Van adviseren naar uitvoeren

Deborah Dull werkte jarenlang bij de supply chain afdelingen van organisaties als Microsoft, de Bill & Melinda Gates Foundation en General Electric. Haar kennis wendt ze vandaag aan als auteur, spreker en consultant. Haar meest recente boek Self-Driving Supply chain: 5 Steps to Building Your Agentic AI Workforce vindt vlot zijn weg naar Belgische supply chain professionals.

De premisse van het boek spreekt dan ook tot de verbeelding. Want waar de meeste organisaties vandaag basistoepassingen met (generatieve) AI inzetten, acht de auteur de tijd nu al rijp voor het gebruik van agentic AI binnen de supply chain. En dat maakt een wezenlijk verschil. Agentic AI gaat nog enkele stappen verder dan generatieve AI. Ze genereert niet alleen inzichten, maar is ook in staat er naar te handelen. Het gaat dus om de shift van een adviserende rol naar daadwerkelijke uitvoering.

Schaal, kwaliteit en compliance
“Een team van zelfstandig opererende AI-agents lijkt sterker op een team van mensen dan op een verzameling softwareoplossingen”, stipt Deborah Dull aan. “Het doel bestaat erin medewerkers te ondersteunen bij taken waar ze traditioneel minder goed in zijn: repetitief, compliance-gedreven werk dat informatie uit veel verschillende bronnen samenbrengt. Want we besteden het grootste deel van onze tijd niet aan wat er echt toe doet.”

Op het vlak van autonomie zijn termen als controletorens en geavanceerde planningssystemen al vele jaren ingeburgerd. Een AI-agent moet veel verder gaan. “Toen veel bedrijven hun logistiek in de jaren negentig van de vorige eeuw uitbesteedden, ontstond het begrip ‘controletoren’ om voorraden te monitoren. Geavanceerde planningssystemen helpen dan weer om de behoeften van een volledig netwerk te begrijpen. Hoe waardevol beide toepassingen ook zijn, het blijven tools. Een team van AI-agents slaagt er net in die tools te bedienen: het voert acties uit op basis van de gegenereerde output. Daar schuilt het grote verschil: tools informeren, terwijl AI-agents handelen.”

Schaal vormt volgens de auteur de belangrijkste drijfveer, gecombineerd met kwaliteit en compliance. “De hoeveelheid informatie groeit en is versnipperd. Om te kunnen opschalen, moet repetitief werk verdwijnen. Dan kunnen mensen zich focussen op hun sterktes. Voor volgende taken kun je AI-agents nu al inzetten: orders updaten, MRP (material requirements planning), systemen bijwerken en taken opvolgen. In de toekomst zal dat takenpakket alleen maar uitbreiden.”

Technologie versus mentaliteit
Ook leverancierscommunicatie leent zich goed voor automatisering: dialoog voeren in natuurlijke taal en die informatie structureren in databases. “Daarnaast zien we sterke resultaten in backofficefuncties zoals IT-ticketbeheer en customer service. Waar agents nog moeite mee hebben, zijn situaties die een oordeel vereisen in een ambigue of nieuwe context: strategische afwegingen, relatiebeheer, creativiteit en ethisch redeneren. Dat blijft voorlopig mensenwerk.”

Deborah Dull maakt zeker niet als eerste gewag van een zelfsturende supply chain. Toch oogt het concept voor veel supply chain managers nog futuristisch. “Ik beschouw het niet als een verre toekomstdroom, maar als een realiteit die je vandaag al kunt toepassen”, aldus de auteur. “De meeste organisaties zien AI nog als een assistent of in het beste geval een copiloot. Ze weten niet wat een volledig autonome oplossing zonder menselijke tussenkomst echt inhoudt en wat daarvoor nodig is. Die mentale omslag loopt achter op de technologie zelf. Het goede nieuws is dat je als organisatie niet achterop hinkt, want de hele sector bevindt zich nog in een gezamenlijke leerfase.”

Bij de implementatie van klassieke AI-toepassingen vormt een gebrekkige datamaturiteit vaak een obstakel. Voor agentic AI lijkt dat struikelblok nog groter. Al ziet Deborah Dull dat anders. “Zelfs wanneer nog veel communicatie gewoon via e-mail verloopt, beschikt agentic AI al over veel bruikbare data. Ik vergelijk het met het inwerken van een nieuwe medewerker. Wat je iemand op dag één laat doen, geeft ongeveer het vereiste niveau van digitale maturiteit aan. Die drempel ligt dus vrij laag. Wanneer data onvolledig zijn, kan een team van autonome AI-agents net helpen om die basis verder op te bouwen.”

Aansprakelijkheid
Aansprakelijkheid blijft vaak een andere afremmende factor om beslissingen volledig aan AI toe te vertrouwen. “Organisaties blijven aansprakelijk, ongeacht of het om menselijke of digitale medewerkers gaat”, zegt Deborah Dull. “Toezicht is dus essentieel. Zonder controle door mensen of andere agents werkt het niet. We zien nu al ‘agent drift’: zonder duidelijke oorzaak verslechteren prestaties van agents na verloop van tijd. Er is dus nood aan duidelijke richtlijnen. Hoe je die instructies formaliseert, is momenteel een bijzonder interessant vraagstuk. Wanneer de nodige transparantie aanwezig is en teams begrijpen waarom AI-agents beslissingen nemen, groeit het vertrouwen.”

Deborah Dull stelt dat volatiele tijden zich net lenen tot het gebruik van AI-agents. “Weinig gebeurtenissen zijn geheel onverwacht. Eerder zijn we geneigd om vroege signalen te onderschatten of te negeren. Een autonoom systeem kan hier juist beter presteren, omdat het signalen objectiever analyseert zonder vooringenomenheid. We zien nu al toepassingen die berichtgeving op sociale media en nieuwsmedia als input meenemen. AI rationaliseert die ongemakkelijke informatie niet weg, zoals mensen dat soms doen.”

Wat met menselijke inbreng?
Waar AI-agents op het toneel verschijnen, verandert uiteraard ook de rol van de fysieke medewerkers. De auteur beschouwt het niet als een dreiging, maar eerder als een opportuniteit. “Zie het als een kans om afscheid te nemen van de minst aantrekkelijke onderdelen van ons werk. Veel van wat supply chain professionals vandaag doen, is coördinatie: afstemming, informatie zoeken, checken bij magazijnen, de huidige situatie in kaart brengen. Precies dat coördinatiewerk is een kolfje naar de hand van de AI-agent. Planners zullen zich meer richten op waar mensen echt goed in zijn: creativiteit, kritisch denken, strategie en relaties. Ook voor demand forecasters oogt het plaatje boeiend. Vaak maakt een menselijke interventie een forecast juist minder accuraat, maar mensen voegen wel unieke inzichten toe uit klantgesprekken, campagnes en marktinformatie. Daar bevindt zich hun toegevoegde waarde.”

Ondanks alle positieve signalen wijst de auteur ook op enkele spanningsvelden. “AI is erg energie-intensief. Datacenters voor AI vereisen veel water, stroom en schaarse materialen. We moeten de impact van AI beter begrijpen en die bewust afwegen tegen de waarde die ze oplevert. Daartegenover staat dat AI-agents kunnen bijdragen tot een circulaire economie. Ze kunnen op itemniveau planningsalgoritmes aansturen en bepalen of een revisie aangewezen is.”

AI-agents zijn volgens Deborah Dull niet altijd en overal toepasbaar. “Bij sterke veranderingen of innovatieve omgevingen is menselijke betrokkenheid cruciaal. Daarnaast is er een fundamentele zorg: als we alles automatiseren, begrijpen we dan nog hoe onze supply chains werken? Je moet er dus over waken dat de basiskennis in je organisatie aanwezig blijft.”

KD

KADER

Raamwerk voor de integratie van AI-agents

Het boek van Deborah Dull biedt een raamwerk voor het toepassen van autonome AI. Het toont opvallend veel parallellen met het aanwervingsproces van fysieke medewerkers.

Stap 1: voorbereiding

Begrijp de innovaties die hebben geleid tot wat AI vandaag mogelijk maakt. Doorgrond het ‘SCOR supply chain process framework’ dat helpt om de supply chain van je organisatie te transformeren.

Stap 2: rekruteren

Net als bij het aannemen van mensen draait deze stap om het scherp definiëren van je noden: welke problemen wil je oplossen? Waar staan je medewerkers onder druk? En waar verwacht je groei in de komende maanden? Vervolgens stel je de business case op, net zoals je dat zou doen voor een extra FTE. Denk bijvoorbeeld aan de ROI van een digitale medewerker die 24/7 gegevens kan verwerken. Daarna bepaal je welk type agent je aan je team toevoegt. Je kunt kiezen voor leveranciers die AI-agents integreren binnen ruimere pakketten, voor gespecialiseerde agents die één specifieke taak uitvoeren of voor een volledig team van autonome agents, zoals onder meer Qurrent of AuxoAI die aanbieden.

Stap 3: onboarding

De eerste onboardingfase duurt ongeveer twee weken. In die periode heeft de AI-agent toegang nodig tot systemen en een basistraining.

Stap 4: management

Stel realistische verwachtingen en stuur zowel AI-agents als menselijke teamleden effectief aan. Corrigeer waar nodig via feedback, hertraining en het bijstellen van parameters.

Stap 5: groei en evolueer mee

Volg externe veranderingen zoals regelgeving en marktontwikkelingen op. Speel in op interne wijzigingen op het vlak van strategie en organisatie. Reageer op technologische veranderingen in platforms en databronnen. Ontwikkel jezelf mee als professional in een nieuwe realiteit.Onderkant formulier