Corey Spencer, GM en GVP van AI bij UKG – Interviewserie

Corey Spencer is Group Vice President en General Manager van Product Management voor AI & Platform bij UKG. Hij leidt de productstrategie en innovatie over de AI-, platform- en workforce-intelligence-initiatieven van UKG, waardoor organisaties workforce-gegevens kunnen omzetten in actiegerichte inzichten die positieve bedrijfsresultaten vormen. Met meer dan 20 jaar ervaring is Spencer een gerespecteerd thought leader op het gebied van de toekomst van AI, workforce-intelligentie en de toepassing van AI op frontline-werk.

UKG is een wereldwijde aanbieder van human capital management, payroll en workforce management software ontworpen om organisaties te helpen hun medewerkers effectiever te beheren en te ondersteunen. Het platform combineert human resources, payroll, planning, tijd- en aanwezigheidsregistratie, compliance, analytics en AI-gebaseerde workforce-inzichten, waarmee bedrijven variërend van kleine ondernemingen tot grote wereldwijde ondernemingen worden bediend. Met 50 jaar ervaring in de branche ondersteunt UKG meer dan 80.000 organisaties in 150 landen, met tientallen miljoenen mensen die elke dag gebruikmaken van hun oplossingen.

U heeft meer dan twee decennia geholpen om ondernemingen te laten zien hoe ze klant-, analytische- en workforce-gegevens kunnen begrijpen bij bedrijven als Adobe, Alteryx en UKG. Wat heeft u ervan overtuigd dat frontline-medewerkers, in plaats van kenniswerkers, een van de belangrijkste en meest over het hoofd gezien kansen voor AI vandaag vertegenwoordigen?

Wat me heeft overtuigd is eenvoudig: de frontline is waar de economie daadwerkelijk draait.

We hebben enorme vooruitgang geboekt bij het toepassen van AI op kenniswerk. Maar het grootste, meest dynamische deel van de workforce is vaak onderbediend. Frontline-medewerkers vertegenwoordigen de meerderheid van de werknemers wereldwijd – tot 80% volgens sommige schattingen – en zij zijn degenen die de industrieën waar we allemaal elke dag van afhankelijk zijn, aandrijven: gezondheidszorg, detailhandel, productie, logistiek, horeca en openbare diensten.

Voor veel bedrijven is de frontline ook een van de grootste delen van de P&L. Het is waar arbeidskosten, klantervaring, compliance, veiligheid, serviciekwaliteit en medewerkerbetrokkenheid allemaal samenkomen. En toch blijft het een van de minst geoptimaliseerde delen van het bedrijf.

Niet omdat het werk eenvoudig is. Omdat het buitengewoon complex is.

Frontline-werk kan worden gepland per week of per maand, maar het verandert elke minuut van elke shift. Iemand belt af. De vraag piekt. De patiëntbelasting verandert. Een zending wordt vertraagd. Een compliance-regel wordt op een andere manier toegepast op basis van rol, locatie, certificering of gewerkte uren.

Traditionele bedrijfsystemen waren ontworpen om te registreren wat er gebeurde. De frontline heeft technologie nodig die organisaties kan helpen actie te ondernemen terwijl de beslissing nog relevant is.

Daarom is AI zo belangrijk. Agentic AI kan context, intentie en beperkingen begrijpen en vervolgens helpen bij het orkestreren van actie over planning, tijd, salaris, HR en operaties – met mensen in controle.

Voor mij is de kans om de kloof tussen workforce-planning en workforce-uitvoering te dichten. Wanneer we dat doen, krijgen medewerkers betere ervaringen, krijgen managers ondersteuning op een schaal die geen enkel individu alleen kan hanteren, en kunnen bedrijven opereren met meer snelheid, precisie en vertrouwen.

Dit is niet alleen een productiviteitsverhaal. Het is een uitvoeringsverhaal.

Frontline-medewerkers maken het grootste deel van de wereldwijde workforce uit, maar een groot deel van de AI-boom is gericht op office-productiviteitstools. Waarom denkt u dat de industrie de complexiteit en het belang van frontline-omgevingen zo lang heeft onderschat?

Ik denk dat de industrie de frontline heeft onderschat omdat het gemakkelijker was om AI te bouwen voor het werk dat al digitaal was.

Kantoorwerk gebeurt in documenten, e-mails, vergaderingen, kalenders en collaboratietools. Dat maakte het een natuurlijke eerste golf voor AI. Maar de frontline is anders. Het is fysiek, gedistribueerd, zwaar gereguleerd, tijdgevoelig en constant veranderend. En toch vertegenwoordigt het tot 80% van de wereldwijde workforce – mensen die over het algemeen niet aan een bureau zitten, maar die bedrijven, gemeenschappen en economieën elke dag draaiende houden.

De complexiteit is niet alleen het werk zelf. Het is de data rond het werk. We zijn gelukkig omdat UKG altijd gefocust is geweest op de frontline, dus we hebben een voorsprong van meerdere decennia in dit gebied.

Frontline-workforce-data is buitengewoon hoogvolume en lawaaierig. Het komt van planningen, tijdklokken, punches, salarisregels, certificeringen, arbeidsprognoses, afwezigheden, vraagsignalen, compliance-eisen, managerbeslissingen, medewerkerpreferenties en operationele veranderingen die plaatsvinden over duizenden locaties en shifts. Deze signalen zijn constant in beweging en zijn diep afhankelijk van context – rol, locatie, vaardigheid, beleid, regelgeving, vraag en timing.

Daardoor is het voor veel organisaties moeilijk om frontline-omgevingen op een zinvolle manier te analyseren. Zodra veel organisaties kunnen begrijpen wat er gebeurde, is het moment om de uitkomst te beïnvloeden al voorbij. Een personeelstekort, overwerkrisko, compliance-probleem, salarisuitzondering of gemiste dekkingssignaal doet er niet toe een week later. Het doet ertoe terwijl er nog tijd is om actie te ondernemen.

Daarom moet frontline-AI fundamenteel anders zijn dan office-productiviteit-AI. Het kan niet alleen informatie samenvatten of inhoud genereren. Het moet operationele context begrijpen, lawaaierige workforce-signalen interpreteren en mensen helpen actie te ondernemen in real-time.

Voor UKG is dit de kernkans van ons bedrijf en oplossingen zoals de UKG Workforce Intelligence Hub. De frontline heeft geen ander systeem van record nodig. Het heeft een systeem van actie nodig – een dat organisaties helpt om workforce-data om te zetten in betere beslissingen, snellere uitvoering en meer vertrouwde resultaten voor medewerkers, managers en het bedrijf.

Bedrijfssoftware werd jarenlang gebouwd rond werk dat gemakkelijker te digitaliseren was: bureaus, documenten, vergaderingen, workflows en kenniswerk. Maar frontline-werk is anders. Het is fysiek, gedistribueerd, gereguleerd, tijdgevoelig en zeer branche-specifiek.

Een retail-medewerker, een verpleegster, een productietechnicus, een magazijnmedewerker en een hotelmanager zijn allemaal frontline-medewerkers, maar de operationele omgeving rond elk van hen is volledig anders. Retail-teams moeten mogelijk hun arbeid aanpassen op basis van verkeer, promoties, weer of lokale evenementen. Gezondheidsteams hebben de juiste persoon met de juiste credential in de juiste unit nodig terwijl patiëntbehoeften gedurende de dag veranderen. Productieteams balanceren vaardigheden, veiligheid, overwerk, productieschema’s en arbeidsregels.

Daarom is de complexiteit zo groot. Werk kan worden gepland per week of per maand, maar het verandert elke minuut van elke shift. Een planning die op maandag goed leek, kan op woensdag al verkeerd zijn. Een personeelsplan dat om 8 uur ‘s ochtends werkte, kan tegen het middaguur al kapot zijn.

Historisch gezien konden de meeste systemen alleen maar registreren wat er gebeurde nadat het al was gebeurd. De frontline heeft meer nodig dan alleen rapportage. Het heeft actie in het moment nodig.

Daarom is AI zo’n belangrijke factor. Agentic AI kan context, intentie, beperkingen en bedrijfsregels begrijpen en vervolgens helpen bij het ondernemen van actie over planning, tijd, salaris, HR en operaties.

We hebben decennia lang gewerkt aan deze frontline-uitdagingen. Wat nu anders is, is dat AI ons een manier geeft om ze op een nieuw niveau van snelheid, precisie en branche-relevantie te transformeren.

De kans is niet om frontline-werk te laten lijken op kantoorwerk. Het is om technologie te bouwen die respecteert hoe frontline-werk daadwerkelijk gebeurt – en mensen en bedrijven helpt om betere beslissingen te nemen in real-time.

Het bouwen van AI voor een retail-medewerker, verpleegster, magazijnmedewerker of hospitality-medewerker is heel anders dan het bouwen van AI-co-piloten voor schrijftafelwerkers. Wat zijn de grootste technische en operationele verschillen tussen die omgevingen?

Het grootste verschil is dat frontline-AI niet alleen in een document, inbox of chat-window kan leven. Het moet in de flow van werk leven.

Voor schrijftafelwerkers helpt AI vaak bij het creëren, samenvatten, zoeken of analyseren van informatie. Voor frontline-medewerkers moet AI begrijpen wat er gebeurt in de operatie op dit moment – wie er werkt, wie gekwalificeerd is, wie beschikbaar is, wat de vraag eruitziet, welke regels van toepassing zijn en welke actie moet worden ondernomen. Dat is een heel ander technisch probleem.

Daarom moet de AI contextueel, branche-specifiek en actie-georiënteerd zijn. Het moet rollen, beleid, arbeidsregels, salarisimplicaties, planningen, certificeringen en bedrijfsprioriteiten begrijpen – en dat moet doen met vertrouwen, uitlegbaarheid en menselijke toezicht.

Het operationele verschil is net zo belangrijk. Frontline-managers hebben geen tijd om dashboards te interpreteren terwijl de shift in beweging is. Medewerkers willen geen ander systeem om te navigeren. AI moet ingebed, snel, intuïtief en nuttig zijn in het moment.

Daarom is frontline-AI niet alleen een co-piloot voor werk. Het is intelligentie die organisaties helpt om te begrijpen, te beslissen en te handelen in real-time.

U heeft gesproken over de belangrijkheid van real-time workforce-data, waaronder shifts, planning, salaris en personeelsignalen. Waarom is real-time-uitvoering vooral kritisch voor frontline-AI-systemen?

De uitdaging is niet of een organisatie de data heeft. De meeste ondernemingen creëren meer workforce-data dan ooit. De uitdaging is om die signalen om te zetten in tijdige aanbevelingen, leiding en actie – terwijl de beslissing nog relevant is.

Daarom is real-time-uitvoering zo kritisch voor frontline-AI. AI moet begrijpen wat er gebeurt, welke beperkingen van toepassing zijn en welke actie moet worden ondernomen. Moeten we een planning aanpassen? Een open shift invullen? Een manager waarschuwen? Een compliance-probleem voorkomen? Een salarisuitzondering oplossen voordat het een probleem voor de medewerker wordt?

Deze kunnen kleine beslissingen lijken, maar over duizenden medewerkers, shifts en locaties heen, hebben kleine verbeteringen snel een grote impact. Beter dekking, minder uitzonderingen, slimmere arbeidsbeslissingen en snellere manageractie kunnen een significante impact hebben voor medewerkers en het bedrijf.

Dit is het doel van de UKG Workforce Intelligence Hub: om organisaties te helpen om workforce-data om te zetten in betere beslissingen en snellere actie, vooral voor de frontline.

We hebben een unieke en rijke visie op HR, salaris en workforce management – de gebieden waar workforce-strategie operationele realiteit wordt. Wanneer die data wordt gecombineerd met branche- en peer-benchmarks, salarisinzichten en AI die de meest relevante conclusies en aanbevelingen kan oppervlakken, krijgen leiders een veel duidelijker beeld van wat er gebeurt, waarom het ertoe doet en waar ze actie moeten ondernemen.

Voor executives is dat de echte waarde. Het is niet alleen een dashboard om te bekijken. Het is een tool om labor meer precies te beheren, risico’s eerder te identificeren, prestaties effectiever te benchmarken en beslissingen te nemen met meer vertrouwen in de momenten die ertoe doen.

Veel organisaties verkennen agentic AI, maar er is bezorgdheid over autonomie, governance en vertrouwen. Wat zijn de noodzakelijke voorzorgsmaatregelen voordat ondernemingen AI-agents toestaan om actie te ondernemen in workforce management-systemen?

In workforce-operations moeten AI-agents duidelijke grenzen hebben, omdat de beslissingen diep menselijk zijn. Ze hebben invloed op planningen, salaris, compliance, dekking, vermoeidheid, eerlijkheid en medewerker-vertrouwen. Dat betekent dat agents niet alleen kunnen optimaliseren voor snelheid of efficiëntie. Ze moeten opereren binnen beleid, machtigingen en doel.

De belangrijkste voorzorgsmaatregelen zijn context, controle en aansprakelijkheid.

Context betekent dat de AI de medewerker, de rol, de locatie, de arbeidsregels, de bedrijfsbehoeften en de downstream-impact begrijpt. Controle betekent dat de agent alleen handelt binnen gedefinieerde machtigingen, met het juiste niveau van menselijke goedkeuring op basis van risico. Aansprakelijkheid betekent dat elke aanbeveling of actie uitlegbaar, controleerbaar en omkeerbaar is.

Sommige acties kunnen geschikt zijn voor een agent om automatisch uit te voeren, zoals het oppervlakken van een open shift aan gekwalificeerde medewerkers of het waarschuwen van een manager voor een overwerkrisko. Acties met een grotere impact, vooral die met betrekking tot salaris, compliance, discipline of materiële wijzigingen in de planning, moeten menselijke goedkeuring vereisen.

Het doel is niet om managers of HR-teams uit het proces te halen. Het is om hen intelligente ondersteuning te geven op een schaal die geen enkel individu alleen kan hanteren.

Betrouwbaar agentic AI moet intentie omzetten in actie – maar altijd met transparantie, governance en mensen in de lus.

Elke functionaliteit moet een grondige modelvalidatie, beveiligingscontrole, privacybeoordeling en voortdurende monitoring ondergaan voordat het in productie komt.

UKG heeft het over AI-toepassingen gehad die planningen kunnen herbalanceren, salarisafwijkingen kunnen detecteren en het wervingsproces kunnen versnellen. Welke van deze use cases leveren al meetbare operationele waarde en welke zijn nog in een vroeg stadium?

De use cases die de snelste waarde opleveren, zijn die welke de frictie wegnemen uit beslissingen die managers en teams al elke dag moeten nemen.

Salarisafwijkingdetectie is een voorbeeld dat iedereen waarschijnlijk kan relateren. Salaris is een van de meest vertrouwelijke processen in een bedrijf en het is vooral complex voor frontline- en uurloonmedewerkers. Een gemiste punch, salarisregeluitzondering, compliance-probleem of salarisuitzondering kan uren aan handmatig werk creëren en rechtstreeks invloed hebben op medewerker-vertrouwen. AI kan helpen bij het identificeren van problemen eerder, uitleggen wat er mis is en teams leiden naar een oplossing voordat de salarisronde sluit.

Er zijn nog veel geavanceerdere voorbeelden waar we erg enthousiast over zijn. Een daarvan is real-time-arbeid- en planningoptimalisatie. Dit is waar de UKG Dynamic Workforce Operations zo belangrijk is. De waarde ligt niet alleen in het zien dat een winkel, unit, magazijn of hotel onderbemand is. De waarde ligt in het begrijpen van wat er verandert, welke beperkingen van toepassing zijn en welke actie een manager kan ondernemen in het moment – of het nu gaat om het invullen van een open shift, het voorkomen van overwerkrisico of het beschermen van dekking. Deze beslissingen worden nu genomen op basis van intuïtie, vaak uren te laat. Nu kunnen managers een aanbeveling krijgen die door data wordt ondersteund voordat een mens zelfs maar weet dat er een probleem is.

Het derde is frontline-ondersteuning in de flow van werk. Via het UKG Frontline Worker Network kan workforce-data helpen om medewerkers te verbinden met ondersteuning rondom welvaart, gezondheid en dagelijkse essentiële zaken wanneer die nodig zijn. Dat is nog een opkomende categorie, maar het is een belangrijke omdat medewerker-ervaring niet in een apart portaal kan zitten dat niemand de tijd heeft om te gebruiken.

Het versnellen van het wervingsproces wordt ook steeds praktischer, vooral in high-volume frontline-omgevingen waar snelheid ertoe doet. Onze AI-native UKG Rapid Hire heeft de tijd van sollicitant tot geplande interview van weken en dagen naar uren en zelfs minuten teruggebracht in sommige gevallen. We hebben repetitief werk over bronnen, screening, planning, onboarden en eerste-dag-klaarheid voor frontline-werving op grote schaal verminderd.

De echte kans is niet geïsoleerde automatisering. Het is een workforce-operating-platform dat kan begrijpen wat verandert, de volgende beste actie kan aanbevelen en organisaties kan helpen om van intentie naar actie te gaan met de juiste governance en menselijke toezicht.

In sectoren zoals gezondheidszorg, productie en logistiek kunnen kleine workforce-onderbrekingen onmiddellijke downstream-gevolgen hebben. Hoe ontwerpt u AI-systemen die snel kunnen reageren zonder extra operationeel risico te creëren?

Snelheid is belangrijk, maar in frontline-omgevingen is snelheid zonder controle risico.

In gezondheidszorg, productie, logistiek en andere complexe sectoren kan een kleine workforce-onderbreking snel doorwerken. Een afwezigheid kan patiëntdekking beïnvloeden. Een vaardigheidsgat kan een productielijn vertragen. Een gemiste personeelsignaal kan leveringen vertragen of overwerkrisko creëren.

Daarom is het doel niet om AI te bouwen die gewoon sneller beweegt. Het doel is om AI te bouwen die sneller beweegt binnen de juiste beperkingen.

Daarom begint het met context. De AI moet begrijpen wie gekwalificeerd is, welke regels van toepassing zijn, welke dekking vereist is, welke compliance-risico’s bestaan en welke downstream-impact elke actie kan hebben.

Het vereist ook risicogebaseerde autonomie. Sommige acties kunnen worden aanbevolen of uitgevoerd met zeer laag risico, zoals het waarschuwen van een manager, het identificeren van gekwalificeerde vervangers of het oppervlakken van een open shift. Andere acties moeten menselijke goedkeuring vereisen, vooral wanneer ze salaris, compliance, veiligheid of materiële wijzigingen in de planning betreffen.

De beste frontline-AI-systemen zijn ontworpen om uitlegbaar, controleerbaar en omkeerbaar te zijn. Managers moeten weten waarom een aanbeveling werd gedaan. Medewerkers moeten het proces vertrouwen. En het bedrijf moet vertrouwen hebben dat AI de uitvoering verbetert zonder nieuw risico te introduceren.

Voor ons is het ontwerpprincipe eenvoudig: AI moet organisaties helpen om te begrijpen, te beslissen en te handelen in real-time – met mensen, beleid en governance vanaf het begin.

Er is een groeiende bezorgdheid onder werknemers dat AI banen kan vervangen, vooral in frontline-industrieën. Hoe balanseert u automatisering met het empoweren van medewerkers in plaats van angst of onzekerheid te creëren rond AI-adoptie?

Ik denk dat we de automatiseringshype moeten scheiden van operationele realiteit.

De afgelopen decennia hebben we genoeg voorbeelden gezien waarbij het vervangen van frontline-werk veel moeilijker bleek te zijn dan verwacht. Self-checkout heeft gemengde resultaten gehad. Volledig geautomatiseerde fastfood is meer een proef dan een paradigma. Dronebezorging voelt voor de meeste mensen nog steeds als iets uit de toekomst.

Daarom is het niet omdat de technologie niet krachtig is. Het is omdat een groot deel van het frontline-werk diep menselijk blijft.

Frontline-medewerkers hanteren uitzonderingen, oordeel, zorg, veiligheid, service, empathie en vertrouwen. Een verpleegster is niet alleen een taak aan het voltooien. Een retail-medewerker is niet alleen voorraad aan het verplaatsen. Een restaurantwerker is niet alleen een bestelling aan het invullen. Deze rollen zitten op het snijvlak van mensen, operaties, compliance en klantervaring.

AI kan de frictie wegnemen uit frontline-werk: verwarrende planningen, gemiste punches, salarisvragen, open shifts, compliance-complexiteit, personeelstekorten en administratieve taken die managers weg halen bij hun teams. Het kan helpen om medewerkers sneller antwoorden te geven, managers betere beslissingen te laten nemen en organisaties te laten opereren met meer precisie.

De toekomst van frontline-AI is niet om mensen uit het werk te halen. Het is om mensen betere tools, betere leiding en meer ondersteuning te geven in de momenten die ertoe doen.

U heeft AI beschreven als het verplaatsen van enterprise-software van systemen van record naar systemen van intelligente actie. Hoe ziet u workforce-platforms evolueren in de komende vijf jaar terwijl agentic AI meer wordt geïntegreerd in dagelijkse operaties?

Ik zou het eigenlijk iets anders formuleren. De vraag is niet hoe workforce-platforms er over vijf jaar uit zullen zien. De vraag is welke organisaties vandaag de basis leggen om over vijf jaar leiders te zijn.

Het tempo van verandering in AI is te snel om dit als een verre transformatie te behandelen. Het voordeel zal gaan naar organisaties die nu bewegen van losse systemen, onhandige suites en point-oplossingen naar een echte workforce-operating-platform – een dat HR, salaris, tijd, planning, workforce-intelligentie en uitvoering verbindt.

Dit is nog een voorbeeld van waarom de UKG Workforce Intelligence Hub belangrijk is. Terwijl AI meer wordt geïntegreerd in dagelijkse workforce-operations, kan intelligentie niet aan de zijlijn zitten als statische rapportage. Het moet deel worden van hoe werk wordt begrepen, geprioriteerd en actie ondernomen. Organisaties hebben een intelligentie-laag nodig voor frontline-workforce-operations om de juiste inhoud in het juiste moment te brengen.

Daarom is het belangrijk. Workforce-operations zijn vol van marginale winsten en marginale verliezen. Een gemiste personeelsignaal, een salarisuitzondering, een compliance-probleem, een open shift of een vertraagde managerbeslissing kan klein lijken in isolatie. Maar over duizenden medewerkers, locaties en shifts heen, hebben die momenten snel een grote impact.

Agentic AI geeft organisaties een manier om die kloof te dichten. Het kan begrijpen wat verandert, de bedrijfscontext interpreteren, de volgende beste actie aanbevelen en mensen helpen actie te ondernemen in real-time met de juiste governance en menselijke toezicht.

De komende vijf jaar zullen de leiders niet de organisaties zijn die alleen AI-functies aan bestaande workflows hebben toegevoegd. Ze zullen degenen zijn die workforce-management hebben herbekeken als een systeem van intelligente actie.

Voor executives is dit de urgentie: de frontline beweegt al in real-time. Uw technologie moet mee bewegen. De organisaties die die capaciteit nu opbouwen, zullen een significante voorsprong hebben.

Kijkend naar de toekomst, gelooft u dat de bedrijven die winnen in enterprise-AI, degenen zullen zijn met de beste modellen, of degenen met de diepste operationele en workforce-data die rechtstreeks zijn gekoppeld aan real-world-workflows?

De beste modellen zullen ertoe doen, maar ik geloof niet dat modellen alleen de winnaars in enterprise-AI zullen definiëren.

In het bedrijfsleven is intelligentie alleen waardevol als het de context van het werk begrijpt en mensen kan helpen de juiste actie te ondernemen. Dat is vooral waar in workforce-operations, waar een aanbeveling kan afhangen van wie er is gepland, wie gekwalificeerd is, welke regels van toepassing zijn, wat de vraag eruitziet, welke salarisimplicaties er zijn en welk risico of compliance-probleem downstream kan worden gecreëerd.

Een model zonder die operationele context kan een antwoord genereren. Een platform met de juiste workforce-data, bedrijfsregels, workflow-context en governance kan helpen een resultaat te bereiken.

Daarom is een intelligentie-laag, zoals we hebben gecreëerd met onze Workforce Intelligence Hub, zo belangrijk. AI die bovenop een systeem zit, heeft beperkte waarde. Intelligentie moet worden geïntegreerd in de flow van werk, kunnen signalen interpreteren, operationele beperkingen begrijpen en beslissingen oppervlakken die ertoe doen.

Daarom denk ik dat de markt daar naartoe gaat. Terwijl modellen krachtiger en toegankelijker worden, zal differentiatie komen van hoe goed AI is geïntegreerd in real-world-workflows en hoe veilig het kan bewegen van inzicht naar actie.

Voor de frontline is dat onderscheid kritisch. Werk verandert constant en beslissingen hebben onmiddellijke gevolgen voor medewerkers, managers, klanten, patiënten en het bedrijf.

De bedrijven die winnen in enterprise-AI zullen niet alleen AI hebben die intelligent klinkt. Ze zullen AI hebben die begrijpt hoe werk daadwerkelijk gebeurt – en organisaties helpt om te opereren met meer snelheid, precisie, vertrouwen en menselijkheid.

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