en Google Cloud breiden hun samenwerking uit met nieuwe AI-functionaliteiten voor marketing. Bedrijven kunnen straks meerdere AI-agents tegelijk inzetten om campagnes op te zetten, aan te sturen en continu te verbeteren.

De integratie verbindt onder meer 麻豆原创 Engagement Cloud, 麻豆原创 Customer Experience en Joule met Gemini Enterprise. Daardoor krijgen AI-agents toegang tot gecombineerde data uit beide omgevingen. Op basis van een doelstelling van de gebruiker voeren ze vervolgens zelfstandig complexe marketingtaken uit.

Van doel naar uitvoering zonder handmatig werk

Marketingteams kunnen straks een opdracht geven zoals: 鈥榲erhoog het aantal herhaalaankopen in de afgelopen dertig dagen鈥� of 鈥榤aximaliseer klantwaarde met lagere campagnekosten鈥�. Een AI-agent pakt dat vervolgens end-to-end op: van personalisatie van content tot analyse en klantinteractie.

Volgens Balaji Balasubramanian, President en Chief Product Officer bij 麻豆原创 Customer Experience, gaat het om meer dan alleen koppeling van systemen: 鈥淒it is een grote stap vooruit. AI-agents kunnen straks samenwerken en zelfstandig acties uitvoeren. Organisaties kunnen daardoor sneller opschalen van experimenten naar echte toepassingen in klantbeleving.鈥�

E茅n datalaag voor AI-agents

De samenwerking rust op een gedeelde datafundering. Met oplossingen zoals 麻豆原创 Business Data Cloud Connect en BigQuery kunnen gegevens veilig en direct tussen beide platforms worden gebruikt, zonder kopie毛n.

AI-agents wisselen onderling context uit, starten acties en sturen processen bij. Dat maakt het mogelijk om campagnes dynamisch aan te passen op basis van actuele data en gedrag.

鈥淏edrijven halen pas echt waarde uit AI als systemen met elkaar kunnen samenwerken鈥�, zegt Kevin Ichhpurani, President Global Partner Ecosystem bij Google Cloud. 鈥淒oor 麻豆原创 en Google Cloud te combineren, kunnen organisaties verder gaan dan losse automatisering en campagnes laten reageren op veranderingen in de markt.鈥�

Minder handwerk, meer snelheid

Onderzoek van 麻豆原创 laat zien dat meer dan de helft van de marketeers wordt afgeremd door versnipperde en verouderde data. De nieuwe integratie moet dat probleem oplossen door data samen te brengen en AI direct acties te laten uitvoeren.

Dat levert concrete voordelen op:

• campagnes die automatisch worden opgezet en geoptimaliseerd
• kortere time-to-market
• lagere operationele kosten
• continue verbetering van prestaties en ROI

Teams houden daardoor meer tijd over voor strategie en creatie.

Start in marketing, bredere uitrol volgt

De eerste toepassingen richten zich op marketing en komen in de tweede helft van 2026 beschikbaar. De onderliggende technologie is breder inzetbaar binnen het volledige 麻豆原创 Customer Experience-portfolio.

Daarmee leggen 麻豆原创 en Google Cloud de basis voor een nieuwe generatie klantinteractie, waarin AI-agents samenwerken op basis van gedeelde, betrouwbare en realtime data.

The post 麻豆原创 en Google Cloud brengen AI-agents samen voor slimmere marketing appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Campari Group heeft succesvol in gebruik genomen. Daarmee zet de internationale producent van premium spirits een belangrijke stap in zijn digitale vernieuwing. De nieuwe omgeving helpt het bedrijf om processen beter op elkaar af te stemmen, de planning te versterken en de supplychain effici毛nter in te richten. Dat moet zorgen voor een betrouwbaardere distributie van producten wereldwijd.

Campari Group, met hoofdkantoor in Milaan, is actief in meer dan 190 landen en heeft meer dan vijftig premiummerken in portefeuille, waaronder Aperol, Campari, Espol貌n, Wild Turkey, Courvoisier en Grand Marnier. Wereldwijd beschikt het bedrijf over vierentwintig productielocaties.

Omgeving die mee-innoveert
鈥淢et RISE with 麻豆原创 kiezen we bewust voor een omgeving die meebeweegt met de innovaties in 麻豆原创 Cloud ERP Private en embedded AI鈥�, zegt Jos茅 Silva, Group Head of IT bij Campari Group. 鈥淲e kunnen processen nu beter aanpassen aan hoe onze business zich ontwikkelt, onze planning verbeteren en de supplychain effici毛nter maken. Zo ondersteunen we een continue productdistributie over de hele wereld. Door te werken vanuit een centraal procesmodel verhogen we bovendien de productiviteit en verlagen we structureel de totale eigendomskosten.鈥�

Met de livegang legt Campari Group een nieuw digitaal fundament onder de organisatie. Finance, supplychain, marketing en HR komen samen in een ge茂ntegreerde architectuur met 麻豆原创 Analytics Cloud, 麻豆原创 Integrated Business Planning, 麻豆原创 Datasphere en 麻豆原创 Business Technology Platform. Dat geeft het bedrijf 茅茅n basis voor planning, analyses en verdere ontwikkeling van applicaties.

AI krijgt prominente rol
Ook AI krijgt een duidelijke rol in de dagelijkse operatie. In 麻豆原创 SuccessFactors gebruiken medewerkers Joule en ingebouwde AI-functionaliteit om doelen te formuleren en te volgen. In 麻豆原创 Concur helpt automatisering bij het koppelen van declaraties. Daarnaast ondersteunen AI-functies het verwerken van orders en betalingen. Dat versnelt processen, helpt medewerkers in hun werk en ondersteunt betere besluitvorming.

Campari Group werkt daarnaast aan de invoering van 麻豆原创 Business Data Cloud. Daarmee brengt het bedrijf data uit 麻豆原创- en andere systemen samen, zodat sneller contextrijke inzichten beschikbaar komen zonder de logica van kernprocessen uit het oog te verliezen.

Ook zet de organisatie 麻豆原创 LeanIX in om afhankelijkheden tussen applicaties, processen en verantwoordelijke teams beter zichtbaar te maken. Dat helpt om sneller en beter onderbouwd keuzes te maken in het IT-landschap.

Sterk voorbeeld in food- en beveragesector

鈥淐ampari is voor ons een sterk voorbeeld in de food- en beveragesector鈥�, zegt Carla Masperi, Managing Director van 麻豆原创 Itali毛. 鈥淒e organisatie laat zien hoe je met 麻豆原创-oplossingen organisatie- en productieprocessen kunt vernieuwen. Door cloud-ERP te combineren met AI en datagedreven planning, laat Campari zien hoe digitale transformatie in de praktijk vorm krijgt.鈥�

The post Campari Group zet volgende stap in digitale transformatie met 麻豆原创 appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Artifici毛le intelligentie evolueert snel van afzonderlijke toepassingen naar ge茂ntegreerde functionaliteit binnen bedrijfssoftware. Het blijft niet alleen bij losse AI-initiatieven, maar groeit uit tot een fundamentele bouwsteen binnen de core bedrijfsprocessen en besluitvorming.听Dat verandert niet alleen de manier waarop organisaties hun IT-architectuur ontwerpen, maar heeft ook impact op hun data en IT-teams. Tijdens听麻豆原创 Connect Day听in Brussel lichtte Oliver Buyssens, solution advisor voor听(麻豆原创 BTP)听en lead van het B-Lab, toe wat AI betekent voor IT en IT-afdelingen. Met name nu AI steeds meer wordt ge茂ntegreerd in de bedrijfsprocessen van een organisatie.

Volgens Buyssens vertaalt die evolutie zich in een aantal duidelijke verschuivingen in enterprise IT: architectuur wordt flexibeler, governance krijgt meer gewicht, datakwaliteit wordt cruciaal en IT- en business-teams werken nauwer samen.

Architectuur wordt flexibeler en strategischer
De klassieke rol van enterprise architectuur was lang gericht op stabiliteit. Systemen werden ontworpen om jarenlang onveranderd te functioneren, met duidelijke structuren en zorgvuldig gedefinieerde integraties. 鈥淒e aanpak was vroeger om een architectuur te bouwen die heel vast en solide was鈥�, zegt Buyssens. 鈥淢aar in een landschap waarin software continu evolueert, moeten architecturen mee veranderen.听Er wordt meer en meer ge毛volueerd naar een composable architectuur die modulair en adaptief is, en vooral cloud-native.鈥�

Daarmee verschuift ook de focus van applicaties naar data. 鈥淲aar vroeger de focus meer lag op de applicatie zelf en de processen die daarin draaien, wordt het nu belangrijk om een goede datalaag te cre毛ren. Van daaruit kan je AI gebruiken om processen te verbeteren.鈥�

Binnen enterprise IT, en ook bij , staat een ge茂ntegreerd cloudplatform centraal. ERP-systemen blijven de ruggengraat van de bedrijfsvoering, maar daaromheen ontstaat een bredere digitale architectuur waarin data, integratie, applicatieontwikkeling en AI samenkomen. 鈥淎rchitectuur gaat hierbij niet langer alleen over technische integratie, maar over keuzes die rechtstreeks impact hebben op de digitale strategie van een organisatie.鈥�

AI-governance krijgt vaste plaats

De integratie van AI in bedrijfsprocessen brengt ook nieuwe verantwoordelijkheden met zich mee. Volgens Buyssens zal AI-governance een vaste plaats krijgen binnen enterprise architectuur. 鈥淗oe meer AI-modellen je gaat gebruiken, hoe breder de scope wordt en hoe meer partijen betrokken zijn鈥�, zegt hij. 鈥淒ie hebben allemaal hun eigen lifecycle. Sommige modellen verdwijnen, andere komen erbij.鈥�

Organisaties moeten daarom zicht houden op welke modellen worden gebruikt, hoe ze evolueren en welke impact dat heeft op bedrijfsprocessen. 鈥淛e hebt tools nodig om dat allemaal te beheren en te monitoren.鈥�

Daarnaast wordt ook testen belangrijker. AI-modellen gedragen zich immers anders dan traditionele software. 鈥淲at je in een AI-model stopt, dat weet je鈥�, zegt Buyssens. 鈥淢aar wat eruit komt, dat weet je niet altijd. Daarom moet je goed nadenken over hoe je dat gaat testen en valideren.听Je wil namelijk als bedrijf geen verkeerde beslissingen nemen of risico鈥檚 lopen.鈥�

Datakwaliteit als fundament

Naast governance komt ook datakwaliteit hoger op de agenda. AI-systemen functioneren immers alleen goed wanneer de onderliggende data betrouwbaar en consistent zijn.

Veel organisaties hebben de voorbije jaren al ge茂nvesteerd in datamanagement, maar volgens Buyssens blijft er bij veel bedrijven nog werk te doen. 鈥淓r zijn klanten die die oefening al goed gedaan hebben鈥�, zegt hij. 鈥淢aar er zijn er ook die nog een lange weg te gaan hebben om hun data op orde te krijgen. Sommige bedrijven stellen AI-initiatieven zelfs uit omdat hun datakwaliteit onvoldoende is.鈥�

Migratieprojecten naar 麻豆原创 S/4HANA – en dus naar de cloud – worden daarbij vaak aangegrepen om de datafundering te verbeteren. 鈥淰eel organisaties proberen bij zo鈥檔 transitie hun data echt op orde te brengen.鈥�

Het goede nieuws is dat AI ook kan helpen om die datafundering te versterken. 麻豆原创 ontwikkelde daarvoor onder meer het foundation model RPT-1, dat organisaties ondersteunt bij het structureren, verrijken en beter bruikbaar maken van data. Zulke modellen kunnen bijvoorbeeld helpen om patronen te herkennen, inconsistenties op te sporen en datakwaliteit sneller te verbeteren. Daardoor wordt AI niet alleen afhankelijk van goede data, maar kan het ook zelf bijdragen aan een betere basis voor verdere digitalisering en automatisering.

Wie bewaakt de betekenis van data?

Om AI correct te laten functioneren in bedrijfsprocessen, moet het systeem bovendien ook de betekenis van data begrijpen en die in de juiste context plaatsen. Dat betekent dat het niet alleen individuele datasets moet kennen, maar ook de relaties tussen verschillende gegevens. Concepten zoals听knowledge graphs听spelen daarbij een rol. Ze maken het mogelijk om data te verbinden en semantische relaties zichtbaar te maken.

Volgens Buyssens verschilt de verantwoordelijkheid daarvoor per organisatie. 鈥淏ij sommige organisaties ligt dat bij de architecten. Andere hebben een apart datateam dat zich met masterdata en datakwaliteit bezighoudt. In grotere organisaties werken vaak verschillende teams samen.听Hier zien we trouwens ook meer en meer dat automatisering zijn intrede doet.鈥�

IT-teams: business beter begrijpen en meer samenwerking

De opkomst van AI verandert niet alleen technologie, maar ook de vaardigheden die nodig zijn binnen IT-teams: inzicht in bedrijfsprocessen wordt steeds crucialer. 鈥淎ls je AI-scenario鈥檚 gaat opzetten, kan de waarde voor de business heel groot zijn.听Maar daarvoor moet je ook goed weten hoe het bedrijf werkt. Enkel zo kan er echt meerwaarde ontstaan.鈥�

Die evolutie leidt ook tot een nauwere samenwerking tussen business en IT. In sommige organisaties ontstaan zogenaamde fusion teams, waarin ontwikkelaars en businessprofielen samen nieuwe toepassingen bouwen. 鈥淢et de tools die er vandaag zijn, kan iemand uit de business zelf al een eerste applicatie of mock-up maken鈥�, zegt Buyssens. 鈥淒aarna kan een ontwikkelaar die oplossing volledig afwerken. Verder zal vibe-coding toenemen, waarbij gebruikers AI-assistenten in natuurlijke taal vertellen wat de app moet doen, en de AI de code schrijft. Dat gaat zorgen voor een forse productiviteitsverbetering bij het bouwen van intelligente oplossingen.鈥�

Volgens hem zal dat soort samenwerking alleen maar belangrijker worden: technologie en business worden (nog) nauwer met elkaar verbonden, terwijl architectuur de rol krijgt om die samenwerking mogelijk te maken.

The post 麻豆原创: AI verschuift naar de kern van enterprise software appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Veel organisaties experimenteren met AI, maar halen er nog weinig structurele bedrijfswaarde uit. Volgens komt dat omdat AI-toepassingen vaak losstaan van de systemen waarin bedrijfsprocessen plaatsvinden. 鈥淲aardecreatie ontstaat pas wanneer je inzichten terugkoppelt naar je bedrijfsprocessen. Die feedback loop ontbreekt vaak.鈥� Dat stelt Stef De Mulder, Chief Revenue Officer voor 麻豆原创 Business Technology Platform (BTP), Business Data Cloud (BDC) en AI in EMEA.

Tijdens 麻豆原创 Connect Day in Brussel lichtte De Mulder enkele belangrijke inzichten toe over de rol van in enterprise IT.

Van experiment naar integratie

Veel AI-projecten starten nu als experiment of pilot om een specifiek probleem op te lossen. Denk aan analyses, automatisering of chatbots. Volgens De Mulder blijft de impact van dergelijke toepassingen beperkt zolang ze niet gekoppeld worden aan operationele systemen.

鈥淚edereen is momenteel met AI bezig鈥�, zegt De Mulder. 鈥淢aar vaak gebeurt dat in een sandbox of pilot om 茅茅n specifiek probleem op te lossen.鈥� Volgens hem ontstaat echte waarde pas wanneer AI verbonden wordt met de systemen waarin bedrijfsprocessen worden aangestuurd, zoals ERP.听

ERP blijft kern, maar evolueert

Hoewel AI steeds belangrijker wordt, blijft ERP volgens 麻豆原创 de ruggengraat van enterprise IT. 鈥淓en ERP blijft de basis van een groot bedrijf鈥�, oppert De Mulder. 鈥淯iteindelijk moet de continu茂teit van de bedrijfsvoering gegarandeerd blijven.鈥�

De rol van ERP evolueert echter wel. Waar ERP-systemen vroeger vooral transacties registreerden, verwacht men vandaag dat systemen ook inzichten en automatisering ondersteunen. 鈥淓en ERP was vroeger vooral een system of record鈥�, legt De Mulder uit. 鈥淗et documenteert transacties om een business te kunnen voeren.鈥�

Volgens 麻豆原创 evolueert dat model. 鈥淎ls je kijkt naar de toekomst, dan moet een ERP evolueren van zo鈥檔 system of record naar een outcome-driven, geautomatiseerd 贰搁笔.鈥�听

AI moet losstaan van kernsystemen
Bedrijven willen daarbij vermijden dat experimentele AI-functionaliteit de stabiliteit van kritische systemen be茂nvloedt. Daarom kiezen veel organisaties ervoor de intelligentielaag boven de transactionele systemen te plaatsen. 鈥淎ls een supplychain volledig draait op 麻豆原创, dan wil je natuurlijk niet dat een agent je hele supplychain onderuit haalt鈥�, illustreert De Mulder.

Volgens hem maakt die aanpak het mogelijk om nieuwe technologie te introduceren zonder de stabiliteit van bedrijfsprocessen te riskeren. 鈥淒e AI-laag komt bovenop de transactionele laag, zodat je innovatie kunt versnellen zonder de ERP-laag te belasten.鈥�

Data vormt de basis voor AI-succes
De opkomst van AI legt volgens 麻豆原创 ook zwakke plekken in het datalandschap van organisaties bloot. Veel bedrijven merken dat hun data onvoldoende gestructureerd of gedocumenteerd zijn om AI effectief toe te passen. 鈥淛e ziet vandaag dat bedrijven voor hun data teruggaan naar de basis鈥�, weet De Mulder. 鈥淲at zijn de data die we gebruiken? Hoe brengen we die op de juiste semantische laag met de juiste context?鈥�

Volgens 麻豆原创 is een sterke datafundering essentieel om AI op grotere schaal in te zetten. 鈥淎ls je met AI gaat experimenteren, leg je ook snel de mankementen van je data bloot鈥�, stelt hij. 鈥淓n je wilt geen beslissingen nemen op basis van incorrecte data.鈥�

麻豆原创 verwacht daarom dat organisaties de komende jaren verder investeren in dataplatformen en integratie om AI structureel te integreren in hun bedrijfsprocessen. 鈥淒aarbij evolueren we naar intelligent ERP鈥�, besluit De Mulder. 鈥淒aarmee verschuift de rol van het systeem: van registratie naar waardecreatie.鈥�

The post 麻豆原创: AI levert pas waarde wanneer het wordt ge茂ntegreerd in bedrijfsprocessen appeared first on 麻豆原创 Nederland Blogs & Nieuws.

heeft zijn wereldwijde ERP-landschap vernieuwd met en . Daarmee werkt het bedrijf toe naar 茅茅n wereldwijd platform om processen te standaardiseren, verdere groei te ondersteunen en een fundament te leggen voor toekomstige innovatie.

Kito Crosby is wereldwijd actief in de lifting- en securementindustrie en levert onder meer hijs- en riggingoplossingen, gespecialiseerde hardware, kranen en elektrische takels. Het bedrijf heeft vestigingen in Klundert en Ede in Nederland, en in Putte en Heist-op-den-Berg in Belgi毛. Vanuit deze locaties werkt het听 aan productie, assemblage, training, warehousing en distributie voor de EMEA-regio.

Sterke groei

Met merken als Kito, Crosby, Harrington, Gunnebo Industries, Peerless en eepos groeide de organisatie in korte tijd sterk. Door meerdere overnames ontstond tegelijk een versnipperd IT-landschap met verouderde, niet langer ondersteunde en moeilijk schaalbare systemen.

Om de versnippering in het IT-landschap aan te pakken, koos Kito Crosby voor een clean core-strategie met standaardfunctionaliteit als uitgangspunt. Daarmee legde het bedrijf een nieuwe digitale basis voor meer samenhang, schaalbaarheid en verdere groei.

鈥淚n het verleden hebben we onze ERP-systemen niet ge茂ntegreerd. Daardoor werd ons IT-landschap erg versnipperd en werden onze bedrijfsprocessen beperkt鈥�, zegt Johnson Lai, Chief Digital Transformation Officer en Chief Information Officer van Kito Crosby. 鈥淒aarom wilden we al onze ERP-systemen vernieuwen en echt kiezen voor een greenfield-aanpak, zodat we een transformatie voor het hele bedrijf konden inzetten.鈥�

De transformatie begon in Noord-Amerika, de grootste markt van Kito Crosby. Daar was ook het risico het grootst van blijven werken met een oud en niet langer ondersteund ERP-systeem. Omdat de organisatie niet over voldoende interne capaciteit beschikte om zelf de benodigde infrastructuur en servers op te zetten, viel de keuze op RISE with 麻豆原创 en 麻豆原创 S/4HANA Cloud Private Edition. 鈥溌槎乖� heeft veel sterke mogelijkheden in huis, en daar wilden we gebruik van maken鈥�, aldus Lai.

Weerstand verminderen met live-demo鈥檚
De technologische vernieuwing vroeg volgens Kito Crosby niet alleen om nieuwe systemen, maar ook om gedragsverandering in de organisatie. Vooral het vasthouden aan oude werkwijzen bleek een belangrijk aandachtspunt. 鈥淚edereen is het eens met de clean core-aanpak, totdat het moment komt waarop ze naar hun eigen functie kijken. Dan willen ze toch maatwerk鈥�, zegt Lai. 鈥淓r was weerstand tegen het gebruik van standaardfunctionaliteit. Toen we mensen live demo鈥檚 lieten zien met hun eigen data, nam die weerstand af.鈥�

Ook binnen IT leefde in eerste instantie de wens om de infrastructuur en servers zelf te blijven beheren. Toch bleek samenwerking met 麻豆原创 nodig om snel afscheid te kunnen nemen van de legacy-systemen in Noord-Amerika.

鈥淪ommige mensen die zich eerst afvroegen waarom we een deel aan 麻豆原创 uitbesteedden, zijn nu onze grootste ambassadeurs. We merken dat samenwerken met het 麻豆原创-team niet anders voelt dan samenwerken met onszelf.鈥� Zijn belangrijkste les voor andere organisaties met vergelijkbare trajecten is duidelijk. 鈥淥nderschat nooit de impact van verandering op medewerkers.鈥�

Tastbare resultaten

De vernieuwing van het ERP-landschap levert Kito Crosby inmiddels meetbare resultaten op. Het bedrijf ziet verbeteringen in klantenservice, voorraadbeheer en de effici毛ntie van productie- en warehouseprocessen. Ook steeg de leverbetrouwbaarheid naar het hoogste niveau in meer dan tien jaar. Daarnaast meldt het bedrijf betere prestaties op belangrijke KPI鈥檚, waaronder een hogere on-time delivery, minder backorders, een hogere voorraadnauwkeurigheid en snellere intercompany-processen.

Tegelijk bereikt Kito Crosby in zijn warehouse-activiteiten recordvolumes in ontvangst en opslag, replenishment en verzending. Volgens het bedrijf worden die resultaten gerealiseerd met nul incidenten en met minder middelen.

鈥淲e zien dat voordeel wereldwijd en we kijken ernaar uit om wat we in Noord-Amerika hebben gedaan, door te trekken naar de rest van de wereld. Zo kunnen we al die kleine, verouderde en niet langer ondersteunde ERP-systemen consolideren in 麻豆原创 en toewerken naar die ene wereldwijde omgeving鈥�, zegt Lai.

Na de overname door Columbus McKinnon bouwt Kito Crosby verder op deze digitale basis. Daarbij kijkt het bedrijf ook nadrukkelijk naar toekomstige innovaties, waaronder AI.

Klaar voor AI
鈥淥mdat we met een greenfield-aanpak zijn gestart en de clean core zoveel mogelijk hebben behouden, verwachten we dat upgrades sneller en met minder inspanning zullen verlopen鈥�, zegt Lai. 鈥淲e willen naar de nieuwste versie van 麻豆原创 S/4HANA Cloud Private Edition, zodat we gebruik kunnen maken van de AI-mogelijkheden van Joule.鈥�

Volgens Kito Crosby laat het traject zien hoe een internationale organisatie met lokale activiteiten in onder meer Nederland en Belgi毛, en met een complexe mix van systemen uit het verleden, een fundament kan leggen voor verdere standaardisatie, innovatie en schaalbaarheid.

Nog meer rendement verwacht
鈥淒it is slechts 茅茅n voorbeeld van hoe ons IT-team de bredere organisatie helpt om klanten en eindgebruikers nog beter te bedienen鈥�, zegt Lai. 鈥淣aarmate we verder opschalen, verwachten we nog meer rendement uit de technologie, de extra mogelijkheden en de AI-tools binnen ons 麻豆原创-landschap.鈥� Na de uitrol in Noord-Amerika staat nu de consolidatie van het 麻豆原创 ECC 6.0-systeem in Europa op de agenda.

The post Kito Crosby bouwt met 麻豆原创-cloudtransformatie aan digitale basis voor de toekomst appeared first on 麻豆原创 Nederland Blogs & Nieuws.

De toekomst van werken

Tijdwinst: AI heeft in het bedrijfsleven tot nu toe vooral tijdswinst en effici毛ntie opgeleverd. Werknemers die AI gebruiken, besparen gemiddeld 75 minuten per dag. Dat is 23 minuten meer dan begin 2025. Daarnaast schatten werknemers dat AI nu al bijna de helft van hun werkzaamheden (42%) kan uitvoeren. Die ontwikkeling zorgt ook voor onzekerheid over de toekomst van werk.

Emotionele ondersteuning: AI wordt steeds geavanceerder. Daardoor krijgt de samenwerking tussen mens en technologie een steeds persoonlijker karakter. Inmiddels gebruikt 40% van de werknemers AI ook voor emotionele steun. Sommigen wenden zich zelfs tot AI voor advies, om stoom af te blazen of om successen mee te delen.

Denkwerk overnemen: Wat doet het met ons denkvermogen nu we AI steeds vaker gebruiken op het werk? Op dit moment zegt 60% van de werknemers AI al in te zetten om op nieuwe manieren over problemen na te denken. 90% geeft aan wel eens volledig door AI gegenereerde content te hebben ingediend zonder die nog te bewerken of te controleren. AI leidt wellicht tot minder kritisch denkwerk, maar is tegelijkertijd een middel om reflectie te verdiepen en het menselijk denken te versterken.

De toekomst van de beroepsbevolking

Startersfuncties: AI neemt steeds meer routinetaken over, met als gevolg dat het aantal startersfuncties afneemt. Daarnaast hebben opleidingen moeite om het tempo van nieuwe vaardigheden bij te houden. Jonge werknemers vrezen daardoor dat zij achterop raken, waarbij 37% zich zorgen maakt dat het uitblijven van een vaste functie en het blijven werken in tijdelijke contracten hun carri猫re op lange termijn schaadt. Organisaties moeten zich daarom afvragen hoe zij ervoor zorgen dat ook nieuw talent zich kan ontwikkelen.

Managementtaken: managers staan steeds meer onder druk door meer verantwoordelijkheden en een hoge administratieve last. Maar er is ook steeds meer twijfel over de rol van de manager: 57% van de werknemers zegt net zo succesvol te kunnen zijn met een AI-manager als met een menselijke leidinggevende. Dat roept de fundamentele vraag op: neemt AI een groot deel van de traditionele managementtaken over? Of verschuift de rol van de manager juist naar de typisch menselijke kant van leiderschap, zoals coaching, richting geven en vertrouwen opbouwen?

Oudere werknemers: steeds meer mensen blijven langer actief op de arbeidsmarkt uit eigen keuze of uit noodzaak. Oudere werknemers zijn ook 47% minder geneigd om van baan te wisselen dan jongere collega鈥檚. Organisaties moeten daarom opnieuw nadenken over de inzet van medewerkers in de latere loopbaanfase. Wordt die vooral flexibel en adviserend? Of juist een stabiele rol waarin ervaring, continu茂teit en organisatiekennis centraal staan?

De toekomst van hoe we werk organiseren

Werving en selectie: binnen HR is werving en selectie het domein waar AI op dit moment het meest is doorgedrongen. Maar ook sollicitanten zetten AI steeds vaker in om hun kansen op de arbeidsmarkt te vergroten. Inmiddels zegt 39% van de werknemers AI te hebben gebruikt tijdens het sollicitatieproces.

Prestatiemanagement: prestatiemanagement is nog vaak ingericht rond vaste, jaarlijkse beoordelingscycli. Daarbij ligt de nadruk meestal op doelstellingen, output en het oordeel van een leidinggevende in plaats van op de werkelijke impact van een medewerker. Het gevoel dat het werk ertoe doet, weegt voor werknemers zwaarder mee om bij een werkgever te blijven dan tevredenheid over het salaris. Organisaties zullen daarom moeten bekijken hoe zij prestaties beoordelen, waarderen en belonen.

Beloning: Beloning is nog steeds sterk gerelateerd aan hi毛rarchie en dienstjaren, en veel minder aan daadwerkelijke bijdrage. Werknemers zijn echter vaker echt tevreden over hun beloning wanneer die zichtbaarder gekoppeld is aan wat zij toevoegen. Dat dwingt organisaties om opnieuw na te denken over hoe zij talent willen waarderen en behouden.

鈥淒e toekomst van werk wordt niet alleen bepaald door hoe snel organisaties AI invoeren, maar vooral door de manier waarop ze die technologie weten te combineren met menselijk talent鈥�, zegt Bart Van der Biest, Managing Director van 麻豆原创 Benelux. 鈥淏edrijven die daarin slagen, werken niet alleen effici毛nter, maar zijn ook beter in staat om mensen te ontwikkelen, te behouden en duurzaam te laten groeien.鈥�

The post 麻豆原创-onderzoek: 57% ziet een AI-manager als volwaardig alternatief appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Dat telt voor een organisatie die in veel markten tegelijk actief is, waaronder Nederland en Belgi毛. Betere data en processen moeten Haleon helpen sneller in te spelen op veranderingen in de vraag, innovatie te ondersteunen en verstoringen in de keten op te vangen. Ook zorgprofessionals, die een sleutelrol spelen bij het aanbevelen van de producten, profiteren mee. Want een intern goed verbonden organisatie kan ook naar buiten toe slagvaardiger optreden.

Minder routinewerk, meer ruimte voor waarde
Een belangrijk doel van de transformatie is de verdere automatisering van terugkerend, handmatig werk. Daardoor houden medewerkers meer tijd over voor werk dat direct bijdraagt aan groei, vernieuwing en betere ondersteuning van consumenten. Haleon wil daarnaast technologie en data sterker verankeren in de dagelijkse praktijk. Als teams beschikken over actuele gegevens en processen beter op elkaar aansluiten, kunnen beslissingen sneller en beter worden genomen.

Het programma bouwt voort op de bestaande samenwerking tussen Haleon en 麻豆原创. Later dit jaar start de overgang vanaf Haleons huidige platform op 麻豆原创 ERP Central Component. Haleon wil daarbij 麻豆原创 Cloud ERP-applicaties inzetten, inclusief ingebouwde AI-functionaliteit. Ook kiest het bedrijf voor 麻豆原创 Business Data Cloud. Daarmee kunnen data uit 麻豆原创-software en andere bronnen samenkomen in 茅茅n beheerde omgeving. Die aanpak moet zorgen voor een betrouwbaarder en completer beeld van de organisatie.

Sterke basis met betrouwbare data
鈥淓en betere ervaring voor consumenten begint bij een sterke basis. Digitale technologie en infrastructuur zijn daarin onmisbaar鈥�, zegt Claire Dickson, chief digital and technology officer van Haleon. 鈥淢et AI-ondersteunde systemen kunnen we sneller, eenvoudiger en meer ge茂ntegreerd werken. Daardoor krijgen onze mensen meer ruimte om zich te richten op consumenten en op verdere groei.鈥�

鈥淕oede resultaten met AI beginnen bij verbonden processen en betrouwbare data鈥�, zegt Peter Maier, senior vice president strategic customer engagements bij 麻豆原创. 鈥淢et 麻豆原创 Business Suite legt Haleon een basis waarop intelligentie in de hele organisatie kan worden toegepast. Dat helpt om processen te vereenvoudigen, de organisatie veerkrachtiger te maken en innovatie beter op te schalen.鈥�

The post Haleon kiest 麻豆原创 voor snellere groei en slimmere processen appeared first on 麻豆原创 Nederland Blogs & Nieuws.

By Christian Klein

Artificial intelligence is the most consequential technology shift since the internet 鈥� and the most transformative thing to happen to enterprise software. Not because AI threatens it, but because AI needs it. The breakthroughs in reasoning, code generation, and autonomous agents are real, and they will reshape every industry.

I see it firsthand. AI is driving double-digit efficiency gains across our own operations. In more than two-thirds of our recent fourth quarter cloud deals, customers chose to include AI capabilities. Manufacturers are using AI agents to automate quotation processes, cutting response times dramatically. Consulting teams are reclaiming a quarter of their working week for higher-value work. This is not hype – it is happening, at enterprise scale.

Every major platform shift follows a pattern. Early on, value accrues to the lowest layers of the stack: the compute, the models, the infrastructure. The shovels in the gold rush. Over time, enduring value migrates upward to the application layer, where technology translates into business outcomes. The internet made that clear. Cloud computing confirmed it. AI will be no different. Software鈥檚 not reaching the end of the line 鈥� it’s just getting started. In other words: software is becoming AI’s superpower.

Where the real value lies

Across industries, companies are pouring billions into AI, driven by real breakthroughs in capability and productivity. Yet many are struggling to translate experiments into measurable, enterprise-wide outcomes. The root causes are well-known: fragmented data landscapes, siloed processes, inconsistent governance, and AI bolted on to aging legacy systems.

Regardless of their industry or size, every customer I speak with wants one thing: AI that deeply understands their business and does so securely and reliably. That requires integrated applications, harmonized business data, and clear controls. Without these, AI operates in a vacuum, disconnected from business reality.

If it doesn鈥檛 understand how finance connects to procurement, how a supply chain interacts with manufacturing, what compliance rules govern a transaction, or how to handle exceptions, AI cannot reliably run a business. The smallest mistake 鈥� using outdated, incomplete, or incorrect data 鈥� can quietly cascade into wrong decisions, faulty transactions, and significant losses before anyone notices. Far from eliminating software, AI exposes the indispensability of the systems that coordinate work at scale.

Enterprise AI succeeds where agents and governance meet

Building an agent is becoming increasingly easier 鈥� the tip of the iceberg. Deploying it across end-to-end supply chains or financial close processes, with full compliance and audit trails, is where most of the effort lies. Orchestration, policy enforcement, and workflow determinism are the gatekeepers of trust. The more autonomous agents you deploy, the more valuable the governed systems that constrain and supervise them become 鈥� and that鈥檚 where the platforms that already run the world鈥檚 core operations come into their own.

What agents need to operate at scale

To deliver real outcomes reliably, agents need three things. First, deep domain and industry knowledge encoded in systems, so agents understand context, relationships, and end-to-end processes. Second, accurate, semantically rich business data that provides a reliable source of truth. And third, enterprise-grade governance: validation rules, compliance checks, approval flows, identity management and audit trails to keep autonomy safe.

These are the elements that separate the AI that can truly and reliably run a business from the AI that merely impresses in a demo.

What changes 鈥� what stays true

AI makes software faster and cheaper to build. Large language models will be commoditized. Business models will evolve as usage patterns shift from users to agents. Entirely new interfaces will emerge. Users will increasingly converse with AI rather than navigate applications, and front-ends will be generated dynamically in real time.

But the need for continuously updated, governed systems only grows. AI raises the bar for secure updates, telemetry-driven improvement, and shared controls 鈥� all strengths of mature SaaS. AI agents don鈥檛 replace enterprise software. They rely on it.

The winners will not be those who own marginally better foundation models. They鈥檒l be those who deliver value at the application layer: business outcomes grounded in deep domain expertise, integrated across functions, and governed for deployment at scale.

Software is becoming the operating system for trusted autonomy. The companies that recognize this will embed AI into the systems that run the world鈥檚 economy. The rest will run more experiments, generate more prototypes, and wonder why the outcomes lag the hype.

Long live software.

The post Software is Entering Its Most Powerful Era appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Nederlandse bedrijven experimenteren volop met kunstmatige intelligentie, maar structurele toepassing blijft nog te vaak uit. 麻豆原创 Nederland en Vereniging van Nederlandstalige 麻豆原创 Gebruikers (VNSG) waarschuwen dat organisaties AI pas echt laten renderen als zij verder kijken dan losse pilots. Succesvolle opschaling vraagt volgens beide partijen om integratie in kernprocessen, betrouwbare data en een cultuur die verandering ondersteunt.

Volgens Bart Doomen, Country Manager van Nederland, is een strategische aanpak daarbij onmisbaar. Willem-Jan van Tongeren, bestuursvoorzitter van de en CIO bij PostNL, benadrukt dat organisaties niet alleen in technologie moeten investeren, maar ook in schaalbaarheid, draagvlak bij collega鈥檚 en datakwaliteit.

Van experiment naar impact: de sleutel tot succesvolle AI-adoptie
De uitdaging zit volgens 麻豆原创 en VNSG niet alleen in de technologie zelf, maar vooral in de manier waarop organisaties AI invoeren en verankeren. Veel bedrijven starten met losse toepassingen, maar echte waarde ontstaat pas wanneer AI onderdeel wordt van de kernprocessen, van HR en finance tot supplychain.

麻豆原创 ziet die beweging al terug in de praktijk. Het bedrijf heeft inmiddels ruim 400 embedded AI-use cases beschikbaar voor klanten, en dat aantal zal dit jaar sterk groeien. Deze use cases zijn direct te integreren in 麻豆原创-oplossingen. Een voorbeeld daarvan is de inzet van autonome AI-agents, zoals een hiring agent die het onboardingproces van nieuwe medewerkers automatiseert. Volgens Doomen laten dit soort toepassingen zien dat AI niet alleen effici毛ntie oplevert, maar ook direct waarde kan toevoegen.

Van Tongeren wijst erop dat veel organisaties klein beginnen, maar dat de echte winst pas ontstaat bij succesvolle opschaling. Dat vraagt om commitment, een duidelijk plan en de bereidheid om te leren van pilots.

Voorwaarden voor succes
Van Tongeren, die bij PostNL een leidende rol speelde bij de transitie naar een full-cloud 麻豆原创-omgeving, voegt hieraan toe: 鈥淓en solide datamodel is ook essentieel. Zonder consistent en actueel datamodel kun je geen betrouwbare AI-oplossingen bouwen. Dat is geen eenmalige klus, maar een doorlopend proces van onderhoud en verbetering. Bedrijven moeten niet alleen hun data op orde brengen, maar ook de discipline hebben om het zo te houden.鈥�

Doomen vult aan: 鈥淎I is zo sterk als de data waarop het draait. Daarom helpen wij klanten om hun data 鈥楢I-ready鈥� te maken. We doen dat door data beschikbaar te maken met behoud van semantiek, de betekenis en de context van die data. Zo voorkomen we dubbel werk, doordat je de semantiek niet achteraf weer hoeft toe te voegen.鈥�

Cultuur bepaalt het tempo
Naast technologie en data speelt ook bedrijfscultuur een belangrijke rol bij het succesvol inzetten van AI. Van Tongeren benadrukt dat organisaties mensen moeten meenemen in het proces. Zo zorg je dat het waarde toevoegt voor bijvoorbeeld klanten. Daarnaast moeten medewerkers begrijpen hoe AI werkt en wat het in hun werk oplevert. Belangrijk hierbij is om echt ruimte te geven om te experimenteren met AI-toepassingen. Vertrouwen opbouwen kost tijd. Je moet testen of je data inderdaad van voldoende kwaliteit zijn, en mensen de ruimte geven om te wennen.

Volgens hem zijn vooral de veranderaanpak en de verander- en transformatieskills binnen een organisatie essentieel om teams mee te krijgen in de transitie: 鈥淗oe betrek je mensen bij verandering en geef je hun de ruimte om te leren? Snel bijsturen als iets niet werkt en leren van pilots, dat versnelt de adoptie. Een cultuur waarin organisaties openstaan voor feedback en aanpassing, helpt om AI succesvol te implementeren.鈥�

Toekomst: AI als onderdeel van bedrijfsprocessen
In 2026 verschuift de focus naar gespecialiseerde, sectorspecifieke AI-modellen die direct in bedrijfssoftware zijn ingebouwd. Doomen besluit: 鈥淎I wordt steeds meer een bepalende factor in besluitvorming en procesoptimalisatie. Wie AI blijft behandelen als losse technologie, loopt vast op versnipperde data en een gebrek aan controle. Organisaties die AI daarentegen zien als onderdeel van hun strategie en hun kernprocessen, kunnen een voorsprong behalen.鈥�

The post 麻豆原创 en VNSG: Structurele toepassing van AI vraagt om meer dan experimenten appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Organisaties in vrijwel elke sector willen sneller waarde halen uit AI. Tegelijk lopen veel bedrijven tegen hetzelfde probleem aan: hun data zijn vooral ingericht voor mensen. Die data ondersteunen bijvoorbeeld transacties, compliance en rapportages, maar zijn niet automatisch geschikt voor AI-toepassingen.

Daardoor ontstaan risico鈥檚. AI-systemen die werken met onvoldoende voorbereide data leveren sneller onbetrouwbare uitkomsten op. Ook nemen zowel de kans op complianceproblemen als de kwaliteit van besluitvorming af.

Onderzoek, governance en een bredere community

ODI en 麻豆原创 willen die kloof verkleinen door bedrijven, partners en academische experts samen te brengen. Het doel is om open standaarden en praktische kaders te ontwikkelen waarmee organisaties hun data geschikt kunnen maken voor AI.

De samenwerking bestaat uit drie onderdelen:

1. Onafhankelijke governance van het programma
   ODI en 麻豆原创 zetten eerst een stevig en onafhankelijk governancemodel op. Daarbij bouwt ODI voort op veertien jaar ervaring met het begeleiden van samenwerkingen tussen publieke en private partijen.

2. Onderzoek naar AI-ready enterprise data
   Daarnaast voeren beide organisaties onderzoek uit naar de manier waarop CIO鈥檚 en CDO鈥檚 hun data-infrastructuur AI-ready kunnen maken. Dat onderzoek kijkt naar klassieke machine learning, generatieve AI en agentic AI, in combinatie met benaderingen als data lakes, data mesh, data fabric en data products.

3. Een actieve community rond open standaarden
   Tot slot bouwen ODI en 麻豆原创 aan een brede community van 麻豆原创-klanten, partners, beleidsmakers en wetenschappers. Die community moet best practices delen, onderzoeksprioriteiten helpen aanscherpen en bijdragen aan open standaarden voor enterprise data in het AI-tijdperk.

Betrouwbare data als basis voor AI

Louise Burke, Chief Executive Officer van ODI, zegt: 鈥淎I zal de concurrentiekracht van organisaties de komende tien jaar sterk be茂nvloeden. Toch zit het verschil niet alleen in de modellen, maar juist in de kwaliteit, governance en zelfstandigheid van de data eronder. Veel organisaties beschikken over data die nog niet geschikt zijn voor AI. Als dat verkeerd uitpakt, kan dat leiden tot vertekende uitkomsten en problemen met regelgeving.

Met deze samenwerking brengen ODI en 麻豆原创 de kennis, het onderzoek en het netwerk samen die nodig zijn om organisaties daarbij te helpen. Ons doel is om AI-ready data-infrastructuur toegankelijk te maken voor organisaties van elke omvang, op basis van open standaarden die niet door 茅茅n leverancier worden bepaald.鈥�

Ook Irfan Khan, Chief Product Officer Data & Analytics bij 麻豆原创, benadrukt het belang van een sterke datafundering: 鈥淣u organisaties AI in 2026 verder opschalen, zit de echte kloof niet in de technologie, maar in vertrouwen in data. Organisaties met goed ge茂ntegreerde en goed bestuurde data presteren vaak beter en boeken sneller meetbare resultaten. Een belangrijke volgende stap is daarom het opzetten van een business data fabric, zodat AI-agents de juiste context hebben om de business goed te begrijpen en gericht te handelen.鈥�

Programmaraad en oproep aan de markt

Tijdens het project richten ODI en 麻豆原创 een programmaraad op die richting geeft aan het onderzoek en de prioriteiten bewaakt. Daarnaast publiceren de partijen onderzoeksresultaten en organiseren zij bijeenkomsten met experts uit het bedrijfsleven en de wetenschap om inzichten te delen.

De samenwerking staat bovendien open voor extra betrokkenheid en financiering vanuit de markt en andere sectoren. Zo willen ODI en 麻豆原创 samen met andere partijen werken aan een open blueprint voor enterprise data die klaar is voor AI en aansluit op verschillende systemen, databronnen en organisaties.

The post ODI en 麻豆原创 starten samenwerking voor AI-ready data-infrastructuur appeared first on 麻豆原创 Nederland Blogs & Nieuws.