Benchmark niet tegen de perfectie, maar tegen de menselijke input

Jos van Hillegersberg is hoogleraar Business Information Systems aan de Universiteit Twente in Enschede en academisch directeur en hoogleraar van de Jheronimus Academy of Data Science, een gezamenlijk initiatief van de universiteiten van Eindhoven en Tilburg. Hij richt zich op de toepassing van IT voor de digitalisering van organisaties en ketens, met een almaar grotere focus op artificiële intelligentie (AI). Hij ziet een breed toepassingsspectrum voor AI. “Binnen de hele ketting van leverancier tot eindklant, zowel op operationeel als strategisch niveau, biedt AI mogelijkheden tot procesoptimalisering”, zegt hij.

Koudwatervrees

Hoewel artificiële intelligentie al enkele jaren als de heilige graal binnen supply chain management geldt, schat de hoogleraar de maturiteit ervan nog niet hoog in. “De grootste adoptie van de technologie vindt plaats binnen gecontroleerde omgevingen”, zegt hij. “Een mooi voorbeeld is een terminal waar de aansturing van interne stromen met behulp van AI gebeurt. Andere toepassingsgebieden zijn preventief onderhoud, fraudedetectie en robotica in het magazijn. Globaal onderscheid ik vooral een paar voortrekkers, naast veel bedrijven die hun wagonnetje nog moeten aanhaken. Ik schat dat ongeveer tien procent van de ondernemingen er werkelijk mee aan de slag gaat. Van die tien procent rolt slechts een beperkt deel reële business cases uit. Veelal blijven experimenten in de pilootfase hangen en heerst er nog altijd veel koudwatervrees.”

Ketenbreed denken

Ondanks die beperkte integratie is het potentieel van AI volgens Jos van Hillegersberg ontegensprekelijk aanwezig. “AI kan van grote waarde zijn bij het stroomlijnen van de supply chain. De meeste initiatieven richten zich in de eerste plaats op interne procesverbetering, maar de maximale waarde genereer je wanneer de hele keten in de dans springt. Dat maakt het verhaal meteen ook een pak lastiger. Alle goede voornemens ten spijt, ligt data-uitwisseling nog altijd moeilijk. Vaak nemen de grootste bedrijven in de supply chain het voortouw, al vertolken kleine, innovatieve spelers eveneens een aanjagende rol. Het komt erop aan helder te communiceren over ketensamenwerking: geef duidelijk aan wat je wel en niet met de verzamelde data wil verwezenlijken. Je licht best toe hoe initiatieven met AI helpen om planmatiger te werken en betere beslissingen te nemen.”

Die openheid groeit vanuit wetgevend standpunt uit tot een noodzaak. “Bedrijven moeten ketenbreed rapporteren over security en duurzaamheid. Dat opent de weg naar het openstellen van meer data”, aldus professor van Hillegersberg. Maar welke voordelen biedt AI nu voor de gehele keten? “AI moet onder meer de piekmomenten voor de verschillende schakels aftoppen of voorspelbaar maken, ladingen beter verdelen en historische patronen doorbreken. Daarnaast beschouw ik AI als een waardvol hulpmiddel om risico’s en storingen te detecteren en te vermijden”, zegt hij. Een ander struikelblok noemt hij tijdsgebrek. “De dagelijkse operaties slorpen alle tijd en aandacht van de logistieke afdeling op. Er rest amper tijd om de huidige processen in vraag te stellen. Nochtans is het raadzaam om na te gaan of je de dingen wel doet zoals je ze zou moeten doen. Hier kan AI net helpen om efficiënter te werken en die helikopterkijk beter te bewaren.”

Wat in het voordeel speelt van de AI-transitie is de nauwere band tussen logistiek, supply chain en IT.

Prof. dr. Jos van Hillegersberg: “De supply chain bevindt zich op het grensvlak tussen de business en technologie. Die bewustwording neemt toe. De tijd dat IT afzonderlijk opereerde en via tijdlogs aanvragen vanuit de supply chain met een lage prioriteit behandelde, behoort binnen veel bedrijfsmuren terecht tot het verleden. Talentvolle dataprofielen zijn in elke sector sterk gegeerd, maar ontdekken nu ook welke uitdagingen de supply chain voor hen in petto heeft. Dat merk ik als juryvoorzitter van de Nederlandse Logistiekprijs, waar de overwinning van bedrijven als cosmeticamerk Rituals en chipbouwer ASML aantoont dat niet-logistieke spelers zwaar inzetten op innovatie binnen hun supply chain.”

Futuristen beschouwen AI als het laatste opstapje richting een autonome supply chain. “Het ‘physical internet’ of het toekomstbeeld waarin goederen in een volledig open en verbonden netwerk ‘zelf’ hun ideale routes met bijbehorend transportmiddel kiezen, oogt mooi. Ik geloof dat AI zeker mogelijkheden in die richting biedt, maar zie tegelijk nog veel barrières. De noodzaak van menselijke inbreng is er nog altijd en zal niet meteen verdwijnen. De supply chain blijft bovendien een complex gegeven, met invoer- en uitvoertarieven, specifieke regelgeving en contracten en een brede waaier van variabelen. Ik zie daarom eerder heil in een samenwerking tussen mens en technologie.”

Aansprakelijkheid en verklaarbaarheid

Ook aansprakelijkheid geldt als een struikelblok wanneer AI ter sprake komt.

Prof. dr. van Hillegersberg: “Ik onderscheid twee types AI: de algoritmes waarvan de beslissingen vlot te verklaren vallen en goed aan te sturen zijn, naast de neurale netwerken met een onvoorspelbare uitkomst. Bedrijven willen acties in heldere taal uitleggen. Wanneer dat het geval is, zullen beslissingsnemers sneller overstag gaan. Veel ondernemingen vinden neurale netwerken terecht nog te onberekenbaar om toe te passen. Ze fungeren vaak als een hulpmiddel, waarbij een medewerker toch nog altijd op de groene of rode knop drukt. De invoering van heldere regels en beperkingen biedt mogelijk het gepaste antwoord. Neurale netwerken reiken in dat geval oplossingen aan die zich binnen de vooropgestelde contouren bevinden.”

Prof. dr. van Hillegersberg illustreert het aan de hand van een voorbeeld. “Algoritmes geven aan dat je een levering omwille van het kostenplaatje of vanuit duurzaamheidsperspectief beter niet op een bepaalde dag uitvoert. Dat is een logische aanname op basis van de beschikbare data. Maar mogelijk mag je dat advies niet volgen omdat de relatie met de klant vereist dat je die goederen toch levert. Dan kan een medewerker de AI-suggestie negeren of je kunt vooraf de regel instellen dat je voor die klant een uitzondering mag maken. Al slaat de planner de bal ook wel eens mis. Toch vellen we voor AI altijd een strenger oordeel. Daarom mag je AI eigenlijk niet benchmarken tegen de perfectie, maar wel tegen de menselijke manier van werken.”

Bias

AI krijgt ook wel eens het predicaat van de vooringenomenheid of ‘bias’ toegewezen. Artificiële intelligentie wordt nu eenmaal gemaakt door, gemodelleerd naar en gecontroleerd door mensen. “Die bias is misschien wel nog sterker aanwezig bij de beslissingen die mensen nemen”, aldus de hoogleraar. “Ik laat dat mijn studenten ook proefondervindelijk ervaren. Op basis van aangereikte datasets moeten ze op zoek naar een probleem bij een fictieve bierproducent. Nagenoeg alle studenten beogen een bewijs van hun eigen aanname. Dat resulteert tot hun eigen grote verbazing in telkens verschillende analyses op basis van identieke data. Het argument van bias als argument tegen het gebruik van AI gaat dus meestal niet op. Vergeet ook niet dat AI continu 24/7 data analyseert, wat voor de mens toch een pak moeilijker is.”

KD