Par Chadha, oprichter, CEO en CIO van HandsOn Global Management – Interviewreeks

Par Chadha, oprichter, CEO en CIO van HandsOn Global Management, is een ondernemer, investeerder en technologie‑executive met tientallen jaren ervaring in het bouwen en opschalen van technologie‑gedreven bedrijven. Sinds hij HandsOn Global Management in 2001 oprichtte, richtte hij zich op investeringen in workflow‑automatisering, big data, robotic process automation (RPA), cognitieve technologieën en kunstmatige intelligentie in de sectoren financiële dienstverlening, gezondheidszorg, verzekeringen en juridische markten. Hij is tevens mede‑oprichter van Rule14 en was eerder voorzitter en uitvoerend voorzitter van Exela Technologies, evenals voorzitter van SourceHOV.

HandsOn Global Management (HGM) Limited is een technologie‑gedreven bedrijf dat opereert op het snijvlak van strategische investeringen en zakelijke diensten, waarbij kapitaaltoewijzing wordt gecombineerd met operationele expertise om technologie‑gedreven bedrijven te bouwen en op te schalen. Het bedrijf richt zich steeds meer op AI‑gedreven zorgdiensten, waaronder revenue‑cycle‑management, medische codering, ambient listening en zorg‑analytics, terwijl het ook AI‑aangedreven automatisering en procesoptimalisatie toepast op bedrijfsbrede workflows. HGM beschrijft haar model als een hybride van een investeringsmaatschappij en een gediversifieerde dienstverlener, waarbij overnames, technologische integratie en operationele uitvoering worden ingezet om langetermijngroei na te streven in markten zoals Noord‑America, Azië‑Pacific en het Midden‑Oosten.

U heeft HandsOn Global Management in 2001 opgericht, ruim voordat kunstmatige intelligentie een mainstream investeringsonderwerp werd. Wat inspireerde u oorspronkelijk om het bedrijf op te richten, en hoe is de investeringsfilosofie geëvolueerd naast de ontwikkelingen in workflow‑automatisering, data‑intelligentie en agentic AI?

De naam HandsOn beschrijft hoe ik over de organisatie denk. Als u niet hands‑on kunt zijn—als u hands‑off bent—hoort u niet in onze organisatie. Ik verwacht dat de mensen die bedrijven overzien, inclusief ikzelf, wat ik servant leadership noem, toepassen. Ons werk is de mensen die voor ons werken te dienen en hen te helpen succesvoller te worden.

Technologie is enorm veranderd, maar de onderliggende vraag is nauwelijks veranderd: wat stelt de technologie het bedrijf in staat beter te doen?

Met automatisering kijk ik altijd naar wat ik flex‑capaciteit noem. Als één medewerker 100 transacties kan afhandelen en automatisering die persoon in staat stelt 250 te verwerken, creëert u groeicapaciteit zonder dezelfde kosten toe te voegen. Dat maakt het bedrijf winstgevender en schaalbaarder.

Nu gaat AI daar aanzienlijk verder in. We gaan over op AI‑gebaseerde workflows waarin veel verschillende taken worden georkestreerd, met mensen in de lus en agentic AI in de lus. Ik denk dat dit soort bedrijven zeer gewild zullen zijn en tot de meest ontwrichtende bedrijven behoren.

De technologie is dus geëvolueerd, maar onze filosofie blijft hands‑on: begrijp het operationele probleem, begrijp waar productiviteit kan worden gecreëerd, en zet de technologie om in een bedrijf.

Als zowel CEO als Chief Investment Officer, welke kenmerken onderscheiden een AI‑bedrijf met het potentieel om een duurzaam bedrijf te worden van een bedrijf dat voornamelijk profiteert van de kortetermijn‑hype rond de technologie?

Voor mij is het onderscheid of u de investering kunt omzetten in een bedrijf. Anders is een investering slechts een kostenpost.

Er kan veel enthousiasme bestaan rond intellectueel eigendom of nieuwe technologie, maar iemand moet het nog steeds gebruiken. Het moet een probleem oplossen, een waardepropositie hebben en uiteindelijk inkomsten genereren.

Neem automatisering als voorbeeld. U moet ook de functie die u automatiseert begrijpen. Marketing, verkoop, inkoop, HR, financiën, administratie, belastingrapportage en beveiliging zijn zeer verschillende functies. De automatisering moet worden ontworpen rond wat dat specifieke bedrijf daadwerkelijk doet. Een tankstation heeft zeer specifieke behoeften. Een restaurant heeft zeer gespecialiseerde behoeften.

De bedrijven die blijven bestaan, zijn die waar klanten het verschil zien — meer winstgevendheid, meer schaalbaarheid, meer capaciteit, of het vermogen om iets te doen dat ze voorheen economisch niet konden. Technologie is belangrijk, maar uiteindelijk moet het een bedrijf worden.

HandsOn Global Management neemt een actieve operationele rol op zich bij het bouwen, overnemen en transformeren van bedrijven. Hoe verandert deze hands‑on benadering de manier waarop u AI‑investeringen evalueert ten opzichte van een traditioneel venture‑capital‑ of private‑equity‑model?

Ik geloof er niet in om van bovenaf simpelweg mensen te vertellen wat ze moeten doen. Mijn aanpak is altijd geweest dat de mensen die voor u werken hiaten hebben, en uw taak is die hiaten op te vullen en hen succesvol te maken.

Dat betekent dat wanneer we naar een investering kijken, we operationeel denken. Wie gaat het runnen? Hoe wordt het gepositioneerd? Wie zijn de klanten en partners? Wat is de waardepropositie? Kan het schaalbaar worden?

Ik werk hand in hand met managementteams, maar ik wil dat de operationele persoon de leiding neemt. Ik zorg voor de introductie, laat die persoon het overnemen, blijf in de cc en ben beschikbaar. Voor ons zijn het bezitten van een investering en het runnen van een bedrijf geen twee volledig gescheiden activiteiten.

Veel ondernemingen experimenteren met AI, maar minder hebben het succesvol ingezet in missie‑kritieke operaties. Wat onderscheidt organisaties die van geïsoleerde pilots naar productie‑schaal adoptie overgaan?

Een groot deel hiervan is of de organisatie zelf bereid is te veranderen.

Technologie kan sneller gaan dan mensen. We hebben afgestudeerden die AI en agents kennen en zeer snel productief kunnen worden. Tegelijkertijd kunnen mensen met vijf, tien of twintig jaar professionele ervaring moeite hebben om van hun comfortzone naar de nieuwe zone te verschuiven. We zien hetzelfde gedrag in de VS, India, de Filipijnen en Europa.

Dat wordt een organisatorisch probleem, niet alleen een technologisch probleem.

De bedrijven die de transitie maken, zullen bereid zijn de workflow zelf te wijzigen. Zodra u verschillende taken orkestreert met mensen en agentic AI die binnen het proces werken, verandert u de manier waarop het werk wordt uitgevoerd.

Als bedrijven die verschuiving niet maken, zal iemand anders dat wel doen. Ik denk dat het een kwestie van overleven wordt. De bedrijven die ontwrichten, zullen vooruitgaan, en de bedrijven die dat niet doen, zullen zelf ontwricht worden.

De zorginitiatieven van HGM omvatten autonome medische codering, spraak‑ en gesprek‑intelligentie, voorspellende analytics en AI‑agents die werken over administratieve en klinische workflows. Waar denkt u dat AI de grootste hoeveelheid frictie uit de zorg kan wegnemen zonder nauwkeurigheid, privacy of vertrouwen van de patiënt in gevaar te brengen?

Een van de grootste problemen in de zorg is dat we individuele functies hebben gedigitaliseerd, maar het bedrijf niet noodzakelijk hebben verbonden. Claims, inschrijvingen, zorgbeheer, apotheek, provider‑diensten, analytics en de revenue‑cycle kunnen nog steeds als losse systemen opereren. Dat leidt tot dubbel werk, inefficiëntie, hogere kosten en een slechte ervaring.

Ik denk niet dat het antwoord simpelweg een andere applicatie is. Intelligentie moet in de workflow worden ingebed. De kans ligt in het samenbrengen van data, processen en mensen zodat AI kan helpen te begrijpen wat er gebeurt, kan voorspellen wat volgt, een actie kan aanbevelen en het werk kan automatiseren dat passend geautomatiseerd kan worden.

Administratief werk is een voor de hand liggende start. Zorgverleners hebben nog steeds te maken met handmatige processen, voorafgaande autorisaties en administratieve lasten. Als technologie die workflows kan vereenvoudigen, creëert u meer capaciteit voor de professional en uiteindelijk meer tijd voor zorg.

Maar vertrouwen is enorm belangrijk in de zorg. Beveiliging, compliance en governance moeten deel uitmaken van de architectuur. Technologie moet complexiteit vereenvoudigen, niet toevoegen. Het doel is niet AI omwille van AI. Het gaat om betere zorg, lagere kosten, betere operationele prestaties en een betere ervaring voor het lid en de zorgverlener.

In gereguleerde sectoren zoals de zorg, financiële dienstverlening, verzekeringen en de overheid, hoe moeten bedrijven bepalen welke beslissingen kunnen worden gedelegeerd aan autonome AI‑agents en welke nog steeds menselijke beoordeling vereisen?

Ik denk dat verantwoordelijkheid de scheidslijn wordt.

In gereguleerde bedrijven heeft uiteindelijk iemand de verantwoordelijkheid voor wat er wordt gepresenteerd. In cybersecurity, bijvoorbeeld, kunnen toezichthouders eisen dat het management en de raden zeer snel informatie openbaar maken, en kan senior management publieke verklaringen moeten ondertekenen. Het probleem is dat niemand alles weet, zeker niet zo snel.

AI kan tools samenbrengen, een basislijn vaststellen, informatie organiseren en een proces veel productiever maken. Maar dat maakt verantwoordelijkheid niet verdwijnen.

De zorg is een goed voorbeeld. AI kan voorspellen, detecteren, aanbevelen en automatiseren, maar die functies dragen niet allemaal hetzelfde risiconiveau. De architectuur moet herkennen waar automatisering passend is en waar mensen in de lus moeten blijven. Hoe ingrijpender de beslissing, hoe belangrijker governance, verklaarbaarheid en verantwoordelijkheid worden.

Ik zie het niet als een keuze tussen volledig autonome AI en volledig handmatig werk. De vraag is waar AI het werk effectief kan doen en waar een persoon nog steeds oordeel moet uitoefenen of achter het resultaat moet staan.

U bent mede‑oprichter van Rule14, een platform dat is ontworpen om in realtime informatie te vinden, monitoren, analyseren en samenvatten. Hoe hebben grote taalmodellen en generatieve AI wat mogelijk is in data‑mining veranderd, en welke fundamentele dataproblemen moeten nog worden opgelost?

Grote taalmodellen bieden de mogelijkheid om informatie‑gebaseerd werk veel schaalbaarder te maken.

We hebben bedrijven waar honderden advocaten en andere professionals met content en informatie werken, en historisch gezien hebben ze meer legacy‑tools gebruikt dan grote taalmodellen. Wat mij interesseert, is hoe u platforms die voor één doel zijn gebouwd, correct kunt verpakken en op schaal voor een heel ander doel kunt inzetten.

Het gaat niet alleen om het feit dat een model iets kan samenvatten. U kunt de economie van hoe grote hoeveelheden informatie worden verwerkt, verpakt en geleverd, veranderen.

Maar ik zou niet aannemen dat u, omdat u een groot taalmodel heeft, plotseling alles weet. De onderliggende informatie blijft van belang, en in de echte wereld kan informatie onvolledig of niet beschikbaar zijn wanneer u die nodig heeft. De modellen maken ons veel productiever; ze elimineren niet de noodzaak om te begrijpen welke informatie u daadwerkelijk heeft.

Het strategische ecosysteem van HGM omvat bedrijven die werken aan autonome medische codering, ambient klinische documentatie, intelligente workflows, betalingen, dataverwerking en AI‑ontwikkelplatformen. Hoe creëert u betekenisvolle technische en commerciële samenwerking binnen een portfolio zonder bedrijven in een kunstmatig ecosysteem te dwingen?

U gebruikt elk bedrijf voor wat het het beste doet.

Ik beschreef dit in cybersecurity als het creëren van een kleine club. Wij zijn de aanbieder van de dienst, en de andere bedrijven zijn experts op hun gebied. We gebruiken elk bedrijf voor zijn sterkste vermogen. Door met ons samen te werken, krijgen zij uitbreiding naar onze klanten, en profiteren wij van waar zij zeer goed in zijn.

Dat is anders dan zeggen dat elk bedrijf elk ander bedrijf moet gebruiken omdat ze toevallig in dezelfde portfolio zitten. Het punt is om mogelijkheden samen te brengen tot iets dat de klant daadwerkelijk kan gebruiken.

Intern zie ik een vergelijkbare aanpak. Ik verbind de juiste mensen en laat de operationele persoon de leiding nemen. Zij bepalen wat ze samen kunnen doen, wat de budgetten zijn en of het op de product‑roadmap thuishoort.

De samenwerking moet waarde creëren. Anders is er geen reden om het af te dwingen.

U heeft investeringen, overnames en operationele transformaties geleid in meerdere regio’s en sectoren. Wat heeft u geleerd over het aanpassen van AI‑producten aan verschillende regelgevende omgevingen, bedrijfsculturen, talen en niveaus van digitale volwassenheid?

Cultuur is belangrijk, en persoonlijke relaties zijn belangrijk.

Wanneer mensen elkaar alleen kennen via een kantoor‑directory, telefoonnummer of e‑mail, noem ik dat een zeer onpersoonlijke relatie. Dat kan werken wanneer alles normaal is. Maar wanneer u bouwt, uitbreidt, iets repareert of met problemen te maken krijgt, wordt het kennen van de persoon aan de andere kant veel belangrijker.

Reizen leert u dat markten niet allemaal hetzelfde zijn. U leert wat mensen eten, welke sporten ze volgen, hoe hun schoolsystemen werken, wat cultureel gevoelig is en wat onnodige barrières creëert. Hoe meer u over het land, de mensen en hun levenswijze weet, hoe meer u de kloof in de relatie verkleint.

Technologie is vergelijkbaar. Verschillende markten bevinden zich op verschillende niveaus. Sommige landen liggen verder voor dan de VS op bepaalde professionele diensten, terwijl wij verder voor kunnen liggen in andere vormen van automatisering.

U kunt niet aannemen dat u één model overal kunt toepassen en hetzelfde resultaat kunt verwachten. U moet begrijpen hoe die markt daadwerkelijk werkt en relaties opbouwen met de mensen die het gaan gebruiken.

Naarmate agentic AI, cognitieve automatisering en fysieke AI blijven samensmelten, welke kansen denkt u dat nog onderschat worden, en welk advies zou u oprichters geven die bedrijven bouwen voor deze volgende fase van automatisering?

Ik denk dat AI‑gebaseerde workflows in zeer, zeer grote vraag zullen komen — de orkestratie van een verscheidenheid aan taken met mensen in de lus en agentic AI in de lus. Ik geloof dat dit enkele van de meest ontwrichtende bedrijven zullen zijn.

De ontwrichting zal ook breder zijn dan mensen verwachten. Mensen denken vaak dat automatisering de onderkant van de arbeidsmarkt treft. Mijn mening is dat het vaak de middenlaag is. Senior medewerkers kunnen meer doen, waardoor ze minder middenlaag nodig hebben. Coderen, testen, gegevensinvoer en data‑analyse worden geautomatiseerd, terwijl workflows en dashboards de behoefte aan beheer van sommige van die functies verminderen.

Dan is er de fysieke kant. Restaurants worden geautomatiseerd. Werk dat vroeger mensen nodig had tijdens oogst- en plantseizoenen, wordt vervangen door autonome machines, robots en drones. Dat landschap verandert zeer snel.

Er zal pijn zijn in die transitie. Productieve motoren hebben minder van ons nodig. Maar als we de productiviteit niet verbeteren, kunnen we niet concurreren met veel grotere landen met zeer verschillende kostenstructuren. Als we het goed doen, denk ik dat dit het begin kan zijn van een nieuw Amerikaans tijdperk.

Voor oprichters zou ik me richten op de workflow en de productiviteit die u creëert. Bouw iets dat onderdeel wordt van hoe werk daadwerkelijk wordt gedaan, begrijp waar mensen nog steeds in de lus horen, en erken dat de organisaties die uw technologie adopteren ook een grote transitie in hun personeelsbestand doormaken.

Dank u voor het geweldige interview, lezers die meer willen weten, kunnen HandsOn Global Management bezoeken.