Lokdeep Singh, CEO van Unily – Interviewreeks

Lokdeep Singh heeft meer dan 20 jaar ervaring in het leiden van snelgroeiende enterprise‑softwarebedrijven. Onlangs was hij Senior Advisor bij Providence Equity Partners, waar hij portefeuillebedrijven ondersteunde op het gebied van AI‑strategie, operationele uitmuntendheid en versnelling van go‑to‑market. Daarvoor was hij CEO van Talkwalker, een wereldleider in enterprise consumer intelligence, waar hij de transformatie leidde om duurzame, winstgevende groei te realiseren; en bij Synchronoss Technologies als General Manager.

Unily is een enterprise‑employee‑experience‑platform dat is ontworpen om grote organisaties te helpen medewerkers te verbinden, interne communicatie te stroomlijnen en werkplek‑tools, kennis en diensten in een eenduidige digitale omgeving te brengen. Opgericht in 2006, bedient het bedrijf wereldwijde ondernemingen met verspreide, kantoorgebaseerde en front‑line personeelsbestand, waarbij intranet‑functionaliteiten, medewerkercommunicatie, zoeken, analytics, integraties en personalisatie binnen één platform worden gecombineerd. Unily positioneert zijn technologie steeds meer als AI‑native, waarbij beheerde kunstmatige intelligentie wordt gebruikt om contentbeheer te automatiseren, relevante informatie naar voren te brengen, medewerkerervaringen te personaliseren en werknemers in staat te stellen te interacteren met gekoppelde enterprise‑applicaties via conversationele interfaces. Het platform integreert met veelgebruikte werkpleksystemen zoals Microsoft 365 en Teams en is gebouwd voor organisaties met complexe technologische omgevingen, regelgevende vereisten en grote meertalige personeelsbestand.

U begon uw carrière diep in telecom‑engineering en netwerkinfrastructuur voordat u overging naar CTO‑, product‑, algemeen management‑ en CEO‑rollen, uiteindelijk Talkwalker leidde door een succesvolle exit en nu het roer bij Unily overnam. Hoe heeft die ontwikkeling uw kijk gevormd op wat er werkelijk nodig is voor medewerkers om een transformerende technologie zoals AI te vertrouwen en te adopteren?

Mijn carrière heeft mij een perspectief gegeven dat zich bevindt tussen technologie en de mensen die er gebruik van moeten maken. In het begin richtte ik me op infrastructuur, waarbij ik ervoor zorgde dat systemen betrouwbaar, veilig en op schaal werkten. Naarmate ik overstapte naar product, algemeen management en uiteindelijk CEO‑rollen, leerde ik dat technische capaciteit slechts één onderdeel is van het succes van een technologie.

Werknemers zullen een opkomende technologie alleen adopteren wanneer ze begrijpen hoe deze hun werk beïnvloedt, geloven dat het hen helpt in plaats van schaadt, en vertrouwen hebben dat het zich voorspelbaar gedraagt.

De grootste fout die leiders kunnen maken, is AI‑adoptie behandelen als een software‑uitrol. U kunt het beste model ter wereld implementeren, maar als medewerkers de informatie die het levert niet vertrouwen, niet begrijpen wat het mag doen, of niet weten waar de grenzen liggen, zal adoptie oppervlakkig blijven. Vertrouwen moet vanaf het begin in de medewerkerervaring worden ingebouwd.

AI‑mogelijkheden verbeteren zich buitengewoon snel, maar vertrouwen binnen organisaties lijkt vaak veel trager te groeien. Wat drijft deze groeiende kloof tussen wat AI technisch kan doen en waar medewerkers zich daadwerkelijk comfortabel bij voelen om het te laten doen?

De vertrouwenskloof bestaat omdat organisaties sterk hebben geïnvesteerd in het capabel maken van AI, maar niet even hard in het begrijpelijk, verantwoord en verankerd in betrouwbare informatie maken.

AI kan nu redeneren, content genereren en actie ondernemen, maar veel organisaties missen nog steeds een gezaghebbend systeem van record voor kennis en content. Wanneer medewerkers niet weten waar AI zijn antwoorden vandaan haalt, of de informatie actueel is, of wie er eigenaar van is, slinkt het vertrouwen snel.

Het dichten van de kloof vereist meer dan betere modellen. Het vereist sterke content‑governance en een vertrouwde kennissbasis die ervoor zorgt dat AI werkt met nauwkeurige, veilige en actuele informatie. De organisaties die slagen zullen degenen zijn die vertrouwen integreren in de AI‑ervaring zelf, en niet als een bijzaak.

Bedrijven benaderen enterprise AI vaak als een technologisch implementatieprobleem gericht op modellen, integraties, beveiliging en infrastructuur. Waarom gelooft u dat de grotere uitdaging uiteindelijk een mensen‑ en organisatie‑vraagstuk is?

AI verandert de relatie tussen mensen en technologie. Eerdere enterprise‑technologieën wachtten grotendeels tot medewerkers hen vertelden wat ze moesten doen. AI kan intentie interpreteren, aanbevelingen doen en steeds vaker actie ondernemen.

Dat maakt AI‑adoptie een future‑of‑work‑uitdaging, niet alleen een technologische uitdaging. Het verandert hoe werk wordt uitgevoerd, hoe beslissingen worden genomen en hoe teams samenwerken. Organisaties kunnen AI niet simpelweg implementeren en verwachten dat transformatie volgt. Medewerkers moeten begrijpen waar AI past in hun werkprocessen en zich bevoegd voelen om het effectief te gebruiken.

De meest succesvolle AI‑initiatieven worden gedreven door grassroots‑adoptie, niet door top‑down mandaten. Wanneer medewerkers duidelijke waarde zien in hun dagelijkse werk, versnelt adoptie vanzelf.

Daarom draait het raamwerk voor AI‑ROI simpelweg om vertrouwen, empowerment en governance. Bouw vertrouwen op via transparantie en betrouwbare kennis, geef medewerkers tools die hun manier van werken verbeteren, en stel governance in die ervoor zorgt dat AI verantwoord wordt gebruikt. Technologie maakt de verandering mogelijk, maar mensen, processen en cultuur bepalen uiteindelijk het succes.

Organisaties hebben governance nodig, maar te restrictief beleid kan werknemers naar niet‑geautoriseerde tools drijven of experimenteren geheel ontmoedigen. Hoe ziet een effectief AI‑governance‑kader eruit als het doel is zowel vertrouwen als adoptie te vergroten in plaats van alleen gebruik te beheersen?

Goede governance moet aanvoelen als leuningen die werknemers veilig sneller laten bewegen.

Dat betekent dat er heel duidelijk moet zijn waarvoor werknemers AI mogen gebruiken, welke informatie zij aan AI‑systemen mogen verstrekken en welke handelingen AI mag uitvoeren. Die regels moeten voor een werknemer begrijpelijk zijn, niet begraven in een lang beleidsdocument.

Governance moet ook dynamisch zijn. Het risico dat gepaard gaat met AI die een eerste concept genereert, is heel anders dan AI die een betaling goedkeurt, een personeelsrecord wijzigt of met een klant communiceert. Het niveau van menselijke controle moet overeenkomen met de potentiële consequentie.

Uiteindelijk moet het doel niet zijn om AI‑gebruik te minimaliseren, maar om verantwoord gebruik te maximaliseren.

Unily-onderzoek heeft aangetoond dat 52 % van de werknemers meldt dat er geen bekend AI‑beleid bestaat binnen hun organisatie, terwijl sommige werknemers toegeven gevoelige informatie in niet‑geautoriseerde AI‑tools te hebben ingevoerd. In hoeverre is de opkomst van “shadow AI” eigenlijk een falen van communicatie en governance in plaats van een probleem met het gedrag van werknemers?

We moeten voorzichtig zijn met het framen van shadow AI als een probleem van slechte werknemers. Een belangrijke reden voor het gebruik van shadow AI is dat het een symptoom is van onvervulde vraag. Werknemers zoeken naar manieren om problemen op te lossen waarvoor hun organisaties nog geen goedgekeurde tools hebben voorzien, wat een natuurlijk menselijk gedrag is.

In plaats van te verwachten dat ze technologie die de manier van werken verandert negeren, is het antwoord om werknemers een veilig, geautoriseerd pad te bieden om te experimenteren, inclusief duidelijke grenzen en opleiding.

Transparantie en uitlegbaarheid worden vaak gepresenteerd als essentieel voor betrouwbare AI, maar werknemers hoeven niet per se te begrijpen hoe een groot taalmodel intern werkt. Welke informatie moet een AI‑systeem bieden zodat een werknemer een weloverwogen beslissing kan nemen of hij het antwoord of de aanbeveling vertrouwt?

Een enterprise‑AI‑systeem moet duidelijk maken waar de informatie vandaan komt, wanneer die voor het laatst is bijgewerkt, welke bronnen of bedrijfsystemen zijn gebruikt en waarom een bepaalde aanbeveling is gedaan.

Het moet ook eerlijk zijn over onzekerheid. Een van de belangrijkste vertrouwenssignalen is dat een AI‑systeem in feite zegt: “Ik heb niet genoeg informatie om die vraag met vertrouwen te beantwoorden.”

Vertrouwen ontstaat niet doordat AI doet alsof het zeker is. Het ontstaat door werknemers voldoende context te geven zodat ze hun eigen oordeel kunnen vormen.

Unily Glass is ontworpen om enterprise‑AI te laten gaan van het beantwoorden van vragen naar het uitvoeren van acties in systemen zoals HR, IT en klantrelatie‑beheerplatformen. Naarmate AI verschuift van het leveren van informatie naar het daadwerkelijk ondernemen van acties, hoe moeten organisaties bepalen welke beslissingen agents autonoom mogen nemen en welke nog steeds menselijke goedkeuring vereisen?

Het belangrijkste principe moet risico‑proportionaliteit zijn. Als een AI‑agent een vergadering plant of informatie zoekt, is de negatieve impact van een foutieve handeling relatief beperkt. Je kunt het veel meer autonomie geven. Echter, als een agent een financiële transactie goedkeurt, de vergoeding van een werknemer wijzigt, toegang beëindigt of een ingrijpende klantbeslissing neemt, moet de drempel aanzienlijk hoger liggen.

Organisaties moeten expliciete niveaus van autonomie vaststellen op basis van factoren zoals financiële impact, regelgevende blootstelling, omkeerbaarheid en impact op mensen. Hoe consequentialer of onomkeerbaar de handeling, hoe belangrijker menselijke goedkeuring wordt.

Het doel is om mensen betekenisvol in controle te houden waar het er toe doet.

Bedrijven zetten steeds vaker meerdere copilots, gespecialiseerde agents, grote taalmodellen en AI‑ingeschakelde toepassingen in over de technologische stack. Hoe kunnen organisaties voorkomen dat dit een extra laag fragmentatie creëert, en verwacht je dat een gecentraliseerde trust‑ of orkestratielaag essentieel wordt?

We lopen het risico dezelfde fragmentatie te recreëren die enterprise‑software de afgelopen decennia heeft veroorzaakt, behalve dat nu elke applicatie zijn eigen AI‑interface en eigen agent kan hebben.

Werknemers hoeven niet te begrijpen welk model achter welke applicatie zit of te onthouden waar de AI van elke organisatie zich bevindt. Ze moeten AI kunnen gebruiken in de context van hun werk en de juiste informatie en mogelijkheden voor hen samengebracht krijgen.

Daar wordt een orkestratie‑ en trustlaag steeds belangrijker. Deze kan een consistente manier bieden om identiteit, permissies, context, gegevens‑toegang en acties over verschillende AI‑systemen te beheren.

Waarschijnlijk zal er niet één model of één AI‑platform zijn dat alles bezit, maar organisaties zullen steeds meer een gemeenschappelijke laag nodig hebben die al deze systemen verantwoordelijk laat samenwerken.

Veel organisaties kunnen meten hoe vaak werknemers een AI-tool gebruiken, maar gebruik alleen bewijst niet dat de investering waarde creëert. Welke statistieken moeten leiders bijhouden om te bepalen of AI daadwerkelijk de productiviteit, besluitvorming, werknemerservaring of bedrijfsresultaten verbetert?

Gebruik is een interessant startpunt, maar het is niet het resultaat. Leiders moeten zich afvragen of AI de tijd die nodig is om belangrijke werkstromen te voltooien verkort, repetitief werk elimineert, de kwaliteit of snelheid van beslissingen verbetert en wrijving voor werknemers vermindert.

Ik zou kijken naar statistieken zoals tijdsbesparing per werkstroom, taakvoltooiingspercentages, foutpercentages, werknemerstevredenheid, tijd‑tot‑oplossing en uiteindelijk bedrijfsstatistieken die gekoppeld zijn aan de specifieke functie die AI inzet.

De sterkste organisaties zullen AI‑statistieken direct koppelen aan bedrijfsresultaten in plaats van activiteit omwille van de activiteit te vieren.

Naarmate enterprise‑AI evolueert van assistenten die content genereren naar agenten die steeds complexere werkstromen kunnen uitvoeren, wat denken jullie dat bedrijfsleiders nog steeds onderschatten over de relatie tussen AI‑capaciteit, vertrouwen van werknemers en succesvolle adoptie?

Veel leiders onderschatten nog steeds hoeveel vertrouwen de bovengrens voor AI‑adoptie bepaalt.

Bedrijven praten vaak over AI‑capaciteit alsof meer capaciteit automatisch meer waarde betekent. Dat is niet zo. Een buitengewoon capabel systeem dat werknemers niet vertrouwen, kan minder waarde creëren dan een beperkter systeem dat zij begrijpen en vol vertrouwen gebruiken.

Dit vereist dat bedrijven technologie, governance, werknemerservaring en organisatieverandering als één systeem beschouwen. Bedrijven moeten uitzoeken hoe ze AI voldoende vertrouwen kunnen geven om daadwerkelijk de manier waarop mensen werken te veranderen.

Bedankt voor het geweldige interview, lezers die meer willen weten, kunnen Unily bezoeken.