Don Schuerman, CTO at Pegasystems – Interview Series

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

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

Pegasystems biedt een robuust platform dat bedoeld is om organisaties te helpen bij het behalen van business-transformerende resultaten door middel van real-time optimalisatie. Het platform stelt klanten in staat om belangrijke uitdagingen voor het bedrijf aan te pakken met behulp van enterprise AI-besluitvorming en workflow-automatisering, waaronder het personaliseren van klantbetrokkenheid, het automatiseren van diensten en het verbeteren van de 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 zich aanpast 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 is al jarenlang AI-oplossingen aan het innoveren, 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 stimuleren innovatie. De meeste enterprise software-leveranciers hebben verschillende gen AI-bots, -agenten of co-pilot-functies uitgebracht, maar de waarheid is dat deze look-alike-tools geen concurrentievoordeel zullen opleveren. We stellen onze klanten in staat om na te denken over hoe hun hele bedrijf draait met unieke tools zoals Pega GenAI Blueprint, die best-of-breed app-ontwerpen in seconden biedt. We automatiseren geen taken; we herdefiniëren fundamenteel hoe bedrijven opereren en innoveren.

Ten tweede, we automatiseren niet in isolatie, we coördineren hoe werk wordt gedaan van begin tot eind. 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 orchestratie, 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 klantbetrokkenheid 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 in 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 definiëren. Wat zijn enkele specifieke voorbeelden waar AI legacy-transformatie in gevestigde bedrijven kan katalyseren?

Deutsche Telekom’s SVP van Design Authorities, Daniel Wenzel, beschreef aan het publiek op PegaWorld iNspire deze zomer hoe hij momenteel Pega GenAI Blueprint gebruikt om hem te helpen na te denken over meer dan 800 afzonderlijke bedrijfsprocessen in de HR-dienstenafdeling. Hij zegt dat de grootste bottleneck bij het proberen om deze processen te verbeteren was dat de zakenmensen en IT niet dezelfde taal spreken, wat leidt tot onvervulde verwachtingen. Pega GenAI Blueprint helpt beide partijen om het proces en hoe het te verbeteren sneller te begrijpen dan traditionele methoden, wat leidt tot effectievere oplossingen.

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

De meeste generatieve AI in enterprise software wordt toegepast als eenmalige functies die helpen bij het versnellen van specifieke aspecten van het proces. Maar deze soort functies zijn nu gemeengoed en bieden weinig concurrentievoordeel. Productiviteitstrucs zoals samenvatting en tekstgeneratie zijn een vereiste – wat bedrijven nodig hebben om vooruit te komen in de markt, is om generatieve AI te gebruiken om nieuwe manieren van doen zaken uit te vinden op een hoog niveau. Bijvoorbeeld heeft Gartner een nieuwe technologiecategorie geïdentificeerd die ze Business Orchestration and Automation Technologies (BOAT) noemt, die kijken naar het stimuleren van bedrijfsresultaten op een 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 moet worden uitgevoerd. 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 gebruiken om alleen maar 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 sneller kunnen komen tot een optimale oplossing op basis van jarenlange ervaring. En omdat het is ontwikkeld als een visueel model en niet alleen als code, is het gemakkelijker om samen te werken en het over tijd te verfijnen voor zowel technische als niet-technische stakeholders. Voordien kon het definitief maken van een app-ontwerp weken duren en vereiste het zeer gespecialiseerde vaardigheden; nu stellen deze gen AI-geactiveerde 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 echt voorbeeld delen?

Onze 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 niets doen. Dit stelt ons in staat om 1:1 contact te maken met klanten 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 iedereen hetzelfde bericht te spammen, maar het vereist dat marketingorganisaties meer berichten maken 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 meer voordelig zouden zijn voor deze groepen. Dit heeft het potentieel om organisaties te helpen uitbreiden naar marktsegmenten die ze typisch 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 definiëren van hun kernoperaties?

Ik denk dat we een keerpunt bereiken voor legacy-systemen. Gedurende decennia hebben grote ondernemingen de technische schulden voor zich uit geschoven. We hebben jarenlang tijdelijke oplossingen zoals RPA toegepast die het fundamentele probleem van legacy-systemen niet aanpakten – ze zuigen IT-uitgaven op die naar innovatie zouden kunnen gaan, ze introduceren risico’s en ze verhinderen ondernemingen om snel te 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 te versnellen waarmee we onze legacy-systemen opnieuw ontwerpen en intrekken – niet door ze eenvoudigweg opnieuw te coderen, maar door de workflows en processen zelf opnieuw te definiëren om zowel te draaien op moderne cloud-architectuur 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 actiegerichte resultaten. Kunt u richtlijnen geven over hoe bedrijven hun AI-doelen kunnen afstemmen op tastbare bedrijfsresultaten?

Te veel bedrijven beginnen met het focussen op een glanzend nieuw instrument zoals AI, in plaats van te beginnen met het bepalen van hun bedrijfsdoelstellingen en het probleem dat ze moeten oplossen. Door zich te concentreren op het instrument 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 zichzelf afvragen wat ze echt proberen te bereiken. Soms is gen AI niet de juiste oplossing en kan het beter worden opgelost door AI-besluitvorming toe te passen. Ze moeten zich herinneren dat er verschillende soorten AI zijn die beter geschikt zijn om verschillende bedrijfsproblemen op te lossen.

Hoe kunnen bedrijven generatieve AI gebruiken om hun operaties te revolutioneren in plaats van alleen routineuze 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 bos ziet door de bomen. Stap terug en begrijp uw algehele bedrijfsprocessen en de resultaten die u probeert te behalen. Generatieve AI kan worden gebruikt om uw processen te analyseren en best practices in te brengen in verschillende branches. Dit kan diepgaande veranderingen teweegbrengen door bedrijven in staat te stellen hun kernprocessen opnieuw te definiëren en opnieuw te ontwerpen. 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 te stimuleren in plaats van incrementele verbeteringen, kunnen bedrijven aanzienlijke waarde vrijmaken en concurrerend blijven.

Welke branches denkt u dat het meest zijn gepositioneerd om te profiteren van het opnieuw definiëren van workflows met behulp van AI, en hoe moeten ze deze aanpak beginnen te implementeren?

Bijna elk bedrijf kan universeel 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 hoe ze met hun klanten omgaan. Deze sectoren behandelen 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 door hun processen te onderzoeken die waarschijnlijk jaren geleden zijn ingesteld om ze te moderniseren en ervoor te zorgen dat ze concurrerend blijven met nieuwere concurrentie.

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

Generatieve AI, hoewel krachtig, kan output produceren die niet altijd nauwkeurig of geschikt is. 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 door menselijke toezicht te hebben, kunnen we ervoor zorgen dat deze output overeenkomt 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 overtuigende maar onjuiste of misleidende informatie produceren.

Interessant is dat het hebben van een mens in de lus ons in staat stelt om een van de zwakheden 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 brainstorming-partner, die nieuwe benaderingen van workflow-ontwerp suggereert. De mens is altijd de finale beslisser, 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 bezoeken Pegasystems.