Sarah Philipp, Global Lead van AI-activatie en -adoptie bij Altimetrik – Interviewserie

Sarah Philipp, Global Lead van AI-activatie en -adoptie bij Altimetrik, richt zich op het helpen van organisaties bij het overbruggen van de kloof tussen snelle AI-innovatie en daadwerkelijke adoptie in de werkomgeving. Haar werk is gericht op het opbouwen van AI-geletterdheidsprogramma’s, workflow-activatie-strategieën en rolgebaseerde trainingsinitiatieven die medewerkers en managers helpen om generatieve AI in hun dagelijkse werkzaamheden te integreren. Bij Altimetrik heeft ze geholpen bij het vormgeven van adoptieprogramma’s voor ondernemingen rond technologieën zoals ChatGPT Enterprise, de OpenAI Agents SDK en ondernemingsbrede AI-workflows, evenals bij het co-creëren van “LAByrinth”, een projectgebaseerde GenAI-simulatieplatform ontworpen voor ingenieurs en technische programmaleiders. Voordat ze bij Altimetrik kwam, bracht ze jaren door met het leiden van klanteneducatie en implementatie-initiatieven bij SaaS-platforms zoals Nudge Coach, waardoor ze een sterke basis kreeg in leersystemen, gedragsactivatie en digitale transformatie. Haar carrière weerspiegelt een groeiende trend binnen ondernemings-AI, waarin succes steeds meer afhankelijk is van het maken van medewerkers vertrouwd, bekwaam en productief met AI-hulpmiddelen in hun dagelijkse werk.

Altimetrik is een AI-georiënteerd digitaal ingenieurs- en dataservicesbedrijf dat zich richt op het helpen van ondernemingen bij het moderniseren van legacy-systemen en het opschalen van generatieve AI over bedrijfsprocessen. Het bedrijf werkt in verschillende branches, waaronder financiële dienstverlening, gezondheidszorg, fabricage, detailhandel en levenswetenschappen, en combineert productengineering, cloudmodernisering, data-infrastructuur en AI-implementatiediensten. Altimetrik heeft zichzelf gepositioneerd als een belangrijke ondernemings-AI-implementatiepartner door samenwerkingen met OpenAI, met een sterke nadruk op agente-AI, workflow-orchestratie, governance en productieklare AI-systemen. De ALTI AI Lab fungeert als een intern innovatiehub waar het bedrijf ondernemings-AI-toepassingen prototypeert, variërend van intelligente assistenten tot multimodale workflows en AI-native bedrijfsprocessen. In de afgelopen jaren heeft Altimetrik zich agressief uitgebreid door partnerschappen en overnames, waardoor het zijn wereldwijde ingenieursvoetaak en ondernemings-AI-leveringscapaciteiten heeft versterkt.

U hebt uw carrière opgebouwd op het snijvlak van ondernemings-transformatie, leerdesign en opkomende technologie — wat was de cruciale ervaring die u ervan overtuigde dat verantwoorde AI-adoptie evenzeer afhankelijk zou zijn van menselijke activatie als van technische capaciteit?

Ik ben meestal een vrij late adopter van dingen. Ik ben geneigd om sceptisch te zijn over hype en koppig om vast te houden aan de manier waarop ik dingen gewend ben te doen. Dit was zo met AI. Ik was een late adopter en bewoog heel langzaam in het begin.

Wat voor mij veranderde, was het horen van mensen die AI in hun dagelijkse leven en werk gebruikten, in heel menselijke en niet-technische taal. Zodra ik het kon verbinden met echte en persoonlijke wrijvingspunten, volgde de nieuwsgierigheid.

Die ervaring versterkte iets wat ik overal heb gezien in elke transformatie-inspanning waar ik deel van uitmaakte: adoptie begint zelden met capaciteit alleen. Het begint met relevantie, vertrouwen en betekenis. Mensen moeten eerst zichzelf zien in de verandering en dat is waarom verantwoorde AI-adoptie evenzeer afhankelijk is van menselijke activatie als van technische gereedheid.

In uw rol als leider van wereldwijde AI-activatie bij Altimetrik, hoe definieert u succesvolle ondernemingsbrede generatieve AI-adoptie beyond pilots en proof-of-concept-experimenten?

Succesvolle ondernemingsbrede adoptie leeft niet in silo’s. Een van de meest voorkomende patronen die we zien, is gecompartmentaliseerde adoptie. Een team wordt heel geavanceerd in zijn AI-maturiteit, terwijl een ander team in dezelfde onderneming geen duidelijke strategie heeft en mogelijk zelfs gefragmenteerde tools of persoonlijke accounts gebruikt. Dat soort onevenwichtige adoptie creëert inconsistentie en risico.

Echte succes komt wanneer een onderneming gedeelde gewoonten, gedeelde standaarden en verbonden manieren van werken opbouwt. Het vereist zowel top-down als bottom-up veranderingen in het beheer. Top-down moet het leiderschap richting geven, governance vaststellen en duidelijkheid creëren over wat verantwoorde, waardevolle adoptie betekent. Bottom-up moeten medewerkers begrijpen hoe AI past in hun dagelijkse werk, waar het echte problemen oplost en hoe ze het met vertrouwen binnen hun rol kunnen gebruiken.

Het echte teken van maturiteit is wanneer workflows soepel lopen van begin tot einde en over teams heen, niet alleen binnen geïsoleerde pockets.

Veel ondernemingen investeren in generatieve AI-hulpmiddelen, maar worstelen met het operationeel maken ervan. Wat zijn de meest voorkomende uitvoeringsgaten die u ziet tussen ambitie en meetbare bedrijfsimpact?

Eigendom van governance is vaak onduidelijk. Wie is verantwoordelijk voor het documenteren van wat wordt gebruikt, versiebeheer van prompts of workflows, kwaliteitsbewaking en bijhouden waar AI daadwerkelijk in het bedrijf wordt gebruikt? Zonder die duidelijkheid eindigen ondernemingen met verspreid gebruik en heel weinig operationele discipline.

Veel ondernemingen hebben niet besloten wat voor soort AI-gebruik ze eigenlijk willen stimuleren. Mikken ze op rol-specifieke prompts, individuele productiviteitsgevallen zoals brainstormen en opstellen, of doelgerichte agenten gekoppeld aan gedefinieerde workflows? Als dat niet duidelijk is, blijft activatie vaag en wordt impact moeilijk te meten.

Er is ook vaak een disconnect tussen rollout en echt werk. Bedrijven investeren in tools voordat ze hebben geïdentificeerd op welke momenten AI wrijving kan verwijderen, kwaliteit kan verbeteren of uitvoering kan versnellen op een betekenisvolle manier. Ambitie is gemakkelijk, maar operationeel maken vereist specificiteit.

U werkt nauw samen met executive leiderschapsteams — wat ziet effectieve AI-beheersing eruit op het niveau van de C-suite, en hoe beïnvloedt leiderschapsgedrag adoptie in de hele onderneming?

Het ziet eruit als modelleren, nieuwsgierigheid en een beginnersgeest. Het ziet eruit als leiders die kwetsbaar zijn in een kamer met mensen die voor hen werken.

De leiders die het grootste verschil maken, zijn degenen die een beginnersgeest demonstreren. Ze zijn bereid om openlijk te leren. Ze zijn comfortabel met zeggen: “Ik ben hier nog steeds mee bezig.” Die kwetsbaarheid is belangrijker dan mensen beseffen, omdat het iedereen anders geeft om deel te nemen zonder dat ze eerst expert hoeven te zijn.

Leiderschapsgedrag zet de toon. Als executives AI behandelen als een zijexperiment, zal de onderneming dat ook doen. Als ze zorgvuldig gebruik modelleren, praktische vragen stellen en zichtbaar investeren in leren, wordt adoptie cultureel veiliger. Vertrouwen is net zo belangrijk als capaciteit als het gaat om het opschalen van AI in de onderneming.

Wat ziet een gestructureerd experimenteerframework voor generatieve AI eruit in de praktijk, en hoe kunnen bedrijven innovatie stimuleren zonder fragmentatie of risico-expositie te creëren?

We willen beginnen met echte workflow-pijn punten, niet met willekeurige suggesties. Teams moeten worden aangemoedigd om repetitieve taken, beslissingsbottlenecks of bestaande kennislacunes te identificeren. Van daaruit kunnen ondernemingen experimenten prioriteren op basis van bedrijfsrelevantie, haalbaarheid en risico.

De gezondste omgevingen zijn die waar mensen dingen veilig kunnen proberen, delen wat werkt en vermijden om het wiel opnieuw uit te vinden in isolement.

U hebt LAByrinth mede gecreëerd, een generatieve AI-projectsimulator ontworpen om ingenieurs hands-on ervaring te geven met het bouwen van AI-hulpmiddelen in een veilige, geleide omgeving. Wat inspireerde de creatie ervan, en hoe versnelt simulatie-gebaseerde leren echte wereldwijde AI-capaciteit?

Ik heb altijd van hands-on, ervaringsgericht leren gehouden. Specifiek, het soort “over je schouder” mentoring dat bestaat in kunststudio-omgevingen.

Toen Martin Gaida en ik ideeën voor deze soort trainingsstructuur begonnen te bespreken, werd het hele project eigenlijk heel leuk om te creëren. Het voelde alsof we een puzzel voor mensen aan het maken waren. Dat wist ik, en toen wist ik dat we op de goede weg waren. Mensen zijn meer geneigd om zich te engageren met nieuw materiaal als ze het interessant vinden en zich ondersteund voelen.

Simulatie-gebaseerd leren versnelt capaciteit omdat het de kloof tussen theorie en toepassing sluit. Het geeft hen een veilige plek om oordeel te oefenen, niet alleen concepten te memoriseren. En met AI, dat is enorm belangrijk, omdat echte capaciteit niet alleen weet wat een tool kan doen, maar ook weet hoe je het zorgvuldig en veilig kunt gebruiken.

Hoe zouden ondernemingen workforce-opscholing anders moeten benaderen in de era van generatieve AI in vergelijking met eerdere golven van digitale transformatie?

Samenwerkend en creatief. Met tools zoals Notebook LM en Figma maken, zijn er veel manieren om aantrekkelijke en verse inhoud te maken. We houden van een dia-presentatie, maar we houden ook van interactieve werkboeken, geanimeerde video’s en andere methoden om het curriculum te leveren.

Ik leer het beste met infographics en andere visuele hulpmiddelen.

Verantwoorde AI wordt vaak gekaderd rond governance en compliance. Vanuit een activatieperspectief, wat ziet verantwoorde adoptie eruit in dagelijkse workflows?

Overleg met de mensen die de tools daadwerkelijk gebruiken over wat ze nuttig maakt, en zorg er dan voor dat iedereen die de tools gebruikt weet wat het beleid eigenlijk betekent. Hoe vertaalt het zich in hoe ze AI dagelijks gebruiken?

Verantwoorde adoptie betekent een mens-aan-het-stuur-model. AI kan helpen bij het opstellen, samenvatten, analyseren of versnellen, maar mensen zijn nog steeds eigenaar van het oordeel, de kwaliteitscontrole en de finale beslissing. Die menselijke verantwoordelijkheid is cruciaal.

Net zo belangrijk is dat verantwoorde adoptie afhankelijk is van vertrouwen. Onderscheidingsvermogen komt uit ervaring. Dat is waarom ondernemingen laag-risico, niet-oordelende ruimtes nodig hebben waar medewerkers kunnen oefenen en echte vaardigheid kunnen opbouwen. Wanneer mensen voldoende hands-on ervaring krijgen om zorgvuldige oordeelsvellingen te maken, wordt verantwoord gebruik minder abstract en meer een gewoonte.

Hoe kunnen ondernemingen activatieprogramma’s ontwerpen die aanpasbaar blijven in plaats van binnen maanden verouderd te raken, terwijl generatieve AI snel evolueert?

Het is een uitdaging, maar er zijn veel goede tools beschikbaar.

De grootste fout is het opbouwen van activatie volledig rond het huidige tool-landschap.

We worden vaak gevraagd of we tool-agnostische training aanbieden, en het antwoord is ja. Absoluut. We focussen op duurzame AI-vaardigheden en leren mensen dan hoe ze die vaardigheden binnen de tools van de onderneming kunnen toepassen. Die aanpak geeft programma’s een veel langere houdbaarheidsdatum.

Aanpasbare activatie moet ook modulair zijn. Fractaal. In plaats van training te behandelen als een eenmalige gebeurtenis, moeten ondernemingen in lagen denken: fundamentale geletterdheid, rol-gebaseerde toepassing, geavanceerd experiment en voortdurende updates wanneer tools en prioriteiten verschuiven.

Kijkend naar de toekomst, wat zijn de verschuivingen die u denkt dat de volgende fase van ondernemings-AI-adoptie zullen definiëren in de komende twee jaar?

Rolgebaseerd en agente. Ondernemingen omarmen al het gebruik van agenten. Deze ondernemingen willen ervoor zorgen dat hun technische teams zijn opgeleid op alle noodzakelijke manieren om dit soort AI-gebruik te bouwen en te beheren.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Altimetrik bezoeken.