Zes op de tien magazijnen gebruiken AI
Foto: Mecalux / MIT
Gebaseerd op een enquête bij ruim 2.000 logistieke leiders blijkt dat automatisering en AI snel terrein winnen. De gemiddelde terugverdientijd ligt tussen twee en drie jaar, terwijl de vraag naar hoogopgeleide magazijnmedewerkers verder blijft stijgen. De enquête kadert binnen een onderzoek van Mecalux, ontwikkelaar van geautomatiseerde opslagoplossingen, WMS en opslagsystemen, en het MIT Intelligent Logistics Systems (ILS) Lab van het Center for Transportation and Logistics.
De onderzoeksresultaten wijzen op een duidelijke verschuiving in magazijnoperaties wereldwijd. Uit de verzamelde gegevens van 2.000 supply chain- en magazijn professionals in 21 landen blijkt dat AI en machine learning niet langer als experiment worden ingezet, maar een vaste plaats hebben gekregen in de dagelijkse praktijk op het gebied productiviteit, nauwkeurigheid en de evolutie van het personeelsbestand.
Uit de antwoorden blijkt dat meer dan negen op de tien magazijnen inmiddels gebruikmaken van AI of geavanceerde vormen van automatisering. Meer dan de helft van de bedrijven – vooral grotere organisaties met complexe logistieke netwerken over meerdere vestigingen – geven aan op een gevorderd of volledig geautomatiseerd niveau te werken. De toepassing van AI beperkt zich daarbij niet langer tot kleine proefprojecten, maar maakt deel uit van de reguliere werking, zoals orderpicking, voorraadbeheer, onderhoud, personeelsplanning en veiligheidsbewaking.
“De gegevens wijzen op een hoger verwerkingsvolume, meer nauwkeurigheid en een grotere flexibiliteit in intelligente magazijnen”, zegt Mecalux CEO Javier Carrillo. “Nu het hoogseizoen is begonnen, blijken bedrijven die eerder in AI hebben geïnvesteerd beter bestand tegen piekbelasting en verstoringen.”
De studie toont ook aan dat investeringen in AI sneller rendement opleveren dan veel organisaties vooraf verwachtten. De meeste bedrijven besteden tussen 11% en 30% van hun budget voor magazijntechnologie aan projecten die te maken hebben met AI of machine learning. De gemiddelde terugverdientijd bedraagt twee tot drie jaar. Verbeteringen in voorraadnauwkeurigheid, doorvoersnelheid, arbeidsefficiëntie en foutreductie dragen hier in belangrijke mate aan bij.
Daarnaast wijzen de resultaten op een verschuiving van verkennende investeringen naar het structureel uitbouwen van expertise en capaciteit. Daarbij spelen kostenbesparing, hogere klantverwachtingen, personeelsschaarste, duurzaamheidseisen en concurrentiedruk een grote rol bij de keuze om de investeringen op te voeren. Dat toont volgens de onderzoekers aan dat de toegevoegde waarde van AI veel verder gaat dan enkel automatiseren.
Tegelijkertijd wordt duidelijk dat het opschalen van AI gepaard gaat met uitdagingen. Gebrek aan technische expertise, moeizame koppelingen met bestaande systemen, datakwaliteit en implementatiekosten worden het vaakst als hindernissen genoemd. Bedrijven verwachten evenwel dat de verdere toepassing van AI zal versnellen door sterker data- en projectmanagement, betere tools, duidelijkere roadmaps, grotere budgetten en sterkere interne expertise.
De resultaten geven verder aan dat automatisering niet tot personeelsafbouw heeft geleid. Veel organisaties rapporteren net een hogere productiviteit, grotere tevredenheid onder medewerkers en nieuwe kansen binnen het personeelsbestand dankzij AI. Meer dan driekwart van de bedrijven meldt stijgingen in productiviteit en werktevredenheid na de invoering van AI-tools. Meer dan de helft heeft sindsdien zelfs meer personeel in dienst. Nieuwe functies zoals AI- en machine learning-ingenieur, automatiseringsspecialist, procesoptimaliseringsexpert en datawetenschapper worden steeds gebruikelijker. Dat bewijst volgens de onderzoekers dat intelligente automatisering de rol van de mens in magazijnactiviteiten juist vergroot in plaats van verkleint.
Vrijwel alle bedrijven in de enquête zijn van plan AI in de komende twee tot drie jaar verder uit te breiden. In totaal verwacht niet minder dan 87% een hoger budget voor AI en 92% werkt aan nieuwe projecten of bereidt deze voor. De volgende fase richt zich volgens de respondenten vooral op besluitvormende technologieën, waarbij generatieve AI een belangrijke rol speelt. Bedrijven noemen toepassingen zoals geautomatiseerde documentatie, het optimaliseren van magazijnindelingen, het ontwerpen van processtromen en het genereren van code voor automatiseringssystemen. Door die ontwikkelingen verschuift AI steeds verder van het voorspellen van problemen naar het automatisch aansturen van oplossingen.
“Machine learning geeft vooral inzicht in wat er mis kan gaan, terwijl generatieve AI helpt om oplossingen uit te werken”, zegt dr. Matthias Winkenbach, directeur van het MIT ILS Lab. “Bedrijven zien hier vooral toegevoegde waarde voor hun magazijn. Automatisering levert zo directe en tastbare voordelen op, zoals productiviteitswinst, waardoor bestaande systemen soepeler, sneller en met minder verstoringen werken.”
Nu de logistieke sector zijn drukste periode van het jaar ingaat, blijkt dat magazijnen niet alleen verder automatiseren, maar ook sneller evolueren richting intelligente besluitvorming. De onderzoekers besluiten dat datagedreven processen en geautomatiseerde acties onder invloed van AI de komende jaren een steeds meer centrale rol in magazijnbeheer zullen spelen.
