Viki Zabala, Chief Growth & Strategy Officer at First Insight – Interview Series

Viki Zabala, Chief Growth & Strategy Officer at First Insight, beschikt over meer dan 22 jaar leiderschapservaring bij 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 op het gebied van strategie, go-to-market, marketing, product, AI, customer success en partnerships, 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 customer insight, decision intelligence en schaalbare operationele modellen om meetbare businessresultaten te leveren voor wereldwijde ondernemingen.

First Insight is een AI-gestuurd decision intelligence-platform dat is gebouwd voor retailers en merken die de vraag willen voorspellen, prijzen en assortimenten willen optimaliseren en risico’s willen verminderen gedurende de hele productlevenscyclus. Door het combineren van real-time consumentenfeedback met predictieve, generatieve en agente AI, helpt het platform organisaties om snellere, zelfverzekerde beslissingen te nemen over ontwerp, merchandising, planning en uitvoering in het seizoen. Het platform wordt gebruikt door toonaangevende wereldwijde retailers en consumentenmerken, en richt zich op het omzetten van customer insight in actiegerichte intelligentie die marges verbetert, de tijd tot markt versnelt en langetermijngroei versterkt.

Uw carrière heeft consistent op het snijvlak van data, go-to-market-strategie 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 manifesteerde dit zich in mobiele apps en adtech, waar feedbackloops onmiddellijk zijn. U leert snel dat data alleen maar telt als het verandert wat iemand de volgende keer doet—installatie, betrokkenheid, 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 die 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 overleeft onder de druk van uitvoering—prijzen, go-to-market, voorraad, boodschap—dan is het alleen maar informatie.

Die mentaliteit is wat me naar First Insight heeft gebracht. Retail is een van de meest gedragsgerichte industrieën die er is, maar beslissingen zijn historisch afhankelijk van vertraagde indicatoren en intuïtie. Mijn werk is erop gericht om die kloof te dichten—de stem van de klant naar voren 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 bij het nemen van betere beslissingen 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 customer success. Hoe verandert het hebben van een unified view de manier waarop AI ontworpen en geïmplementeerd moet worden binnen retailorganisaties?

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 daadwerkelijk wordt begrepen en geadopteerd. Customer success laat zien wat standhoudt onder echte wereldbeperkingen—tijdslimiet, cross-functionele spanning, gegevenskwaliteit en verantwoordelijkheid. Wanneer die perspectieven worden geünificeerd, wordt AI ontworpen rondom hoe beslissingen echt gebeuren, niet hoe indrukwekkend de technologie er in isolatie uitziet.

Dat is waarom AI in retail moet 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 echte waarde te leveren.

Detailhandelaren hebben langdurig vertrouwd op seizoensplanning en historische gegevens. Waarom zijn die modellen volgens u steeds meer in strijd 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 volgt.

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 consumentengedrag 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 visies op wie hun klant eigenlijk is. Nieuwe concurrenten, nieuwe kanalen en jongere generaties met andere verwachtingen en bestedingskracht 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 een product dat nog niet bestaat niet valideren—of een klantensegment dat u dreigt 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, prijsgarantie en positionering 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”.

Retailbeslissingen omvatten veel meer dan één moment—conceptonderzoek, ontwerp, assortimentopbouw, prijs optimalisatie, marge modellering, koopdiepte, allocatie, in-seizoen aanpassingen, marketing en verkoop. De uitdaging is niet dat detailhandelaren geen vragen hebben; het is dat antwoorden zijn opgesloten in dashboards, decks, exports en gespecialiseerde teams—and by the time ze worden geleverd, is het moment voorbij.

Ellis maakt een verschil omdat het de wrijving tussen inzicht en actie verwijdert. In plaats van 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—and krijgen duidelijke, predictieve antwoorden binnen enkele minuten. Dat is niet alleen gebruikersvriendelijkheid; dat is beslissingssnelheid.

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

U hebt nauw samengewerkt met detailhandelaren die margedruk, voorraadrisk en vluchtige vraag navigeren. Waar levert AI het snelste, meest meetbare effect vandaag—and waar is de hype nog voorop?

Het snelste effect wordt gezien 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 het financiële effect onmiddellijk en meetbaar.

Waar de hype voorop loopt, is in het idee van volledig autonome retail—or AI dat echte customerbegrip vervangt met synthetische shortcuts. Consumenten zijn heel duidelijk: ze waarderen authenticiteit, transparantie en gehoord worden. AI die merken verwijdert van de klant—creëert geen efficiëntie—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 predictie eruit in retail, en hoe moeten leiders beoordelen of predicties daadwerkelijk beslissingsklaar zijn?

Waardevolle predictie in retail is geen voorspelling—het is de mogelijkheid om de lus te sluiten van customer truth 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—and iedereen kan naar gegevens wijzen die hadden kunnen helpen. Het echte falen is dat beslissingen niet zijn gealigneerd, acties zijn niet genomen, en de workflow is niet veranderd.

Beslissingsklaar voorspellen doet drie dingen tegelijk:

1. Het is gebaseerd op hoe klanten daadwerkelijk waarde waarderen—niet alleen verkoopgeschiedenis—zodat het conceptcreatie, prijsgarantie en positionering kan leiden vanaf het begin.
2. Het is rechtstreeks verbonden met de economie: vraagelasticiteit, bereidheid om te betalen, AUR/ASP over de productlevenscyclus, en de marge-implicaties van het vasthouden van versus discounteren.
3. Het is operationeel—ingebed in een herhaalbaar proces dat teams daadwerkelijk volgen, niet opgesloten in tientallen tools en gesiloerde dashboards.

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

Wanneer teams deze discipline toepassen, zien we dramatische resultaten:

• voorraadgeld wordt vrijgemaakt voor innovatie en hoge-score-mogelijkheden,
• markdown-cadans stabiliseert en krimpt,
• promotiedruk vermindert, en
• merkvertrouwen toeneemt 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 zijn betere beslissingen over hoe u kapitaal, tijd en voorraad toewijst aan echte klantvraag — vroeg genoeg om ertoe te doen.

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

Verantwoordelijke AI in retail 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. Verantwoordelijke AI is over het naar voren brengen van de stem van de klant in elke beslissing op grote schaal — zodat producten, prijzen, boodschappen en ervaringen weerspiegelen wat mensen daadwerkelijk 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 verantwoordelijke AI eruit als:

• Beslissingen baseren op echte klantinput — zowel kwantitatief als kwalitatief (“wat hij/zei/zeiden”).
• Transparantie en beveiligingen opbouwen voor hoge-impactbeslissingen zoals prijzen, promoties en segmentatie.
• Ervoor zorgen dat eerlijkheid wordt gehandhaafd 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 — omdat ze niet langer op de markt reageren; ze handelen met hem.

U hebt zowel marketingverhalen als productstrategie geleid. Hoe moeten detailhandelaren interne verhalen 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 schaal is.

De interne wrijving in retail is niet alleen silo’s—het is silo’s die hoge-stakes-beslissingen nemen met verschillende waarheden: marketing heeft betrokkenheidsignalen, 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: de stem van de klant, vertaald in predictieve richtlijnen die product, prijs, assortiment en hoe te verkopen informeren—van begin tot einde, 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 onder druk te testen voordat de markt dat doet.

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

Menselijke oordeelkundigheid wordt belangrijker—and meer benut—omdat in-seizoen is waar retailwinst wordt gewonnen of verloren.

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

Met predictieve AI en mensen in de lus kunnen teams elasticiteitsvraagcurves modelleren en begrijpen hoe ASP/AUR zou moeten evolueren over de levensduur van het product—gebaseerd op sell-through, klantperceptie en marktsignalen. Dat ermöglicht slimmere moves: wanneer te houden van prijs, wanneer te discounteren en met hoeveel—zonder overcorrectie.

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

De toekomst is geen automatisering. Het is snellere, meer klant-geïnformeerde beslissingen—waar AI het luisteren schaalt, en mensen de betekenis leiden.

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

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

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

Maar de meest betekenisvolle verandering zal niet zijn dat AI “retail 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 pieken, voordat markdowns cascaderen en voordat gemiste kansen in kwartaalmissen veranderen.

De retailers die winnen, zullen niet degene zijn met de meeste AI-experimenten. Ze zullen degene zijn die een herhaalbaar operationeel ritme bouwen waarin customer truth, predictieve intelligentie en menselijke creativiteit samenwerken—van concept tot conversie.

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