Appian zegt al een tijdje dat AI pas écht werkt als het ingebed is in processen. Op AppianWorld 2026 in Orlando presenteerde het bedrijf de concrete invulling van die bewering. Agents die leren, systemen die naadloos samenwerken en verouderde software die eindelijk vervangen kan worden: Appian wil bewijzen dat Serious AI meer is dan een slogan. De vraag is of dat beeld stand houdt als je verder kijkt dan de keynote.
Slechts 16 procent van de organisaties haalt hoge meetbare waarde uit hun AI-investeringen. Dat blijkt uit onderzoek dat Appian liet uitvoeren door Harvard Business Review Analytic Services. CEO Matt Calkins haalde het rapport tijdens zijn openingskeynote aan in relatie tot zijn overtuiging: AI wordt pas nuttig als het structuur krijgt. “De volgende fase van AI-volwassenheid hangt af van het inbedden van AI in de kern van hoe werk wordt gedaan”, citeert hij het HBR-rapport. Om er vervolgens droog aan toe te voegen: “Dat doen wij al jaren.” AppianWorld was dan ook het podium om die claim hard te maken, met concrete aankondigingen die er invulling aan moeten geven.
AI als nieuwe proceslaag
Om te begrijpen wat Appian probeert te doen, helpt het om even stil te staan bij waar het bedrijf vandaan komt. Appian is van nature geen AI-bedrijf. Het is een procesautomatiseringsplatform, al 25 jaar gespecialiseerd in het digitaliseren en automatiseren van complexe bedrijfsprocessen bij grote, gereguleerde organisaties. Denk aan banken die leningaanvragen verwerken, farmaceutische bedrijven die klinische trials beheren of overheden die vergunningen uitgeven. Processen waarbij een fout niet alleen duur is, maar soms ronduit gevaarlijk. Dat is de markt waar Appian al decennia in opereert, en waar het nu AI aan toevoegt als nieuwe laag.
Waarom is die combinatie zo belangrijk? Het antwoord zit in een fundamentele eigenschap van AI die vaak wordt onderschat. Een AI-agent die jouw processen niet kent, is snel, zelfverzekerd maar heeft het vaak gewoon fout, stelde Wei Smith, Productmanager AI Agents bij Appian, onomwonden tijdens een sessie. “Snelheid en schaal helpen niet als de output niet klopt. Ze vergroten het probleem alleen maar.”
Jake Rank, Senior Director Product Management AI bij Appian, zag dat in de praktijk na de GA van Agent Studio. “Klanten wilden agents inzetten voor vrijwel alles. Begrijpelijk, want de markt schreeuwt om agents. Maar de praktijk leerde dat een gewone bedrijfsregel of een eenvoudige koppeling in veel situaties simpelweg beter werkt.” Die les heeft Appian verwerkt in Composer, dat op basis van ingevoerde vereisten adviseert wanneer je een agent nodig hebt en wanneer niet. “De organisaties die de meeste waarde uit AI halen, zijn niet de organisaties die overal agents inzetten”, zegt Rank. “Het zijn de organisaties die weten wanneer ze dat juist niet moeten doen.”
Deelnemer in het proces
De keuze voor een agent is één ding, maar de uitdaging zit hem erin hoe je die agent betrouwbaar laat werken. Calkins legde tijdens de keynote uit hoe dat werkt: een AI-agent krijgt één afgebakende taak, mag alleen doen wat het proces toestaat en staat altijd onder menselijk toezicht. Appian controleert de uitkomst soms zelfs door twee AI-modellen hetzelfde werk te laten doen en de resultaten te vergelijken. “Een proces is een betrouwbaarheidsmachine”, zei Calkins. “Het vangt fouten op voordat ze schade aanrichten. Dat gold al voor mensen, en het geldt nu voor AI.” AI is in die redenering geen vervanging van het proces, maar een nieuwe deelnemer die het proces nodig heeft om te functioneren.
Siddharth Goyal, VP Intelligent Automation bij implementatiepartner Xebia ziet dat bevestigd in de praktijk. Twee jaar geleden stonden zijn klanten nog in de rij om hun data op orde te brengen, in de veronderstelling dat betere data de sleutel was tot betere AI. Die discussie is verschoven, zegt hij. “De meeste waarde ontstaat als organisaties zich richten op het proces, niet op de data. Denk na over het proces waarbinnen je AI wilt laten werken, dan volgt de rest vanzelf.”
Niet met technologie starten
Wat dat in de praktijk betekent, laat Pfizer zien. Het farmaceutische bedrijf werkt al jaren met Appian voor het beheren van contracten met zorgprofessionals in 143 landen. Dagelijks werken 75.000 medewerkers met het systeem, in een sector waar fouten maken geen optie is. “In onze industrie is compliance geen keuze”, zei Anne Furey, VP Meetings, External Engagements & Travel bij Pfizer, tijdens de keynote. “Het is onze licentie om te mogen opereren.” Vóór de implementatie duurde het afsluiten van een contract zes tot acht weken, soms langer. Nu is dat teruggebracht tot minder dan 24 uur. Maar die winst kwam niet door AI als eerste in te zetten. “Je kunt complexiteit niet automatiseren. Je moet het eerst elimineren”, zei haar collega Kathy Maltz, Senior Director Digital & Technology. “Dus we begonnen niet met technologie. We begonnen met luisteren.” Pas nadat Pfizer het proces had vereenvoudigd, gestandaardiseerd en overbodige stappen had geschrapt, werd AI toegevoegd als extra laag. Het resultaat is een systeem waarbij AI documenten verwerkt, gegevens controleert en afwijkingen signaleert, maar een medewerker altijd de definitieve beslissing neemt.”
Een vergelijkbaar patroon tekent zich af bij investeringsmaatschappij Carlyle. Het bedrijf beheert meer dan 470 miljard dollar aan vermogen, verdeeld over duizenden juridische entiteiten en bankrekeningen in 27 landen. Betalingsprocessen zijn daar geen backoffice-functie, maar de kern van hoe deals worden gesloten. Carlyle bouwde met Appian een wereldwijd betalingssysteem waarbij AI facturen automatisch verwerkt en data extraheert, maar mensen de goedkeuring geven. Het resultaat: 40 procent minder tijd tussen factuurdatum en betaling, gemeten over meer dan 14.000 betalingsverzoeken en ruim 4,5 miljard dollar aan transacties in de eerste drie maanden. Shakira Fraser, Head of Finance Operations bij Carlyle, was er helder over toen ze op het podium stond: “Dit is geen roadmap, geen pilot, geen proof of concept. Dit is een productieplatform dat al echte resultaten levert.”
Essentieel voor NASA-missie
Maar het meest aansprekende voorbeeld komt misschien wel van NASA. Het Amerikaanse ruimtevaartbureau bouwde met Appian in negen maanden een volledig nieuw contractbeheersysteem, het NASA Contract Management System (NCMS). Voor een organisatie met elf complexe systeemintegraties, actief in alle NASA-centra en verantwoordelijk voor circa 85 procent van het NASA-budget, is dat uitzonderlijk snel. De aanleiding was overigens niet enthousiasme maar noodzaak: NASA verloor 135 mensen via een vrijwillig vertrekprogramma en kreeg daar geen mensen voor terug, terwijl de Artemis-missie juist versnelde. Terwijl de werkdruk steeg, daalde de bezetting. Vóór de implementatie werkten contractspecialisten met een lappendeken van verouderde, losstaande systemen. Ze waren zo gefrustreerd dat velen hun contracten liever in Word opstelden dan in het officiële systeem. Voor de organisatie betekende dat geen centrale data, geen overzicht en geen controle over het eigen inkoopproces.
Allison Sandt, Acting Director E-Business Systems Office (r), NASA
Met Appian veranderde dat, vertelt Melanie Landers die als Enterprise Applications Program Lead de technische implementatie aanstuurde. Het systeem speelde een directe rol in de Artemis II-missie, waarmee NASA voor het eerst sinds de Apollo-missies weer mensen richting de maan stuurde. Voor die missie werkten 2.700 leveranciers uit 47 Amerikaanse staten samen: bedrijven die onderdelen, materialen en gespecialiseerde diensten leverden voor de bouw van de Orion-capsule en de lanceerraket. Elk contract dat daarvoor nodig was, liep door NCMS. “Zonder goed werkende inkoopprocessen komt er geen raket van de grond”, zegt Allison Sand, Acting Director of the E-Business Systems Office, die de functionele kant van het project leidde. “85 procent van het NASA-budget loopt via procurement. Wij zijn een essentieel onderdeel van elke succesvolle missie.”
Maar niet elke succesvolle implementatie heeft de schaal van Pfizer of NASA. Mark Talbot, Director of Architecture and AI bij Appian, beschreef in gesprek met Techzine een telecomprovider waar zijn team een agent bouwde die inkomende bouwtekeningen van architecten controleert: kloppen de documenttypes bij dit type project? “Klinkt simpel, maar het spaart drie dagen wachttijd per aanvraag”, zei hij. “De agent heeft toegang tot de kennisbank, doorloopt de stappen zelfstandig en legt zijn redenering vast. Een medewerker kan achteraf precies zien hoe de beslissing tot stand is gekomen.” Daarna volgde een tweede use case: het herkennen van dubbele projectinzendingen. Twee kleine stappen, allebei met aantoonbare tijdswinst. “Dit is precies wat we bedoelen met Serious AI”, zegt Talbot. “Niet spectaculair, maar betrouwbaar en meetbaar.”
Wrapper rond bestaande functionaliteit
De klantcases zijn indrukwekkend, maar ze vertellen niet het volledige verhaal. Want achter de successen schuilt een realiteit die Appian zelf ook niet onder stoelen of banken steekt: de technologie is veelbelovend, maar nog niet af. Agents verbeteren zichzelf nog niet automatisch, governance bij business users is een open vraag en de weg van pilot naar productie is langer dan veel organisaties verwachten.
Mark Talbot weet hoe het er in de praktijk aan toegaat. Als Director of Architecture and AI bij Appian begeleidt hij dagelijks klanten bij het ontwikkelen en inzetten van agents. Hij is er openhartig over wat de Appian-agents in de kern zijn: wrappers rond een LLM, net als vergelijkbare tools als LangChain of LangGraph. Het onderscheid van Appian zit niet in de agent zelf, maar in de proceslaag eromheen. Het verfijnen van agents is vandaag de dag nog grotendeels handwerk, legt hij uit. Zijn team voedt feedbackdata handmatig in een extern model en past daarna de prompts van de agent met de hand aan. “De volgende stap is dat het platform dat zelf doet”, zegt Talbot. “Alle input, output en redenering van een agent wordt al gelogd in Appian. Die data is er. Nu moet het systeem er zelf van leren, zonder dat iemand er tussen hoeft te zitten.” Agent learning is de eerste stap op dat pad, maar volledig automatisch is het nog niet.
Rank legt uit waarom die stap zo belangrijk is. Zonder learning loop zakt de nauwkeurigheid van een agent weg zodra bedrijfsomstandigheden veranderen, nieuwe situaties opduiken of beleid verschuift. Je bent dan telkens opnieuw aan het herstellen. “Met een learning loop wordt diezelfde verandering juist input”, zegt hij. “De agent herkent het patroon en handelt de volgende keer beter.” Wel met een duidelijke grens: de definitie van een agent verandert niet automatisch op basis van gebruikersfeedback. “Fundamentele aanpassingen gaan altijd terug naar de ontwikkelomgeving, met alle bijbehorende controles. De developer beslist.”
Business is verantwoordelijk
Governance bij low-code development door business users is een ander vraagstuk waar Talbot openhartig over is. Appian positioneert zijn platform mede als een omgeving waar ook niet-technische medewerkers agents kunnen bouwen. Maar wat betekent dat voor controle en compliance? “Dat is een uitdaging”, zegt Talbot. “Ik geloof sterk in het betrekken van de business, want zij begrijpen het werk dat we proberen te automatiseren. Maar of onze huidige aanpak schaalbaar is, weet ik eerlijk gezegd niet.” Zijn collega Rank kijkt er anders tegenaan. Volgens hem ligt de verantwoordelijkheid voor compliance sowieso bij de business, niet bij IT. “Hoe dichter we de tooling bij de business brengen, hoe beter zij die verantwoordelijkheid ook echt kunnen dragen”, zegt hij. “Uiteindelijk zijn zij degenen die zeggen: dit systeem is klaar, dit levert waarde.” De twee perspectieven sluiten elkaar niet uit, maar ze laten wel zien dat Appian intern nog zoekt naar het juiste antwoord op een vraag die buiten het bedrijf minstens even urgent is.
Er is ook een subtieler risico dat Talbot benoemt en dat weinig platforms openlijk adresseren. Appian benadrukt het belang van een human in the loop, maar wat als die mens ophoudt echt te kijken? “Als iemand altijd de AI-suggestie accepteert zonder na te denken, wordt menselijk toezicht een façade”, zegt hij. “Echt toezicht vereist proceskennis. Die moet je onderhouden.” Het is een risico dat Appian serieus neemt. In Doc Center, de module waarmee organisaties documenten automatisch laten verwerken en controleren, houdt Appian bij wie consistent alle AI-uitkomsten accepteert en wie daadwerkelijk corrigeert. Niet als straf, maar als signaal: als niemand meer corrigeert, is de vraag niet of de AI goed genoeg is, maar of de human in the loop nog wel echt toezicht houdt.
Succes kan complexiteit vergroten
Naast de technische en governance-uitdagingen is er nog een risico dat Goyal vanuit de implementatiepraktijk signaleert: organisaties onderschatten stelselmatig hoe lang het duurt voordat de mogelijkheden ook echt waarde leveren. “Dit is geen knop die je omzet. Het is een reis van meerdere jaren”, zegt hij. Eli Zogby, VP Process and Platform Excellence bij Canada Life, een Canadese verzekeraar die miljoenen klanten bedient, was op het podium opvallend eerlijk ver hoe weerbarstig die reis in de praktijk is. “Als ik het hier vandaag op het podium goed heb uitgelegd, klinkt het misschien alsof we het allemaal op orde hebben”, zei hij. “Maar dat is niet zo.” Canada Life heeft succesvolle use cases gebouwd, cycli verkort en processen gestandaardiseerd. Maar elke keer dat een project slaagt, dreigt een nieuw gevaar. “Ironisch genoeg kan projectsucces de complexiteit van een organisatie juist vergroten”, zei Zogby. “Je lost een lokaal probleem op, je viert het, en je begint opnieuw. Maar zonder gedeelde patronen ben je steeds het wiel opnieuw aan het uitvinden.” De moeilijkste stap is dan ook niet de eerste use case. “Het zwaarste is wat daarna komt: schalen, standaardiseren en echte adoptie.”
Onmisbare aanvulling
De vraag die na alle eerlijke kanttekeningen overblijft, is hoe Appian er eigenlijk voorstaat in een markt met leveranciers die dezelfde kansen zien en er ook allemaal vol op inzetten. CEO Calkins heeft daar een uitgesproken antwoord op. Hij positioneert Appian niet als concurrent van de grote platformspelers zoals Microsoft, Salesforce en ServiceNow, maar als onmisbare aanvulling. Niet degene die de stroom levert, maar de bedrading die ervoor zorgt dat het licht ook echt aangaat. “AI gaat inderdaad alles veranderen”, zei hij in een interview met Techzine. “Maar het kan dat niet alleen. Het heeft een laag nodig die het betrouwbaar maakt in kritische processen. Wij zijn die laag.”
Of die positionering stand houdt, is aan de markt om te beoordelen. Gartner plaatste Appian in oktober 2025 als Leader in het nieuw gedefinieerde BOAT-segment, Business Orchestration and Automation Technologies, samen met Pegasystems en ServiceNow. Maar Gartner merkte ook op dat Appian tot die publicatie trager was dan sommige concurrenten met het adopteren van AI-agents. Agent Studio was op dat moment nog in bèta. Jonty Padia, Practice Director bij analistenbureau Everest Group, ziet Appian als een bedrijf met een sterke technologische positie maar een terughoudende communicatiestijl. “Appian laat liever zien wat al werkt dan wat er nog aankomt”, zei Padia. “Dat geeft vertrouwen, maar in een markt waar concurrenten uitpakken met ambitieuze roadmaps, kan dat betekenen dat je verhaal minder luid klinkt dan het zou mogen.” Appian-director Rank erkent de concurrentiedruk. “De afgelopen weken zijn er veel persberichten van concurrenten verschenen. We zien allemaal dezelfde kansen. Het gaat nu om wie het beter uitvoert en wie het vertrouwen wint.”
Calkins’ antwoord op de vraag of AI Appian overbodig maakt is ondubbelzinnig. AI is van nature probabilistisch, zegt hij. Alles wat het zegt is een gok, ook als je het twee keer dezelfde vraag stelt. “Dat is geen veroordeling van de technologie”, zei Calkins. “Maar het betekent dat AI altijd structuur nodig heeft om betrouwbaar te kunnen werken. En dat is waar wij om de hoek komen kijken.” De redenering is helder: zolang AI van nature onzeker blijft, blijft een platform dat die onzekerheid beheersbaar maakt onmisbaar.
Laag om AI gaat verschil maken
Hoe die onzekerheid zich de komende jaren ontwikkelt, en wat dat betekent voor de markt, schetste CTO en oprichter Mike Beckley in de slotkeynote. Zijn boodschap was strategisch relevant, niet alleen voor Appian maar voor iedereen die nadenkt over waar de echte waarde van AI zit. Hij toonde een overzicht van tien AI-benchmarks over de afgelopen jaren en wees op een patroon dat in de discussie over het beste model vaak onderbelicht blijft: de modellen groeien naar elkaar toe. Dat heeft een belangrijke implicatie voor de markt. “Het onderscheid zit niet meer in het model dat je kiest”, zei Beckley. “Of het nu het nieuwste commerciële model is of een open alternatief, dat maakt steeds minder uit. Wat telt is wat je eromheen bouwt: de processen, de governance, de structuur die het model zijn werk laat doen.”
De Appian-CTO beschreef ook wat er in de komende jaren concreet verandert in hoe enterprises AI inzetten. De datafabric, de architectuurlaag die data uit verschillende systemen in real time beschikbaar maakt zonder die data fysiek te verplaatsen, wordt slimmer. Vandaag weet het platform al welke data waar staat en hoe systemen met elkaar verbonden zijn. Wat eraan komt is een dieper begrip van de aard van die verbindingen, zodat een agent niet alleen de juiste data vindt maar ook begrijpt wat die data betekent in de context van een specifieke beslissing. “AI-modellen zijn getraind op alles wat er op internet staat, maar ze weten niets over jouw specifieke situatie”, zei Beckley. “De contextlaag geeft ze die kennis op het juiste moment.”
Geïntegreerde platformen
Beckley vertelde ook dat het bedrijf zijn platform verder opent voor ontwikkelaars. Via MCP en nieuwe command line interfaces kunnen zij straks met hun eigen AI-ontwikkelomgevingen, zoals Claude Code, rechtstreeks Appian-applicaties bouwen en aanpassen. Tijdens een live demo op het podium liet een team Appian-ontwikkelaars zien hoe een volledige applicatie werd gegenereerd op basis van een business requirements document, inclusief datamodel, beveiligingsrollen en procesflows. Dat klinkt als een technische detail, maar het is strategisch relevant: het betekent dat ontwikkelaars niet langer hoeven te kiezen tussen de vrijheid van hun eigen tooling en de governance van het Appian-platform. Ze krijgen beide. De snelheid van AI-assisted development, met de veiligheidslaag van een enterprise-platform eronder. “Dit is het verschil tussen vibe coding en het bouwen van een echte applicatie”, zei een van de productmanagers tijdens de demo. “Het genereert niet zomaar objecten, het begrijpt de structuur die een applicatie veilig, beheersbaar en productieklaar maakt.”
Tot slot kondigde Beckley slimme gebruikerservaringen aan. Interfaces die zich aanpassen aan wie er inlogt, welke rol iemand heeft en in welke context een beslissing wordt genomen, in plaats van één vaste schermindeling voor iedereen. Dat is een stap naar een werkplek waar de software zich voegt naar de mens, in plaats van andersom. “We willen Appian openen voor de tools die ontwikkelaars al gebruiken”, zei Beckley. “Maar open betekent niet onveilig. De oplossing zit in een laag die de input en output saneert, zodat je kunt innoveren op AI-snelheid zonder de veiligheid van je kritische processen op het spel te zetten.”
Wat dat alles bij elkaar betekent voor de markt, maken Gartners cijfers duidelijk. Vandaag werkt slechts 5 procent van de enterprises met een geconsolideerd automatiseringsplatform dat processen, agents, bots en mensen samenvoegt. Gartner verwacht dat dat tegen 2030 70 procent is. De race om die positie in te nemen is begonnen. Appian wil daarin niet de meest opvallende speler zijn, maar wel de meest onmisbare.