28/01/2025


Welk vakblad je ook openslaat, welke nieuwssite je raadpleegt en welke trendsetter in je vakgebied je ook volgt: iedereen heeft het over – en is aan het experimenteren met – AI. En daar stellen wij bij CQM toch kritische vragen bij. We zien namelijk dat de meeste verhalen over AI de nieuwe technologie te eenzijdig belichten. En dat is jammer, want hierdoor worden bedrijven aangemoedigd te investeren in technologie die hun problemen niet oplost. Om dit te voorkomen is het tijd om AI vanuit wiskundig perspectief grondig onder de loep te nemen en de focus te verleggen naar traditionelere vormen van AI. Hier is minder buzz over, maar voorspelmodellen, simulaties en wiskundige optimalisatie bieden bedrijven al jarenlang een significant concurrentievoordeel. In dit artikel lees je, waarom traditionele AI een streepje voor heeft op generatieve AI als het om supply chain-gerelateerde uitdagingen gaat. 

 

AI is meer dan alleen ChatGPT

De hype rond generatieve AI, zoals ChatGPT, is niet te missen. Op de werkplek en daarbuiten praat iedereen over de mogelijkheden van deze technologie die teksten voor je kan schrijven, code kan genereren of grote hoeveelheden informatie inzichtelijk kan samenvatten. Dat bespaart in veel gevallen tijd. Maar de grootste uitdagingen waarmee organisaties dagelijks te maken hebben – zoals het optimaliseren van supply chain-processen – zijn niet op te lossen met generatieve AI. Hier komt traditionele AI in beeld: een technologie die al tientallen jaren wordt toegepast in de industrie en bewezen resultaten oplevert.

Afb. 1: Kunstmatige intelligentie is meer dan alleen generatieve AI.

 

Wat is generatieve AI en wat is traditionele AI? 

Generatieve AI (Gen AI) is een vorm van kunstmatige intelligentie die nieuwe content kan creëren. Het wordt getraind op enorme datasets en gebruikt die kennis om tekst, afbeeldingen of andere output te genereren. Denk bijvoorbeeld aan een tool zoals ChatGPT, die complexe zinnen formuleert en creatieve oplossingen aandraagt. Toch heeft deze technologie ook beperkingen. Een van de meest besproken issues is het ‘hallucineren’: het geven van onjuiste of zelfs fictieve informatie. Hierdoor is Gen AI minder geschikt voor situaties waarin nauwkeurigheid en betrouwbaarheid cruciaal zijn – zoals bij het nemen van beslissingen binnen bedrijfsprocessen. 

Traditionele AI (Trad AI) richt zich op voorspellende en prescriptive analyses en maakt gebruik van technieken zoals geavanceerde statistiek, Machine Learning en wiskundige optimalisatie om concrete problemen op te lossen. Deze technologie wordt ingezet in primaire processen, zoals het voorspellen van vraag en aanbod, het optimaliseren van routes in een logistieke keten of het beheren van voorraden. Trad AI werkt op basis van harde data en levert robuuste, betrouwbare inzichten – precies wat bedrijven nodig hebben om strategische en operationele beslissingen te nemen. 

 

Traditionele AI

Generatieve AI

Hoofddoel

Vooraf gedefinieerde taken uitvoeren en besluitvorming ondersteunen.

Content produceren, ideeën genereren en vragen beantwoorden.

Flexibiliteit

Beperkt geschikt voor toepassingen buiten het getrainde gebied.

Kan kennis uit verschillende domeinen toepassen en zich aanpassen aan nieuwe situaties.

Betrouwbaarheid

De uitkomsten zijn voorspelbaar en reproduceerbaar.

Kan moeilijk voorspelbare resultaten opleveren en onverwachte verbanden leggen (hallucineren).

Transparantie

Uitkomsten zijn meestal goed te begrijpen en te herleiden.

Resultaten zijn moeilijk te verklaren (Blackbox).

Toegevoegde waarde

Optimaliseert bedrijfsprocessen.

Automatiseert taken.

Tabel 1: Vergelijking tussen traditionele AI en generatieve AI.  

 

Waarom generatieve AI niet alles oplost 

Generatieve AI heeft zeker zijn waarde, maar het is geen wondermiddel. In de praktijk blijkt deze techniek vooral geschikt voor secundaire processen, zoals het ondersteunen van communicatie, brainstormen of het versnellen van creatieve taken. Wanneer het echter gaat om kritieke bedrijfsprocessen, waarin consistentie en nauwkeurigheid essentieel zijn, schiet Gen AI tekort. Een fout in een voorspelling of een onnauwkeurigheid in de output kan immers grote gevolgen hebben. 

Stel je bijvoorbeeld voor dat je een fabriek moet aansturen en moet bepalen wat en hoe je produceert, en wanneer je moet bijsturen. In zo’n situatie is geen ruimte voor ‘hallucinaties’. Voor dit soort vraagstukken heb je rekenmodellen nodig die gebaseerd zijn op betrouwbare gegevens en wiskundige optimalisatie. Dit wordt perfect geïllustreerd door de case van Fibrant aan. Dit soort praktijkvoorbeelden laten zien waar traditionele AI in uitblinkt. 

 

De kracht van traditionele AI in fysieke supply chain-processen  

Afb. 2: De supply chain van fysieke producten: van productontwikkeling via productie naar opslag en transport.

 

Traditionele AI speelt een sleutelrol in primaire processen binnen de supply chain. Bij CQM, waar we al decennialang Data Science inzetten om bedrijfsprocessen te verbeteren, gebruiken we traditionele AI-technieken om concrete resultaten te leveren. Een kleine greep uit onze praktijk: 

  • Product Development 

Praktijkcase: Smart en connected scheerapparaten van Philips
Slimme apparaten: Door een app te koppelen aan een fysiek scheerapparaat wordt het product intelligent, waardoor gebruikers advies krijgen voor optimaal gebruik. 
Meerwaarde: Verhoogde klanttevredenheid en klantenbinding.

  • Manufacturing

Praktijkcase: Planningstool van Fujifilm
Minder snijverlies in productie: Door wiskundige optimalisatie wordt het snijverlies tijdens productie geminimaliseerd, terwijl een planningssysteem zorgt voor een efficiënte aansturing van machines en medewerkers.
Meerwaarde: Aanzienlijke financiële en operationele voordelen, gecombineerd met een  duurzamer en efficiënter productieproces.

  • Warehousing

Praktijkcase: Smart Logistics bij Albert Heijn
Verhogen van warehouseproductiviteit: Door rolcontainers en pickopdrachten slim samen te stellen wordt met behulp van wiskunde de tijd en afstand binnen het warehouse aanzienlijk verminderd. 
Meerwaarde: Kostenbesparingen, hogere efficiëntie en beter inzicht in factoren die productiviteit beïnvloeden.

  • Transport

Prakijktcase: De complexe planning van Den Hartogh Liquid Logistics
Optimalisatie van intermodaal transport: Met een op maat gemaakt APS-systeem worden prescriptive analytics ingezet om het vervoer van chemische tanks in Europa te optimaliseren. Het systeem houdt rekening met verschillende modaliteiten, evenals het herpositioneren, schoonmaken en repareren van tanks. 
Meerwaarde: Optimalisatie van planningsprocessen, betere inzet van materieel, verhoogde productiviteit en de mogelijkheid om strategisch en proactief beslissingen te nemen in een complexe logistieke omgeving.  

 

Hoewel traditionele AI misschien minder buzz creëert dan generatieve AI, laten deze praktijkvoorbeelden zien dat juist deze technologie keer op keer het verschil maakt voor bedrijven die niet alleen willen overleven in hun branche, maar willen floreren, groeien en hun concurrenten willen overtreffen.

 

Kracht door samenwerking: domeinkennis en technologie combineren 

Wat traditionele AI écht krachtig maakt, is de combinatie van menselijk inzicht met techniek, proces- en domeinkennis. Bij CQM bewijst deze aanpak zich telkens weer: technologie is belangrijk, maar zonder een diepgaand begrip van het probleem en de context waarin het zich speelt, blijft de echte waarde uit. Onze werkwijze brengt al deze elementen samen (zie hiervoor ook het artikel 'Smart warehousing hoeft dankzij AI niet veel geld te kosten' op Logistiek.nl). Door nauw samen te werken met onze klanten ontwikkelen wij oplossingen die niet alleen technisch kloppen, maar ook praktisch toepasbaar én effectief zijn. 

 

De juiste technologie voor de juiste uitdaging

Generatieve AI en traditionele AI hebben ieder hun eigen rol. Generatieve AI is een krachtige tool voor creatieve en ondersteunende taken, terwijl traditionele AI de sleutel is tot het oplossen van concrete zakelijke uitdagingen. Voor bedrijven die echte impact willen maken, is het belangrijk om de beste technologie in te zetten voor de juiste taken. Het gaat uiteindelijk niet om hoe trendy of populair een technologie is, maar om de tastbare resultaten die het oplevert. 

 

Ook traditionele AI voor jouw bedrijf inzetten?

Bij CQM benutten we al meer dan 45 jaar de kracht van traditionele AI om organisaties te helpen groeien. Met onze bewezen aanpak – van idee tot implementatie, verandering en nazorg – realiseren we duurzame impact op organisaties, processen, cultuur en systemen. Benieuwd wat traditionele AI kan betekenen voor de doelstellingen van jouw organisatie? Peter Hulsen vertelt het je graag, plan vandaag nog een vrijblijvend kennismakingsgesprek!

 

Wil je daarnaast op de hoogte blijven van het laatste nieuws van CQM, volg ons op LinkedIn of meld je aan voor onze digitale nieuwsbrief

 

Peter Hulsen
Peter Hulsen helpt je graag verder Neem contact op