor wat een engineering‑intensieve bouw zou zijn geweest.

Veel organisaties investeren zwaar in AI, maar worstelen nog steeds met de operationalisatie ervan. Wat zijn de meest voorkomende hiaten die u ziet tussen AI‑strategie en uitvoering in de praktijk?

Twee belangrijke zaken springen eruit. Ten eerste, wanneer bedrijven naar een proces kijken waarop ze AI willen toepassen, hanteren ze vaak een alles‑of‑niets benadering. Ze automatiseren ofwel alles van een focusproces, of laten het volledig ongemoeid. We moedigen bedrijven aan om in plaats daarvan naar de samenstelling van een proces te kijken en te identificeren waar automatisering past, waar AI past, en waar mensen nog steeds betrokken moeten zijn, niet noodzakelijk in die volgorde. Die benadering maakt veel meer processen tot AI‑kandidaten en ontgrendelt bovendien meer automatisering stroomafwaarts, omdat men bewust heeft bepaald waar mensen worden betrokken.

Ten tweede hebben bedrijven vanuit strategisch oogpunt vaak honderden geschikte use‑cases om uit te kiezen. De sleutel is om ze te evalueren op basis van echte bedrijfsimpact, kosten, uren en concrete meetwaarden, in plaats van te jagen op het meest opvallende of gemakkelijkste. De grootste, hoogst impactvolle gebieden eerst aanpakken, zelfs als ze moeilijker zijn, levert de meeste waarde op voor bedrijven. Dit toont ook een positieve vliegwiel‑effect van waarde die AI‑projecten in organisaties kunnen genereren.

MelodyArc combineert AI met menselijke workflows in plaats van ze te vervangen. Hoe bepaalt u de juiste balans tussen automatisering en menselijke besluitvorming in enterprise‑omgevingen?

MelodyArc helpt bedrijven hun automatisatiedoelstellingen te bereiken door de juiste balans te vinden tussen AI en mens-in-de-loop besluitvorming. Wanneer MelodyArc het implementatieproces start, kan het einddoel van een organisatie zijn dat automatisering 90 % van het werk voltooit, terwijl de resterende 10 % afhankelijk is van de expertise van teamleden. Maar in plaats van alleen snelheid te prioriteren, maakt MelodyArc vanaf het begin gebruik van mens-in-de-loop betrokkenheid. Bijvoorbeeld door te beginnen met een 50‑50 verdeling tussen automatisering en input van teamleden, en vervolgens geleidelijk meer van het proces te automatiseren. Deze aanpak brengt enterprise‑workflows sneller in productie, omdat we niet proberen de workflow te perfectioneren voordat we AI integreren.

Een ander sterk punt van deze aanpak is dat we, zodra we in productie gaan, procesdata verzamelen die precies aangeven welke delen van het proces vervolgens geautomatiseerd moeten worden. Hierdoor kan MelodyArc sneller en op een gerichte manier blijven toewerken naar automatisatiedoelen. In de praktijk betekent dit vaak dat een bedrijf een continue verbetering van automatisering ziet, zonder dat de workflow onderbroken hoeft te worden voor correcties of aanpassingen.

Met uw achtergrond in klantbeleving en operaties, hoe denkt u dat AI het idee van “geweldige service” herdefinieert in een omgeving waarin reacties onmiddellijk kunnen worden gegenereerd?

Ik geloof dat “instant” een basisvereiste wordt en in feite gecommoditiseerd raakt. Geweldige service ging nooit alleen over het snel geven van een antwoord aan een klant, maar over het geven van het juiste antwoord met zo min mogelijk inspanning. AI biedt ons nieuwe manieren om die inspanning te verminderen, of het nu gaat om het uitvoeren van taken namens klanten, het suggereren van vervolgstappen, of het automatisch invullen van velden – alles wat een ervaring sneller en aangenamer maakt. Een antwoord onmiddellijk genereren betekent niets als het niet echt relevant is, en ik zou betogen dat alleen op snelheid jagen bedrijven ertoe brengt dat ze optimaliseren voor het verkeerde doel.

Enterprise‑AI faalt vaak in de laatste fase, waar adoptie en bruikbaarheid cruciaal worden. Welke ontwerpprincipes zijn essentieel geweest om ervoor te zorgen dat MelodyArc daadwerkelijk wordt gebruikt door frontlinieteams?

We beginnen vanuit het besef dat er veel impliciete kennis bij onze teams leeft, en we zijn heel duidelijk over wat we wel en niet kunnen automatiseren. Die openheid over dat onderscheid maakt de ervaring veel intuïtiever. Het is geen black box waarin teams niet weten wat er gebeurt of waarom.

Bruikbaarheid draait om het idee dat technologie samenwerkt met frontlinieteams, in plaats van iets te worden waar ze omheen moeten werken. Dat sluit aan bij de reden waarom we het bedrijf zijn begonnen: te veel point‑solutions richtten zich op een smal deel van de operaties, of pasten niet bij hoe het werk in de praktijk plaatsvond. We ontdekten dat dit een grote reden is waarom veel enterprise‑AI‑tools maanden na de lancering ongebruikt blijven.

Naarmate AI‑agenten autonomer worden, welke governance‑ en controle‑uitdagingen moeten bedrijven voorbereiden voordat ze deze systemen opschalen?

Observeerbaarheid in elke enterprise‑omgeving is essentieel, vooral het vermogen om te zien welke beslissingen zijn genomen en waarom. Voor processen die bedrijven zouden kunnen automatiseren maar zich niet comfortabel voelen om volledig te automatiseren, raad ik aan een mens in de loop te houden. Het is cruciaal niet alleen om toezicht te behouden, maar ook om nieuwe systemen te testen om het beste te begrijpen hoe ze werken en welke impact ze hebben, zowel positief als negatief.

Vanuit commercieel oogpunt, hoe is de verkoop van AI aan bedrijven de afgelopen jaren geëvolueerd nu kopers beter geïnformeerd maar ook voorzichtiger zijn geworden?

Iedereen is veel slimmer geworden, zowel kopers als leveranciers. We zitten ongeveer vier jaar in wat eigenlijk een meerdecennia‑cyclus is, dus we leren allemaal nog steeds. Naarmate AI capabeler en toegankelijker wordt, itereren we snel over wat we voor klanten kunnen doen terwijl zij tegelijkertijd leren wat ze binnen hun eigen organisaties kunnen bereiken, wat echt opwindend is omdat er veel waarde‑uitwisseling plaatsvindt.

Organisaties richten zich meer dan ooit op informatiebeveiliging, op het behouden van hun onderscheidende kenmerken, en op de daadwerkelijke efficiëntie die AI levert. Ze benaderen projecten ook rationeler, bereid om geleidelijk adoptie te verhogen in plaats van in één keer volledig in te zetten. De afweging tussen bouwen en kopen is intern nog steeds een levende berekening, en steeds vaker zien we hybride benaderingen zoals bouwen en kopen, of “bouwen via kopen”, in plaats van het een of het ander.

U heeft zowel bij snelgroeiende startups als bij grote organisaties zoals Walmart gewerkt. Hoe verschilt het bouwen van AI voor enterprise‑operaties afhankelijk van de grootte van het bedrijf en de organisatorische complexiteit?

Er zijn eigenlijk twee dimensies: de breedte van de organisatie en de historische diepte van de technologische stack en processen.

Bij snelgroeiende startups heb je niet zoveel mensen of organisatorische complexiteit, en werk je niet rond systemen die 20 jaar geleden zijn gebouwd of teams die hetzelfde al een decennium doen. Hoe groter en meer gevestigd de organisatie, hoe meer je moet heroverwegen hoe dingen vanaf de basis worden gedaan. Dat betekent dat je beslist hoe je in de toekomst wilt opereren, en vervolgens geleidelijk die weg inslaat op een manier die bij de organisatie past. Soms betekent dat ook dat je onafhankelijke experimenten aan de rand uitvoert, enigszins los van of parallel aan bestaande processen.

Kijkend naar de toekomst, hoe zie je de rol van frontline‑werknemers evolueren nu AI wordt ingebed in alledaagse werkstromen? Bewegen we ons richting augmentatie, orkestratie, of iets geheel nieuws? 

Voor alledaagse werkstromen is een orkestratielaag essentieel. Het laten samenwerken van al je mensen en technologie op een native manier is de richting die we inslaan. Maar het implementeren van dit type technologie kan complex zijn, omdat het geen eenvoudige silo is waarin organisaties één stap automatiseren en die vervolgens aan een medewerker overdragen. Het is een combinatie van AI, automatisering en een medewerker die in tandem werkt.

Er zijn veel kansen voor frontline‑teams om werkstromen te implementeren. Elke keer dat we met klanten spreken, zijn er tientallen, zo niet honderden, projecten die ze graag zouden aanpakken maar niet kunnen, of het nu gaat om budget, technologische roadmap, teamgrootte of ROI die hen tegenhoudt. Dat is precies waar AI en orkestratie in beeld komen; ze helpen teams veel meer te doen met wat ze al hebben, terwijl de kosten om te starten dalen. Dit leidt uiteindelijk tot een positieve ROI voor toekomstige projecten.

Bedankt voor het geweldige interview, lezers die meer willen weten, kunnen terecht op MelodyArc.