ServiceNow: Het platform zal altijd de basis zijn
Mijn traject met ServiceNow was niet gepland, maar begon per ongeluk – letterlijk zelfs. In 2004 reed ik Fred Luddy namelijk bijna aan. Ik reed met de auto door onze gezamenlijke woonplaats, toen hij plots recht voor me het zebrapad op liep. Gelukkig zag ik hem op tijd. We herkenden elkaar, omdat ik voor hem had gewerkt bij een vorig bedrijf.
We raakten aan de praat en uiteindelijk nodigde hij me uit om te zien waar hij mee bezig was. Een paar dagen later liet hij me een zeer vroege versie zien van wat hij het Glide-platform noemde (dat nu het ServiceNow AI Platform is). Veel van de huidige functies en mogelijkheden ontbraken nog, maar de kernconcepten waren toen al aanwezig: een gebruikersinterface gebaseerd op metagegevens en een intrinsiek relationeel model ingebouwd in de gegevensstructuur.
Tijdens die eerste demo was ik nog niet volledig overtuigd. Ik dacht meteen aan alle dingen die ik niet kon doen met het platform van Fred, in plaats van aan alle dingen die het eenvoudiger maakte. Maar het idee om samen met iemand die ik zo respecteerde aan iets nieuws te werken, sprak me enorm aan. Daarom besloot ik om bij ServiceNow te starten.
De belangrijkste inzichten van Fred Luddy
Toen Fred ServiceNow in 2004 oprichtte, had hij een zeer specifieke visie. Hij wilde een platform bouwen waarmee iedereen zinvolle bedrijfstoepassingen kon maken. Destijds waren we nog lang niet zover dat ook mijn moeder (die heel intelligent, maar niet heel technisch is) zelf een app had kunnen bouwen, maar het lukte ons wel om het proces aanzienlijk te vereenvoudigen.
Hoewel we uiteindelijk zijn begonnen met de verkoop van onze ITSM-toepassingen (IT Service Management), bleef de visie voor het platform bestaan en zich evolueren. En die visie blijft ook nu relevant, zeker met het oog op brancheontwikkelingen zoals agentic AI.
Achteraf gezien had Fred eigenlijk drie verschillende inzichten over de markt en het vermogen van technologie om deze op te lossen. Een deel van zijn genialiteit was dat hij in staat was om nieuwe technologie toe te passen op oude problemen.
-
Platform: Fred geloofde dat vereenvoudiging leidend was. Als hij het maken, aanpassen en bijwerken van toepassingen eenvoudig genoeg wist te maken, woog dat ruimschoots op tegen de beperkingen in gebruikersmogelijkheden. Door routinematige activiteiten drastisch te vereenvoudigen, speelde het gebrek aan minder gebruikte functies – die andere technologieën uit die tijd wel boden – een minder grote rol.
-
Browser: Software aanbieden via een webbrowser was in 2004 nog een nieuw concept. Destijds was het de norm om desktoptoepassingen te gebruiken in de vorm van zogeheten 'fat clients'. Kenniswerkers hadden vaak een werkstation vol met tientallen verschillende client-apps. Door over te stappen op browsergebaseerde apps, liep Fred een stap voor, omdat hij de browser toen al als de nieuwe universele client zag.
-
Leveringsmodel: Fred had zelf alle nadelen van traditionele softwarelevering ervaren, omdat hij op dat moment al bijna 30 jaar in de branche werkte. Hij wist dat de echte meerwaarde lag in een SaaS-applicatie die altijd up-to-date bleef en geen zorgen gaf: geen ondersteuning, geen beheer, geen onderhoud.
Vroege uitdagingen overwinnen
Hoewel we de grote lijnen op orde hadden, moesten we nog aanzienlijke zakelijke obstakels overwinnen. De eenvoudigste van deze uitdagingen was het verkopen van een bedrijfsplatform. Als je bedrijf in feite uit een paar mensen bestaat die vanuit de kelder van je investeerder werken, krijg je enigszins bizarre verkoopgesprekken.
Tijdens verschillende pitches lieten we alle mogelijkheden van ons platform zien, maar vroeg de klant achteraf: "Ja, maar wat kun je er eigenlijk mee?" We draaiden de vraag om en vroegen: "Wat zou je willen dat het doet?"
De oorspronkelijke set ITSM-toepassingen vormde de basis van ons eerste productenaanbod, bedoeld om het potentieel van het platform aan te tonen. Destijds waren mensen veel meer geïnteresseerd in het kopen van apps dan in het platform zelf, dus daar hebben we onze verkoop op gericht.
Een andere uitdaging was dat de openbare cloudinfrastructuur die we vandaag de dag als vanzelfsprekend beschouwen, toen nog niet bestond. Om software via een SaaS-model te leveren, moesten we zelf servers aanschaffen, datacenterruimte huren, kabelrekken regelen, netwerken opzetten en alle fysieke infrastructuur bouwen die nodig was voor een cloudomgeving.
Het opzetten van een goed functionerende cloud bleek op veel vlakken moeilijker dan het bouwen van het juiste product en platform. Tegenwoordig zijn we goede cloudoperators, maar dat waren we in 2004 zeker nog niet. We hadden veel praktische training nodig omdat er toen niet veel mensen waren met die vaardigheden.
Het platform was het doel
Hoe dan ook bleven we trouw aan onze oorspronkelijke productvisie: een platform waarmee iemand met gemiddelde kennis zelf bedrijfstoepassingen kon bouwen. Hoewel we als appbedrijf de markt opgingen, bleef het platform bij het ontwerpen van de technologiestack altijd het uitgangspunt.
De apps die we aan onze klanten verkochten, maakten de weg vrij voor ons echte product: het platform. Elke app had gebouwd kunnen worden door een klant met toegang tot het platform.
Sommige klanten kwamen hier zelf ook achter en begonnen hun eigen apps op het platform te bouwen om allerlei interessante dingen te kunnen doen. CERN, een Europees wetenschappelijk onderzoekscentrum, bouwde bijvoorbeeld een volledige suite voor locatiebeheer met ServiceNow als basis. Hierdoor kon een bezoekende onderzoeker onze servicecatalogus gebruiken om alles te beheren, van bureaulampen tot toegang tot de Large Hadron Collider.
We hebben dat model door de jaren heen steeds aangehouden, en het is een van de redenen waarom we ons productaanbod zo eenvoudig hebben kunnen uitbreiden naar domeinen als HR, klantrelatiebeheer, beveiliging en juridische zaken.
Als je een bedrijfsproces wilt modelleren – met gestructureerde gegevens, meervoudige stappen, goedkeuringen, meldingen en opdrachten – dan is het ServiceNow-platform nog steeds een van de meest productieve manieren om dat te doen.
Belangrijke mijlpalen en leerpunten
Als ik terugkijk op hoe ServiceNow als bedrijf is gegroeid, waren er een paar cruciale punten waar we werden geconfronteerd met onverwachte omstandigheden en daar hebben we de juiste beslissingen genomen.
Eerst moesten we besluiten aan wie we ons product wilden verkopen. Het oorspronkelijke bedrijfsconcept was gebaseerd op het idee dat SaaS vooral voor de middelgrote ondernemingen interessant zou zijn, en we dus veel kleine en middelgrote klanten zouden vinden. In het begin van ons traject haalden we echter al grote zakelijke klanten binnen, zoals Edmunds.com, TIAA-CREF en Deutsche Bank.
Vanaf dat moment moesten we beslissen of we wilden investeren in functies die grote bedrijven nodig hadden, of dat we ons zouden blijven richten op onze kernactiviteiten in het middensegment. Uiteindelijk hebben we voor beide opties gekozen. En door veel functionaliteiten op ondernemingsniveau toe te voegen, hebben we het platform en de toepassingen naar een hoger niveau getild.
Een tweede omslagpunt kwam tijdens de kredietcrisis in 2008. Dit was een grote klap voor de economie en verstoorde de softwarebranche. Zowel de budgetten als de houding van mensen veranderden drastisch.
De kredietcrisis was voor ons een meevaller, omdat een van onze belangrijkste troeven was dat ServiceNow beter was dan de concurrentie en, als je kijkt naar de totale eigendomskosten, ook goedkoper. We waren op het juiste moment op de juiste plek en dankzij onze nieuw verworven plek in het bedrijfsleven konden we het met kopers over kostenbesparingen hebben, een van hun belangrijkste prioriteiten.
We konden opschalen naar de werklast die grote ondernemingen met zich mee brachten, omdat we het platform hebben ontworpen als huurmodel met een clusterstructuur waarmee we de activiteiten van grote klanten konden uitvoeren. Op dezelfde manier kunnen we klanten geld besparen dankzij ons SaaS- en implementatiemodel.
Van AI tot agentic AI
We bieden al minstens tien jaar een vorm van AI-tools aan op het platform. We zijn begonnen met het gebruik van begeleide machine learning om eenvoudige taken op te lossen, zoals het toewijzen en prioriteren van cases. Aan de hand van voldoende tijd en goede trainingsgegevens konden we AI implementeren waarmee klanten tijd en geld konden besparen.
Ook in het tijdperk van agentic AI blijft diezelfde platformarchitectuur vruchten afwerpen voor ServiceNow. Zodra er nieuwe technologie op de markt komt, hoeven we die maar één keer toe te voegen. Daarna is het beschikbaar voor al onze klanten in al onze producten.
Agentic AI-systemen die zijn gebaseerd op grote taalmodellen (LLM) zijn veel geavanceerder dan die vroege machine learning-oplossingen en veel algemener in de manier waarop ze kunnen worden toegepast. Vandaag de dag hoeven we geen model te trainen om prioriteit te geven aan cases. Het kan ons simpelweg vertellen hoe we een lijst met klantverzoeken kunnen prioriteren. En het is minstens zo goed als een gemiddelde persoon met dezelfde taak.
Bovendien kunnen agentic AI-systemen geavanceerdere redeneringstaken uitvoeren die eerdere generaties AI niet eens konden conceptualiseren. Een AI-agent die op het ServiceNow AI Platform draait, kan bijvoorbeeld achterhalen dat het e-mailaccount van Marijke is vergrendeld omdat ze de verplichte beveiligingstraining niet heeft voltooid.
Dat is een use case voor ITSM, maar AI-agents kunnen vergelijkbare uitdagingen voor elke bedrijfsfunctie aanpakken. AI-agents kunnen je bijvoorbeeld begeleiden bij het wijzigen van je instellingen voor gezondheidszorg omdat je net een baby hebt gekregen (een HR-use case).
Berekende risico's voor continue verbetering
Als ik terugkijk op de geschiedenis van het bedrijf, valt het me op hoezeer de agentic
AI-revolutie voelt als die eerste dagen bij ServiceNow. AI-technologie ontwikkelt zich ongelooflijk snel. We hebben nog geen duidelijk gedefinieerde modellen, regels of benaderingen om ons te helpen problemen op te lossen, of zelfs om te bepalen welke problemen het oplossen waard zijn.
Het beheren van snelheid is een belangrijke uitdaging wanneer je 8400 klanten hebt. Toen we nog klein waren, met maar 84 klanten, was het niet zo'n probleem als er een bug in de software zat, als het maar één klant trof. Nu staat er veel meer op het spel.
Gelukkig biedt ons platform ook hier uitkomst, want hiermee kunnen we onze ontwikkeling efficiënt volgen. We brengen regelmatig agentic AI-updates uit en omarmen innovatie naarmate de technologie zich ontwikkelt, zodat we zo snel mogelijk de beste functies en functionaliteit leveren.
Maar voor onze belangrijkste platformservices, van de gebruikersinterface tot workflows en bedrijfsapps, gebruiken we een traditioneel releasemodel. Deze aanpak helpt ons de kwaliteit te handhaven die nodig is voor deze bedrijfskritieke systemen.
Het onderliggende model voor Separation of Concerns van het platform stelt ons in staat dit te bereiken op een manier die technisch niet haalbaar zou zijn met veel andere architecturen.
Het is altijd lastig om te proberen iets zo complex als de geschiedenis van een bedrijf in één zin samen te vatten. Maar als het moest, zou ik het als volgt omschrijven: De beste beslissing die we ooit hebben genomen, was om ons product te bouwen op basis van een platform en niet op basis van een toepassing.
Het is een beslissing die ons de afgelopen jaren op verschillende punten heeft geholpen en ons en onze klanten vandaag de dag blijft helpen.
Lees meer over de voordelen van het ServiceNow AI Platform voor bedrijfstransformatie.