Adopt AI Grand Palais 2025: AI voor consumenten in de detailhandel – Verslag van de keynote-presentaties en discussiepanels Artefact

De Adopt AI Summit 2025 in een oogopslag

• 20.000 bezoekers
• Meer dan 650 sprekers
• Meer dan 250 exposanten
• 7 fasen
• Meer dan 35 delegaties uit verschillende landen
• Meer dan 70 landen vertegenwoordigd
• 14 landenkraampjes
• Meer dan 1.000 CEO’s
• Meer dan 3.000 CXO’s

Bekijk de volledige sessie replays over AI voor de detailhandel en consumenten

Belangrijkste punten

Generatieve AI is niet slechts de volgende technologiegolf; het vertegenwoordigt een fundamentele strategische verschuiving voor de detailhandel en de consumptiegoederenindustrie. Voor leiders bestaat de uitdaging erin om verder te gaan dan experimenteren en AI te verweven in de operationele structuur van het bedrijf om meetbare P&L-impact te ontsluiten. In dit rapport zijn de belangrijkste strategische lessen van onze recente top samengevat. Het rapport biedt duidelijkheid op C-niveau over hoe u door deze transformatie kunt navigeren en een echt concurrentievoordeel kunt opbouwen.

Uit onze analyse van de reizen van leiders blijkt dat succes niet toevallig is. Het is het resultaat van een doelbewuste, vaak radicale, focus op zes specifieke strategische vereisten. Dit zijn de gebieden die de marktleiders van de rest onderscheiden, waardoor AI van een kostenpost verandert in een belangrijke aanjager van ondernemingswaarde.

• Operationele hervorming AI creëert voorspellende en autonome operationele kaders die bedrijven doen verschuiven van reactieve probleemoplossing naar proactieve waardecreatie, waarbij risico's worden beperkt voordat ze zich voordoen en deskundige besluitvorming in de hele onderneming wordt opgeschaald.
• Menselijke verbetering als belangrijkste rendement op investering De belangrijkste en meest directe waarde van AI ligt in het versterken van het personeelsbestand door domeinexperts om te vormen tot autonome AI-bouwers, verkoop- en serviceteams te versterken met data-driven-aanbevelingen en menselijk talent vrij te maken om zich te richten op hoogwaardig strategisch werk.
• De nieuwe grenzen van de klantervaring AI is de interactie met klanten fundamenteel aan het veranderen door personalisatie op een ongekende schaal mogelijk te maken, meer gecurreteerde en verheven ervaringen in de winkel te creëren en het paradigma te verschuiven van statische digitale activa naar dynamische, conversationele handel.
• De fundamentele noodzaak Leiders bouwen hun AI-voordeel op een hybride organisatiemodel van “centrale inschakeling en gedecentraliseerde uitvoering”, waarbij ze zorgen voor strenge engineering in de kern terwijl ze AI-agenten gebruiken om de data foundation die bedrijfsonderdelen nodig hebben om aan de rand te innoveren, dynamisch op te schonen en te verrijken.
• Pragmatische waarderealisatie De succesvolle aanpak van investeringen in AI leidt tot baanbrekende resultaten door onophoudelijk “marginale winsten” te realiseren uit een gerichte portefeuille van toepassingsgebieden, die stuk voor stuk zijn geselecteerd op basis van hun duidelijke, meetbare invloed op de winst- en verliesrekening, in plaats van op speculatief potentieel.
• De uitdaging op het gebied van adoptie en cultuur De technologie is de oplosbare component; de primaire uitdaging en de echte bron van onderscheidend vermogen ten opzichte van de concurrentie is het onder de knie krijgen van bedrijfsbrede adoptie en culturele verandering door middel van een tweeledige strategie van sterke leidinggevende sponsoring en een gedecentraliseerde cultuur van experimenteren.

Om uw organisatie door dit tijdperk van verandering te leiden, is het essentieel om deze strategische principes te internaliseren. Wij moedigen u aan om deze thema's verder uit te diepen door de volledige sessie replays te bekijken, een essentiële bron voor uw strategische planning en uitvoering.

CEO-podium

Een informeel gesprek met Alexandre Bompard van Carrefour

Sprekers: Alexandre Bompard, voorzitter en CEO

Sinds 2017, Alexandre Bompard staat aan het hoofd van Carrefour, een van ’s werelds grootste detailhandelsketens met vestigingen in Europa, Latijns-Amerika en Azië.

Onder zijn leiding heeft Carrefour versnelt zijn digitale transformatie door artificial intelligence te integreren om de toeleveringsketens te optimaliseren, de klantervaring te verbeteren en voedselverspilling tegen te gaan…

Als u terugkijkt op uw loopbaan in de media en de detailhandel, hoe gaat u dan persoonlijk en professioneel om met technologie en innovatie?

• Alexandre Bompard: De belangrijkste eigenschap die tegenwoordig van leiders wordt verwacht, is nieuwsgierigheid; men hoeft geen ingenieur te zijn om innovatie te stimuleren, maar men moet wel nieuwsgierigheid binnen de organisatie aanwakkeren.
• Vanuit sectoren van de “oude wereld” (lineaire tv/radio en fysieke detailhandel) die door disruptieve veranderingen worden bedreigd, is het altijd het doel geweest om traditionele structuren opnieuw te verbinden met innovatie.
• Dit proces gaat gepaard met vallen en opstaan; zo lanceerde hij bij Fnac bijvoorbeeld een succesvol e-readerplatform (Kobo) en een mislukte muziekstreamingsdienst, maar hij blijft erbij dat leiders, ongeacht eventuele mislukkingen, “het opnieuw moeten proberen” om deze reis te doorstaan.

Hoe bent u erin geslaagd om innovatie en cultuurverandering tot stand te brengen binnen een gigantische organisatie als Carrefour (100 miljard omzet, 500.000 medewerkers)?

• Alexandre Bompard: Toen het management aantrad, was men ten onrechte van mening dat de levensmiddelenhandel immuun was voor digitale disruptie; de eerste stap was het tot stand brengen van de overtuiging dat innovatie essentieel is om te overleven.
• Innovatie mag niet in een hoekje worden weggestopt; zij moet in de gehele bedrijfsgemeenschap worden gedemocratiseerd om de overgang te maken van een traditionele onderneming naar een digitaal georiënteerde, wendbare organisatie.
• Hoewel Carrefour op het gebied van puur technologisch concurrentievermogen wellicht nog geen gelijke is aan de uit de tech-sector voortgekomen giganten, is het bedrijf er wel in geslaagd om zijn legitimiteit en leidende positie te vestigen in de digitale transformatie van de fysieke detailhandel.

Welke specifieke rol speelt AI bij Carrefour, en wat zijn de concrete toepassingen?

• Alexandre Bompard: Het doel is niet om “innovatietheater” op te voeren, maar om AI in te zetten als een pragmatisch transformatie-instrument.
• Gebruiksscenario 1 (Bedrijfsvoering): Door gebruik te maken van een data-datameer van 10 miljard transacties om lokale assortimenten te optimaliseren en prijzen in realtime aan te passen, wordt de klantenservice aanzienlijk verbeterd.
• Gebruiksscenario 2 (strategische uitbreiding): waardoor de tijd die nodig is om potentiële winkellocaties te analyseren drastisch wordt verkort; wat voorheen 9 maanden aan onderzoek kostte met een mislukkingspercentage van 80%, wordt nu in 2 minuten voltooid met een hogere voorspellingsnauwkeurigheid dankzij AI.
• Gebruiksscenario 3 (CX): Het ontwikkelen van “AI-agenten” om producten te selecteren en een band met klanten op te bouwen, waardoor de winkelervaring ingrijpend wordt veranderd.

Hebben wij de kans om het continent te worden waar het gebruik van AI, de omvang van AI en de toepassingen van AI het meest ontwikkeld zouden kunnen zijn? Ik denk van wel.

Bekijk de sessie replay

Hoofdpodium Zuid

AI voor iedereen: het plan van LVMH om AI in de luxesector op grotere schaal in te zetten, geleid door haar waarden

Sprekers: Maud Alvarez-Pereyre, Chief People & Transformation Officer
Gonzague de Pirey, hoofd Omnichannel en Data

Over Maud Alvarez-Pereyre: Als Chief People & Transformation Officer geeft zij leiding aan de personeelsstrategie van de Groep, waarbij zij zich richt op talentontwikkeling, bedrijfscultuur en organisatorische transformatie voor het omvangrijke personeelsbestand van LVMH.

Over Gonzague de Pirey: In zijn functie als Chief Omnichannel en Data Officer geeft hij leiding aan de digitale versnelling van de Groep, data governance, en de integratie van AI-technologieën in alle Maisons.

Over LVMH: LVMH, met hoofdkantoor in Parijs, is ’s werelds toonaangevende luxeconcern (omzet 2023: 86,2 miljard euro, circa 213.000 medewerkers) en produceert hoogwaardige producten op het gebied van wijn, mode, lederwaren, parfums en cosmetica.

Wij hebben dit ‘quiet tech’-principe ontwikkeld om aan te geven dat technologie overal aanwezig moet zijn, maar onzichtbaar moet blijven, en dat dit de beste manier is om technologie in te zetten ten dienste van deze… menselijke waarden.

Wat zijn de reikwijdte en de ambitie van het “AI for All”-plan?

Maud Alvarez-Pereyre: Het initiatief wordt omschreven als een plan voor betrokkenheid, bijscholing en kadervorming, ontworpen voor de 215.000 medewerkers van de Groep. De ambitie is democratisering: AI binnen het bereik brengen van iedereen, van hotels en winkels tot magazijnen en ateliers, om experimenteren te stimuleren. Het gaat hierbij minder om een technische discussie dan om een culturele afweging, waarbij wordt vastgesteld waar het bedrijf ervoor kiest om AI in te zetten en waar niet. Zo zou HR bijvoorbeeld loopbaangesprekken kunnen opnemen voor data, maar kiest men ervoor dit niet onmiddellijk te doen om de kwaliteit van de menselijke interactie te waarborgen.

Waarom moet deze transformatie nu worden versneld, en wat zijn de pijlers daarvan?

Gonzague de Pirey: Hoewel LVMH al jaren samenwerkt met data en AI, is de focus verschoven van “innovatie” naar “transformatie”. Het plan rust op drie pijlers: 1) Mobilisatie van alle Maisons op het hoogste leidinggevende niveau; 2) Het ontwikkelen en opschalen van businesscases op het gebied van verkoop, marketing en bedrijfsvoering; en 3) Het evalueren van de implementatie en de impact. Cruciaal is dat het doel ligt bij bedrijfsontwikkeling en het versterken van waarden, in plaats van bij kostenbesparingen of herstructurering.

Hoe vormen de kernwaarden van LVMH een leidraad voor de praktische toepassing van AI?

Maud Alvarez-Pereyre: De waarden van de Groep – innovatie/creativiteit, uitmuntendheid, ondernemerschap en betrokkenheid – bepalen de strategie. Aangezien de “oprichters” van de Maisons ondernemers waren, rust er een verantwoordelijkheid om de cultuur mensgericht te houden. Net zoals LVMH de klantervaring personaliseert, maken zij gebruik van AI om het traject van hun toptalenten te personaliseren, waarbij zij ervoor zorgen dat de technologie ten dienste staat van het menselijk kapitaal. De transformatie moet positief zijn voor de teams, waarbij mogelijke verstoringen worden omgezet in een instrument voor groei.

Hoe vindt u een evenwicht tussen technologie en het mensgerichte karakter van luxe?

Gonzague de Pirey: Een succesvolle implementatie vereist afstemming op de bedrijfsstrategie; luxe is in wezen een menselijke ervaring die gebaseerd is op artistieke creatie, handwerk en persoonlijke verkoop. Het gebruik van AI om deze elementen te vervangen zou “orthogonaal” (tegenstrijdig) zijn met de succesfactoren van de sector. In plaats daarvan hanteert LVMH het “Quiet Tech”-principe: technologie moet alomtegenwoordig maar onzichtbaar zijn en dient als een middel om menselijke waarden te ondersteunen, in plaats van deze te vervangen.

Het gaat er eigenlijk om een stapje terug te doen… ons motto is dat de mensen de leiders van de groep blijven… maar wij moeten hen de beste creatieve omgeving bieden, een omgeving die door AI wordt aangedreven.

Bekijk de sessie replay

De detailhandel in het tempo van AI

Sprekers: Gabriel Hubert, CEO en oprichter

Gabriel Hubert: Een serieondernemer en productleider die voorheen werkzaam was als hoofd Product bij Alan en na de overname van zijn eerste start-up, Mashape, leidinggevende functies bekleedde bij Stripe. In 2023 was hij medeoprichter van Dust.

Stof: Dust is een horizontaal AI-platform (opgericht in 2022, hoofdkantoor: Parijs) met ongeveer 15 tot 25 medewerkers en een geschatte omzet in de vroege groeifase, dat zich richt op de implementatie van gespecialiseerde AI-agenten.

• De vier stappen van adoptie: Hubert schetst een traject van Shadow IT (onveilig gebruik van tools) naar Connected Chatbots (“CompanyGPT”), naar Embedded Assistants (SaaS “sparkle buttons”) en ten slotte naar het Agent OS. Hij stelt dat voor een echte transformatie deze laatste stap noodzakelijk is: een omgeving waarin agenten en mensen samenwerken aan end-to-end-projecten.
• Het Agent OS en de “Meter Index”: De “Meter Index”, de tijdsduur waarin een agent zelfstandig kan werken, bedraagt momenteel 2 uur en verdubbelt elke 7 maanden. Tegen eind 2026 zullen agenten werkdagen van 8 uur kunnen verwerken. Dust ontwikkelt het besturingssysteem om deze “agentische” werklasten op grote schaal te beheren.
• De CRM-parallel: Gabriel Hubert vergelijkt AI met het CRM-tijdperk; het concurrentievoordeel ligt niet in het model zelf, maar in de manier waarop het wordt geïntegreerd in de unieke bedrijfsprocessen, waardoor “lijsten” van data worden omgezet in geautomatiseerde pijplijnen.
• Culturele blauwdrukken voor succes: Succesvolle CEO’s boeken succes door AI van bovenaf verplicht te stellen en tegelijkertijd ruimte te bieden voor een bottom-upbenadering, waarbij teams (zoals het fraudeteam van Back Market of het personeel van Mirakl) hun eigen lokale agents ontwikkelen.
• Strategische conclusie: Om mislukte proefprojecten achter zich te laten, moeten bedrijven ophouden met AI als een “hulpmiddel” te beschouwen en het gaan zien als een nieuwe manier van werken, waarbij het ontwikkelen van een agent een weg naar promotie is, en geen bedreiging voor de werkzekerheid.

Software moet zich verder ontwikkelen om de informatiechaos tegen te gaan die ontstaat wanneer teams snel groeien. Wij geloven in het ontwikkelen van bedrijfssoftware waarmee slimme teams hun werk nog beter kunnen uitvoeren.

Bekijk de sessie replay

De toekomst van de luxe detailhandel: hoe Loewe de tijd tot marktintroductie verkort

Sprekers: Adriana Mirón, hoofd PMO & Governance
Lucy Barclay, Senior Director Global Field and Partner Marketing

Een tool gebruiken omwille van het gebruik zelf is hetzelfde als wanneer we het over AI hebben: u moet eerst zorgen dat het proces en het beheer op orde zijn.

Adriana Mirón: Hoofd PMO en Governance bij Loewe, met een focus op digitale transformatie en operationele uitmuntendheid binnen de luxe modesector.

Loewe: Een Spaans luxemerk dat deel uitmaakt van LVMH, met circa 1.200 medewerkers en een omzet van meer dan 600 miljoen euro, met hoofdkantoor in Madrid, gespecialiseerd in hoogwaardige lederwaren.

Lucy Barclay: Hoofd Field- en Partnermarketing bij Asana, gespecialiseerd in het opschalen van oplossingen voor werkbeheer voor wereldwijde retailklanten uit de grootzakelijke sector.

Asana: Een platform voor werkbeheer met een jaaromzet van ~$650M en meer dan 1.700 medewerkers, met hoofdkantoor in San Francisco, dat zich richt op organisatorische duidelijkheid.

Lou Dana: Een expert op het gebied van digitale strategie en detailhandel die optreedt als moderator bij dialoogbijeenkomsten op hoog niveau tussen technologieleveranciers en luxemerken.

Hoe ontwikkelen menselijke vaardigheden zich naarmate AI handmatige processen in traditionele sectoren overneemt?

Lucy Barclay: In de traditionele luxesector lag de nadruk van oudsher op harde vaardigheden, maar zachte vaardigheden zoals redeneervermogen en transparantie worden steeds belangrijker. Organisaties moeten hun medewerkers bijscholen om de conclusies van AI te kunnen beoordelen en de data-kwaliteit te waarborgen, aangezien AI zonder “controlemechanismen” onnauwkeurige resultaten kan opleveren.

Hoe heeft Loewe het omvangrijke veranderingsproces dat voor deze transitie nodig was, aangepakt?

Adriana Mirón: Het belang van verandermanagement mag niet worden onderschat. Loewe heeft de tool afdeling voor afdeling geïmplementeerd (Marketing, Financiën, enz.), omdat elke afdeling haar eigen specifieke behoeften heeft. De nadruk lag erop ervoor te zorgen dat ook “niet-technische” medewerkers de tool eenvoudig konden gebruiken, om zo de zichtbaarheid te maximaliseren en de communicatie te centraliseren, weg van e-mail.

Hoe wordt AI concreet geïntegreerd in het werkbeheer binnen de detailhandel?

Lucy Barclay: Detailhandelaren worden geconfronteerd met “werk rondom werk”, waarbij groei de complexiteit over verschillende tijdzones en tools heen vergroot. AI wordt ingezet als hulpmiddel om statusvergaderingen en e-mailketens overbodig te maken. Om AI echter effectief te laten zijn, is een basis van duidelijkheid vereist: weten wie wat doet en waarom. Asana biedt deze basis.

AI heeft het vermogen om het menselijk beoordelingsvermogen aanzienlijk te versterken, maar het vervangt dit zeker niet… U dient AI in te zetten als een teamgenoot binnen uw organisatie.

Bekijk de sessie replay

AI voor bedrijfsvoering: verbeterde uitvoering en operationele uitmuntendheid

Sprekers: Pierre Kroning, CIO & Managing Director Beiersdorf Shared Services IT
François-Xavier Pierrel, Group Chief Data Officer en Adtech Officer
Qihua Wang, uitvoerend vicepresident Strategie & AI

Virginie Brard: Regionaal vicepresident Frankrijk & Benelux bij Fivetran, waar hij fungeert als strategische schakel tussen de data-infrastructuur en de zakelijke impact daarvan. Fivetran: Geautomatiseerd transportplatform ter waarde van data; Omzet: ~$250M; Aantal medewerkers: meer dan 1.200; Hoofdkantoor: Oakland, CA; Missie: De toegang tot data net zo eenvoudig en betrouwbaar maken als elektriciteit.

Pierre Kröning: CIO bij Beiersdorf sinds september 2025; was voorheen hoofd van Data & Analytics en beschikt over meer dan 20 jaar ervaring op het gebied van IT en financiën. Beiersdorf: Gigant op het gebied van consumentengoederen (Nivea, Eucerin); Omzet: 10 miljard euro; Aantal medewerkers: meer dan 20.000; Hoofdkantoor: Hamburg, Duitsland; Missie: Marktleider zijn op het gebied van huidverzorging door middel van operationele uitmuntendheid.

Qihua Wang: Global EVP Strategy & AI bij Lagardère Travel Retail, een voormalig strategieconsultant die zich bezighoudt met het herontwerpen van wereldwijde bedrijfsprocessen. Lagardère Travel Retail: Wereldwijde reisretailketen in 51 landen; Omzet: meer dan 7 miljard euro; Aantal medewerkers: meer dan 20.000; Hoofdkantoor: Parijs, Frankrijk; Missie: De reisretail opnieuw vormgeven door middel van intelligente technologie.

François-Xavier Pierrel: Hoofd Data en Adtech Officer bij TF1, erkend expert op het gebied van data-strategie, met eerdere leidinggevende functies bij Meta, Microsoft en JCDecaux. TF1-groep: Toonaangevende Europese omroep; Omzet: 2,3 miljard euro; Aantal medewerkers: meer dan 2.800; Hoofdkantoor: Boulogne-Billancourt, Frankrijk; Missie: De transitie van traditionele omroep naar een toonaangevend streamingplatform.

Kunt u uw huidige belangrijkste AI-project en de zakelijke redenen daarvoor toelichten?

• Pierre Kröning: Bij Beiersdorf ligt de nadruk op “Operational Excellence” op het gebied van marktsegmentatie. Aangezien het een B2B2C-bedrijf betreft dat geen directe interactie met de consument heeft, maken zij gebruik van AI-agenten om het internet te scannen en het panel data (Nielsen) aan te vullen met visuele productkenmerken, zoals of het product van een concurrent er “modern” of “traditioneel” uitziet, en technische specificaties zoals SPF-waarden, om hun ecosysteem te voltooien.
• Qihua Wang: Lagardère maakt gebruik van generatieve AI om het “aanbestedingsbeheer”-proces te versnellen. In de complexe wereld van aanbestedingen voor detailhandel op luchthavens houdt het reageren op aanbestedingen het opstellen van documenten van 400 pagina’s in; generatieve AI doorzoekt hun wereldwijde kennisbank om de technische formuleringen te automatiseren, waardoor mensen zich kunnen concentreren op de kernwaardepropositie en het conceptontwerp.
• François-Xavier Pierrel: Na de lancering van TF1+ maakt de groep gebruik van AI om “videoproductie” ingrijpend te veranderen. Naast het bewerken van content zetten zij “Agentic AI” in om een “data-democratie” tot stand te brengen, waardoor medewerkers complexe technische ecosystemen kunnen doorzoeken zonder dat zij een SQL-opleiding nodig hebben, en zo de operationele versie van zichzelf automatiseren.

Als de data waardeloos is, leveren de resultaten uiteraard niets op… iedereen denkt dat u gewoon AI op een proces kunt toepassen en daarmee het hele probleem kunt oplossen.

Wat waren de belangrijkste misvattingen of “mythen” over AI aan het begin van uw projecten, met name met betrekking tot data?

• Pierre Kröning (Beiersdorf): De grootste hindernis is de overtuiging dat AI zomaar op een proces kan worden toegepast om het onmiddellijk te verbeteren. Als de data tekortschiet, is de output waardeloos. De echte uitdaging bestaat erin mensen ervan te doordringen dat zij processen moeten herontwerpen met een ‘digital first’-benadering. Zelfs met AI is menselijk oordeelsvermogen nodig om de resultaten te valideren.
• Qihua Wang (Lagardère Travel Retail): AI is geen technologisch project; het is een project voor bedrijfstransformatie. De mythe is dat het “cool en sexy” is, maar de realiteit is “vuil werk”: het opschonen van data, het transformeren van processen en het overtuigen van het personeel dat AI waarde creëert in plaats van banen weg te nemen. Een succesvolle uitvoering vereist een combinatie van verandermanagement, technische expertise en krachtige zakelijke ondersteuning.
• François-Xavier Pierrel (TF1): De aanvankelijke misvatting was: “Ik heb een probleem, AI is de oplossing.” Het kostte 6 tot 12 maanden om de mentaliteit te verschuiven van “AI toepassen omwille van de AI” naar het identificeren van daadwerkelijke bedrijfsproblemen. Zij leerden dat er geen toverstokje bestaat; er spelen politieke aspecten, governance en budgettaire overwegingen mee. Zij moesten de overstap maken van eenvoudige automatisering naar het creëren van echte waarde via data-democratie.

Het is niet zo dat u met één vingerknip de magie ziet gebeuren… Kortom, het is uiteindelijk geen technologisch project; het gaat om bedrijfstransformatie.

Bij AI bestaat er geen toverstokje. Het is voortdurend hard werken en doorzetten. Het draait om een beetje politiek, een beetje geld en een beetje bestuur.

Hoe gaat u om met de menselijke factor en de angst voor vervanging door machines?

• Qihua Wang (Lagardère Travel Retail): De werkelijkheid ligt ergens tussen “AI is waardeloos” en “AI lost alles op”. Het is een proces van proberen en leren om vertrouwen op te bouwen. Het doel is om vervelende, repetitieve taken, zoals het beantwoorden van standaardvragen in aanbestedingen, weg te nemen, zodat medewerkers zich kunnen concentreren op hoogwaardige strategie. Het gaat erom te bepalen wat het beste door een robot kan worden gedaan en wat door een mens.
• Pierre Kröning (Beiersdorf): U moet processen herontwerpen voordat u ze automatiseert. Als u een slecht proces automatiseert, bent u slechts efficiënt slecht. Dit verandert de rol van medewerkers; iemand die vroeger PowerPoint-dia’s maakte, moet nu wellicht de rol van Product Owner gaan vervullen, waardoor hij of zij moeilijke beslissingen moet nemen in plaats van alleen maar informatie op te maken.

Wat is uw laatste advies of belangrijkste conclusie met betrekking tot de audience?

• François-Xavier Pierrel (TF1): Vermijd FOMO (Fear Of Missing Out). Deze technologie is niet meer weg te denken. “Haast u, maar niet te snel.”
• Qihua Wang (Lagardère Travel Retail): Neem de instelling aan: “Laat alles vallen, leer en leer nog meer.” Wees bereid om te falen, want de lessen die u uit mislukkingen trekt, zijn waardevoller dan onmiddellijk succes.
• Pierre Kröning (Beiersdorf): Concentreer u op wat u niet gaat doen. Met beperkte middelen is het stellen van prioriteiten van cruciaal belang om uw inspanningen in te zetten waar het er echt toe doet.

Bekijk de sessie replay

De fysieke winkel opnieuw uitvinden met AI: uitvoering, ervaring, prestaties

Sprekers: Dominique Tran, hoofd AI
Stéphane Sinopoli, hoofd van de afdeling Monetisatie van Data
Giancarlo Miluccio, hoofd Data en Digital Officer
Aurélien Escartin, vicepresident Transformatie & IT

Over Dominique Tran: Hoofd van Data & AI bij Leroy Merlin, verantwoordelijk voor de integratie van generatieve en operationele AI in klanttrajecten en interne processen.

Over Leroy Merlin: Een toonaangevende Franse bouwmarktketen (Adeo Group) met een jaaromzet van circa 9,8 miljard euro (Frankrijk), meer dan 30.000 medewerkers en het hoofdkantoor in Lezennes.

Over Stéphane Sinopoli: Intermarché-franchisenemer (Adhérent) en voorzitter van Data Monetization & Innovation bij Les Mousquetaires.

Over Les Mousquetaires: Een grote Franse retailgroep (Intermarché, Bricomarché) met een omzet van circa 39,9 miljard euro, ongeveer 150.000 medewerkers en het hoofdkantoor in Bondoufle.

Over Giancarlo Miluccio: Hoofd Data en Digital Officer bij Unibail-Rodamco-Westfield (URW), waar hij leiding geeft aan de digitale transformatie van commercieel vastgoed.

Over URW: Een wereldwijd opererende ontwikkelaar en exploitant van toonaangevende winkelbestemmingen, met een aandeel in de omzet van 3,5 miljard euro, en het hoofdkantoor in Parijs.

Over Aurélien Escartin: Vicepresident Transformatie & IT bij VusionGroup (voorheen SES-imagotag), gespecialiseerd in IoT-digitalisering en infrastructuur voor de detailhandel.

Over VusionGroup: Wereldleider op het gebied van elektronische schapetiketten en IoT-oplossingen voor de detailhandel, met een omzet van circa 800 miljoen euro, hoofdkantoor in Nanterre, Frankrijk.

Op welke wijze wordt AI momenteel geïntegreerd om het klanttraject en de klantervaring te verbeteren?

• Dominique Tran (Leroy Merlin): De klant is tegenwoordig “verrijkt” en beschikt over veel kennis (vaak raadpleegt hij ChatGPT al vóór zijn bezoek). Leroy Merlin maakt gebruik van AI om te bepalen waar menselijke interactie toegevoegde waarde biedt en waar digitale hulpmiddelen het moeten overnemen. Een belangrijk succes is hun energieprestatiesimulator (DPE), die maandelijks duizenden AI-gestuurde simulaties uitvoert om klanten te helpen bij het plannen van renovaties.
• Stéphane Sinopoli (Les Mousquetaires): De strategie is gebaseerd op de “Carrelage Truth” (pragmatisme). AI verwerkt interacties met een hoog volume en een lage waarde. Zo bestaat 65% van de telefoontjes naar hun 3.500 winkels uit eenvoudige vragen (bijvoorbeeld over openingstijden); Conversational AI automatiseert dit nu, waardoor duizenden arbeidsuren worden bespaard. Daarnaast detecteert Computer Vision bij zelfscankassa’s “verdachte gebaren” om winkeldiefstal tegen te gaan, die in geautomatiseerde kassa’s vier keer zo hoog is.
• Giancarlo Miluccio (URW): In tegenstelling tot de strikte regel inzake rendement op korte termijn bij Intermarché, heeft URW al in een vroeg stadium in data geïnvesteerd om de “Consumer Journey” in kaart te brengen. Zij maken gebruik van AI om precies in beeld te brengen wat bezoekers in het winkelcentrum doen, waarbij zij verder gaan dan het louter tellen van bezoekersaantallen en zich richten op gedetailleerde gedragsanalyses, waardoor zij de omgeving kunnen optimaliseren voor betere winkelervaringen.
• Aurélien Escartin (VusionGroup): De nadruk ligt op “Shelf Intelligence” en “Spatial Intelligence”. Met behulp van minicamera’s en het IoT verzamelen zij elk uur data-gegevens over de schappen, waarmee zij storende factoren (uitverkochte artikelen, prijsfouten) identificeren. Deze data-gegevens worden ingevoerd in Edge AI, waardoor klanten en medewerkers in natuurlijke taal met de winkel kunnen “communiceren” – een functionaliteit die is gevalideerd door hun recente samenwerking met Walmart.

Op welke wijze ondersteunt AI eerstelijnsteams en winkelmedewerkers (de “augmented” medewerker)?

• Dominique Tran (Leroy Merlin): Om de risico’s van schaduw-IT te beperken, hebben zij een veilige GenAI-oplossing van enterprise-kwaliteit geïmplementeerd voor 100% medewerkers. Op operationeel vlak stuurt AI nu de kernprocessen aan: het samenstellen van het assortiment, prijsstrategieën en het opsporen van “verborgen voorraadtekorten” (voorraadfouten), waardoor de capaciteiten van het personeel over de hele linie systematisch worden versterkt.
• Stéphane Sinopoli (Les Mousquetaires): AI wordt ingezet om specifieke knelpunten voor winkelpersoneel (directeuren, boekhouders, managers versafdelingen) op te lossen. Voorbeelden hiervan zijn het doorlichten van honderden cv’s om direct een shortlist van kandidaten op te stellen en het genereren van humoristische, foutloze bordjes voor producten die niet op voorraad zijn, om zo een goede band met de klanten te behouden. Het doel is pure productiviteit om hun agressieve lage-prijspositie te behouden.
• Giancarlo Miluccio (URW): AI overbrugt de kloof tussen IT- en verhuurteams. Leasingmanagers verkopen niet langer alleen vierkante meters; zij verkopen audience’s en productiviteit op basis van gedetailleerde klantprofielen. Ook hun Retail Media-bureau (Rise) maakt gebruik van AI om fysieke advertentiemiddelen te behandelen als digitale inventaris, waarbij targeting’s en audience’s in realtime worden gekwalificeerd.
• Aurélien Escartin (VusionGroup): AI vermindert de cognitieve belasting door “het onzichtbare zichtbaar te maken”. In plaats van elk product te scannen, worden medewerkers uitsluitend gewezen op specifieke afwijkingen (bijvoorbeeld een product waarvan de voorraad op nul staat, maar dat fysiek wel aanwezig is). Hij merkt op dat detailhandelaren die gebruikmaken van AI-gestuurde routes en slimme brillen voor het orderverzamelen en het uitvoeren van ritten, een drievoudige productiviteitsstijging zien in vergelijking met traditionele methoden.

Vroeger richtten wij ons op het aantal mensen dat er aanwezig was… nu weten wij wat zij doen. Wij creëren digitale tweelingen van onze winkelcentra.

Wanneer u € 1 in technologie investeert, moet u eigenlijk het dubbele daarvan in de menselijke kant steken. Dat is namelijk de meest ingewikkelde fase.

Hoe draagt AI bij aan de strategie van het hoofdkantoor, en wat zijn de KPI’s voor succes?

• Dominique Tran (Leroy Merlin): De grootste uitdaging ligt in de acceptatie, niet in de technologie. Hun gouden regel luidt: “Investeer €1 in technologie, investeer €2 in mensen.” Strategisch succes wordt afgemeten aan de mate waarin het team de veranderingen omarmt. Zij hanteren een “bouwen, testen, bijsturen”-aanpak, waarbij de winkelteams in een vroeg stadium worden betrokken om ervoor te zorgen dat het veranderingsproces slaagt.
• Stéphane Sinopoli (Les Mousquetaires): AI op het hoofdkantoor pakt de enorme administratieve lasten aan. Het analyseren van duizenden leverancierscontracten van 100 pagina’s is voor mensen niet langer haalbaar; AI ondersteunt nu de juridische teams. Ook de marketingkosten worden drastisch verlaagd: het produceren van een tv-spot via AI kost ongeveer € 100.000, tegenover ongeveer € 1 miljoen op traditionele wijze. De strikte KPI blijft van kracht: het rendement op de investering (ROI) moet binnen 12 maanden worden behaald zonder de operationele kosten (OPEX) te verhogen.
• Giancarlo Miluccio (URW): AI is uitgegroeid van een experiment gericht op “nieuwe inkomstenbronnen” tot een transversale transformatiemotor (Financiën, Leasing, Bedrijfsvoering). Er worden “digitale tweelingen” van winkelcentra ontwikkeld om de bedrijfsvoering te simuleren en te optimaliseren. De belangrijkste KPI’s zijn eenvoudig en binair: omzet (van winkeliers) en bezoekersaantallen.
• Aurélien Escartin (VusionGroup): De nadruk ligt op snelheid en gezamenlijke ontwikkeling. Dankzij AI kan het hoofdkantoor de impact van wijzigingen in de merchandising onmiddellijk meten. Hij benadrukt de noodzaak van “geek”-optimalisatie om de rekenkosten (GPU/Retrieval) te verlagen, zodat AI-oplossingen betaalbaar blijven (lage OPEX) voor franchisenemers en onafhankelijke detailhandelaren.

De slimme bril die wij hebben uitgekozen kost 300 euro… Een Zebra [scanner] kost veel meer. Wij hebben oplossingen nodig die voor franchisenemers betaalbaar zijn.

De “Silo Breaker”: Hoe verandert AI de interne structuur (verhuur, juridische zaken, financiën)?

• Stéphane Sinopoli (Les Mousquetaires): De gevolgen voor de “Upstream” (het hoofdkantoor) zijn net zo ingrijpend als die voor de winkel.
• Juridische maatstaf: In de jaren ’90 bestonden contracten uit 4 pagina’s. Tegenwoordig zijn dat er meer dan 100. Met 1.000 leveranciers is het voor mensen onmogelijk om jaarlijks 100.000 pagina’s aan juridische documenten door te nemen zonder een leger aan juristen in te huren. AI vat deze contracten onmiddellijk samen en voert een risicobeoordeling uit.
• Marketingindicator: Het produceren van een tv-spot kost doorgaans 1 miljoen euro. Met behulp van GenAI-videotools hebben zij een vergelijkbare spot geproduceerd voor 100.000 euro, een kostenbesparing van een factor 10 die direct ten goede komt aan het nettoresultaat.
• Giancarlo Miluccio (URW): AI heeft een culturele verschuiving teweeggebracht. Voorheen spraken het “Leasing”-team (dat ruimte verhuurt) en het “Data”-team nooit met elkaar. Tegenwoordig presenteren Leasing-managers aan retailers niet alleen het aantal vierkante meters, maar ook “doelgroepprofielen” en “productiviteitszones” die zijn gegenereerd door AI-analyses van het bewegingspatroon van winkelbezoekers. Hierdoor is een gesprek over vastgoed veranderd in een gesprek over media en prestaties.

Retailmedia: Kunnen fysieke winkels werkelijk concurreren met digitale advertentieplatforms?

• Stéphane Sinopoli (Les Mousquetaires): Ja, en de cijfers zijn verbluffend. Zij installeren digitale schermen en houden de “Media Performance” binnen het hele netwerk bij. Belangrijk inzicht: De totale audience van de schermen in de Intermarché-winkels op een zondagochtend is hoger dan de audience van het nieuws van 20.00 uur (20h) op de grote Franse tv-zenders. Zij beginnen zich te realiseren dat zij een enorme mediaverkoper zijn.
• Giancarlo Miluccio (URW): Het bureau van URW, Rise, behandelt fysieke advertentiemiddelen (reclameborden in winkelcentra) nu op precies dezelfde manier als digitale advertentieruimte. AI analyseert in realtime de kenmerken van de audience die voor een scherm staat (demografische gegevens, verblijftijd), waardoor zij “gekwalificeerde weergaven” kunnen verkopen in plaats van louter statische afficheruimte.
• Aurélien Escartin (VusionGroup): Retail Media is de motor achter de “pure marge”. Door middel van camera’s bij de schaprand te gebruiken om bij te houden welke producten klanten aanraken maar niet kopen, kunnen zij gerichte aanbiedingen bij de schaprand tonen. Deze nieuwe inkomstenstroom helpt de investering in hardware te financieren, waardoor een zichzelf in stand houdend technologisch ecosysteem ontstaat.

De audience van onze schermen bij Les Mousquetaires is hoger dan die van het nieuws van 20.00 uur… Wij hebben een concurrent die een op AI gebaseerde film heeft gemaakt; die kostte niet meer dan 100.000 euro, terwijl dat normaal gesproken 1 miljoen euro kost.

Bekijk de sessie replay

AI op bedrijfsniveau: lessen uit de transformatie van Pernod Ricard

Sprekers: Pierre-Yves Calloc’h, Global Chief Digital Officer

Over Pierre-Yves Calloc’h: Pierre-Yves is momenteel Chief Digital Officer bij Pernod Ricard en geeft leiding aan de wereldwijde digitale transformatie van de groep, waarbij hij zich richt op het benutten van data en AI om de commerciële effectiviteit en de marketingefficiëntie te verbeteren.

Over Pernod Ricard: Een wereldwijde marktleider in de wijn- en gedistilleerde drankenindustrie, met prestigieuze merken als Absolut, Jameson en Havana Club in zijn portfolio. Het bedrijf realiseert een jaarlijkse omzet van ongeveer 12 miljard euro, heeft meer dan 19.000 medewerkers in dienst, heeft zijn hoofdkantoor in Parijs, Frankrijk, en opereert onder de missie “Creators of Conviviality”.”

Wat zijn de belangrijkste toepassingen van kunstmatige intelligentie die momenteel bij Pernod Ricard in gebruik zijn?

Pierre-Yves Calloc’h: Pernod Ricard heeft een aanbevelingssysteem geïmplementeerd voor zijn 5.000 verkoopvertegenwoordigers in 60 landen. Deze tool, die in 2020 in gebruik is genomen, biedt wekelijkse bezoeklijsten en specifieke suggesties voor het promoten van producten op basis van gelokaliseerde data-gegevens, zoals het identificeren van slecht presterende merken of ineffectieve promoties. Dit systeem heeft in de landen waar het is geïmplementeerd in twee jaar tijd een omzetgroei van 2-3% gegenereerd. Daarnaast maken zij in meer dan 20 landen gebruik van Marketing Mix Modeling (MMM) om de mediabestedingen (tv versus sociale media) te optimaliseren op basis van drie jaar aan historische data-gegevens.

Hoe begeleidt u het implementatieproces en selecteert u de juiste projecten om succes te garanderen?

Pierre-Yves Calloc’h: De strategie is gebaseerd op een uiterste focus, waarbij het aantal actieve AI-projecten wordt beperkt tot maximaal acht tegelijk. Het team heeft een aanvankelijke lijst van 72 potentiële digitale projecten teruggebracht tot slechts zes om een hoge kwaliteit en schaalbaarheid te waarborgen. Cruciaal is dat Pernod Ricard “Proof of Concepts” (POC’s) afwijst ten gunste van “Minimum Viable Products” (MVP’s) die onmiddellijk in twee landen worden geïmplementeerd om de reproduceerbaarheid aan te tonen. In het tijdperk na ChatGPT worden zij geconfronteerd met duizenden potentiële toepassingsgevallen, maar hanteren zij strenge financiële criteria: projecten met slechts een minimale efficiëntiewinst (bijvoorbeeld een besparing van 0,5% van een FTE) worden afgewezen ten gunste van projecten met een meetbare impact op de winst- en verliesrekening.

Hoe ontwikkelt de technologiestack zich van prototype tot productie, en welke rol speelt low-code daarbij?

Pierre-Yves Calloc’h: De acceptatie door gebruikers vormt het cruciale knelpunt, waardoor snelheid van essentieel belang is. 18 maanden wachten om een oplossing in Salesforce te integreren zou het project de das omdoen; daarom gebruiken zij Retool om binnen enkele dagen of weken interfaces voor webapplicaties te bouwen. Dit maakt snelle iteratie mogelijk; feedback die tijdens ochtendtrainingen wordt ontvangen, kan nog diezelfde middag worden geïmplementeerd, wat het vertrouwen van de gebruikers aanzienlijk versterkt. Hoewel Retool onmiddellijke bedrijfswaarde biedt met beveiliging op productieniveau, blijft het langetermijndoel (1 à 2 jaar later) de integratie van gestabiliseerde oplossingen in de kern van de Salesforce-automatiseringstool.

Wat is uw standpunt ten aanzien van “Vibe Coding” (door AI gegenereerde gebruikersinterfaces) in vergelijking met low-code-platforms?

Pierre-Yves Calloc’h: Hoewel door AI gegenereerde UI-platforms zoals Lovable indrukwekkend zijn voor demonstraties, ontbreekt het hen momenteel aan de beveiliging, authenticatie en data-afhandeling die vereist zijn voor productieomgevingen. Aangezien Pernod Ricard geen POC’s uitvoert en uitsluitend inzetbare MVP’s ontwikkelt, kan het bedrijf voor live bedrijfstools nog geen gebruikmaken van vibe-coding, maar geeft het de voorkeur aan beproefde low-code-oplossingen die direct productieklaar zijn.

Wij doen niet aan POC’s [Proof of Concepts], maar gaan direct over tot MVP’s… wij selecteren uitsluitend projecten die voldoende schaalbaar zijn om winstgevend te zijn en die een hoger rendement op de investering opleveren in verhouding tot de kosten.

Bekijk de sessie replay

AI als motor voor schaalbaarheid: hoe Pepkor groepsbrede capaciteiten opbouwt voor 30 merken

Sprekers: Jason Peisl, Chief Information Officer

Over Jason Peisl: Huidige CIO van de Pepkor Group, verantwoordelijk voor de transformatie van de IT-afdeling van een dienstverlener naar een strategische facilitator binnen een complex netwerk van retailmerken.

Over de Pepkor Group: Een Zuid-Afrikaanse retailgigant met een jaaromzet van $6B, meer dan 6.500 winkels en circa 50.000 medewerkers; het hoofdkantoor is gevestigd in Kaapstad, Zuid-Afrika, en het bedrijf richt zich op de discount- en voordelige markt.

Hoe slaagt u erin om data en AI op te schalen binnen een groep concurrerende retailmerken?

• Jason Peisl: Toen hij deze functie op zich nam, bestond de bestaande aanpak uit dure proefprojecten met een lage acceptatiegraad, omdat de wetenschappers van data geen voeling hadden met de behoeften van het merk. Peisl voerde een radicale scheiding door: gecentraliseerde ondersteuning versus gedecentraliseerde uitvoering.
• Gecentraliseerd: Ingenieurs en MLOps blijven van cruciaal belang om een solide basis te leggen en de toegang tot data voor iedereen toegankelijk te maken.
• Gedecentraliseerd: De wetenschappers van Data en de AI-expertise werden ondergebracht bij de afzonderlijke merken. Hierdoor werd gewaarborgd dat zij inzicht kregen in de specifieke mechanismen en uitdagingen van die merken binnen de detailhandel, waardoor daadwerkelijke bedrijfswaarde werd gecreëerd in plaats van louter theoretische modellen.

Welke doortastende beslissingen waren er nodig om vertrouwen en samenwerking tot stand te brengen in een omgeving die voorheen uit afzonderlijke eenheden bestond?

• Jason Peisl: De IT-afdeling had van oudsher te weinig strategische invloed, wat resulteerde in een versnipperd landschap waarin geen vertrouwen bestond tussen de merken. Peisl lanceerde “Vision 2030” om de technische schuld aan te pakken die was ontstaan door jarenlange federatie.
• De “rommel”: De groep maakt momenteel gebruik van 5 ERP-systemen, 12 magazijnbeheersystemen en 9 HR-systemen, wat leidt tot een enorme complexiteit bij de gegevensinvoer en de nauwkeurigheid van data.
• Het doel: Een stappenplan voor de komende 5 tot 10 jaar om per functie tot één enkel systeem te komen (één ERP, één WMS). Deze vereenvoudiging vormt de voorwaarde voor nauwkeurige data en schaalbare AI.
• Gemeenschapsopbouw: Om de samenwerking te bevorderen, richtte hij merkoverschrijdende communities op (bijvoorbeeld Advanced Analytics en Security) om innovatie en gezamenlijke projecten te bespreken, zoals “Customer 360”, waarmee voor het eerst klantgegevens (data) binnen de hele groep worden gebundeld.

Wat zijn de belangrijkste toepassingen van AI die elke detailhandelaar zou moeten invoeren?

• Jason Peisl: Er bestaat geen enkel “wondermiddel” dat in één klap honderden miljoenen oplevert. In plaats daarvan hanteert Pepkor een strategie van “marginale winst” (vergelijkbaar met het professionele wielrennen).
• De strategie: Door talrijke kleinere gebruiksscenario’s samen te voegen die elk een efficiëntieverbetering van 0,11 TP47T tot 0,51 TP47T opleveren, ontstaat uiteindelijk een totale verbetering van 5 tot 61 TP47T.
• Concreet voorbeeld: Optimalisatie van de toeleveringsketen. Met meer dan 1 miljard artikelen die jaarlijks worden vervoerd, wordt AI ingezet om de routeplanning en logistiek te optimaliseren, wat bijdraagt aan deze marginale winst.

Wij doen niet aan POC’s [Proof of Concepts], maar gaan direct over tot MVP’s… wij selecteren uitsluitend projecten die voldoende schaalbaar zijn om winstgevend te zijn en die een hoger rendement op de investering opleveren in verhouding tot de kosten.

Bekijk de sessie replay

Succes behalen met AI: wat de leiders van vandaag ons hebben geleerd over het nu vormgeven van de toekomst

Sprekers: Ghadi Hobeika, Managing Partner en CEO, Noord-Amerika

Over Ghadi Hobeika: Ghadi Hobeika is de Managing Partner en CEO voor Noord-Amerika bij Artefact. Als ervaren leidinggevende met een achtergrond in de transformatie van de detailhandel en de vastgoedsector was hij voorheen werkzaam als Chief Commercial Officer bij Unibail-Rodamco-Westfield, waar hij diepgaande expertise heeft opgedaan in het koppelen van digitale strategie aan zakelijk rendement.

Over Artefact: Een wereldwijd opererend data- en AI-adviesbureau met hoofdkantoor in Parijs, Frankrijk. Artefact heeft wereldwijd meer dan 1.000 medewerkers in dienst en genereert een geschatte jaaromzet van meer dan €100M, met als missie de kloof tussen data en de impact op het bedrijfsleven te overbruggen.

• Hobeika stelt dat een succesvolle AI-transformatie een “brandend platform” vereist”, een duidelijk omschreven strategische reden (“Waarom?”) om middelen, geld en personeel te mobiliseren. Bedrijven zoals Les Mousquetaires (Intermarché) passen dit toe op het gebied van productiviteit en prijsstelling, terwijl LVMH zich richt op zorgvuldig samengestelde luxe-ervaringen en Unibail-Rodamco-Westfield (URW) op zoek is naar nieuwe inkomstenstromen in een uitdagende markt.
• Een revolutie in de klantervaring (CX): De opkomst van “Gen-tic commerce” (GenAI Commerce) en AI-zoekfuncties vereist dat middelen worden geoptimaliseerd voor interactie tussen robots onderling. L’Oréal maakt gebruik van AI om 2 miljard klanten hypergepersonaliseerde ervaringen te bieden, een schaal die onmogelijk is voor mensen of traditionele automatisering alleen.
• De kernactiviteiten opnieuw vormgeven: AI maakt een einde aan handmatige taken en stroomlijnt de overdracht van werkzaamheden op hoofdkantoren, in magazijnen en in winkels. Lagardère Travel Retail zet AI in om aanbestedingsprocedures te versnellen; Leroy Merlin automatiseert prijswijzigingen; en Pernod Ricard ondersteunt 5.000 verkopers in 60 landen met aanbevelingen voor de “volgende beste actie”.
• Personeelsuitbreiding: De nadruk ligt op het aangenamer maken van het werk. Les Mousquetaires maakt gebruik van AI om honderden cv’s te screenen, terwijl Leroy Merlin medewerkers in staat stelt complexe technische vragen te beantwoorden. Succes is afhankelijk van een duidelijk kader voor het prioriteren van waarden (“Waar zit het geld?”), een heldere data-aanpak en het anticiperen op uitdagingen bij de implementatie door middel van co-creatie met teams (zoals aanbevolen door TF1).
• De impact van AI is van marginaal naar enorm verschoven. Het rendement op de investering (ROI) valt niet te ontkennen: de CIO van L’Oréal merkte op dat elke € 1 die in klantenservice wordt geïnvesteerd, € 60–€ 70 oplevert. Hoewel AI de mogelijkheden uitbreidt, blijven de mensen, hun persoonlijkheden en hun vaardigheden echter de doorslaggevende factor.

Vroeger had AI slechts een marginale impact. Die impact wordt nu enorm… Elke euro die hij [de CIO van L’Oréal] in klantenservice investeert, levert een besparing op van ongeveer 60 tot 70 euro. Dat is een van de beste rendementen op investering die u ooit zult aantreffen.

Bekijk de sessie replay

Masterclass Noord & Zuid

De toekomst van de detailhandel vormgeven met behulp van AI

Sprekers: Yann Le Rhun, CTO Frankrijk
Edouard Renoux, hoofd Retail & Transport Frankrijk
Alan Ferbach, medeoprichter en CEO

Édouard Renoux: Hoofd Retail en Transport bij NVIDIA, gespecialiseerd in het versnellen van AI-werkprocessen voor grote concerns zoals L’Oréal en Carrefour. NVIDIA: Een wereldwijde marktleider op het gebied van GPU- en AI-computing, met een omzet van ongeveer $60B en meer dan 29.000 medewerkers, met hoofdkantoor in Santa Clara.

Yann Le Rhun: Chief Technology Officer (CTO) bij Lenovo Frankrijk, verantwoordelijk voor de strategische technische architecturen en het “AI Innovators”-ecosysteem voor zakelijke klanten. Lenovo: Een multinationaal technologiebedrijf met een omzet van $62B en 77.000 medewerkers, met hoofdkantoren in Peking en Morrisville, dat zich richt op “Slimmere technologie voor iedereen.”

Alan Ferbach: CEO en medeoprichter van Vidéotix, een expert op het gebied van AI-gestuurde videoanalyse en software-integratie voor fysieke beveiliging en winkelbezoekersstromen. Vidéotix: Een Franse softwareontwikkelaar die gespecialiseerd is in computervisie; onlangs overgenomen door een Zwitserse groep om de mogelijkheden op het gebied van 360°-klanttelling en trajectanalyse in de detailhandel uit te breiden.

Hoe past NVIDIA in het detailhandelslandschap en op welke specifieke toepassingen richt u zich?

Édouard Renoux: NVIDIA biedt een complete technologiestack die verder gaat dan alleen GPU’s, waaronder CPU-/DPU-hardware en het “Metropolis”-framework voor computervisie. Hierdoor kunnen detailhandelaren bestaande videobeelden benutten voor toepassingen met een hoog rendement op de investering (ROI), zoals fraudebestrijding. Voor een detailhandelaar met een omzet van € 10 miljard betekent een derving van 2% een verlies van € 200 miljoen; de oplossingen van NVIDIA kunnen dit verlies halveren, waardoor de investering in de infrastructuur zich al binnen 3–4 maanden terugverdient.

Wat biedt het Lenovo Hybrid Advantage aan detailhandelaren die AI op grotere schaal willen inzetten?

Yann Le Rhun: Dankzij het “Lenovo Hybrid Advantage”-programma kunnen detailhandelaren “klein beginnen” met specifieke toepassingen en vervolgens opschalen naar duizenden winkels. Het overbrugt de kloof tussen het laboratorium en de productie. Een belangrijk voorbeeld is Kroger in de VS, waar deze oplossing in enkele duizenden winkels binnen drie maanden een terugverdientijd (ROI) opleverde. Het platform omvat tevens een “AI-bibliotheek” met gevalideerde start-ups om naleving van regelgeving en technische vereisten te waarborgen.

Hoe zet Vidéotix de bestaande winkelinfrastructuur om in data-sensoren?

Alan Ferbach: Vidéotix maakt gebruik van AI om de 99% aan beelden van beveiligingscamera’s te analyseren die doorgaans niet worden bekeken. Door camera’s als sensoren te beschouwen, creëren zij scenario’s voor telling en stroomanalyse zonder dat daarvoor nieuwe hardware nodig is. Deze “On-Premise”-aanpak zorgt ervoor dat gevoelige videobeelden nooit de locatie verlaten; alleen de verwerkte statistieken worden naar het hoofdkantoor verzonden ten behoeve van de besluitvorming.

Onze oplossing omvat de ‘Lenovo AI Library’, waarin gespecialiseerde start-ups zijn geïntegreerd… waardoor wordt gewaarborgd dat deze technisch gevalideerd zijn en aan de wettelijke voorschriften voldoen voordat ze worden geïmplementeerd.

Bekijk de sessie replay

AI-agenten voor de detailhandel: de fraudedetectieagent van Back Market in de praktijk

Sprekers: Aurélien Gervasi, Senior Engineering Manager, AI
Alban Dumouilla, Productgroei

Aurélien Gervasi: Senior Engineering Manager, gespecialiseerd in AI bij Back Market, verantwoordelijk voor het aansturen van de AI-transformatie en de agentische strategie van het bedrijf. Back Market: De toonaangevende wereldwijde marktplaats voor gereviseerde elektronica, met hoofdkantoor in Parijs, meer dan 700 medewerkers en een GMV van ongeveer €2B+.

Bertrand Stephann: Product Growth Lead bij Dust, gespecialiseerd in het opschalen van AI-“besturingssystemen” die de kloof overbruggen tussen LLM’s en het interne bedrijfssysteem data. Stof: Een gespecialiseerd AI-platform waarmee bedrijven op maat gemaakte, actiegerichte agents kunnen ontwikkelen die zijn gekoppeld aan interne tools zoals Slack, Notion en Jira.

Wat is de specifieke uitdaging op het gebied van “logistieke fraude” waarmee Back Market en de detailhandel worden geconfronteerd?

Aurélien Gervasi: Logistieke fraude betreft 0,3% van de verzonden artikelen, wat leidt tot aanzienlijke GMV- en omzetverliezen. Hieronder vallen “forward fraud” (valse claims dat een zending niet is ontvangen) en “return fraud” (manipulatie van verzendlabels). Een eerdere poging om dit tegen te gaan door middel van strenge handmatige controles leidde tot een publieke terugslag, wat de noodzaak onderstreepte van een oplossing die een evenwicht biedt tussen hoogwaardige beveiliging en een naadloze klantervaring.

Op welke wijze maakt de nieuwe “Fraud Orchestrator”-agent gebruik van een multi-agentarchitectuur?

Aurélien Gervasi: Back Market heeft een multi-agentsysteem geïmplementeerd waarin een centrale Orchestrator gespecialiseerde subagenten coördineert: Klantgeschiedenis, Trackingincidenten, Betalingsincidenten en Conversatiepatronen. Door gebruik te maken van LLM’s voor het analyseren van ongestructureerde tekst kunnen zij nu “eerste-bericht”-sjablonen detecteren die door professionele fraudeurs worden gebruikt, een taak die voorheen onmogelijk was met standaard SQL of regex.

Hoe maakt het Dust-platform onderscheid tussen AI-“assistenten” en AI-“agenten”?

Alban Dumouilla: Het paradigma is verschoven van “assistenten” (passieve chatbots) naar “agenten” (actieve medewerkers). Agenten hebben toegang tot interne kennisbronnen (Google Drive, Notion) en tools (Zendesk, Front), waardoor zij zelfstandig acties kunnen uitvoeren, zoals het opstellen van antwoorden, het wijzigen van de status van tickets of het activeren van waarschuwingen.

Kunt u aangeven hoe snel een gespecialiseerde medewerker voor retailondersteuning kan worden ingezet?

Alban Dumouilla: Met behulp van een “Prompt Coach”-agent werd binnen drie minuten een agent voor functionele ondersteuning ontwikkeld. Door deze te koppelen aan eerdere tickets en het “Front”-ticketsysteem, analyseerde de agent zelfstandig een verzoek om terugbetaling, paste hij het bedrijfsbeleid toe en verstuurde hij een e-mail met een oplossing, en dit alles binnen enkele minuten na het eerste bericht van de klant.

Dit is een duidelijk voorbeeld van hoe Dust deze domeinexperts in staat stelt om AI-ontwikkelaars te worden; zij zijn in staat hun eigen problemen op te lossen met genai, zonder een beroep te hoeven doen op technische middelen.

Bekijk de sessie replay

Optimale prestaties realiseren met het voorbereidingsprogramma van SAP voor Black Friday en Cyber Monday

Sprekers: Manoj Gupta, hoofd Ondersteuning voor de handel en de consumentensector
Rohan Patel, wereldwijd vicepresident en hoofd Support, Spend Management

Manoj Gupta: Als hoofd van de afdeling Support voor de handels- en consumentensector bij SAP houdt hij toezicht op de stabiliteit en prestaties van het retail-ecosysteem van SAP, waarbij hij zich in het bijzonder richt op de voorbereiding op grootschalige evenementen.

Rohan Patel: Als SVP en hoofd van Global Cloud Services Support bij SAP geeft hij leiding aan de digitale transformatie van de klantenservice via een strategisch vijfjarenplan dat gericht is op AI-gestuurde “agentic”-oplossingen.

SAP: Een gespecialiseerd AI-platform waarmee bedrijven op maat gemaakte, actiegerichte agents kunnen ontwikkelen die zijn gekoppeld aan interne tools zoals Slack, Notion en Jira.

Kunt u de ontwikkeling en het traject van de implementatie van AI binnen het ondersteuningskader van SAP beschrijven?

Rohan Patel: SAP is vijf jaar geleden aan deze reis begonnen, waarbij de focus is verschoven van basis-data naar geavanceerde “agentic”-scenario’s. De strategie is geëvolueerd van eenvoudige “zero-shot reasoning” naar intelligente agenten die weliswaar een grondigere training en data vereisen, maar een grotere mate van autonomie bieden. Het doel is om verder te gaan dan incrementele efficiëntie en te streven naar “onzichtbare AI”, waarbij de technologie bedrijfsprocessen naadloos op de achtergrond uitvoert zonder dat dit voor de gebruiker hinder oplevert.

Wat is de specifieke rol van AI bij het waarborgen van de veiligheid tijdens piekperiodes in de detailhandel, zoals Black Friday en Cyber Monday?

Manoj Gupta: Voor detailhandelaren zijn dit de zes meest cruciale dagen van het jaar. Wij bieden een vorm van “onzichtbare ondersteuning” die erop gericht is een uptime van 100% en nul prestatieverlies te realiseren. Onze autonome agents gaan 6 tot 8 weken van tevoren aan de slag om de systeemstatus en de gebeurtenisgeschiedenis te analyseren en ondersteunen data bij het opstellen van een preventief rapport voor risicobeperking. Hiermee worden technische en zakelijke knelpunten geïdentificeerd voordat deze gevolgen kunnen hebben voor het live-evenement.

Hoe werken “Agentic AI” en autonome agenten technisch gezien binnen het BFCM-programma?

Manoj Gupta: Wij maken gebruik van meerdere agents die samenwerken. Deze agents houden toezicht op de klanten, genereren specifieke waarschuwingen en bepalen of een probleem zelfstandig kan worden opgelost of dat menselijke tussenkomst vereist is. Indien de agent op basis van historische data-gegevens een oplossing vindt, kan hij rechtstreeks aan de klant reageren zonder dat er menselijke tussenkomst nodig is. Wij opereren op zeer grote schaal en hebben vorig jaar meer dan $12B aan GMV ondersteund zonder enige downtime.

Hoe maakt SAP onderscheid tussen de verschillende niveaus van AI-gestuurde ondersteuning die momenteel voor klanten beschikbaar zijn?

Rohan Patel: Wij verdelen ondersteuning in drie afzonderlijke pijlers: ‘Invisible Support’, dat zelfstandig werkt om problemen te voorkomen; ‘Empowered Support’, dat gebruikmaakt van AI om de gebruiker aanbevelingen en uitgebreide zelfbedieningsmogelijkheden data te bieden; en ‘Assisted/Accelerated Support’, dat erop gericht is de interactie met SAP-experts zo soepel mogelijk te laten verlopen wanneer menselijke hulp nodig is.

Onzichtbare AI is eigenlijk wat we allemaal nastreven… want dat is uiteindelijk de ware waarde die wij in onze sector zien.

Bekijk de sessie replay

Startup-fase

AI-agenten die op het juiste moment de juiste vraag stellen

Sprekers: Cyril Reinhard, medeoprichter en CEO

Cyril Reinhard: Als medeoprichter van Zelinqa leidt Cyril Reinhard de eerste openbare presentatie van het bedrijf in Frankrijk in. Hij legt daarbij de nadruk op een nieuwe benadering van conversatie-AI, waarbij effectief vragen stellen voorrang krijgt boven het onmiddellijk geven van antwoorden, en put daarbij uit zijn expertise op het gebied van technologisch ondernemerschap.

Zelinqa: Zelinqa is een nieuwe start-up die zich richt op de ontwikkeling van AI-agenten die gespecialiseerd zijn in “Human Questioning Intelligence”, om de ‘vertrouwenscrisis’ op het gebied van conversatie-AI aan te pakken. Hoewel er geen specifieke cijfers over deze nieuwe start-up openbaar zijn gemaakt, is het haar missie om AI in staat te stellen gesprekken te sturen door middel van strategische vragen, wat leidt tot minder interacties, oplossingen van hogere kwaliteit en een lager energieverbruik door gebruik te maken van kleine, gespecialiseerde modellen.

• De “vertrouwenscrisis”: De markt kampt met een “vertrouwenscrisis” als gevolg van de afhankelijkheid van LLM’s, waarbij grotere modellen in aanzienlijke mate “hallucineren”, tot wel 20% bij algemene onderwerpen en 70-80% bij gespecialiseerde domeinen zoals de gezondheidszorg en het onderwijs. Deze fundamentele tekortkoming vloeit voort uit het huidige paradigma van „antwoord-eerst“-AI, dat zich niet effectief aanpast en niet goed luistert, in tegenstelling tot menselijke conversaties.
• De aanpak is gebaseerd op drie principes: kleine, gespecialiseerde modellen: In navolging van de 40 jaar oude visie van Marvin Minsky uit “The Society of Mind” maakt het platform gebruik van meerdere kleine agenten die experts zijn op hun vakgebied en onderling samenwerken.
• De kracht van het stellen van vragen: De belangrijkste innovatie is de “best question engine”, die na twee jaar onderzoek en ontwikkeling in een universitair laboratorium in Grenoble is ontwikkeld en die de AI in staat stelt om binnen een specifiek domein op het juiste moment de juiste vraag te stellen.
• Doelgericht gesprek: Het systeem is ontworpen om het gesprek te sturen op basis van een specifiek, vooraf gedefinieerd doel (bijvoorbeeld: het doel van een arts is het vinden van de beste behandeling), waardoor de engine expertise op het gebied van vraag-en-antwoord kan integreren en op basis van realtime context de optimale vraag binnen een cluster kan selecteren.
• De illusie van use cases en meetcijfers: Een proefklant, school.fair, maakt gebruik van Zelinqa’s chatbot “Zelia”, die gespecialiseerd is in loopbaanbegeleiding en getraind is op alle Franse opleidingsmogelijkheden na het baccalaureaat. Zelia begint met het stellen van vragen om inzicht te krijgen in de beperkingen van de gebruiker en geeft pas antwoord nadat zij voldoende informatie heeft verzameld. Deze “vraag-eerst”-strategie vermindert het aantal interacties dat nodig is om tot een hoogwaardige, duidelijke oplossing te komen, waardoor er impliciet minder energie wordt verbruikt.
• Vraag aan First AI: De bedrijfsfilosofie houdt een directe overgang in van “answer first AI” naar “question first AI”. Deze verschuiving leidt tot een betere kwaliteit, minder tijdsbesteding, minder interacties en een impliciete vermindering van het energieverbruik door de nadruk te leggen op kleine en middelgrote modellen in plaats van op buitensporig grote modellen.
• Menselijke kritische denkvaardigheid: Door de nadruk te leggen op “Human Questioning Intelligence” ontstaat er een overtuigende toepassing voor interacties met hoge inzet en hoge kwaliteit, zoals kwalificatieprocedures in de gezondheidszorg of gespecialiseerde loopbaanbegeleiding, waarbij nauwkeurigheid en vertrouwen van het grootste belang zijn.

Mocht u het boek van Marim Minsky, “The Society of Mind”, nog nooit hebben gelezen, dan nodig ik u uit om dit boek te lezen, want tegenwoordig wordt er veel over gesproken: MCP, agentisch, multi-agent… 40 jaar geleden stelde hij dat al. Het is dus een principe dat wij toepassen.

Verder dan RAG: van betrouwbare antwoorden naar concrete zakelijke acties

Sprekers: Cédric Carbone, medeoprichter

Cédric Carbone: Cédric Carbone is medeoprichter van Hymalaia, een bedrijf dat zich richt op het bouwen van “agentfabrieken” om diverse bedrijfsbronnen te koppelen voor het creëren van geavanceerde, actiegerichte AI-agenten.

Hymalaia: Hymalaia is een gespecialiseerd AI-bedrijf dat bedrijfsagenten ontwikkelt en zich richt op het koppelen van data-bronnen binnen deze agenten. Hoewel specifieke cijfers over omzet en personeelsbestand niet in het transcript zijn opgenomen, is het de missie van het bedrijf om betrouwbare, 360-gradenoverzichten van klanten of onderwerpen te bieden op basis van omvangrijke, uiteenlopende data-bronnen (CRM, ERP, Notion, Mailbox), teneinde de onbetrouwbaarheid van op zichzelf staande LLM’s tegen te gaan en zakelijke actie te stimuleren. Het hoofdkantoor wordt in het transcript niet genoemd.

• De “explosie van data”: Bedrijven worden geconfronteerd met een explosieve toename van data, waarbij “miljoenen documenten” moeten worden geïndexeerd, terwijl Large Language Models (LLM’s) op zichzelf niet de betrouwbaarheid, het vertrouwen en de relevantie bieden die bedrijven vereisen, waardoor een Retrieval-Augmented Generation (RAG)-systeem noodzakelijk is. De eenvoudige, basale RAG-implementatie, die “zeer eenvoudig” te ontwikkelen is maar in de productieomgeving “niet functioneert”, kampt met een gebrek aan nauwkeurigheid, waardoor geavanceerde architecturen noodzakelijk zijn
• Indexering in meerdere stappen: Om de zoeknauwkeurigheid te vergroten en de enorme hoeveelheid data te beheren, maakt Imalaya gebruik van een indexeringsworkflow met meerdere doorlopen, waarbij hetzelfde document meerdere keren wordt geïndexeerd met behulp van zowel grote als kleine segmenten. Zo worden zowel de bredere context als de fijne details tegelijkertijd vastgelegd, waardoor het traditionele dilemma rond de segmentgrootte wordt overwonnen.
• Hybride zoeken en herrangschikking: Een standaardzoekopdracht op basis van vectorovereenkomst schiet vaak tekort wanneer de vraag van de gebruiker andere terminologie (bedrijfswoordenlijst, taal) gebruikt dan de brondocumenten. Dit wordt opgelost door een BM25-zoekopdracht op trefwoorden (lexicale zoekopdracht) toe te voegen aan de semantische vectorzoekopdracht, waardoor meerdere resultaten worden gegenereerd die vervolgens worden onderworpen aan normalisatie, scoreaanpassing en herrangschikking om ervoor te zorgen dat de meest relevante interne bedrijfsdocumenten worden geselecteerd.
• Agentgebaseerde meerstapszoekopdrachten: Bij complexe, omvangrijke vragen die meerdere entiteiten omvatten (bijvoorbeeld “alle informatie over de BBC”), schiet één enkele zoekopdracht tekort. De oplossing is een agentmodus die gebruikmaakt van een Long Graph-architectuur, waarbij de hoofdvraag wordt opgesplitst in verschillende deelvragen (bijvoorbeeld “pijnpunten”, “ingezette apparatuur”, “behoeften”) en deze parallel worden uitgevoerd, waarbij iteratief deelvragen worden gesteld totdat voldoende informatie is verkregen. Deze aanpak is “nauwkeuriger”, maar kent een lange responstijd (tot 3–4 minuten), wat de spreker aanvaardbaar acht voor een goed antwoord.
• De MCP-laag: De kernwaardepropositie gaat verder dan RAG (inzicht, nauwkeurigheid, traceerbaarheid) door de MCP-laag (Actie) toe te voegen. De RAG fungeert als het brein dat kennis aanlevert, terwijl de MCP fungeert als de hand die daadwerkelijke zakelijke acties uitvoert, zoals het bijwerken van een opportunity in Salesforce, het versturen van een e-mail of het bijwerken van het ERP-systeem, waardoor een complete, complexe en actiegerichte bedrijfsagent ontstaat. .

Het is beter om even te wachten en een goed antwoord te geven dan binnen 10 seconden een slecht antwoord te geven.

Luxe klantenservice in het tijdperk van AI: het praktijkvoorbeeld van Le Bon Marché

Sprekers: David Martin, hoofd IT-klantenservice
Bertrand Stephann, medeoprichter en CEO

David Martin: David Martin maakt deel uit van de afdeling LVMH Tech en houdt toezicht op klantoplossingen, waaronder marketingcampagnes, klantrelatiebeheer en klantenservice voor de LVMH-groep. LVMH: LVMH is ’s werelds toonaangevende luxeconcern, dat 75 merken beheert, waaronder Le Bon Marché, en waarbij klantgerichte innovatie voorop staat.

Bertrand Stephann: Hij is de oprichter en CEO van Alcmeon, een platform voor klantrelaties via chat dat in 2011 is opgericht. Alcmeon: Alcmeon is een conversatieplatform voor bedrijven dat is gekoppeld aan meer dan 15 digitale kanalen en toonaangevende CRM-systemen zoals Salesforce, en dat het vertrouwen geniet van LVMH en andere grote detailhandelaren in heel Europa en daarbuiten.

Kunt u iets vertellen over de geschiedenis en de innovatieve geest van Le Bon Marché?

David Martin: Le Bon Marché werd in 1852 opgericht door Aristide en Marguerite Boucicaut en is altijd een pionier geweest op het gebied van innovatie in de detailhandel. Zij behoorden tot de eersten die winstdeling en betaalde vakantiedagen voor hun medewerkers invoerden, lang voordat dit in Frankrijk wettelijk verplicht werd. Voor klanten introduceerden zij baanbrekende concepten zoals vaste prijzen en het retourneren van producten, waarmee zij de basis legden voor een vooruitstrevende dienstverlening die tot op de dag van vandaag voortleeft.

Wat waren de belangrijkste uitdagingen waarmee u te maken kreeg bij de klantenservice via sociale media?

David Martin: De eerste uitdaging betrof de schaalgrootte; wij moesten ervoor zorgen dat elke klant gehoord werd, ondanks het grote aantal verzoeken op Instagram en Google Reviews. In tegenstelling tot andere sectoren willen wij contact niet “afwijzen”; wij willen met onze klanten in gesprek gaan om een band op te bouwen. De tweede uitdaging was het behoud van ons “DNA”, de unieke, hoogwaardige merktaal en toon die een luxemerk onderscheidt van een gewone detailhandelaar. Wij moeten een robotachtige, standaardtoon vermijden.

Hoe werkt de AI-assistent-oplossing nu precies voor de adviseurs?

Bertrand Stephann: Wij hebben een AI-assistent geïmplementeerd op de verwerkingspagina van Alcmeon. Wanneer een adviseur een opmerking ontvangt – bijvoorbeeld een Instagram-bericht met de tekst “Magnifique” – kan hij of zij op een zwarte knop met de tekst “AI-assistent” klikken. De AI genereert vervolgens een elegante, niet-standaard suggestie die verder gaat dan een simpel “dank u wel”. De adviseur bekijkt, valideert of bewerkt de tekst alvorens deze te verzenden. Het is een “human-in-the-loop”-systeem dat is ontworpen om de adviseur aan te vullen, niet om hem te vervangen.

Wat zijn de belangrijkste resultaten op het gebied van acceptatie en prestaties?

• David Martin: We hebben geconstateerd dat het systeem op zeer grote schaal wordt toegepast, terwijl adviseurs slechts een beperkt aantal berichten aanpassen, wat aantoont dat de AI de juiste toon weet te raken.
• Bertrand Stephann: Een belangrijk neveneffect is dat elke klant nu een antwoord ontvangt. Voorheen moest het team prioriteiten stellen bij de te behandelen kwesties en werden positieve beoordelingen vaak buiten beschouwing gelaten. Dankzij de tijd die hierdoor is vrijgekomen, kunnen zij nu iedereen antwoorden, wat een positief effect heeft op de SEO en de zichtbaarheid van het merk.

In tegenstelling tot veel klantenservices die u in andere sectoren aantreft, proberen wij contact niet uit de weg te gaan. Wij willen graag met onze klanten spreken om die band op te bouwen.