Denis Romanovskiy, Chief AI Officer bij SOFTSWISS – Interviewreeks

Denis Romanovskiy, Chief AI Officer bij SOFTSWISS, is een ervaren technologie-executive met meer dan 25 jaar ervaring in het leiden van grote technische programma’s in de gaming-, enterprise software-, IoT- en high-load online platforms. Na de afgelopen vijf jaar in de iGaming-sector te hebben doorgebracht, was hij eerder Deputy CTO bij SOFTSWISS, waar hij de technische governance over meerdere productteams coördineerde met een sterke focus op casino- en sportsbook-platforms voordat hij zijn huidige rol op zich nam om de AI-strategie van het bedrijf te definiëren en te implementeren.

SOFTSWISS is een in Malta gevestigde iGaming-technologiebedrijf dat turnkey-oplossingen biedt voor online casinos en sportsbooks, waaronder een casino-platform, game-aggregator, sportsbook-oplossing en managed services. Het bedrijf ondersteunt operators wereldwijd met infrastructuur die is ontworpen voor schaalbaarheid, naleving en betrouwbaarheid, en positioneert zich op het snijvlak van gaming-technologie en opkomende AI-gedreven optimalisatie.

Na het leiden van grote technische programma’s in meerdere branches en nu de ondernemingsbrede AI-strategie bij SOFTSWISS te definiëren, hoe heeft uw achtergrond in high-load, high-availability systemen uw aanpak beïnvloed om AI te integreren in een organisatie met meer dan 2.000 medewerkers?

Mijn ervaring met high-load, high-availability systemen heeft me één fundamentele les geleerd: elke complexe verandering op grote schaal vereist een systeembenadering. U kunt geen technologie implementeren en hopen dat het werkt – u moet het hele ecosysteem eromheen ontwerpen en ervoor zorgen dat processen, structuur en technologie allemaal samenwerken.

We passen precies dit principe toe op AI-adoptie bij SOFTSWISS. Het begint op individueel niveau. We leggen elke medewerker uit hoe hij AI veilig en effectief kan gebruiken – wat het kan doen, waar de beperkingen liggen en wat de bijbehorende risico’s zijn. Critici leggen uit dat hun verantwoordelijkheid voor resultaten niet verdwijnt wanneer AI in beeld komt. AI vergroot uw mogelijkheden, maar de verantwoordelijkheid blijft bij u. U bent nog steeds verantwoordelijk voor de kwaliteit van de output, de beslissingen en de resultaten.

Vervolgens gaan we naar teamniveau, en dat is waar de dynamiek verandert. Nieuwe kansen ontstaan – snellere planningscycli, geautomatiseerde verificatie, verbeterde analyse – maar ook nieuwe risico’s: overmatige afhankelijkheid van AI-uitvoer, erosie van kritisch denken, inconsistentie in de adoptie van teams. Dit is waar managers een beslissende rol spelen. Zij moeten hun manier van werken beoordelen, welke vragen zij stellen en welke signalen zij zoeken. Wanneer iemand een resultaat twee keer zo snel levert, is het de taak van de manager om te begrijpen of de kwaliteit in stand is gebleven en of de persoon werkelijk begrijpt wat hij heeft geleverd.

Deze gefaseerde aanpak – individueel bewustzijn, teamniveau-anpassing, managementtoezicht – is wat ons in staat stelt om AI te schalen in een grote organisatie zonder de stabiliteit en betrouwbaarheid te compromitteren die onze gereguleerde omgeving vereist. Het gaat niet alleen om technologie. Het gaat om het opbouwen van een systeem eromheen dat adoptie duurzaam maakt.

Wat onderscheidt AI die als productiviteitstool wordt ingezet van AI die rechtstreeks in de kerninfrastructuur en beslissingsystemen wordt geïntegreerd, en hoe verandert dit onderscheid de langetermijnbedrijfsresultaten?

Productiviteits-AI – chatassistenten en codecopiloten – is waar mensen voor het eerst AI op het werk tegenkomen. Deze stap is belangrijk, en u kunt hem niet overslaan. Het bouwt AI-geletterdheid op, leert mensen om output te evalueren en creëert gewoonten van verantwoord gebruik in de hele organisatie.

Maar er is een fundamenteel verschil tussen AI die een individu helpt en AI die in de manier waarop de organisatie werkt is geïntegreerd. Infrastructuur-AI – geïntegreerd in uw ondernemingssystemen via AI-platforms – wordt onderdeel van het managementsysteem. Het omvat planning, controle en audit. Het respecteert governance-kaders en voedt rechtstreeks in beslissingsketens.

Het impactgat is aanzienlijk. Productiviteitstools leveren 20-30% efficiëntiegrenzen op individuele taken – waardevol, maar incrementeel. Infrastructuur-AI versnelt hele processen met 3-5x. En met de tijd verandert het de organisatie zelf – elimineert het sommige rollen gedeeltelijk of volledig, creëert het nieuwe en comprimeert het workflows die eerder meerdere handovers vereisten.

Daarom vereisen deze twee categorieën verschillende benaderingen. Productiviteits-AI is een inzetbaarheidsuitdaging. Infrastructuur-AI is een organisatorische transformatie die zorgvuldige planning, veranderingbeheer en voortdurend toezicht vereist.

Welke architectonische en culturele verschuivingen zijn nodig om over te gaan van geïsoleerde AI-experimenten naar een centraal, ondernemingsbreed AI-platform?

Architectonisch is een centraal platform essentieel – een dat veilige toegang biedt tot meerdere modelleveranciers terwijl strikte gegevensgovernance wordt gehandhaafd. Zonder deze laag wordt experimentatie gefragmenteerd in plaats van waarde.

Cultuurtechnisch is de grotere verschuiving het verplaatsen van uitvoeringsgericht denken naar ontwerpgestuurd denken. Aangezien uitvoering met AI goedkoper en sneller wordt, verschuift het concurrentievoordeel naar hoe goed teams workflows ontwerpen. Medewerkers moeten processen ontwerpen waarin AI herhalende bewerkingen uitvoert, terwijl mensen de orkestratie en besliskwaliteit in de hand houden.

Hoe kunnen grote ondernemingen systematisch hun leercurve verhogen bij het inzetten van AI, en welke operationele mechanismen maken dit meetbaar?

De leercurve neemt toe wanneer experimenten zijn gestructureerd. Bij SOFTSWISS benoemen we AI-champions binnen productteams die use cases identificeren, beste praktijken verfijnen en deze delen met de hele organisatie. Workshops versnellen verder kennisoverdracht.

Metingen zijn gekoppeld aan bedrijfs-KPI’s. We volgen indicatoren zoals Time to Resolution in ondersteuning of automatiseringsniveaus in codebeoordeling. Als AI-adoptie geen meetbare metrics verbetert, blijft het oppervlakkig.

Welke legacy-processen beperken het meest de impact van AI-adoptie in gevestigde technologiebedrijven?

De belangrijkste beperking is het proberen om AI te integreren in starre managementstructuren met lange planningscycli en vaste middelentoewijzing. AI’s voordeel is snelheid, en verouderde governance-modellen vertragen dat voordeel.

Een andere beperkende factor is zwakke gegevensclassificatie. Zonder gestructureerde en goed beheerde gegevens wordt veilige en schaalbare AI-integratie extreem moeilijk.

Kunt u voorbeelden delen waarin het integreren van AI rechtstreeks in de kernsystemen meetbare voordelen opleverde in efficiëntie, omzet of operationele prestaties?

In technische ondersteuning analyseert AI die is geïntegreerd in Jira de geschiedenis van tickets en documentatie om oplossingspaden voor te stellen, waardoor de resolutietijd aanzienlijk wordt verkort.

In HR besparen geautomatiseerde assistenten die verlofaanvragen en -informatie afhandelen honderden uren per maand.

In ontwikkeling bereikt AI-gestuurde codebeoordelingsautomatisering 60–80%, waardoor de ontwikkelingscyclus met twee tot vier keer wordt versneld. Deze voordelen zijn operationeel meetbaar en hebben een directe invloed op de efficiëntie.

Hoe ontwerpt u governance-kaders die auditability, security en accountability garanderen wanneer AI diep in ondernemingsworkflows is geïntegreerd?

Governance moet een gecontroleerde omgeving creëren in plaats van innovatie te beperken. We vertrouwen op ondernemingsbrede leveranciersovereenkomsten en passen gegevensmaskering toe voordat we informatie naar cloudmodellen verzenden.

Accountability is ingebouwd in systeemontwerp. AI-gestuurde acties werken binnen gedefinieerde rollback-vensters, waardoor menselijke overname mogelijk is. De verantwoordelijkheid ligt uiteindelijk bij de teamleider die de workflow ontwerpt en bezit.

Welke structurele voordelen laten kleine AI-natieve teams sneller schalen dan traditionele ondernemingen, en hoe kunnen grotere organisaties zich aanpassen zonder stabiliteit te verliezen?

Het kernverschil is architectonisch. Traditionele bedrijven breken werk op in opeenvolgende fasen – elk bezit door een aparte rol, met handovers en wachtrijen ertussen. AI-natieve teams kunnen uitvoeren over alle fasen tegelijk. Er zijn geen wachtrijen, geen wachten op de volgende persoon in de keten. Het hele proces is geautomatiseerd van begin tot einde, wat hen een enorm snelheidsvoordeel geeft.

Voor grotere organisaties is de weg vooruit geleidelijk. Eerst – bouw AI-geletterdheid op en richt teams op met AI-hulpmiddelen. Geef mensen de tijd om te leren, te experimenteren en AI te integreren in hun bestaande workflows. Op dit punt gebeurt innovatie binnen bestaande processen, niet in plaats van hen.

Zodra teams ervaring en vertrouwen opbouwen, kunt u ambitieuzere doelen stellen – het optimaliseren van hele processen in plaats van individuele stappen. Dit is waar de echte transformatie begint, maar het werkt alleen als mensen en processen klaar zijn voor het.

De sleutel is tempo. Ga te snel en u breekt stabiliteit. Ga te langzaam en de markt laat u achter. De juiste aanpak is een bewuste, opeenvolgende vooruitgang – zodat de organisatie evolueert zonder hetgeen al werkt te verliezen.

Hoe beïnvloedt het opereren in de iGaming-sector, met zijn regelgevings- en betrouwbaarheidsvereisten, de manier waarop AI-infrastructuur wordt ontworpen en geïmplementeerd?

iGaming is een unieke omgeving. Het omvat echte transacties, real-time transacties en regelgevingscontrole in meerdere rechtsgebieden. Bij SOFTSWISS opereren we onder meerdere licenties – elk met zijn eigen nalevingsvereisten. Dit betekent dat elke technologiebeslissing, inclusief AI, rekening moet houden met een complex regelgevingslandschap dat verder gaat dan standaard gegevensbescherming.

Gereguleerde markten vereisen strikte naleving van gegevensopslag-, verwijderings- en verwerkingregels, inclusief GDPR. Maar in iGaming is de reikwijdte breder – anti-witwasregels, verantwoorde gokverplichtingen, licentievoorwaarden die bepalen hoe gegevens stromen en waar ze kunnen worden verwerkt. Infrastructuur moet garanderen dat gevoelige gegevens niet worden gebruikt voor externe modeltraining en dat elke AI-gestuurde beslissing auditeerbaar blijft.

Tegelijkertijd zijn de betrouwbaarheidsnormen uitzonderlijk hoog. Systemen werken 24/7 met enorme transactievolumes. Elk AI-systeem dat we implementeren, moet aan dezelfde normen voldoen – altijd beschikbaar, volledig auditeerbaar en in staat om de gegevensvolumes te verwerken die we zien in ondersteunings- en nalevingsoperaties. In deze industrie is een AI-fout niet alleen een ongemak – het is een regelgevings- en financieel risico.

Naarmate ondernemings-AI volwassener wordt, welke capaciteiten zullen ondernemingen die AI echt in hun bedrijfsmodel integreren onderscheiden van die welke alleen aan de oppervlakte adopteren?

In volwassen AI-organisaties zal elke medewerker AI tot zijn beschikking hebben – met veilige toegang tot bedrijfsgegevens over systemen, zonder barrières of handmatige verzoeken. Processen zullen geautomatiseerd zijn van begin tot einde, zonder wachtrijen of handovers tussen rollen. Werk zal continu stromen, niet in fasen.

Maar automatisering alleen is niet genoeg. Wat leiders onderscheidt van de rest is de capaciteit om AI-gestuurd werk op grote schaal te controleren. Teams en organisaties zullen zich aanpassen aan geautomatiseerde kwaliteitscontrole – problemen vroeg detecteren en corrigeren voordat ze zich opstapelen.

De rol van de individuele medewerker verandert fundamenteel. In plaats van taken uit te voeren, definiëren ze specificaties voor AI – voldoende context bieden, duidelijke doelen en kwaliteitscontromethoden. Hun waarde ligt in het sturen van AI en het optimaliseren van de output, niet in het handmatig uitvoeren van het werk.

De rol van leiders verandert ook. Managers en executives worden de architecten van systeemdenken in de hele organisatie. Hun taak is om verschillende werkstromen, tools en artefacten te verbinden tot waardestromen die klantproblemen beter oplossen dan concurrenten dat kunnen, niet door individuele taken te optimaliseren – maar door te ontwerpen hoe alles samenwerkt.

Deze diepe integratie – AI in elke hand, geautomatiseerde processen, systematische kwaliteitscontrole en leiderschap dat zich richt op eind-tot-eind-waarde – zal de langetermijnconcurrentievoordeel definiëren.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen SOFTSWISS bezoeken.