Waar bedrijven in de maakindustrie vorig jaar nog aarzelden, is kunstmatige intelligentie nu niet meer weg te denken uit een aantal bedrijfsprocessen. Aansturing van productielijnen is er echter nog niet bij.
Tekst: MELS DEES Beeld: ENVATO
Adezz is een snelgroeiende producent van tuin- en buitenproducten, gevestigd in Uden en actief in ruim vijftien landen. De snelle uitbouw van de onderneming bracht groeipijnen met zich mee. Sales en klantenservice werkten in losse systemen en bestanden, groepsmailboxen en een zelfgebouwd erp-systeem.
Het bedrijf klopte bij it-dienstverlener FellowMind aan met een duidelijke wens: processen slimmer inrichten, medewerkers beter ondersteunen en efficiënter werken met dezelfde capaciteit. Er werd niet specifiek naar ai gevraagd, maar de technologie bleek een logische stap.
Een jaar geleden waren veel industriële bedrijven nog terughoudend als het ging om kunstmatige intelligentie. Inmiddels is de situatie radicaal veranderd. Volgens Oscar Weijman, Business Line Expert bij FellowMind is het haast onmogelijk geworden een klantproject te realiseren zonder dat ai ter sprake komt. ‘Iedereen wil weten wat het kan brengen en hoe het zo gecontroleerd mogelijk ingezet kan worden.’ Samen met collega Erwin Berends, Chief Innovation Officer, blikt hij terug op de implementatie bij Adezz en schetst hij hoe de maakindustrie steeds meer stappen zet richting een door ai ondersteunde toekomst.
Frans en Pools
Adezz moet klanten in vijf talen bedienen, terwijl er bij bepaalde talen soms slechts één of twee medewerkers intern beschikbaar zijn. ‘Als deze personen pauze hebben, in gesprek of met vakantie zijn, ontstaat er meteen een knelpunt. Door ai in te zetten voor real-time vertaling kan een medewerker in het Nederlands werken en een Franse of Poolse klant toch in de eigen taal te woord staan.’
Voor deze toepassing werd gebruikgemaakt van standaardcomponenten uit het Microsoft framework, draaiend op Azure AI en gevoed door OpenAI-technologie. Naast vertaling zet Adezz ai ook in voor het automatisch samenvatten van gesprekken. Chats, WhatsApp-berichten en telefoongesprekken worden getranscribeerd, samengevat en als service-aanvraag doorgezet. Zo hebben medewerkers sneller overzicht en kunnen ze efficiënter werken. Adezz wil haar klanten graag persoonlijk te woord blijven staan waarbij ai ondersteunt om dit op de meest persoonlijke en passende wijze te doen.
Voor Adezz ligt de volgende uitdaging in de fabriek zelf, om ai dieper in productieprocessen te integreren. Volgens Weijman onderzoekt de tuinmeubelenfabrikant hoe ai ook in het productie- en warehouseproces kan bijdragen aan efficiëntie en groei. ‘De eerste stap was het optimaliseren van klantprocessen, daarna volgt de operatie.’ Berends vult aan dat deze route typerend is voor de sector. Waar de maakindustrie vroeger vooral keek naar productefficiëntie en traceability, komt de nadruk nu steeds vaker te liggen op klantgerichtheid. ‘We zien in de markt dat steeds meer bedrijven die klantzijde omarmen’, aldus Berends.
‘Bedrijven willen voorspelbaarder zijn in hun leveringen en beschikbaarheid. Dat begint met betere communicatie tussen verkoop, productie en leveranciers. Ai kan hier een verbindende rol spelen’
Productielijnen
Een bredere inzet van ai in industriële omgevingen kan een volgende stap zijn. Berends schetst dat veel bedrijven nog niet toe zijn aan ai die productielijnen direct aanstuurt. De eerste vragen komen eerder uit domeinen als order intake en supply chain. Bedrijven willen voorspelbaarder zijn in hun leveringen en beschikbaarheid. Dat begint met betere communicatie tussen verkoop, productie en leveranciers. Traditioneel zijn dit gescheiden silo’s, maar ai kan hier een verbindende rol spelen.
Hij gebruikt het beeld van agents die zelfstandig beslissingen nemen en met elkaar communiceren. Een binnendienst kan besluiten spoedorders toe te laten, waarna een productie-agent en een leveranciers-agent in actie komen om de gevolgen op te vangen. ‘Op dit moment worden veel beslissingen nog statisch genomen, maar ai maakt het mogelijk om flexibeler te reageren.’
Adoptie
Predictive maintenance is een andere bekende toepassing. Door sensordata te analyseren kan onderhoud verspreid en doelgericht worden ingepland. Toch merkt Berends dat dit vaak door technologiepartners wordt gepusht in plaats van dat het vanuit de industrie zelf komt. De échte waarde ziet hij in de combinatie van agents met machine learning, waarbij feedback loops ervoor zorgen dat systemen slimmer worden.
De adoptie verloopt echter niet zonder obstakels. Veel ot-systemen draaien nog op oude technologieën zoals COBOL, AS/400 of PLC-besturingen. Integratie is daardoor complex. Berends legt uit dat ai hier uitkomst kan bieden door data op een ongestructureerde manier te bevragen in plaats van via vaste protocollen. ‘We kunnen nu intelligenter vragen stellen aan systemen, zonder dat we alle integraties vooraf hoeven te beschrijven. Dat kan een enorme sprong opleveren.’
Weijman en Berends benadrukken dat ai in deze fase vaak het meest rendeert aan de voorkant van de organisatie. Door klanten sneller en beter te helpen, ontstaat ruimte om de operatie later efficiënter te maken. Dat past ook bij seizoensgebonden bedrijven zoals Adezz, dat in de zomermaanden enorme pieken ervaart. Door processen slim te automatiseren, kan de bestaande capaciteit beter worden benut zonder structureel extra personeel aan te nemen.
