Veel logistieke bedrijven experimenteren enthousiast met AI, maar slechts een klein deel van de initiatieven leidt tot blijvende productiviteitswinst. Hoe komt dat? Volgens AI-expert Danny Jonker van Fontys vormen losse AI-tools en slimme prompts nog geen strategie. Succes ontstaat pas wanneer een duidelijke visie vanuit de directie wordt gecombineerd met de energie en creativiteit van medewerkers op de werkvloer. Voor Logistiek Digitaal ontwikkelde hij drie praktische cursussen die bedrijven helpen AI doelgericht en duurzaam in te zetten.
Als onderzoeksmanager bij het AI Expertisecentrum van de Fontys Hogeschool vormt Danny Jonker de verbindende schakel tussen alle disciplines die zich met Artificial Intelligence bezighouden. “Ik heb zelf logistiek gestudeerd, dus ik zie AI vooral als middel om een hoger doel te bereiken. Tegelijkertijd ben ik ook een beetje een nerd en vind ik de technologie gewoon ontzettend interessant. Daarnaast willen we als brede hogeschool nadrukkelijk aandacht besteden aan de menselijke kant van AI: wat betekent het voor ons werk, welke ethische vragen roept het op en hoe kan AI bijdragen aan een duurzamere wereld? Mijn taak is om al die perspectieven bij elkaar te brengen.”
Waarom veel AI-initiatieven stranden
Voor Logistiek Digitaal ontwikkelde Jonker online cursussen waarin hij het belang van een doelgerichte aanpak benadrukt. “In de logistieke sector worden uit enthousiasme ontzettend veel AI-initiatieven gestart die uiteindelijk weinig opleveren. Dat is zonde van de tijd, maar vooral ook van de energie van medewerkers, die processen oprecht efficiënter willen maken of de dienstverlening willen verbeteren. Begrijp me niet verkeerd: experimenteren met AI is juist goed, maar wel op plekken waar het echt waarde toevoegt. Wat is je strategie? Waar wil je als bedrijf in uitblinken? Welke problemen wil je oplossen? Dat zijn de vragen waarmee je moet beginnen.”
Gen AI vindt elk idee fantastisch
Hij begrijpt heel goed waarom mensen het zo aantrekkelijk vinden om generatieve AI-tools als Copilot, Claude of ChatGPT in hun werkomgeving in te zetten. “In tegenstelling tot de meer traditionele AI-toepassingen zoals machine learning, is Gen AI supertoegankelijk. Je hebt er geen specifieke kennis voor nodig, je kunt er in gewone taal mee communiceren en het reageert positief op elk idee dat je inbrengt.” Met als gevaar dat je het inzet voor processen waar AI niks toevoegt of nog erger: waar het je unieke kenmerken verzwakt. Hij noemt als voorbeeld een groothandel die zich onderscheidt met persoonlijk klantcontact, maar vervolgens een chatbot inzet om klantvragen af te handelen. "Dan moet je je afvragen of die technologie wel aansluit bij wat klanten juist in jouw bedrijf waarderen."
Zonder strategie wordt AI een gimmick
Jonker hamert daarom op het belang van een digitaliseringsstrategie. “Een eenmalig experiment maakt nog geen bruikbare AI-oplossing. Uiteindelijk moet je zo’n tool ook inpassen binnen je IT-landschap. Je moet interfaces bouwen, databronnen ontsluiten en nadenken over beheer en cybersecurity.” Dit laatste is iets wat veel bedrijven volgens hem nog onderschatten. “Bij tools als ChatGPT en Copilot moet je goed weten welke versie je gebruikt, welke afspraken gelden over data en wat medewerkers wel of niet mogen invoeren. Je wilt niet dat concurrentiegevoelige data op straat komt te liggen, maar ook intern kan het problemen geven. Ik ken verhalen van organisaties waar medewerkers via Copilot inzicht kregen in documenten waar zij normaal gesproken geen toegang tot zouden moeten hebben.”
Ondersteuning bij complexe AI-wetgeving
Met de Europese AI Act komen hier gelukkig steeds meer regels en verplichtingen voor, maar bedrijven moeten zich er volgens hem ook zelf in verdiepen. “Wetgeving loopt altijd achter op de werkelijkheid en vergeet niet dat ze in China of de VS heel andere doelen hebben.” Dat managers van mkb-bedrijven weinig prioriteit aan cybersecurity en wetgeving geven, snapt hij wel. “Het is ook gewoon heel complex en onduidelijk. Daar mogen bedrijven, overheden en onderwijsinstellingen elkaar best meer in ondersteunen, vind ik. Daar hebben we echt nog een slag te maken.”
Zelf doen of aan IT-bedrijf overlaten?
Als het invoeren van AI zo complex lijkt te zijn, is het dan überhaupt wel een goed idee om als bedrijf zelf toepassingen te ontwikkelen? Kun je dat niet beter aan een IT-leverancier overlaten, bijvoorbeeld de leverancier die ook je TMS of WMS levert? Volgens Jonker niet. “Het krachtige van AI is dat je iets ontwikkelt dat specifiek is voor jouw bedrijf, dat jouw bedrijf uniek maakt. Mijn ervaring is dat generieke IT-aanbieders hier minder goed in zijn: die kennen jouw processen, klanten en onderscheidend vermogen niet. Dat moet je als bedrijf zelf inbrengen.” Dat mkb-bedrijven daarentegen dan weer weinig kennis van AI hebben, herkent hij. “Mijn advies zou zijn om te beginnen die kennis te ontwikkelen. Ook al schakel je daarna een extern bedrijf in, dan nog is het goed om eerst zelf ervaring op te doen. Als je niet weet wat er met AI mogelijk is en hoe het werkt, kun je dit ook niet aan een ander overdragen.”
Creëer innovatieve mindset
Het op peil brengen van het kennisniveau van medewerkers, is sowieso een randvoorwaarde voor AI-succes, stelt hij vast. “Je wilt dat mensen kritisch naar hun eigen processen kijken en zichzelf de vraag stellen of dit met AI efficiënter of beter kan. Hiervoor moet je ze de kennis en tools aanreiken.” Hij noemt een bedrijf waar alle medewerkers een cursus Robotic Process Automation (RPA) kregen, met de opdracht om zelf verbeterkansen in hun werkproces te signaleren. “RPA is weliswaar iets anders dan AI, maar ik vond dit wel een mooie manier om een innovatieve mindset binnen een organisatie te creëren. En je werkt vanuit een strategie.”
Begin met juiste AI-vraag
Eén van zijn cursussen heet Begin met de juiste AI-vraag. Daarin helpt hij logistieke bedrijven bepalen of een proces zich überhaupt leent voor AI. “Een belangrijke vraag is altijd: wat is de oorzaak van een bepaald probleem of bottleneck. Als een bedrijfsproces in de kern niet goed is ontworpen, gaat AI dat niet rechttrekken. Een andere belangrijke vraag is of je wel over de juiste data beschikt. Werk je nog veel met pen en papier en worden beslissingen uit het hoofd genomen? Dan kan ik je vooraf al zeggen dat AI daar niets gaat brengen. Het klinkt suf maar veruit de meeste AI-initiatieven lopen stuk op gebrek aan goede data. Als je dat van tevoren checkt, kun je jezelf deze teleurstelling besparen.”
Vergeet de nulmeting niet
En heb je dan eenmaal een geschikt toepassingsgebied geselecteerd, dan komt het aan op ‘slim experimenteren’, waar Jonker ook een cursus voor heeft gemaakt. Ook daar kan nog van alles misgaan, ziet hij. “Om de proceskennis en de positieve energie op de werkvloer te benutten, moet je eindgebruikers er vanaf het begin bij betrekken. Maak er ook geen al te groot project van zodat ze snel resultaat zien en hun enthousiasme niet verliezen. Wil je bijvoorbeeld met AI de looproutes in je magazijn optimaliseren? Begin dan met één zone of met één medewerker.” Ook een nulmeting vooraf is volgens hem essentieel. “Dat klinkt logisch, maar wordt in de praktijk verrassend vaak vergeten. Terwijl je zonder nulmeting eigenlijk niet kunt bepalen of een experiment succesvol was.”
Discussieer over maatschappelijke impact
Succesvol AI implementeren draait volgens hem om de juiste mix van top-down strategie formuleren, bottom-up ideeën genereren en slim experimenteren. Data, infrastructuur, AI-kennis en betrokkenheid van de directie vormen daarbij de basisvoorwaarden.
Tot slot pleit hij ervoor om ook stil te staan bij de ethische en maatschappelijke impact van AI. “Ik denk dat we onderschatten hoe sterk AI ons werk gaat veranderen. Medewerkers krijgen andere rollen, in plaats van uitvoerder van processen worden ze beoordelaar, controleur of procesregisseur. In sommige gevallen verdwijnen hun taken helemaal. Willen we dat? Hoe behouden we de menselijke maat? Een strategie bepalen, betekent ook dat je hierover nadenkt en met elkaar de discussie aangaat. Ik vind persoonlijk dat dit veel te weinig gebeurt.”
