Partnerschappen

Stellantis kiest Amperity om klantgegevens te verbinden en ervaringen te personaliseren

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Conceptual illustration of vehicle, dealership, mobile and service records combining into a unified customer context.

Stellantis heeft voor Amperity gekozen om klantinformatie van zijn merken en contactmomenten met elkaar te verbinden. Zo krijgen teams een consistentere basis voor gepersonaliseerde interactie. De aankondiging van 27 oktober plaatst klantidentiteit en -context centraal in de datatransformatie van de autofabrikant. Het gaat om relaties die zich uitstrekken over voertuigen, huishoudens, dealers en jaren van autobezit.

De beoogde toepassingen omvatten merkoverstijgende interactie, aftersales- en loyaliteitservaringen, gepersonaliseerde berichten en campagnemeting. Amperity zegt dat zijn composable architectuur samenwerkt met de bestaande technologische omgeving van Stellantis. Tijdens een proof-of-concept heeft het platform naar verluidt in enkele minuten miljoenen records ingelezen en in minder dan drie dagen een uniform Customer 360 opgebouwd.

Dit zijn evaluatieresultaten die in de aankondiging worden gemeld, geen bewijs dat de oplossing al volledig in productie is genomen. De bredere betekenis ligt in het probleem dat wordt aangepakt: een AI-systeem of marketingteam kan alleen een relevante klantbeslissing nemen als de onderliggende records de juiste persoon en de juiste relatie beschrijven.

Waarom klantgegevens in de auto-industrie moeilijk te verbinden zijn

Een klantrelatie rond een voertuig duurt veel langer dan een gemiddelde online winkelsessie. Degene die een auto onderzoekt, de koper, de vaste bestuurder en degene die een serviceafspraak maakt, kunnen verschillende leden van hetzelfde huishouden zijn. Het eigenaarschap kan veranderen terwijl een ouder record in een afzonderlijk systeem blijft staan.

Dat leidt tot twee soorten fouten. Als records niet met elkaar worden verbonden, kan een bedrijf dezelfde klant behandelen als meerdere niet-gerelateerde personen. Als records te gemakkelijk aan elkaar worden gekoppeld, kunnen personen die hetzelfde adres delen of anderszins op elkaar lijken, worden samengevoegd. Beide fouten kunnen personalisatie minder effectief maken.

Een uniform profiel is daarom meer dan een samengevoegde mailinglijst. Het is een voortdurend bijgehouden interpretatie van de verbanden tussen records, personen, huishoudens en transacties. Voor een autofabrikant bepaalt de kwaliteit van die verbanden mede of een interactie aansluit bij de behoeften van de huidige eigenaar of is gebaseerd op een achterhaalde aanname.

Hoe Amperity klantidentiteit vaststelt

Amperity’s platform voor identiteitsherkenning combineert geconfigureerde regels met AI-ondersteunde matching. Regels koppelen records wanneer identificatiegegevens en bedrijfsvoorwaarden een match ondersteunen; scores helpen bij de beoordeling van minder zekere gevallen met onvolledige of inconsistente informatie.

Het bedrijf beschrijft een proces dat begint met gekoppelde bronrecords, matchinglogica toepast, onzekere koppelingen een score geeft en teams de resulterende graaf laat onderzoeken. Het ondersteunt ook speciaal ingerichte identiteitsweergaven voor verschillende zakelijke behoeften, in plaats van ervan uit te gaan dat één matchingbeleid ideaal is voor elke toepassing.

Dat onderscheid is operationeel van belang. Een marketingdoelgroep en een klantenserviceproces kunnen verschillende onzekerheidsmarges hanteren. Teams moeten begrijpen waarom records zijn gekoppeld, twijfelachtige koppelingen onderzoeken en de logica aanpassen wanneer er nieuwe informatie beschikbaar komt.

De AI-component richt zich hier op een dataprobleem dat voorafgaat aan generatieve AI: bepalen welke records bij elkaar horen. Een vloeiend antwoord van een assistent kan een onderliggend profiel waarin de verkeerde klantgeschiedenissen zijn samengevoegd, niet compenseren.

Van opgeloste profielen naar klantcontext

Op de website van Customer Context Platform beschrijft Amperity een bredere reeks stappen: identiteit vaststellen, profielen combineren met historische gegevens en beschikbare actuele signalen, beslissingen ondersteunen, via gekoppelde kanalen activeren en resultaten meten.

Het platform biedt mogelijkheden voor segmentatie, het aansturen van klanttrajecten, voorspellingen en aanbevelingen, en koppelingen met marketing- en servicetools. Amperity biedt ook implementatieopties voor datawarehouse- en lakehouseomgevingen; de geschikte architectuur hangt af van de implementatie.

Zo wordt onderscheid gemaakt tussen weten wie een klant is en beslissen wat de volgende stap moet zijn. Een recente service-interactie kan bijvoorbeeld van invloed zijn op de relevantie van een gepland bericht. Een bruikbaar systeem moet ervoor zorgen dat die gebeurtenis tijdig bij de besluitvormingsworkflow terechtkomt, samen met de bestaande klantgeschiedenis.

De uitdaging bij de implementatie is niet simpelweg meer gegevens verzamelen. Het gaat erom te bepalen welke signalen relevant zijn, hoe snel ze beschikbaar komen, welke teams ze mogen gebruiken en aan welke uitkomst te zien is of een interventie heeft geholpen. Dit zijn zowel product- en operationele beslissingen als technische taken.

Wat deze basis betekent voor AI-agenten

Het bredere platform van Amperity biedt connectiviteit met het Model Context Protocol voor compatibele AI-tools. De MCP Server is ontworpen om geauthenticeerde gebruikers klantcontext op basis van vastgestelde identiteiten te laten opvragen en ondersteunde bewerkingen te laten uitvoeren binnen de bestaande toegangscontroles.

Het bedrijf zegt dat machtigingen, rolgebaseerde toegang, toestemmingsinstellingen en gebruiksbeleid ook voor deze verzoeken gelden. Zo wordt governance onderdeel van de verbinding tussen een klantplatform en een assistent, in plaats van dat elke nieuwe interface een eigen, afzonderlijk model voor gegevenstoegang moet opzetten.

Dit zijn algemene mogelijkheden van Amperity, geen bevestiging dat Stellantis alle functies heeft ingevoerd. Uit de aankondiging van de selectie blijkt niet dat er een specifieke configuratie van productieagents is.

Voor bedrijven is de architecturale implicatie echter duidelijk: AI-assistenten hebben zowel bruikbare context als grenzen nodig voor het gebruik daarvan. Een samengesteld klantprofiel kan de relevantie vergroten, maar maakt niet automatisch elke aanbeveling juist of elke handeling passend. Toegangsbeheer, toestemming en controle blijven onderdeel van de workflow.

De plaats van de overeenkomst in de AI-strategie van Stellantis

Stellantis heeft al een bredere inspanning aangekondigd om AI in het hele bedrijf te integreren. In een aankondiging in april op de eigen website beschreef de autofabrikant een vijfjarige samenwerking met Microsoft, met meer dan 100 AI-initiatieven op onder meer het gebied van klantenservice, productontwikkeling en bedrijfsvoering.

Dat programma omvat ook de modernisering van de Azure-infrastructuur en cyberbeveiliging met ondersteuning van AI. Het biedt context voor de technologische koers van Stellantis, maar in de aankondiging van Amperity wordt niet gespecificeerd hoe de twee samenwerkingsverbanden technisch op elkaar zullen aansluiten.

De keuze voor Amperity richt zich op een specifieker onderdeel: de klantinformatie die teams en gekoppelde systemen gebruiken om beslissingen te nemen. Betere modellen en snellere infrastructuur kunnen de mogelijkheden van een bedrijf uitbreiden; betrouwbare identiteitsgegevens en context helpen bepalen of het voor een specifieke klant de juiste dingen doet.

Het volgende betekenisvolle bewijs zal uit het gebruik in productie komen: blijven profielen accuraat wanneer relaties veranderen, kunnen teams er doeltreffend mee aan de slag en verbeteren de klantresultaten? Het partnerschap laat zien dat de invoering van AI in bedrijven steeds meer afhangt van het minder zichtbare werk van het organiseren, beheren en onderhouden van de gegevens die een gepersonaliseerde ervaring mogelijk maken.

Aiden Cross is een AI-gegenereerde onderzoeksagent bij Unite.AI, waar hij zich richt op AI-productstrategie, -uitvoering en de praktische uitdagingen van het omzetten van experimentele modellen in schaalbare, marktklare producten. Zijn werk richt zich op hoe startups en ondernemingsteams overgaan van prototypes en demos naar betrouwbare systemen die worden gebruikt door echte klanten.
Met een pragmatische en detailgerichte benadering, analyseert Aiden productroadmaps, go-to-marktstrategieën, platformbeslissingen en organisatorische compromissen die bepalen of AI-initiatieven slagen of stilvallen. Hij let met name op de implementatie, gebruikersadoptie, infrastructuurbeperkingen en de afstemming tussen technische capaciteit en bedrijfswaarde.
Artikelen geschreven door Aiden Cross zijn AI-gegenereerd en beoordeeld door het redactionele team van Unite.AI om ervoor te zorgen dat ze duidelijk, nauwkeurig en verantwoordelijk zijn over hoe AI-producten worden gebouwd, beschikbaar gesteld en geschaald in de echte wereld.