Sunil Padiyar, Chief Technology Officer bij Trintech – Interviewreeks

Sunil Padiyar is een ervaren Chief Technology Officer (CTO) met een robuuste trackrecord in het ontwerpen van cloud-gebaseerde B2B SAAS-oplossingen voor snelgroeiende softwarebedrijven. Als CTO van Corcentric, leidde hij een omzetgroei van 25% per jaar, met een focus op het CFO-kantoor door het stroomlijnen van accounts payable, automatisering, inkoop en betalingstransacties. Sunil was ook CTO bij FacilitySource, waar hij de opmerkelijke expansie van $40 miljoen naar $250 miljoen in slechts 5 jaar leidde, wat resulteerde in een succesvolle overname door CBRE.

Trintech is een wereldwijde aanbieder van cloud-gebaseerde software die financiële sluitingsprocessen en rekeningafschriften automatiseert voor financiële en accountancyteams. Met meer dan 35 jaar ervaring, ondersteunt het duizenden klanten in meer dan 100 landen, met jaarlijks miljarden transacties. Het bedrijf maakt gebruik van AI-gedreven automatisering en strategische partnerschappen om financiële professionals te helpen bij het verschuiven van handmatige taken naar hogere-waarde werk.

U hebt meer dan twee decennia in technologische leiderschapsrollen doorgebracht—wat u aanvankelijk aantrok tot het ontwikkelen van oplossingen die financiële teams empoweren, en hoe is die motivatie in de loop van uw carrière geëvolueerd?

Vroeg in mijn carrière zag ik hoeveel tijd en energie financiële teams besteedden aan repetitieve, handmatige werk—en hoe weinig van hun dag overbleef voor analyse en besluitvorming. Het werd duidelijk dat technologie die balans kon verschuiven, waardoor financiële professionals zich konden richten op hogere-waarde activiteiten. In de loop van de tijd is mijn motivatie geëvolueerd van het simpelweg automatiseren van taken naar het opnieuw ontwerpen van workflows, zodat AI en automatisering niet alleen tijd besparen, maar ook de nauwkeurigheid, compliance en de algehele kwaliteit van financiële inzichten verbeteren.

Hoe maakt Trintech momenteel gebruik van AI binnen zijn interne operaties om efficiëntie of besluitvorming te verbeteren?

Intern gebruiken we AI om processen over meerdere teams te stroomlijnen. In operaties helpt AI ons om ondersteuningsaanvragen te identificeren en prioriteren, waardoor we sneller kunnen reageren op onze klanten. In productontwikkeling gebruiken we AI-ondersteunde coderingstools om functies sneller te leveren terwijl we de kwaliteitsnormen handhaven. We experimenteren ook met AI voor het analyseren van klantfeedback op grote schaal, waardoor onze product- en klantensuccessteams trends en kansen veel sneller kunnen identificeren dan traditionele methoden.

Kunt u ons doorlopen hoe AI in Trintech’s producten is geïntegreerd om financiële teams te helpen bij het sneller sluiten, risico’s te verminderen of de nauwkeurigheid te verbeteren?

AI is niet aan onze producten toegevoegd—het is ingebed in de kernworkflows. In ons Cadency-platform werkt AI in-context, met volledige kennis van de klantomgeving, gegevens en compliance-eisen. Dit maakt functies zoals geautomatiseerde journaalposten, uitzonderingsprioritering en dynamische afstemmingsplanning mogelijk, die zijn aangepast aan elke organisatie. In ons Adra-platform is AI ingebouwd in de gebruikersinterface om snelle overwinningen te behalen: aanbevelen van overeenkomstregels, toewijzen van gegevensvelden en helpen bij het maken van journaalposten—alles met één muisklik. Dit maakt AI toegankelijk en effectief voor gebruikers zonder complexe instellingen.

Zijn er specifieke AI-gedreven functies in Cadency of Adra die u denkt dat een game-changer zijn voor uw klanten?

Voor Cadency is Risico-Intelligentie Automatisering transformatief geweest—automatisch prioriteren en routeren van uitzonderingen op basis van risico, en handmatige herziening verminderen met maximaal 90%. Bovendien kan onze journaalpostautomatisering de tijd om een enkele post te maken van maximaal 9 minuten terugbrengen tot ongeveer 1 minuut. Over honderden posts heen zijn de efficiencywinsten voor financiële teams enorm.

Voor Adra verbetert AI de productiviteit op elk stadium van de sluiting. Functies zoals MatchAssist bevelen transactieovereenkomstregels aan, waardoor de handmatige inspanning om overeenkomstlogica te configureren aanzienlijk wordt verminderd. AI formateert ook inkomende gegevens en vult velden automatisch in tijdens het importeren, waardoor repetitief werk wordt geëlimineerd en de overeenkomstpercentages worden verbeterd—alles om de afstemming te versnellen en gebruikersmoeheid te verminderen.

Hoe beslist uw team welke AI-mogelijkheden het eerst moet ontwikkelen—wat is het proces van idee tot implementatie?

We beginnen met de pijn punten van de klant. Onze productmanagers, klantensuccessteams en AI-specialisten werken samen om te identificeren waar AI de grootste impact kan hebben. Van daaruit prioriteren we kansen op basis van waarde, haalbaarheid en uitlijning met onze productvisie. Prototypes worden snel ontwikkeld en getest met een kleine set klanten om de impact te valideren. Pas nadat we meetbare resultaten hebben aangetoond, rollen we ze breder uit.

Wat is de rol van AI bij het detecteren van anomalieën, voorkomen van fouten of verbeteren van compliance in financiële workflows?

Onze AI analyseert zowel de door de gebruiker ingevoerde gegevens als de onderliggende transactiegegevens op anomalieën, potentiële fouten en compliance-overtredingen. Omdat onze AI contextueel is en de intelligentie heeft om de specifieke klant te herkennen die het bedient, kan het compliance-regels afdwingen die zijn aangepast aan het governance- en regelgevingskader van die klant. Dit betekent dat het systeem niet alleen generisch problemen signaleert—het past de juiste controles toe voor die organisatie, waardoor de nauwkeurigheid en compliance worden gewaarborgd zonder het proces te vertragen.

Hoe zorgt u ervoor dat AI-uitvoer in uw oplossingen transparant en betrouwbaar is voor financiële teams die erop vertrouwen?

We ontwerpen AI-uitvoer om volledig transparant te zijn. Elke aanbeveling wordt vergezeld van de redenering of gegevenspatroon erachter, zodat gebruikers kunnen begrijpen waarom het systeem die suggestie deed. In Cadency, bijvoorbeeld, tonen uitzonderingsrisicoscores de factoren die bijdroegen aan de score, waardoor financiële teams de logica kunnen valideren voordat ze actie ondernemen. Deze transparantie bouwt vertrouwen op en zorgt ervoor dat AI een assistent blijft, geen zwarte doos.

Kunt u een succesverhaal delen waarin een klant meetbare resultaten behaalde door AI-gepowered automatisering in uw platform?

Een van onze enterprise-klanten test momenteel onze AI-gepowered journaalpostautomatisering in Cadency. Voordat AI werd ingezet, kon het maken van een enkele journaalpost tot 9 minuten handmatig werk kosten. Met onze automatisering duurt hetzelfde proces nu ongeveer 1 minuut. Over duizenden journaalposten heen die elke maand worden verwerkt, zijn de verwachte efficiencywinsten enorm—wat zich vertaalt in aanzienlijke kostenbesparingen en het vrijmaken van financiële teams voor strategischer werk. De test is al sterk resultaat opleverend en wordt naar verwachting binnenkort live gezet.

Hoe balanceert Trintech AI-innovatie met het behoud van de beveiliging en integriteit van gevoelige financiële gegevens?

Beveiliging is niet onderhandelbaar.

Alle onze AI-diensten werken in een stateless configuratie, wat betekent dat klantgegevens niet worden bewaard of gebruikt voor modeltraining. Propriëtaire ML-modellen worden gehost in private cloud-omgevingen, en generatieve AI wordt toegankelijk gemaakt via enterprise-grade API’s van Microsoft Azure’s OpenAI-service. Gegevens worden versleuteld in transit en in rust, en onze systemen zijn SOC 2 en ISO 27001 gecertificeerd. Dit garandeert dat innovatie nooit ten koste gaat van gegevensintegriteit.

Kijkend naar de toekomst, hoe ziet u AI de interne operaties van Trintech en de manier waarop klanten uw producten ervaren veranderen in de komende vijf jaar?

In de komende vijf jaar zal AI zich ontwikkelen van een functie binnen onze oplossingen tot een orkestrator van het hele financiële sluitingsproces. Voor klanten betekent dit dat AI niet alleen individuele taken zal automatiseren, maar ook zal anticiperen wat er vervolgens moet gebeuren, workflows over systemen heen zal orkestreren, en inzichten zal naar boven brengen voordat problemen ontstaan. Intern zullen we AI blijven gebruiken om efficiëntie te verbeteren in R&D, klantenservice en operaties, waardoor we meer waarde kunnen leveren aan klanten, sneller.

Dank u voor het geweldige interview, lezers die meer willen leren, kunnen Trintech bezoeken.