Don Schuerman, CTO bij Pegasystems – Interviewreeks

Don Schuerman is chief technology officer en vice-president van productmarketing bij Pegasystems, verantwoordelijk voor Pega’s platform en customer relationship management (CRM)-toepassingen.

Hij heeft 20 jaar ervaring met het leveren van enterprise softwareoplossingen voor Fortune 500-organisaties, met een focus op digitale transformatie, mobiliteit, analytics, business process management, cloud en CRM.

Pegasystems biedt een robuust platform dat bedrijven helpt om business-transformerende resultaten te behalen door middel van real-time optimalisatie. Het platform stelt klanten in staat om belangrijke business-uitdagingen aan te pakken met behulp van enterprise AI-besluitvorming en workflow-automatisering, waaronder het personaliseren van klantengagement, het automatiseren van diensten en het verbeteren van operationele efficiëntie. Opgericht in 1983, heeft Pegasystems een schaalbare en flexibele architectuur ontwikkeld die ondernemingen ondersteunt bij het voldoen aan de huidige vraag van klanten en het aanpassen aan toekomstige behoeften.

Gezien uw uitgebreide ervaring als CTO bij Pegasystems, hoe onderscheidt Pega GenAI zich in het snel evoluerende landschap van generatieve AI voor ondernemingen?

Pega heeft al jarenlang AI-oplossingen geïnnoveerd, waaronder het onderzoeken van generatieve AI lang voordat het mainstream werd. Ik denk dat er drie dingen zijn die ons onderscheiden:

Ten eerste, we versnellen niet alleen processen, we drijven innovatie aan. De meeste enterprise softwareleveranciers hebben verschillende gen AI-bots, -agenten of -co-pilot-functies uitgebracht, maar de waarheid is dat deze look-alike-tools geen concurrentievoordeel zullen opleveren. Wij stellen onze klanten in staat om hun hele bedrijf opnieuw te bedenken met unieke tools zoals Pega GenAI Blueprint, die best-in-class app-ontwerpen biedt in seconden. We automatiseren geen taken; we bedenken fundamenteel opnieuw hoe bedrijven opereren en innoveren.

Ten tweede, we automatiseren niet alleen in isolatie, we orkestreren hoe werkvan begin tot eind wordt gedaan. Andere leveranciers strooien deze gen AI-bot-functies rond en hopen dat dit voldoende is om de efficiëntie te verhogen. Ons platform is geworteld in onze brancheleidende casemanagement en orkestratie, waardoor we niet alleen gen AI kunnen automatiseren, maar ook de hele proces van begin tot eind kunnen orkestreren en optimaliseren.

Ten derde, we zijn geen generieke gen AI-engine – we zijn gericht op het stimuleren van betere klantengagement en workflow-automatisering via AI. Soms vraagt het probleem om de creatieve kracht van generatieve AI, terwijl andere kwesties mogelijk voorspellende AI of beslissings-AI vereisen om meer logica in het proces te brengen.

In uw Forbes-artikel “Unlocking The Potential Of Advanced AI For Business Innovation,” noemt u het potentieel van generatieve AI om bedrijfsoperaties opnieuw te bedenken. Wat zijn enkele specifieke voorbeelden waar AI legacy-transformatie in gevestigde bedrijven kan catalyseren?

De SVP van Design Authorities van Deutsche Telekom (DTE.DE ), Daniel Wenzel, beschreef aan het publiek op PegaWorld iNspire deze zomer hoe hij Pega GenAI Blueprint gebruikt om meer dan 800 afzonderlijke bedrijfsprocessen in de HR-dienstenafdeling opnieuw te bedenken. Hij zegt dat de grootste bottleneck bij het verbeteren van deze processen was dat de businessmensen en IT niet dezelfde taal spreken, wat leidt tot onvervulde verwachtingen. Pega GenAI Blueprint helpt beide stakeholders om het proces en hoe het te verbeteren sneller te begrijpen dan traditionele methoden, waardoor meer effectieve oplossingen ontstaan.

Hetzelfde artikel bespreekt de beperkingen van huidige generatieve AI-toepassingen. Hoe kunnen bedrijven verder gaan dan incrementele productiviteitsverbeteringen om de volledige transformatieve potentie van AI te benutten?

De meeste generatieve AI in enterprise software wordt toegepast als eenmalige functies die specifieke aspecten van het proces helpen versnellen. Maar deze soort functies zijn nu gemeengoed en bieden weinig concurrentievoordeel. Productiviteitsverbeteringen zoals samenvatting en tekstgeneratie zijn een vereiste – wat bedrijven nodig hebben om vooruit te komen in de markt, is het gebruik van generatieve AI om geheel nieuwe manieren van ondernemen te innoveren op hoog niveau. Bijvoorbeeld heeft Gartner een nieuwe technologiecategorie geïdentificeerd die ze Business Orchestration and Automation Technologies (BOAT) noemt, die zich richt op het stimuleren van businessresultaten op een meer holistische manier, van het stroomlijnen van kosten tot het verbeteren van besluitvorming, het verlagen van operationele kosten en het gebruik van de juiste automatiseringstechnologieën voor de taak die aan de orde is. Eenmalige gen AI-functies hebben hun plaats, maar het is slechts een onderdeel van de puzzel en niet het zilveren kogel om alle problemen op te lossen.

Wat zijn de meest veelbelovende enterprise-use cases voor generatieve AI die verder gaan dan typische productiviteitsverbeteringen, en hoe kunnen bedrijven deze het beste implementeren?

De meest spannende generatieve AI-mogelijkheid is het potentieel om best practices in een proces in te brengen. Diegenen die gen AI alleen gebruiken om meer code te schrijven, kunnen zichzelf opzetten voor meer technische schulden in de toekomst. De injectie van IP in het software-ontwerpproces is een game-changer, waardoor organisaties veel sneller tot een optimale oplossing kunnen komen op basis van jarenlange ervaring. En omdat het als een visueel model is ontwikkeld en niet alleen als code, is het gemakkelijker om het te collaboreren en te verfijnen over tijd heen voor zowel technische als niet-technische stakeholders. Voorheen kon het afmaken van een app-ontwerp weken duren en vereiste zeer gespecialiseerde vaardigheden; nu stellen gen AI-gepowered tools bedrijfsgebruikers in staat om hun specifieke behoeften in gewone taal in te voeren en snel van concept tot uitgebreid ontwerp te gaan. Forrester publiceerde onlangs enig onderzoek waarin werd voorspeld dat het gebruik van AI om IP in low-code- of modelgebaseerde ontwerpsystemen in te brengen, fundamenteel zal veranderen hoe ondernemingen software gebruiken – waardoor ze meer kunnen bouwen en minder ‘van de plank’ apps kunnen kopen.  Ik denk dat dit een grote transformatie is, en we geloven dat we met Pega GenAI Blueprint goed zijn gepositioneerd om het platform van keuze te zijn voor onze enterprise-klanten.

U hebt eerder gesuggereerd dat generatieve AI kan helpen bij productontwikkeling door marktgaten te identificeren. Kunt u uitleggen hoe dit proces werkt en een voorbeeld geven?

Ons Pega Customer Decision Hub is een predictieve AI-oplossing die onze klanten helpt om de volgende beste actie te nemen met hun klanten, of het nu gaat om het up-sellen van een product, het oplossen van een serviceprobleem of soms helemaal niets doen. Dit stelt ons in staat om verbinding te maken met klanten 1:1 met acties die het beste bij hun individuele behoeften passen. Maar opereren op een 1:1-manier betekent dat u een grote hoeveelheid aangepaste aanbiedingen nodig heeft – het is veel beter dan het spammen van iedereen met hetzelfde bericht, maar het vereist dat marketingorganisaties meer berichten creëren die uniek zijn voor verschillende klantengroepen. Nu met gen AI kunnen we ontdekken welke klanten onvoldoende zijn bediend en vervolgens nieuwe acties en behandelingen suggereren die voor deze groepen meer voordelig zouden zijn. Dit heeft het potentieel om organisaties te helpen om uit te breiden naar marktgroepen die ze normaal gesproken niet hebben aangepakt.

Hoe kunnen gevestigde bedrijven met legacy-systemen generatieve AI effectief integreren om concurrerend te blijven tegenover meer agile startups, met name bij het opnieuw bedenken van hun kernoperaties?

Ik denk dat we een keerpunt bereiken voor legacy-systemen. Decennialang hebben grote ondernemingen de technische schulden voor zich uit geschoven. We hebben jarenlang pleisters oplossingen toegepast zoals RPA die het fundamentale probleem van legacy-systemen niet aanpakten – ze zuigen IT-uitgaven op die naar innovatie zouden kunnen gaan, ze introduceren risico’s en ze voorkomen dat ondernemingen snel kunnen bewegen in veranderende markten. Gelukkig denk ik dat een van de superkrachten van gen AI is dat het ons in staat stelt om de snelheid waarmee we onze legacy-systemen opnieuw ontwerpen en afstoten, aanzienlijk te versnellen – niet door ze simpelweg opnieuw te coderen, maar door de workflows en processen zelf opnieuw te bedenken om zowel op moderne cloud-architecturen te draaien als om de digitale ervaringen te bieden die klanten en medewerkers verwachten.

In een apart artikel over het opstellen van een AI-manifest, benadrukt u het belang van het koppelen van AI-strategie aan concrete resultaten. Kunt u richtlijnen geven over hoe bedrijven hun AI-doelen kunnen afstemmen op tastbare businessresultaten?

Te veel bedrijven beginnen met het focussen op een glanzend nieuw hulpmiddel zoals AI, in plaats van te beginnen met het bepalen van hun businessdoelstellingen en het probleem dat ze moeten oplossen. Door zich te focussen op het hulpmiddel in plaats van het probleem, beperken ze zichzelf tot een pad dat mogelijk niet optimaal is voor hun bedrijf. In plaats daarvan moeten ze een stap terug doen en zich afvragen wat ze echt proberen te bereiken. Soms is gen AI niet de juiste oplossing en kan het beter worden gediend door AI-besluitvorming toe te passen. Ze moeten zich herinneren dat er verschillende soorten AI zijn die beter geschikt zijn om verschillende businessproblemen op te lossen.

Hoe kunnen bedrijven generatieve AI gebruiken om hun operaties te revolutioneren in plaats van alleen routine-taken te automatiseren? Welke strategieën moeten ze hanteren om de ROI in dit gebied te maximaliseren?

Concentreer u niet alleen op afzonderlijke taken – dit zal voorkomen dat u het grotere plaatje ziet. Stap terug en begrijp uw algehele business-workflows en de resultaten die u probeert te bereiken. Generatieve AI kan worden gebruikt om uw processen te analyseren en best practices in verschillende branches in te brengen. Dit kan diepgaande veranderingen teweegbrengen door bedrijven in staat te stellen hun kernworkflows opnieuw te bedenken. Bijvoorbeeld kan AI helpen bij het ontwerpen van nieuwe operationele modellen van scratch of bestaande modellen opnieuw te ontwerpen om efficiëntie en innovatie te verbeteren. Stel duidelijke metrics in om succes te meten en verfijn uw aanpak regelmatig op basis van deze inzichten. Door AI te gebruiken om significante veranderingen aan te brengen in plaats van incrementele verbeteringen, kunnen bedrijven aanzienlijke waarde ontgrendelen en concurrerend blijven.

Welke branches denkt u dat het meest gebaat zijn bij het opnieuw bedenken van workflows met behulp van AI, en hoe moeten ze deze aanpak beginnen te implementeren?

Bijna elk bedrijf kan in het algemeen profiteren van het verbeteren van hun workflows, met name in snel veranderende markten. Dienstensectoren zoals financiële diensten, telecom en gezondheidszorg kunnen waarschijnlijk de meeste voordelen behalen om te helpen bij het stroomlijnen van hun klantengagement. Deze sectoren omvatten complexe, data-intensieve processen en staan onder toenemende druk om efficiëntie te verbeteren, kosten te verlagen en betere resultaten te leveren. Bovendien kan elke branche met een groot aantal legacy-diensten – zoals banken – profiteren van het onderzoeken van hun processen die waarschijnlijk jaren geleden zijn ingesteld om ze te moderniseren en ervoor te zorgen dat ze gelijk blijven met nieuwere concurrentie.

Hoe verhoogt de ‘human-in-the-loop’-aanpak de effectiviteit en ethische inzet van AI, met name in klantgerichte rollen?

Generatieve AI, hoewel krachtig, kan outputs produceren die niet altijd nauwkeurig of geschikt zijn. Door menselijke toezicht te integreren, kunnen we risico’s zoals AI-gegenereerde inhoudsfouten of ethische problemen mitigeren.

Bijvoorbeeld, in klantenservice kan AI antwoorden en aanbevelingen genereren, maar het hebben van een mens die deze outputs beoordeelt, zorgt ervoor dat ze in overeenstemming zijn met de waarden van het bedrijf en de behoeften van de klant. Deze toezicht is cruciaal voor het behouden van transparantie en verantwoordelijkheid, met name wanneer AI-modellen plausibele maar onjuiste of misleidende informatie produceren.

Interessant is dat het hebben van een mens in de lus u in staat stelt om een van de zwakke punten van gen AI – het is inherent niet-predictief of niet-deterministisch, wat betekent dat het niet dezelfde antwoord twee keer geeft – om te zetten in een kracht. Met Pega GenAI Blueprint gebruiken we gen AI als een brainstorming-partner, storming partner, suggereren van nieuwe benaderingen voor workflow-ontwerp. De mens is altijd de finale beslissingsmaker, maar door constant nieuwe benaderingen te suggereren, duwt gen AI originele denkwijzen en helpt het mensen om ‘repaving the cow path’ te vermijden.

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