Vijay Rayapati, CEO en medeoprichter van Atomicwork – Interviewreeks

Vijay Rayapati is de medeoprichter en CEO van Atomicwork. Voor hij het bedrijf oprichtte, was hij Senior Vice President en General Manager van de Cloud Networking and Security business bij Nutanix, na de overname van Minjar, het cloud‑managementplatform dat hij oprichtte en opschaalde als CEO. Eerder in zijn loopbaan bekleedde hij technische en productleiderschapsrollen bij Kuliza en Trilogy, waardoor hij diepgaande ervaring heeft met het bouwen van enterprise‑infrastructuur en softwaretoepassingen. Zijn achtergrond omvat cloud‑infrastructuur, enterprise‑software en AI‑werkforce‑technologie, waardoor hij een bekende oprichter is in de enterprise‑IT‑sector.

Atomicwork is een enterprise‑AI‑bedrijf dat een agentisch IT‑service‑managementplatform bouwt dat werknemers helpt technologische problemen op te lossen, routinematige ondersteuningstaken te automatiseren en bedrijfskennis via AI toegankelijk te maken. Het platform combineert AI‑agents met moderne ITSM‑functionaliteiten om service‑verzoeken af te handelen, problemen te troubleshooten, workflows over bedrijfs‑systemen te orkestreren en de belasting voor IT‑teams te verminderen. Klanten gebruiken Atomicwork om snellere ondersteuning voor werknemers te leveren en tegelijkertijd de operationele efficiëntie van IT‑ en bedrijfsprocessen te verbeteren.

U hebt eerder Minjar medeopgericht, de enterprise‑cloud‑managementbusiness opgebouwd en daarna de operatie bij Nutanix geleid na de overname. Welke lessen uit het bouwen, verkopen en integreren van een enterprise‑softwarebedrijf overtuigden u om Atomicwork in 2022 op te richten en IT‑service‑management vanaf de grond opnieuw te bouwen voor het AI‑tijdperk?Bij Minjar bouwden we software die de cloud‑rekening van een bedrijf met een derde kon verlagen door automatisering. Klanten hielden van de aanbevelingen. Daarna lieten ze ze twee kwartalen liggen. Het duurde even voordat ik begreep waarom, en het antwoord was niet technisch. Wanneer automatisering een beslissing neemt en het fout gaat, is er niemand die verantwoordelijk kan worden gehouden. Bedrijven kopen niet alleen software of resultaten. Ze kopen iemand die voor hen antwoordt. Software zonder een plek op het organigram krijgt geen autoriteit, hoe goed die ook is.

De overname leerde me een smallere les. Punt‑producten worden gekocht. Systemen van record worden gebouwd. Je kunt het betere product zijn en toch je hele leven rond de eigenaar van de workflow moeten draaien.

De Nutanix‑jaren brachten de twee samen. Ik zag IT service‑management kopen voor controle en werknemers het ervaren als een formulier en een wachtrij. Ik realiseerde me ook dat het ticket nooit het product was. Het audit‑logboek was dat wel. Daarom heeft ITSM veertig jaar overleefd ondanks de afkeer, en daarom kon niemand het verwijderen.

Dus de vraag in 2022 was niet of AI het werk kon doen. Het was of je AI een plek op het organigram kon geven. Legacy‑ITSM‑platforms kunnen dat niet, omdat een menselijke toegewezene in het centrum van hun datamodel staat en elke SLA, goedkeuring en rapport hangt af van die veronderstelling. Bevestig AI en je krijgt een sneller formulier.

We bouwden voor het andere antwoord waarbij AI een hybride workforce levert, niet alleen software. AI‑Coworkers doen het werk, en IT bestuurt ze zoals HR mensen bestuurt. Je configureert een AI‑Coworker niet. Je neemt hem aan voor een rol, beoordeelt zijn werk en trekt hem terug als hij niet presteert. Dat is het verschil tussen AI als functie en AI als workforce.

Atomicwork beschrijft zijn AI‑Coworkers als systemen die gedefinieerde functierollen bezitten en werk van begin tot eind uitvoeren, in plaats van alleen vragen te beantwoorden of geïsoleerde taken uit te voeren. Welke technische mogelijkheden onderscheiden een echte AI‑Coworker van een chatbot, copilot of traditioneel automatiseringstool, en waar moet zijn autonomie eindigen?

Een chatbot beantwoordt een vraag, en een copilot helpt iemand een taak te voltooien, maar geen van beiden is verantwoordelijk voor het voltooien van het werk. Een AI‑Coworker is anders omdat hij een gedefinieerde rol heeft en een resultaat moet leveren. Of het nu gaat om incident‑triage, toegang provisioning of onboarding van werknemers, hij blijft werken aan elke stap om het doel te bereiken in plaats van te stoppen na de eerste stap.

Dat vereist veel meer dan een capabel model. Een AI‑Coworker heeft een identiteit nodig, de juiste permissies, toegang tot goedgekeurde tools, organisatorische context, een budget en duidelijke operationele grenzen en zijn rol. Hij moet over bedrijfs‑systemen kunnen werken, weten wanneer (en van wie) hij goedkeuring moet vragen en een audit‑trail achterlaten bij elke actie. Daarom hebben we zo sterk gefocust op het platform rondom het model. Betrouwbare AI hangt net zo veel af van orkestratie, governance en uitvoering als van intelligentie.

Autonomie mag nooit onbeperkt zijn. Een AI‑Coworker moet opereren binnen de verantwoordelijkheden van zijn functierol, terwijl mensen betrokken blijven wanneer het werk gevoelige systemen raakt of juridische, financiële of arbeidsgerelateerde implicaties heeft.

Uw platform laat gespecialiseerde AI‑Coworkers samenwerken op het gebied van incident‑management, toegang‑provisioning, onboarding en IT‑operaties. Hoe verdelen deze AI‑Coworkers verantwoordelijkheden, delen ze context, en herstellen ze wanneer één AI‑Coworker een onjuiste beslissing neemt die de rest van de workflow kan beïnvloeden?

We denken niet dat één AI‑Coworker elke taak moet proberen te doen. IT‑organisaties scheiden al verantwoordelijkheden over verschillende teams omdat elke rol andere doelen, permissies en expertise heeft. We hebben diezelfde denkwijze toegepast op AI‑Coworkers, daarom lanceerden we met gecertificeerde AI‑Coworkers die zich specialiseren in verschillende IT‑operationele gebieden.

Elke Coworker bezit een specifieke functie terwijl hij dezelfde enterprise‑context deelt. Wanneer een werknemer een ticket maakt in Atomicwork, zorgt slimme routering ervoor dat het naar de juiste AI‑Coworker wordt gestuurd die aan het verzoek werkt en (afhankelijk van het verzoek) het opnieuw toewijst aan een andere AI‑Coworker, sub‑tickets creëert voor AI‑Coworkers om het probleem parallel op te lossen (bijvoorbeeld, een onboarding‑ticket kan worden opgesplitst in activiteiten die parallel kunnen worden uitgevoerd) of het escaleert naar een mens. Naarmate het werk van de ene Coworker naar de andere beweegt, verplaatst de relevante informatie zich mee via het ticket (het systeem van record), samen met toegang tot relevante systemen zoals de servicedesk, identiteitsplatformen, HR‑systemen en samenwerkings‑tools. Die gedeelde context stelt elke Coworker in staat beslissingen te nemen op basis van wat al is gebeurd in plaats van vanaf nul te beginnen.

Atomicwork ondersteunt verschillende agent‑frameworks en modellen van leveranciers zoals OpenAI, Anthropic en Google. Hoe bepaalt u welk model verantwoordelijk is voor retrieval, redeneren, plannen en uitvoeren, en hoe kunnen ondernemingen consistent gedrag behouden terwijl de onderliggende modellen blijven veranderen?

Verschillende modellen zijn goed in verschillende soorten werk. Onze focus is geweest op het bouwen van een platform dat kan profiteren van vooruitgang zonder klanten elke keer hun workflows te laten herontwerpen wanneer een model verandert. Enterprise‑context, orkestratie, identiteit, beleids‑handhaving, telemetrie en evaluatie bieden de consistentie die organisaties in productie nodig hebben, ongeacht welk frontier‑model eronder zit.

We hebben publiekelijk besproken dat we meerdere model‑leveranciers ondersteunen, samen met evaluatiekaders en governance, maar we hebben de routeringslogica die bepaalt welk model retrieval, redeneren, plannen of uitvoering afhandelt niet beschreven. We hebben ook het validatieproces dat we gebruiken wanneer leveranciers nieuwe modellen en updates uitbrengen niet gedeeld.

Een enterprise‑AI‑agent kan tegenstrijdige documentatie, onvolledige configuratierecords, verouderde kennis en verschillende permissies over systemen tegenkomen. Hoe bepaalt de Universal Context‑laag van Atomicwork welke informatie betrouwbaar en actueel is voordat een agent een beslissing neemt of een actie onderneemt?

Enterprise‑kennis bestaat zelden op één plek. Een deel leeft in documentatie, een deel in systemen van record en een deel in de dagelijkse activiteiten van het bedrijf. AI heeft al die context nodig als het betrouwbare beslissingen moet nemen.

Universal Context brengt die bronnen samen door enterprise‑kennis te combineren met mensen, netwerk, infrastructuur en apparaat‑data van live operationele systemen. Een AI‑Coworker kan informatie raadplegen van platforms zoals Confluence of SharePoint, MDM’s zoals Intune en JAMF, terwijl hij ook begrijpt wat er gebeurt in systemen zoals Jira, Workday, Salesforce of identiteits‑providers. Het respecteert ook bestaande permissies, zodat mensen en AI‑Coworkers alleen toegang hebben tot informatie die ze al mogen zien.

We hebben uitgelegd hoe Universal Context enterprise‑systemen verbindt en beveiligingsgrenzen behoudt, maar we hebben niet beschreven hoe het tegenstrijdige informatie oplost wanneer vertrouwde bronnen het oneens zijn of hoe het bepaalt welke bron voorrang krijgt. Die implementatiedetails maken geen deel uit van onze openbare documentatie.

De Universal AI‑Coworker kan werknemers ondersteunen via Microsoft Teams, Slack, e‑mail, portal en via chat, stem en visuele modi. Welke nieuwe troubleshoot‑mogelijkheden ontstaan wanneer een agent kan zien en horen wat de werknemer ervaart, en hoe voorkomt u dat gevoelige scherminhoud of gesprekken worden blootgesteld?

Traditionele IT‑ondersteuning hangt af van werknemers die technische problemen nauwkeurig beschrijven, en dat is vaak het moeilijkste deel van de interactie. Stem‑ en visuele context stelt de AI in staat hetzelfde fout‑bericht, dezelfde applicatie of hetzelfde configuratiescherm te zien als de werknemer, waardoor het veel makkelijker wordt het probleem te begrijpen en iemand door de volgende stap te leiden zonder een lange heen‑en‑terug‑conversatie.

Die mogelijkheden werken alleen als werknemers ze vertrouwen. Wij vinden dat visuele toegang expliciete toestemming moet vereisen en gebruikers altijd moeten weten wanneer deze actief is. Gevoelige informatie wordt beschermd via PII‑maskering, administratieve controles en passende retentie‑beleid.

We hebben ook duidelijk gemaakt dat klantdata niet wordt gebruikt om onze modellen of third‑party foundation‑modellen te trainen. Dat geeft organisaties de mogelijkheid multimodale AI te adopteren zonder controle over hun data op te geven.

Atomicwork kan worden ingezet naast een bestaand ServiceNow‑ of Jira Service Management‑milieu zonder een onmiddellijke migratie te vereisen. Ziet u dit vooral als een transitiestrategie, of zullen veel ondernemingen permanent een AI‑workforce boven hun legacy‑systeem van record laten draaien?

De meeste grote ondernemingen hebben jaren besteed aan het bouwen van processen, integraties en governance rond platforms zoals ServiceNow en Jira Service Management. Van hen eisen dat ze die systemen vervangen voordat ze AI kunnen adopteren, creëert onnodige frictie.

We hebben de Atomicwork‑integraties met ServiceNow en Jira Service Management gebouwd zodat klanten de werknemerservaring kunnen transformeren en hun serviceteams vanaf dag één kunnen uitbreiden met AI‑Coworkers, zonder de systemen die ze al gebruiken te verstoren. De connector haalt relevante enterprise‑IT‑context op die AI‑Coworkers kunnen benutten, terwijl er een bidirectionele synchronisatie wordt behouden voor service‑agents in hun bestaande systeem. We denken niet dat ondernemingen op dag één één pad moeten kiezen. De prioriteit is hen helpen AI op hun eigen tempo te adopteren.

Het geven van AI‑Coworkers toegang tot identiteits‑systemen, werknemersdata, infrastructuur en bedrijfsapplicaties brengt risico’s met zich mee zoals prompt‑injectie, vergiftigde kennisbronnen, excessieve permissies en cascade‑agent‑fouten. Welke waarborgen, goedkeuringsgrenzen en audit‑mechanismen zijn essentieel voordat een onderneming AI‑agents veilig autonoom kan laten handelen?

AI‑Coworkers worden beheerd als werknemers met bevoorrechte toegang. Elke Coworker heeft een gedefinieerde rol, beperkte permissies, goedgekeurde tools, bestedingslimieten en duidelijke grenzen wat hij zelfstandig mag doen. Sensitieve acties — met name die met betrekking tot identiteit, infrastructuur, financiën, juridische zaken of arbeidszaken — vereisen menselijke goedkeuring.

Vaardigheden en instructies worden vóór publicatie gescreend op risico’s zoals prompt‑injectie, verborgen instructies, credential‑toegang, datalekken en onveilige acties. Als een tool verandert op een manier die het risico vergroot, wordt hij automatisch uitgeschakeld totdat hij is beoordeeld. Extra waarborgen — waaronder actielimieten, voorkomen van dubbele acties, nood‑stop‑controles en menselijke overname — helpen fouten in te dammen voordat ze zich kunnen verspreiden.

Elke actie is traceerbaar: organisaties kunnen zien wat de Coworker heeft geactiveerd, welke informatie en tools hij heeft gebruikt, welke goedkeuringen zijn verkregen en welk resultaat volgde. Doorlopende evaluatie, monitoring en red‑team‑testen zorgen ervoor dat deze waarborgen effectief blijven naarmate modellen, tools en enterprise‑omgevingen evolueren.

We hebben zwaar geïnvesteerd in evaluatie, beleids‑handhaving, monitoring en red‑team‑testen omdat het uitrollen van AI slechts het begin is. Organisaties hebben vertrouwen nodig dat die Coworkers blijven handelen zoals verwacht terwijl modellen en enterprise‑omgevingen zich ontwikkelen.

Atomicwork’s State of AI in IT 2026‑rapport heeft vastgesteld dat twee‑derde van IT‑professionals positieve opbrengsten rapporteert uit AI‑investeringen, terwijl slechts één op de vijf organisaties AI volledig heeft ingebed in hun service‑management‑teams. Wat onderscheidt implementaties die meetbare bedrijfswaarde opleveren van pilots die blijven steken in experimentatie?

De meeste organisaties hebben al aangetoond dat AI individuele taken kan verbeteren. De bedrijven die meetbare bedrijfswaarde zien, koppelen AI aan volledige operationele workflows in plaats van het te gebruiken als een losstaande assistent.

Dat begint met het oplossen van een specifiek bedrijfsprobleem door in rollen te denken, AI‑Coworkers toegang te geven tot de systemen die ze nodig hebben en resultaten te meten die er toe doen — of dat nu snellere oplostijden, lagere ondersteuningskosten of een betere werknemerservaring is. Zodra teams die resultaten vertrouwen, wordt het uitbreiden van AI naar extra workflows veel eenvoudiger.

Ons onderzoek wees ook uit dat verantwoord AI een van de hoogste prioriteiten blijft voor IT‑leiders. Dat is logisch, want organisaties geven AI niet meer verantwoordelijkheid tenzij ze begrijpen hoe beslissingen tot stand komen, die beslissingen achteraf kunnen beoordelen en weten dat de juiste waarborgen aanwezig zijn.

Naarmate AI‑Coworkers support‑verzoeken gaan oplossen, toegang beheren, incidenten diagnosticeren en workflows coördineren, hoe zullen de verantwoordelijkheden van servicedesk‑professionals, IT‑operationele teams en Chief Information Officers veranderen? Kijken we verder vooruit, zou IT de afdeling kunnen worden die verantwoordelijk is voor het aannemen, besturen en meten van de volledige digitale workforce van een onderneming?

AI zal een groot deel van het repetitieve operationele werk overnemen dat de huidige servicedesks bezighoudt, waardoor mensen meer tijd hebben om uitzonderingen af te handelen, processen te verbeteren en de kennis te verfijnen waarop AI steunt.

IT‑operationele teams zullen zich steeds meer richten op het besturen van AI‑Coworkers in plaats van elke workflow handmatig uit te voeren. Ze definiëren permissies, verbinden systemen, monitoren prestaties en zorgen ervoor dat AI blijft opereren binnen vastgestelde beleidsregels.

Ik verwacht ook dat de rol van de CIO zal uitbreiden. Het beheren van honderden AI‑Coworkers begint op te lijken op het beheren van elke andere enterprise‑infrastructuur. Iemand moet bepalen welke Coworkers toegang krijgen, hoe ze worden gemeten, wanneer ze worden geüpdatet en of ze waarde leveren. Business‑teams blijven het werk definiëren, terwijl IT de HR‑functie voor AI wordt, oftewel verantwoordelijk voor het platform, governance en operationele controles die een enterprise‑AI‑workforce veilig laten draaien.

Thank you for the great interview, readers who wish to learn more should visit Atomicwork.