About the Authors — Transatlantic Intelligence

Two women. Two continents. One conversation.

Transatlantic Intelligence is a mother-daughter blog about artificial intelligence — how it's reshaping business, government, and daily life on both sides of the Atlantic. We write from experience, not theory: one of us is deploying it inside organisations, the other is analysing its governance at the institutions writing the rules.

Transatlantic Intelligence est un blog mère-fille sur l'intelligence artificielle — comment elle redéfinit les entreprises, les gouvernements et la vie quotidienne des deux côtés de l'Atlantique. Nous écrivons à partir de l'expérience, pas de la théorie : l'une d'entre nous la déploie au sein d'organisations, l'autre en analyse la gouvernance dans les institutions qui rédigent les règles.

Suzanne Chartol

Washington, D.C. · USA

VP Customer Experience
CORAS · Agentic AI Platform

VP Customer Experience
CORAS · Plateforme d'IA agentique

AI Adoption Enterprise SaaS Customer Success Federal AI Gen X Fluent French US · Canadian

I've spent most of my career trying to answer one question: why do organisations invest in technology and then struggle to get value from it? I've worked on that problem from a lot of angles — finance, operations, customer success — and the answer is rarely about the technology itself. It's about the gap between how something is sold and how it actually has to work inside a real organisation, with real people, competing priorities, and imperfect data. As a Gen X executive, I've watched that pattern repeat through every technology wave of the last thirty years. AI is bigger, but the gap is still there.

AI is the most interesting version of that problem I've encountered in thirty years of watching technology land inside organisations — the stakes are higher, the gap is wider, and most of the conversation is still happening at the level of the promise.

These days I lead Customer Experience at CORAS, an agentic AI platform working with federal agencies. Before that I spent a decade leading global CX organisations in enterprise SaaS, and before all of that, a decade in finance at Fannie Mae, Gartner/CEB, and BP. The finance background matters more than people expect — it's where I learned how decisions about technology actually get made, not in product reviews but in budget conversations.

I grew up in Hawaii, born in Canada, went to university in Paris, then lived in Belgium, back in Canada, then a year in Guadeloupe teaching before I started my career. None of that was a career strategy. It was just life. But it means the transatlantic perspective I bring to writing about AI isn't something I developed professionally — it's closer to a default setting.

J'ai passé la majeure partie de ma carrière à essayer de répondre à une question : pourquoi les organisations investissent dans la technologie et peinent ensuite à en tirer de la valeur ? J'ai abordé ce problème sous de nombreux angles — finance, opérations, succès client — et la réponse concerne rarement la technologie elle-même. C'est l'écart entre la façon dont quelque chose est vendu et la façon dont il doit réellement fonctionner au sein d'une organisation réelle, avec de vraies personnes, des priorités concurrentes et des données imparfaites. En tant que cadre de la génération X, j'ai vu ce schéma se reproduire à chaque vague technologique des trente dernières années. L'IA est plus grande, mais l'écart est toujours là.

L'IA est la version la plus intéressante de ce problème que j'ai rencontrée en trente ans à observer l'atterrissage de la technologie dans les organisations — les enjeux sont plus élevés, l'écart est plus grand, et la majorité de la conversation se déroule encore au niveau de la promesse.

Aujourd'hui, je dirige l'expérience client chez CORAS, une plateforme d'IA agentique travaillant avec des agences fédérales. Avant cela, j'ai passé une décennie à diriger des organisations CX mondiales dans le SaaS d'entreprise, et avant tout cela, une décennie dans la finance chez Fannie Mae, Gartner/CEB et BP. Le parcours en finance compte plus que les gens ne le pensent — c'est là que j'ai appris comment les décisions concernant la technologie sont réellement prises, non pas dans des revues de produits mais dans des conversations budgétaires.

J'ai grandi à Hawaï, née au Canada, j'ai fait mes études à Paris, puis j'ai vécu en Belgique, de retour au Canada, à Paris encore, puis un an en Guadeloupe à enseigner avant de commencer ma carrière. Rien de tout cela n'était une stratégie de carrière. C'était simplement la vie. Mais cela signifie que la perspective transatlantique que j'apporte à l'écriture sur l'IA n'est pas quelque chose que j'ai développé professionnellement — c'est plutôt un réglage par défaut.

Adeline Chartol

Luxembourg · Europe

AI Adoption · Digital Innovation
European Stability Mechanism

Adoption de l'IA · Innovation numérique
Mécanisme européen de stabilité

AI Adoption Gen Z EU Policy Quant Research Data & Analytics Fluent French Women in Tech

My research interests sit at the intersection of institutional behaviour and technology adoption — specifically, the gap between what organisations claim they will do with AI and what the evidence suggests actually happens when they try. At the European Stability Mechanism in Luxembourg, I work on AI adoption directly, which gives me a practitioner's proximity to questions I'm also trying to study more rigorously.

What I find most worth examining isn't whether AI works in controlled conditions — it often does. It's whether the institutions deploying it have developed the internal frameworks to evaluate it honestly, and what happens to accountability when they haven't.

My methodological background is mixed — quantitative and qualitative. I've designed impact evaluation frameworks for a health insurance programme in Kenya, conducted statistical analysis for the European Parliament, and worked across quantitative methods in contexts ranging from development economics to EU institutional data. I'm drawn to questions where the evidence is genuinely uncertain and where the policy implications depend heavily on which assumptions you're willing to make.

I also founded CIFE's first student women's association — the same question applies there as in AI: whether the absence of certain perspectives from institutional decision-making has measurable effects on outcomes.

I grew up in a Washington DC suburb attending French immersion through eighth grade, then did the IB, university in Canada, a masters at CIFE — the Centre International de Formation Européenne — and now live and work in Luxembourg. The European orientation wasn't something I acquired when I got a job here; it was built into how I was educated, and my mother's own biography probably had something to do with that. Between us we hold American, Canadian, and French citizenship and are both fluent French speakers.

As a Gen Z researcher, I came into the workforce with AI already present as an institutional reality. I'm not sure that makes me more clear-eyed about it — if anything, I probably have different blind spots than someone who watched it arrive. What it does mean is that my questions tend to be less about whether to adopt AI and more about the conditions under which it actually produces what it claims to, and what the European context reveals that gets lost in the US-centric conversation.

Mes intérêts de recherche se situent à l'intersection du comportement institutionnel et de l'adoption des technologies — plus précisément, l'écart entre ce que les organisations affirment qu'elles feront avec l'IA et ce que les données suggèrent qu'il se passe réellement lorsqu'elles essaient. Au Mécanisme européen de stabilité à Luxembourg, je travaille directement sur l'adoption de l'IA, ce qui me donne la proximité d'un praticien avec des questions que j'essaie également d'étudier plus rigoureusement.

Ce que je trouve le plus intéressant à examiner, ce n'est pas de savoir si l'IA fonctionne dans des conditions contrôlées — c'est souvent le cas. C'est de savoir si les institutions qui la déploient ont développé les cadres internes pour l'évaluer honnêtement, et ce qui arrive à la responsabilité quand ce n'est pas le cas.

Mon parcours méthodologique est mixte — quantitatif et qualitatif. J'ai conçu des cadres d'évaluation d'impact pour un programme d'assurance maladie au Kenya, effectué des analyses statistiques pour le Parlement européen, et travaillé sur des méthodes quantitatives dans des contextes allant de l'économie du développement aux données institutionnelles de l'UE. Je suis attirée par les questions où les données sont véritablement incertaines et où les implications politiques dépendent fortement des hypothèses que vous êtes prêt à formuler.

J'ai également fondé la première association étudiante féminine du CIFE — la même question s'applique là qu'en IA : si l'absence de certaines perspectives dans la prise de décision institutionnelle a des effets mesurables sur les résultats.

J'ai grandi dans une banlieue de Washington DC en suivant un enseignement en immersion française jusqu'en quatrième, puis j'ai fait le baccalauréat international, l'université au Canada, un master au CIFE — le Centre International de Formation Européenne — et je vis et travaille maintenant à Luxembourg. L'orientation européenne n'est pas quelque chose que j'ai acquis en trouvant un emploi ici ; elle était intégrée dans ma formation, et la biographie de ma mère y a probablement contribué. Entre nous, nous détenons la citoyenneté américaine, canadienne et française et parlons toutes les deux couramment le français.

En tant que chercheuse de la génération Z, je suis entrée dans le monde du travail avec l'IA déjà présente comme réalité institutionnelle. Je ne suis pas sûre que cela me rende plus clairvoyante — si quoi que ce soit, j'ai probablement des angles morts différents de quelqu'un qui l'a vu arriver. Ce que cela signifie, c'est que mes questions portent moins sur l'adoption ou non de l'IA que sur les conditions dans lesquelles elle produit réellement ce qu'elle prétend produire, et sur ce que le contexte européen révèle qui se perd dans la conversation centrée sur les États-Unis.

Why this blog exists

Pourquoi ce blog existe

There is no shortage of AI content. There is a real shortage of AI writing that takes seriously both how organisations actually adopt it and how governments are racing to govern it — and examines how those two things interact across an Atlantic that is increasingly seeing them differently.

We started Transatlantic Intelligence because we kept having the same conversation — at dinner, over text, across time zones — and realising it was a conversation worth having in public. One of us is deploying AI inside organisations right now. The other is embedded in the institutions writing the rules. Between us, we have a view of AI that very few single-author blogs do.

We write for technology professionals, policy makers, and executives who want rigorous, independent thinking — not hype, not fear-mongering, not press releases dressed up as analysis. Just two people who care deeply about getting this right, writing honestly about what they see.

A note on how we write: We use AI to help us — of course we do. It would be odd if we didn't. But every idea on this blog is ours. Every argument, every line of research, every opinion. AI helps us shape and refine our thinking; it doesn't replace it. We think that's the honest way to work with this technology, and it's what we'll always advocate for here.

Il ne manque pas de contenu sur l'IA. Il manque vraiment d'écrits sur l'IA qui prennent au sérieux à la fois la façon dont les organisations l'adoptent réellement et la façon dont les gouvernements s'efforcent de la gouverner — et qui examinent comment ces deux choses interagissent à travers un Atlantique qui les voit de plus en plus différemment.

Nous avons lancé Transatlantic Intelligence parce que nous avions sans cesse la même conversation — au dîner, par messages, à travers les fuseaux horaires — et nous rendions compte que c'était une conversation qui méritait d'être tenue en public. L'une d'entre nous déploie l'IA au sein d'organisations en ce moment même. L'autre est intégrée dans les institutions qui rédigent les règles. Entre nous, nous avons une vision de l'IA que très peu de blogs à auteur unique possèdent.

Nous écrivons pour les professionnels de la technologie, les décideurs politiques et les dirigeants qui souhaitent une réflexion rigoureuse et indépendante — pas de battage médiatique, pas de catastrophisme, pas de communiqués de presse déguisés en analyse. Juste deux personnes qui se soucient profondément de bien faire les choses, écrivant honnêtement sur ce qu'elles voient.

Une note sur notre façon d'écrire : Nous utilisons l'IA pour nous aider — bien sûr. Ce serait étrange si nous ne le faisions pas. Mais chaque idée sur ce blog est la nôtre. Chaque argument, chaque ligne de recherche, chaque opinion. L'IA nous aide à façonner et à affiner notre pensée ; elle ne la remplace pas. Nous pensons que c'est la façon honnête de travailler avec cette technologie, et c'est ce que nous défendrons toujours ici.

Suzanne Chartol

Adeline Chartol

Subscribe S'abonner