Sarah Edwards, Chief Product en Strategy Officer, Kantata – Interviewreeks

Sarah Edwards, Chief Product en Strategy Officer, Kantata, heeft meer dan 27 jaar ervaring in professionele dienstverlening, consulting, productstrategie en bedrijfsleiderschap. Gedurende haar carrière heeft ze zowel in Noord-Amerika als Europa gewerkt, waar ze dienstverleningsorganisaties heeft opgebouwd en geschaald en diepe expertise heeft ontwikkeld op het gebied van projectuitvoering, resourcebeheer en operationele excellentie. Voordat ze bij Kantata kwam, had Edwards leidinggevende rollen bij Hitachi Consulting, waar ze wereldwijde teams leidde, en eerder hielp ze consultingbedrijven zoals Fulcrum Solutions en Edenbrook groeien. Bij Kantata is ze verantwoordelijk voor het leiden van product- en strategie-initiatieven binnen het bedrijfsportfolio, waarmee professionele dienstverleningsorganisaties hun zichtbaarheid, forecasting, resourceallocatie en algemene bedrijfsprestaties kunnen verbeteren met behulp van op maat gemaakte technologieoplossingen.

Kantata is een toonaangevende aanbieder van professionele dienstverleningsautomatiseringssoftware (PSA), die zich uitsluitend richt op de behoeften van consultingbedrijven, agentschappen, IT-dienstverleners en andere projectgebaseerde organisaties. Het bedrijf is ontstaan uit de fusie van Mavenlink en Kimble en biedt een AI-gebaseerd platform dat projectplanning, resourcebeheer, financiële operaties, forecasting, samenwerking en bedrijfsinformatie verbindt in een geïntegreerde omgeving. De technologie is ontworpen om organisaties te helpen hun projectwinst te verbeteren, hun werkgelegenheid te optimaliseren, de forecastnauwkeurigheid te verhogen en real-time zichtbaarheid te verkrijgen over de hele dienstverleningslevenscyclus. Door operationele gegevens te combineren met AI-gebaseerde inzichten, helpt Kantata professionele dienstverleningsbedrijven beter geïnformeerde beslissingen te nemen, betere resultaten te behalen en efficiënt te groeien in een steeds complexer wordende bedrijfsomgeving.

U bent uw carrière begonnen als Oracle (ORCL ) -consultant voordat u Oracle-praktijken leidde bij Edenbrook en Hitachi Consulting en later hielp bij het vormgeven van Kantata’s productstrategie over een periode van meer dan tien jaar. Hoe heeft die reis uw visie beïnvloed op waar AI de meeste waarde kan creëren voor professionele dienstverleningsbedrijven, en welke lessen uit die eerdere consultingomgevingen zijn nog steeds van toepassing vandaag?

Als ik terugkijk op mijn carrière, is de professionele dienstverleningsindustrie de afgelopen 30 jaar niet wezenlijk veranderd. De regels waren om de business te laten groeien door het aantal medewerkers te laten groeien; hoe meer medewerkers, hoe meer projecten konden worden uitgevoerd. Maar nu wordt die playbook volledig herschreven dankzij AI en nieuwe technologie. Ik hoor veel meer onzekerheid in de industrie dan ooit tevoren. Wat ziet onze talentenpool eruit? Wat heb ik nodig aan mensen en agenten? Hoe factureer ik AI-agenten? Niemand weet het antwoord op deze vragen nog.

Wat we wel weten, is dat als bedrijven vasthouden aan het oude operationele model van proberen om omzet te groeien met het aantal medewerkers, het alleen maar een race naar de bodem zal zijn. Uit mijn ervaring in topconsultingomgevingen weet ik dat consulting nog steeds draait om menselijke relaties, maar in de tijd van AI staan professionele dienstverleningsbedrijven onder meer druk van klanten om meer te doen met minder en sterke resultaten te produceren. Ze moeten constant hun waarde bewijzen. Hier kan AI helpen door gegevens en geïntegreerde expertise te benutten om herhaalbare en consistente intelligentie op te bouwen.

U heeft betoogd dat veel organisaties de succesmeting van AI verkeerd aanpakken door zich te concentreren op productiviteit en efficiëntie. Waarom denkt u dat “expertisevermeerdering” een meer betekenisvolle meting is voor het evalueren van AI-ROI?

Het focussen op alleen productiviteit en efficiëntie is niet voldoende om de langetermijnsucces van AI te meten. AI-activatie gaat over meer dan alleen het automatiseren van de status quo; het gaat over het fundamenteel veranderen van de manier waarop we opereren. Voor mij is de expertisevermeerderingsratio van een organisatie – de capaciteit om institutionele en tribale kennis te verzamelen, te synthetiseren, te schalen en voortdurend op te bouwen – veel meer betekenisvol, omdat het bedrijven in staat stelt om expertise op grote schaal te activeren. Expertise is de primaire valuta van de consultingwereld, maar als die specifieke vaardigheden en gespecialiseerde kennis geïsoleerd blijven of in één persoonsbrein, is het geen effectief systeem.

Historisch gezien draaide de professionele dienstverleningsindustrie op heldendaden – uitmuntende medewerkers met aangeboren vaardigheden of kennis die klanten konden benutten. In deze tijd zullen bedrijven niet overleven als ze op die manier opereren. Expertise moet breed, nauwkeurig en snel worden gedeeld, wat AI al enigszins doet. Neem bijvoorbeeld AI-hulpmiddelen die automatisch notities maken tijdens vergaderingen en deze later verspreiden. De uitdaging voor professionele dienstverleningsbedrijven is dat deze output niet direct verbonden is met het verlenen van diensten aan klanten. Daarom is er behoefte aan een AI-hulpmiddel dat de volgende stap zet en acteert op deze intelligentie binnen de context van het specifieke bedrijf. Als AI kan leren van en de expertise van het bedrijf kan vermeerderen die het levert over projecten, dan wordt het echt een transformatieve technologie.

Wat zijn de grootste misverstanden die executives hebben als ze proberen de return on investment van AI-initiatieven te berekenen?

Executives praten meestal over AI-ROI in termen van kostenbesparingen en efficiëntie, maar het is een misverstand om te denken dat dit de enige plek is waar AI waarde kan creëren. Ze moeten ook bepalen hoe AI omzetgroei drijft door het ontwikkelen van nieuwe omzetpijplijnen, het helpen behouden van meer klanten of het mogelijk maken voor het bedrijf om meer projecten aan te nemen.

Hoe kunnen organisaties beginnen met het verzamelen en schalen van institutionele kennis die momenteel alleen bestaat in medewerkersgesprekken, projectervaringen en tribale kennis?

Veel professionele dienstverleningsbedrijven vertrouwen nog steeds op spreadsheets, geïsoleerde gegevens en tribale kennis om hun bedrijf te runnen. Het plaatsen van een eenmalige AI-agent met generieke training bovenop één project of gegevensstroom zal weinig impact hebben. Een geïntegreerd platform met AI en voorspellende inzichten die kunnen acteren over projecten en workflows heen, zal dat wel doen. Maar niet alle platforms zijn gelijk. Om impact te hebben, moeten ze gebouwd zijn op een unificerende kennisgrafiek die institutionele kennis op grote schaal verzamelt, deze in context plaatst en AI-agenten de autonomie geeft om te acteren op basis van de inzichten, met mensen in de lus.

Veel bedrijven implementeren AI-assistenten en -agenten binnen de onderneming. Wat onderscheidt organisaties die duurzame concurrentievoordelen creëren van die welke alleen bestaande workflows automatiseren?

Aan het begin van de AI-boom haastten veel organisaties zich om AI-hulpmiddelen te implementeren om niet achter te blijven, maar deze onbewuste implementatie leidde tot veel bedrijven die last hadden van agentbloat (d.w.z. wanneer agenten langzaam, duur in onderhoud of onnauwkeurig worden vanwege mismanagement en een overbelasting aan tools of informatie). Bovendien werken alle agenten in silo’s en is er geen langetermijnstrategie over hoe alle agenten samen te operationaliseren.

De organisaties die de basis leggen voor een echt, langetermijnconcurrentievoordeel, implementeren geen agenten die alleen naar één specifiek ding kijken; ze implementeren agenten die zichtbaarheid hebben over de hele linie. Staffing, resourcing, delivery, enz. zijn allemaal bewegende delen in de professionele dienstverleningsmachine die samen moeten werken om dingen soepel te laten verlopen. En ze geven deze agent de context, kennis en begrip die nodig zijn om een echte impact te maken.

Hoe ziet u AI de operationele modellen van professionele dienstverleningsbedrijven veranderen in de komende vijf jaar, met name rondom consulting, implementatie en advieswerk?

AI verandert het talentmodel. Vaardigheden evolueren sneller dan ooit, en er is een groot vraagteken naast waar de volgende generatie talent vandaan komt. Sommigen zijn ook bezorgd dat AI de menselijke werknemers van hun creativiteit en cognitieve denken zal beroven; daarom verwacht ik dat er een verschuiving zal zijn in hoe bedrijven hun medewerkers inzetten om ervoor te zorgen dat ze deze spieren niet overmatig gebruiken en niet te veel vertrouwen op AI-output. Uiteindelijk is AI een enablement-kracht die medewerkers bevrijdt van tactische, alledaagse taken zodat ze zich kunnen concentreren op strategisch werk dat een verschil maakt.

Als AI meer capabel wordt, verwacht u dat bedrijven zich zullen verplaatsen van uren- en utilisatiegebaseerde facturering naar meer resultaatgebaseerde prijsmodellen? Wat zijn de uitdagingen die in de weg staan van die overgang?

Wanneer professionele dienstverleningsbedrijven een verzoek tot voorstel ontvangen, is het gebruikelijk geworden om te vragen hoe het bedrijf kosten verlaagt met AI en hoe die kostenbesparingen waarde bieden aan de klant. Wat vaak ontbreekt, is een mechanisme om die kostenverlaging te meten en een verhaal om aan prospects uit te leggen hoe AI de bestaande expertise van het bedrijf verheft en de waarde die het levert.

Uiteindelijk denk ik dat het factuurmodel zich zal verplaatsen naar resultaatgebaseerde prijsmodellen. Vandaag de dag ontbreken de meeste organisaties de leveringsdiscipline, gegevens en financiële gereedheid om echte resultaatgebaseerde prijsstelling op grote schaal te ondersteunen. Voeg AI toe aan de mix, en het model wordt nog complexer – wanneer werk wordt gedaan door agenten, hoe volg je inspanning, bewijs je waarde of erken je omzet? Je kunt resultaten niet prijzen als je levering niet kunt voorspellen. De echte overgang zal geen sprong zijn naar resultaatgebaseerde prijsstelling, maar een progressie van inspanning naar vast tarief naar waarde naar resultaatgebaseerde verkoop, terwijl organisaties de basis bouwen die ze nodig hebben om resultaten te monitoren.

Kantata heeft zich uitgesproken over het omzetten van organisatorische kennis in een strategisch actief via zijn Expertise Engine. Wat heeft deze focus veroorzaakt, en welke lacunes zag u in traditionele kennisbeheersystemen?

Enterprise AI vandaag de dag is voornamelijk gericht op generieke AI-hulpmiddelen die zijn ontworpen om vergaderingen samen te vatten, prompts te beantwoorden of geïsoleerde taken te automatiseren. En wanneer het gaat om professionele dienstverlening, werkt het niet. De echte uitdaging waar professionele dienstverleningsbedrijven voor staan, is niet taakautomatisering. Het is operationele complexiteit.

Professionele dienstverleningsbedrijven draaien op een constant veranderend web van personeelsbeslissingen, leveringskeuzes, projectrisico’s, utilisatiedoelstellingen, forecastingmodellen en financiële afhankelijkheden. Generieke AI-hulpmiddelen begrijpen die context niet, wat betekent dat ze niet op een betekenisvolle manier over het bedrijf heen kunnen redeneren.

Kantata neemt een andere benadering van AI. In plaats van een generieke agent of chatbot op bestaande software te leggen, bouwen we AI die is aangepast aan de operationele realiteiten van professionele dienstverlening. Onze Expertise Engine verbindt schatting, staffing, levering, forecasting en financieel beheer in één operationeel model, waardoor AI-agenten volledige bedrijfscontext krijgen om intelligent te acteren over workflows heen.

Dit is niet de AI van gisteren. Het is operationele AI.

Wat zal de rol zijn van AI-agenten in professionele dienstverleningsorganisaties, en waar denkt u dat menselijke expertise onvervangbaar zal blijven?

Naarmate AI-agenten een deel van de workload van menselijke werknemers overnemen, zal dit hen in staat stellen om de meer plezierige en creatieve delen van hun banen te doen. Automatisering gaat niet alleen over efficiëntie en tijds- en kostenbesparingen, maar ook over verlichting en empowerment van medewerkers. Dit zal hun creatieve kant verhogen en een nieuwe generatie denkers opbouwen, die de bouwers van AI-hulpmiddelen zullen worden in plaats van alleen gebruikers. Deze verschuiving zal essentieel zijn, omdat AI overal aanwezig zal zijn en elk bedrijf snel en goedkoop output kan produceren, maar alleen die bedrijven die blijven investeren in hun menselijke expertise, sterke, betekenisvolle resultaten zullen produceren.

Kijkend naar de toekomst, wat moeten bedrijfsleiders vandaag doen om ervoor te zorgen dat hun organisaties niet alleen AI adopteren, maar een duurzaam expertisevoordeel opbouwen dat in de loop van de tijd vermeerderd?

In plaats van een generieke agent of chatbot op bestaande software te leggen, moeten professionele dienstverleningsbedrijven op zoek gaan naar AI-superagenten die de capaciteit hebben om context te begrijpen over alles wat nodig is om een professioneel dienstverleningsbedrijf te runnen – van staffing tot forecasting tot financieel beheer en projectlevering – en op maat gemaakte agenten creëren die autonoom kunnen acteren.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten bezoek Kantata.