Viki Zabala, Chief Growth & Strategy Officer bij First Insight – Interviewreeks

Viki Zabala, Chief Growth & Strategy Officer bij First Insight, heeft meer dan 22 jaar leidinggevende ervaring in high-growth SaaS, AI en technologiebedrijven, opererend op het snijvlak van strategie, product en innovatie. In haar rol leidt zij de unified growth engine van First Insight over strategie, go-to-market, marketing, product, AI, klantensucces en partnerschappen, en vormt zij de visie achter het Retail Decision Intelligence-platform van het bedrijf. Zij staat bekend om het omzetten van onzekerheid in duidelijkheid en heeft hypergroei, marktuitbreiding en AI-gedreven transformatie aangedreven door het verbinden van klantinzicht, beslissingsintelligentie en schaalbare operationele modellen om meetbare bedrijfsresultaten te leveren voor wereldwijde ondernemingen.

First Insight is een AI-gepowered beslissingsintelligentieplatform gebouwd voor retailers en merken die de vraag willen voorspellen, prijzen en assortimenten willen optimaliseren en risico’s willen verminderen over de gehele productlevenscyclus. Door het combineren van real-time consumentenfeedback met predictieve, generatieve en agente AI, helpt het platform organisaties om snellere, meer vertrouwde beslissingen te nemen over ontwerp, merchandising, planning en uitvoering in het seizoen. Gebruikt door toonaangevende wereldwijde retailers en consumentenmerken, richt First Insight zich op het omzetten van klantinzicht in actiegerichte intelligentie die marges verbetert, de tijd naar de markt versnelt en langetermijngroei versterkt.

Uw carrière heeft consistent op het snijvlak van data, go-to-marketstrategie en uitvoering gestaan. Welke momenten eerder in uw carrière hebben het meest bijgedragen aan hoe u nu denkt over het omzetten van inzicht in echte operationele beslissingen?

Ik heb me altijd gefocust op één fundamentele uitdaging: hoe u gedrag op grote schaal beïnvloedt en verandert.

Vroeg in mijn carrière kwam dit tot uiting in mobiele apps en adtech, waar feedbackloops onmiddellijk zijn. U leert snel dat data alleen maar iets waard is als het verandert wat iemand vervolgens doet—installeert, engagement, conversie. Later, in IoT en ervaringsplatforms, speelde dezelfde waarheid zich af in fysieke omgevingen: hoe context, timing en ervaring het menselijk gedrag in real-time vormgeven.

Over al deze industrieën heen bleef één les constant: inzicht is alleen waardevol als het actiegericht is op het moment dat een beslissing wordt genomen. Als het niet overeind blijft onder de druk van de uitvoering—prijzen, go-to-market, voorraad, messaging—dan is het alleen maar informatie.

Die mentaliteit is wat mij naar First Insight heeft gebracht. Detailhandel is een van de meest gedragsgerichte industrieën die er is, maar beslissingen zijn historisch afhankelijk geweest van vertraagde indicatoren en intuïtie. Mijn werk is erop gericht om die kloof te dichten—de stem van de klant naar voren te brengen vroeg genoeg, en continu genoeg, om betere resultaten te engineeren in plaats van te reageren op falen.

Mijn focus ligt nu op het helpen van organisaties om betere beslissingen te nemen vroeg genoeg om ertoe te doen—zodat ze omzet groeien, klantloyaliteit verdienen en consistent beter presteren dan de markt.

Als Chief Growth & Strategy Officer bij First Insight, bent u verantwoordelijk voor product, AI-roadmap, GTM en klantensucces. Hoe verandert het hebben van die geünificeerde visie hoe AI ontworpen en ingezet moet worden binnen detailhandelsorganisaties?

Wanneer u het hele systeem ziet, stopt u met denken over AI als een tool en begint u te denken over het als een operationeel model.

Product laat zien wat technisch mogelijk is. Go-to-market laat zien wat werkelijk zal worden begrepen en geadopteerd. Klantensucces laat zien wat standhoudt onder echte wereldbeperkingen—tijdspanne, cross-functionele spanning, gegevenskwaliteit en verantwoordelijkheid. Wanneer die perspectieven worden geünificeerd, wordt AI ontworpen rondom hoe beslissingen werkelijk gebeuren, niet hoe indrukwekkend de technologie er in isolatie uitziet.

Daarom moet AI in detailhandel functioneren als een systeem van beslissingen en acties, niet alleen als een systeem van intelligentie. Het moet klantsignalen verbinden met prijzen, assortimenten, marketing en planning op een manier die teams verbindt en beslissingen versnelt. Wanneer AI de wrijving tussen teams vermindert en de afstand tussen inzicht en actie verkort, begint het werkelijke waarde te leveren.

Detailhandelaren hebben langdurig vertrouwd op seizoensgebonden planningscycli en historische gegevens. Waarom zijn die modellen volgens u steeds meer uit balans met hoe consumenten zich vandaag gedragen?

Omdat die modellen zijn gebouwd voor een wereld waarin detailhandel voornamelijk draaide om het optimaliseren van wat al bestond—niet om het uitvinden van wat er nog moet komen.

Historische verkoop- en seizoenscycli kunnen helpen om prestaties in gevestigde categorieën te verklaren, maar ze zijn zwak in de twee dingen die detailhandelaren vandaag het meest nodig hebben: reageren op snel veranderend klantgedrag en het creëren van nieuwe vraag door productinnovatie en whitespace-uitbreiding.

Vraag verandert nu in real-time—gedreven door prijsgevoeligheid, culturele momenten, sociale invloed, economische druk en kanaaldynamiek. Een trend kan overnacht ontstaan. Een prijssignaal kan gedrag onmiddellijk veranderen. Historische gegevens verklaren wat al is gebeurd, maar ze vertellen niet betrouwbaar hoe klanten de volgende keer zullen reageren—zelfs voor producten die al op de plank staan—wanneer context en sentiment op elk moment kunnen veranderen.

Op hetzelfde moment zijn veel detailhandelaren beslissingen aan het nemen met verouderde CRMs en verouderde beelden van wie hun klant eigenlijk is. Nieuwe concurrenten, nieuwe kanalen en jongere generaties met andere verwachtingen en bestedingsmacht trekken klanten langzaam weg—vaak zonder dat detailhandelaren het beseffen totdat de resultaten zich vertalen in gemiste prognoses of dalende loyaliteit. In veel gevallen optimaliseren merken voor klanten die ze niet meer hebben—of klanten die al zijn verhuisd.

En wanneer het gaat om innovatie, kan verkoopgeschiedenis geen product valideren dat nog niet bestaat—of een klantsegment dat u in gevaar bent te verliezen. Dat is waarom zoveel detailhandelaren itereren op het verleden in plaats van met vertrouwen te investeren in de volgende categorie, het volgende functieset of het volgende publiek. De ontgrendeling is het naar voren brengen van de stem van de klant—vroeg genoeg om conceptcreatie, prijzen, positionering en marketing te leiden—zodat innovatie een herhaalbaar systeem wordt in plaats van een gok.

De AI-assistent van First Insight, Ellis, maakt natuurlijke taalvragen mogelijk over prijzen, assortimenten en vraag. Hoe belangrijk is interface-ontwerp en toegankelijkheid bij het stimuleren van echte AI-adoptie versus alleen technische capaciteit?

Interface is het verschil tussen “AI bestaat” en “AI wordt gebruikt.”

Detailhandelsbeslissingen omvatten veel meer dan één moment—conceptonderzoek, ontwerp, assortimentopbouw, prijsoptimalisatie, margemodellering, koopdiepte, allocatie, aanpassingen in het seizoen, marketing en verkoop. De uitdaging is niet dat detailhandelaren geen vragen hebben; het is dat antwoorden zijn opgesloten in rapporten, presentaties, exports en gespecialiseerde teams—en tegen de tijd dat ze worden geleverd, is het moment voorbij.

Ellis is belangrijk omdat het de wrijving tussen inzicht en actie verwijdert. In plaats van door rapporten te navigeren of te wachten op nieuwe analyse, kunnen teams strategische en tactische vragen stellen in gewone taal—over concepten, prijzen, assortimenten, segmenten, markten, concurrenten—en krijgen ze duidelijke, predictieve antwoorden binnen enkele minuten. Dat is niet alleen gebruiksvriendelijkheid; dat is beslissingssnelheid.

Toegankelijkheid stimuleert ook adoptie binnen de organisatie. Wanneer hetzelfde klantsignaal onmiddellijk beschikbaar is voor merchandising, prijzen, marketing en planning, vermindert u interne strijd en misalignement. Mensen stoppen met discussiëren wiens gegevens correct zijn en beginnen te discussiëren wat ze vervolgens moeten doen—sneller, en met meer vertrouwen.

U heeft nauw samengewerkt met detailhandelaren die onder druk van marges, voorraadrisk en volatile vraag staan. Waar levert AI de snelste, meest meetbare impact vandaag—and waar is de hype nog voorbij de realiteit?

De snelste impact wordt zichtbaar waar beslissingen frequent, duur en tijdsgevoelig zijn: prijzen, assortimentselectie, vraagvalidatie en voorraadrisk. Wanneer AI teams helpt om overinkoop te vermijden, prijzen met vertrouwen vast te houden of verliesgevende producten eerder te verlaten, is de financiële impact onmiddellijk en meetbaar.

Waar de hype voorbij de realiteit komt, is in het idee van volledig autonome detailhandel—of AI die werkelijke klantbegrip vervangt door synthetische shortcuts. Consumenten zijn heel duidelijk: ze waarderen authenticiteit, transparantie en gehoord worden. AI die merken verwijdert van de klant, creëert geen efficiëntie—het creëert risico.

Het winnende model vandaag is menselijke oordeelkundigheid versterkt door predictief inzicht, niet automatisering omwille van automatisering.

Veel AI-hulpmiddelen beloven predictieve capaciteiten. Wat ziet waardevolle voorspelling eruit in detailhandel, en hoe moeten leiders beoordelen of voorspellingen werkelijk beslissingsklaar zijn?

Waardevolle voorspelling in detailhandel is geen voorspelling—het is de capaciteit om de lus te sluiten van klantwaarheid naar financieel resultaat.

Veel AI-uitvoer klinkt predictief, maar het verandert het bedrijf niet omdat het nooit deel wordt van de operationele cadans. Het kwartaal mist, de voorraad stapelt zich op, markdown-begrotingen worden besteed—en iedereen kan naar gegevens wijzen die hadden kunnen helpen. Het echte falen is dat beslissingen niet zijn afgestemd, acties niet zijn ondernomen en de workflow niet is veranderd.

Beslissingsklaar voorspellen doet drie dingen tegelijk:

1. Het is gebaseerd op hoe klanten werkelijk waarde percipiëren—niet alleen verkoopgeschiedenis—zodat het beslissingen kan leiden van concept tot in het seizoen.
2. Het verbindt zich rechtstreeks met de economie: vraagelasticiteit, bereidheid om te betalen, AUR/ASP over de productlevenscyclus, en de marge-implicaties van het vasthouden van prijzen versus het geven van korting.
3. Het is operationeel—ingebed in een herhaalbaar proces dat teams werkelijk volgen, niet opgesloten in tientallen tools en gesiloede dashboards.

Een terugkerend thema dat we zien, is de kosten van de “lange staart” van SKU’s. Over-assortiment is een stille moordenaar: overmatige diepte, lage snelheid, verborgen risico. Een van de grootste hefbomen die predictieve AI ontgrendelt, is de capaciteit om de staart af te snijden—onderpresterende producten vroeg te verwijderen en de voorraadgelegenheid te herinvesteren in top-presterende producten waar klantvraag en sentiment het hoogst zijn.

Wanneer teams deze discipline toepassen, zien we dramatische resultaten:

• voorraadgelegenheid wordt vrijgemaakt voor innovatie en hoge-scoresmogelijkheden,
• markdown-cadans stabiliseert en krimpt,
• promotiedruk vermindert, en
• merkvertrouwen neemt toe omdat klanten niet worden getraind om 50–60% korting te verwachten voordat ze kopen.

Leiders moeten predictieve AI beoordelen met één vraag: Verandert het waar we in investeren? De hoogste ROI is niet meer gegevens—het is betere beslissingen in hoe u kapitaal, tijd en voorraad toewijst aan werkelijke klantvraag—vroeg genoeg om ertoe te doen.

Verantwoorde AI wordt vaak op hoog niveau besproken. In detailhandel specifiek, wat ziet praktische, verantwoorde AI-adoptie eruit wanneer beslissingen rechtstreeks van invloed zijn op prijzen, consumenten en merkvertrouwen?

Verantwoorde AI in detailhandel begint met één eenvoudig principe: gebruik AI om de klantrelatie te verdiepen, niet om deze uit te buiten.

Dit gaat niet over het hyper-tracken van individuen, surveillance of het oogsten van gegevens voor hun eigen sake. Verantwoorde AI gaat over het naar voren brengen van de stem van de klant in elke beslissing op grote schaal—zodat producten, prijzen, berichten en ervaringen weerspiegelen wat mensen werkelijk waarderen. Op veel manieren is het een vorm van co-ontwikkeling: klanten leiden wat wordt gecreëerd, hoe het wordt gepositioneerd, en wat eerlijk aanvoelt.

Praktisch gezien ziet verantwoorde AI eruit als:

• Gegrond in echte klantinput—zowel kwantitatief als kwalitatief (“wat hij/zij/ze zei”).
• Transparantie en bewakingsmechanismen opbouwen voor hoge-impactbeslissingen zoals prijzen, promoties en segmentatie.
• Eerlijkheid waarborgen over segmenten en markten, zodat AI niet onbewust één groep bevoordeelt terwijl het een andere benadeelt.
• Mensen in de lus houden voor oordeel, verantwoordelijkheid en de creatieve nuances die AI zelf niet kan genereren.

Op deze manier versterkt AI de klantrelatie in plaats van deze te ondermijnen. Klanten voelen zich gehoord op grote schaal. Teams nemen betere beslissingen sneller. En merken bouwen vertrouwen op—omdat ze niet langer op de markt reageren; ze handelen samen met de markt.

U heeft zowel marketingverhalen als productstrategie geleid. Hoe moeten detailhandelaren intern het verhaal over AI herschrijven zodat het wordt gezien als een beslissingspartner in plaats van een bedreiging of black box?

Detailhandelaren moeten stoppen met het vertellen van het verhaal dat AI “slimme analyse” is en beginnen met het vertellen van het verhaal dat AI klantgerichtheid op grote schaal is.

De interne wrijving in detailhandel is niet alleen silo’s—het zijn silo’s die hoge-stakesbeslissingen nemen met verschillende waarheden: marketing heeft engagementssignalen, merchandising heeft verkoopgeschiedenis, prijzen hebben marge-druk, planning heeft voorraadbeperkingen. Daar gebeuren de strijd.

AI wordt een beslissingspartner wanneer het een gedeelde taal creëert over functies heen: de stem van de klant, vertaald in predictieve richtlijnen die product, prijs, assortiment en verkoop informeren—van concept tot conversie.

En het is belangrijk om eerlijk te zijn over de rol van mensen. AI vindt de volgende doorbraakidee niet uit—het leert patronen. Mensen brengen creativiteit, smaak, merkintentie en culturele intuïtie. AI maakt die creativiteit scherper door feedbackloops te verkorten en beslissingen te testen voordat de markt dit doet.

Naarmate AI meer wordt ingebed in planning en in-seizoensbeslissingen, hoe ziet u de rol van menselijke oordeelkundigheid evolueren in plaats van te verdwijnen?

Menselijke oordeelkundigheid wordt belangrijker—and meer benut—omdat in het seizoen de winst van detailhandel wordt gewonnen of verloren.

Markdowns zijn een van de grootste kosten in detailhandel. Detailhandelaren budgetteren er vaak voor omdat ze gedwongen worden om onverkochte voorraad te verwijderen. De reden waarom markdowns zo pijnlijk zijn, is timing: te vroeg korting geven en je vernietigt de marge; te laat korting geven en je mist het venster om vraag om te zetten.

Met predictieve AI en mensen in de lus kunnen teams elasticiteitscurves van de vraag modelleren en begrijpen hoe ASP/AUR zou moeten evolueren over de levensduur van het product—op basis van sell-through, klantperceptie en marktsignalen. Dat maakt slimmere moves mogelijk: wanneer je prijzen vasthoudt, wanneer je korting geeft, en hoeveel—zonder over te corrigeren.

En in-seizoensbeslissingen zijn niet alleen prijzen. AI kan promoties en marketing in het seizoen informeren door culturele momenten, influencers, trendversnelling en verschuivingen in klantpersonas mee te nemen—naast productperceptie en prijsgevoeligheid. Mensen passen dan hun oordeel toe: merkintentie, risicotolerantie en de creatieve keuzes die AI zelf niet kan genereren.

De toekomst is niet automatisering. Het is snellere, meer klantgerichte beslissingen—waar AI het luisteren schaalt, en mensen de betekenis leiden.

Kijkend naar de toekomst, hoe verwacht u dat agente en generatieve AI de detailhandelsworkflows de komende twee tot drie jaar zullen herschikken—niet theoretisch, maar operationeel?

We bewegen ons van systemen van intelligentie naar systemen van actie.

Operationeel zal generatieve AI inzicht toegankelijk maken over rollen en niveaus heen—samenvatten, vergelijken, uitleggen en vragen beantwoorden in een oogwenk. Agente AI zal steeds meer het repetitieve werk overnemen dat organisaties vertraagt: scenario’s voorbereiden, executive-ready briefs samenstellen, signalen bewaken, risico’s signaleren en de volgende acties coördineren.

Maar de meest significante verandering zal niet zijn dat AI “detailhandel runt.” Het zal zijn dat detailhandelaren eindelijk de lus tussen de klant en het bedrijf verkleinen. Teams zullen sneller bewegen, interne wrijving doorbreken en betere beslissingen nemen vroeg genoeg—voordat trends hun hoogtepunt bereiken, voordat markdowns een cascade veroorzaken en voordat gemiste kansen in kwartaalmissers veranderen.

De retailers die winnen, zullen niet degene zijn met de meeste AI-experimenten. Ze zullen degene zijn die een herhaalbare operationele cadans bouwen waar klantwaarheid, predictieve intelligentie en menselijke creativiteit samenwerken—van concept tot conversie.

Bedankt voor het gedetailleerde interview, lezers die meer willen leren, kunnen First Insight bezoeken.