Fred Laluyaux, mede-oprichter en CEO van Aera Technology – Interviewreeks

Fred Laluyaux, mede-oprichter, president en CEO van Aera Technology, is een ervaren ondernemer in enterprise software die bedrijven heeft opgericht en geleid op het snijvlak van analytics, automatisering en besluitvorming. Voordat hij Aera oprichtte, was hij CEO van Anaplan en had hij verschillende senior leiderschapsrollen bij SAP, waaronder financiën, prestatiebeheer, risico, verkoop en corporate ontwikkeling. Eerder in zijn carrière werkte hij in uitvoerende functies bij Business Objects en ALG Software, en richtte hij Transcribe Technologies op, waardoor hij decennialange ervaring heeft met het opschalen van wereldwijde softwareorganisaties en het vertalen van complexe gegevens in bedrijfsresultaten.

Aera Technology ontwikkelt AI-gedreven besluitvormingssoftware die is ontworpen om grote ondernemingen te helpen sneller en nauwkeuriger te opereren. Het platform van het bedrijf analyseert continu gegevens vanuit de hele organisatie en haar externe omgeving, en zet inzichten om in aanbevolen en geautomatiseerde acties in real-time. Door zich te richten op besluiten in plaats van dashboards, streeft Aera ernaar om organisaties te helpen overstappen van reactieve analyse naar proactieve, continue verbetering van de bedrijfsvoering.

U heeft meerdere enterprise softwarebedrijven opgericht en geleid, van uw vroege dagen bij Transcribe Technologies tot het runnen van Anaplan en nu het mede-oprichten van Aera Technology. Wat was het probleem dat u zag bij grote ondernemingen dat u ervan overtuigde dat besluitvorming als een aparte categorie moest bestaan, en waarom was 2017 het juiste moment om Aera op te richten?

Ik werk al meer dan een decennium aan dit probleem — lang voordat Aera bestond. Toen ik in 2010 bij SAP werkte, schreef ik een paper over wat ik geloofde dat de grootste uitdaging voor grote ondernemingen zou worden: besluiten nemen en uitvoeren snel genoeg om gelijke tred te houden met de digitalisering van de economie.

Drie krachten botsten — volume, complexiteit en snelheid. Besluiten werden genomen op een veel fijnere korrel, dichter bij het punt van impact, maar ondernemingen waren nog steeds georganiseerd als diepe piramides van mensen, tools en processen die eenvoudigweg niet konden schalen.

De echte vraag werd: hoe breng je de kracht van technologie naar het transactieniveau? Niet alleen inzichten of dashboards, maar machines die besluiten nemen, continu leren van alle genomen besluiten en met mensen in controle.

Wat 2017 betreft, waren we vroeg. De markt was nog niet volledig klaar, en wij evenmin. Dat is de aard van een startup: je begint met een duidelijke visie en bouwt vroeg, zodat je klaar bent als de markt rijp is. In het geval van Aera duurde het een paar jaar. En COVID-19 hielp niet. Maar het is fascinerend om te zien dat onze kernvisie onveranderd is gebleven sinds de eerste formulering, terwijl zowel het platform als de markt zijn geëvolueerd tot het punt waarop Aera nu de categorie besluitvorming leidt en samenwerkt met enkele van ‘s werelds grootste organisaties.

Er is veel discussie vandaag over AI-agents, maar u heeft duidelijk gesteld dat inzichten alleen niet genoeg zijn. Hoe legt u het verschil uit tussen analytics, AI-geassisteerde aanbevelingen en echte besluitvorming aan CIO’s die proberen door de ruis heen te komen?

Traditionele analytics- en business intelligence-tools vertellen u wat er is gebeurd. AI kan helpen voorspellen wat er kan gebeuren. AI-geassisteerde aanbevelingen suggereren opties, maar ze vertrouwen nog steeds op mensen om te beslissen en te handelen.

Besluitvorming gaat verder dan statische dashboards of eenmalige aanbevelingen. Het werkt als een continue leerlus om besluiten te versnellen en te verbeteren — met behulp van gegevens, analytics, AI en automatisering om afwegingen te evalueren, scenario’s te simuleren en acties uit te voeren en te monitoren in real-time, afgestemd op bedrijfsdoelen.

Terwijl AI teams kan helpen om vraag te voorspellen of workflows te optimaliseren, bepaalt besluitvorming hoe te handelen op basis van die inzichten. Het balanceert kosten, risico’s, service niveaus en operationele beperkingen over de hele onderneming heen.

Aera wordt vaak omschreven als het mogelijk maken van de zelfrijdende onderneming. In praktische zin, wat betekent dit binnen een grote organisatie, en welke besluiten zijn realistisch gezien klaar voor dit niveau van automatisering vandaag?

Wanneer we het hebben over de zelfrijdende onderneming, gaat dit niet om autonomie zonder controle. Vanaf de eerste dag was onze visie om over te gaan van mensen die besluiten nemen en uitvoeren met steun van machines, naar machines die besluiten nemen met richting van mensen — met duidelijke intentie, beperkingen en verantwoordelijkheid.

In de praktijk werkt Aera als een besluitvormingsagent. Het begrijpt continu gegevens, detecteert triggers, evalueert afwegingen, beveelt acties aan en voert besluiten rechtstreeks uit in enterprise-systemen. Met Aera hoeven mensen geen dashboards te beheren; ze gouverneren besluiten, vaak via een eenvoudige akkoord-of-afkeur-interactie.

De besluiten die klaar zijn voor dit niveau van automatisering vandaag zijn hoogvolume en herhaalbaar — voorraadherbalansering, prioritering van inkooporders, parameterwijzigingen — waar snelheid een rol speelt en handmatige coördinatie de meeste inefficiëntie creëert.

U heeft nauw samengewerkt met wereldwijde ondernemingen in de supply chain, financiën en operaties. Waar zien CIO’s de snelste en meest tastbare rendementen van besluitvorming, of het nu gaat om werkkapitaal, service niveaus of afvalreductie?

CIO’s zien de snelste, meest tastbare rendementen van besluitvorming waar besluiten hoogvolume, herhaalbaar en beperkt zijn door kosten, capaciteit of servicetrade-offs. In de supply chain en operaties omvat dit vaak voorraadherbalansering, prioritering van inkooporders en logistiek. Dit is waar geautomatiseerde uitvoering op grote schaal meetbare winst oplevert in werkkapitaal, service niveaus en afvalreductie.

Als voorbeeld gebruikt een wereldwijd life sciences-bedrijf besluitvorming om continu vraag te monitoren en inkooporders aan te passen — automatisch aanvragen voor annuleringen of verminderingen, antwoorden valideren en wijzigingen bevestigen. Deze capaciteit levert meer dan miljoenen aan jaarlijkse afvalreductie op, evenals een reductie van vrachtwagenkilometers en de bijbehorende broeikasgasemissies.

Veel bedrijven hebben al moeite om AI-modellen operationeel te maken op grote schaal. Wat zijn de meest voorkomende blockers die u ziet wanneer organisaties proberen over te gaan van inzichtgeneratie naar geautomatiseerde besluitvorming?

Uitdagingen ontstaan vaak wanneer teams beginnen met het experimenteren met losse AI-hulpmiddelen. Ze kunnen één workflow automatiseren, maar hebben moeite om besluiten consistent over de hele onderneming te operationaliseren. Zonder een composable, purpose-built besluitvormingsplatform zijn deze inspanningen moeilijk te gouverneren, schalen of aanpassen als omstandigheden veranderen.

Een andere veelvoorkomende blocker is een gebrek aan duidelijkheid over waar besluitvorming hapert. Bedrijven investeren in AI en voorspelling, maar lokaliseren niet waarom voorraad opbouwt, voorspellingen missen of logistiek onderpresteert. Gefragmenteerde zichtbaarheid over besluiten verergert het probleem.

Teams die slagen, beginnen met een duidelijk, hoog-impact gebruiksscenario waarbij afwegingen worden begrepen, vertrouwen opbouwen via aanbevelingen en uitvoering, en geleidelijk automatiseren. Vanaf dat punt kunnen ze schalen terwijl besluiten continu aanpassen en verbeteren over tijd.

Agentic AI wordt een buzzword in de industrie. Hoe ziet u agents passen in besluitvormingsplatforms, en waar moeten ondernemingen voorzichtig zijn met autonomie versus menselijke toezicht?

In besluitvorming voegen agents de meeste waarde toe wanneer ze zijn ingebed in een begeleid besluitvormingssysteem — niet opererend in isolement. Met het Aera Decision Cloud-platform werken agents als gecoördineerde teams, elk bijdragend met een specifieke capaciteit: scenario’s simuleren; real-time signalen integreren; haalbaarheid valideren; financiële impact beoordelen; en acties uitvoeren — allemaal gecoördineerd rondom één besluit.

Waar ondernemingen voorzichtig moeten zijn, is autonomie zonder governance. In de praktijk zijn agentic besluiten altijd begeleid door mensen. Menselijke teams stellen parameters en doelen vast, monitoren prestaties, testen aannamen, en beheren gegevenskwaliteit vanuit een controlekamergebied. Het systeem kan continu draaien, maar mensen gouverneren hoe besluiten evolueren. Die balans is wat agentic AI schaalbaar, betrouwbaar en veilig maakt in de onderneming.

Vertrouwen is kritiek wanneer besluiten van invloed zijn op omzet, klanten of naleving. Hoe zorgt Aera ervoor dat besluiten verklaarbaar, controleerbaar en verdedigbaar zijn, vooral in gereguleerde omgevingen?

Vertrouwen begint met transparantie. Voor elk besluit vat Aera de volledige context samen — de gebruikte gegevens, de aanbeveling, de logica erachter, het genomen besluit en het resultaat. Terwijl het systeem draait en ververst, monitort en meet het de resultaten van de besluiten om de besluitvorming continu te verbeteren.

We noemen dit auto-besluitvormingsleren. Op basis van de besluitprestaties berekent Aera vertrouwensscores voor aanbevelingen — verklarende oorzaken, afwegingen en verwachte impact. Een gebruiker kan een aanbeveling zien met een duidelijke rationale en een vertrouwensniveau van 92%.

Deze aanpak is autonoom, maar begeleid. Via het Decision Intelligence Network van het platform, dat fungeert als een centraal controlekamer, hebben gebruikers volledige zichtbaarheid over besluiten, acties en resultaten. Ze kunnen prestaties monitoren, aannamen testen, gegevenskwaliteit beheren en logica aanpassen over tijd.

Op basis van uw gesprekken met CIO’s, hoe evolueert de rol van mensen naarmate besluitvormingssystemen volwassen worden, en welke vaardigheden worden belangrijker naarmate machines meer operationele besluiten nemen?

Terwijl besluitvorming volwassen wordt, verdwijnt de rol van mensen niet — deze verschuift naar de waardeketen. We zien een verschuiving van mensen die handmatig besluiten uitvoeren naar mensen die besluiten ontwerpen, gouverneren en verbeteren.

In veel consumentengoederenbedrijven evolueren traditionele planner-rollen al naar besluitanalisten die zich richten op het monitoren van resultaten, het begrijpen van afwegingen en het verbeteren van besluitlogica over tijd. Naast hen definiëren besluitarchitecten intentie, beperkingen en guardrails die leiden hoe machines handelen.

De meest belangrijke vaardigheden worden oordeel, systeemniveau denken en de mogelijkheid om de juiste besluiten te kaderen. Mensen blijven stevig in controle, gouvernerend hoe besluiten door machines worden genomen, maar niet elk individueel actie.

Gartners eerste Magic Quadrant voor Decision Intelligence Platforms geeft aan dat deze categorie mainstream wordt. Wat zijn de capaciteiten die u denkt dat leidende leveranciers zullen onderscheiden van achterblijvers in de komende jaren?

Na genoemd te zijn als leider in de eerste Gartner Magic Quadrant voor Decision Intelligence Platforms, zien we leiderschap gedefinieerd door sterke uitvoering en de mogelijkheid om comprehensive, composable capaciteiten te leveren over de volledige besluitvormingscyclus. In Gartners companion Critical Capabilities-onderzoek werd Aera ook erkend voor zijn prestaties over key decision use cases — waaronder decision analysis, decision engineering, decision science en decision stewardship — die beoordelen hoe goed platforms kunnen modelleren, operationaliseren, gouverneren en continue verbeteren van besluiten op enterprise-schaal.

We geloven dat leidende leveranciers ook zullen worden onderscheiden door hoe effectief ze geavanceerde AI-technieken integreren, waaronder generatieve en agentic AI, in begeleide, enterprise-ready besluitvormingssystemen. Dit vereist purpose-built platforms die composable zijn, toegankelijk voor de business via low-code en natuurlijke taalinterfaces, en beheerd op schaal om te voldoen aan beveiligings- en regelgevingsvereisten. Uiteindelijk zullen de sterkste leveranciers besluitvorming embedden als een operationele laag die continu leert en verbetert, niet alleen nog een applicatie die teams moeten beheren.

Voor organisaties die de kloof tussen inzichten en actie erkennen, hoe helpt Aera’s platform hen deze lus te sluiten in de praktijk, en wat ziet een succesvolle eerste implementatie eruit voor een CIO die meetbare bedrijfsimpact wil stimuleren?

Het sluiten van de kloof tussen inzicht en actie begint met het operationaliseren van besluiten in de dagelijkse bedrijfsvoering. Aera’s platform stelt CIO’s in staat om besluiten te behandelen als continue processen: resultaten monitoren; afwegingen testen; en prestaties verbeteren over tijd. Dit wordt vaak verankerd in een besluitvormingscentrum van excellentie, virtueel of fysiek, waar teams gouverneren en verfijnen hoe besluiten worden genomen en uitgevoerd.

Aera verenigt gegevens, analytics, businessregels, AI en automatisering in een enkel composable platform om besluiten te ondersteunen die stromen van inzicht naar uitvoering en leren. De composable architectuur van Aera laat IT toe om toezicht en beveiliging te behouden, terwijl het business-teams in staat stelt om besluitvormingsstromen te definiëren, aan te passen en te evolueren. Terwijl resultaten worden vastgelegd, verbeteren besluiten continu en vrijwarren teams om te focussen op oordeel, strategie en uitzonderingen.

Een succesvolle eerste implementatie bewijst vaak meetbare resultaten op één hoog-impact besluitgevingsgeval in 10-12 weken, uitvoerend en continu verbeterend van besluiten van einde tot einde. Dit creëert een herhaalbaar blauwdruk voor ondernemingsgrootte.

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