Het toepassen van kunstmatige intelligentie (AI) in supply chains biedt een revolutie in de manier waarop planning, productie, beheer en optimalisatie worden uitgevoerd. Door enorme hoeveelheden data te verwerken, trends te voorspellen en complexe taken in realtime af te handelen, versterkt AI de besluitvorming en verhoogt het de operationele efficiëntie van supply chains.

Jan Fransoo waarschuwt voor te veel optimisme: "De toekomst van AI in de logistiek en de supply chain is veelbelovend, maar de weg naar het realiseren van dit potentieel is bezaaid met uitdagingen. Het zal nog heel veel technologische doorbraken vergen voordat er echt opgeschaald kan worden".

Een kort overzicht...

AI in supply chain management

De opkomst van geavanceerde technologieën, zoals generatieve AI en tools zoals chatbots, biedt kansen voor AI in supply chain management. Tegelijkertijd heeft de COVID-19-pandemie duidelijk gemaakt hoe kwetsbaar de wereldwijde supply chain is en waarom geavanceerde planningtools cruciaal zijn geworden. Bij Generatieve AI (GenAI), zijn er al veel toepassingen voor routinematige procesondersteuning. GenAI kan mensen vervangen die meestal niet over schaarse vaardigheden beschikken, maar is nog niet geschikt voor de daadwerkelijke optimalisatie van complexe beslissingen, zegt Jan Fransoo.

Albert Heijn gebruikt zelfontwikkelde AI om voedselverspilling op de broodafdeling te verminderen. Het systeem voorspelt per vestiging hoeveel brood er nodig is en prijst resterende producten automatisch af — tot 70% korting, zichtbaar via de app of op schapkaartjes. In de tweede helft van 2025 werd hiermee al 815.000 kilo broodverspilling voorkomen.

Een belangrijk onderdeel van AI is machine learning (ML). Dit stelt systemen in staat om te leren van datasets in plaats van te vertrouwen op voorafgeprogrammeerde instructies. ML gaat verder dan traditionele software: het kan klantvraag voorspellen, patronen identificeren, markten analyseren, tekst en spraak interpreteren en tal van factoren beoordelen om workflows in supply chains te optimaliseren. Het aantal toepassingen blijft groeien.

Visualfabriq biedt oplossingen voor FMCG- en retaildata om consumenteninzicht te leveren. Hun Trade Promotion Master-applicatie helpt bij het plannen, volgen, optimaliseren en evalueren van het volledige promotieproces. Daarnaast biedt hun Retail and Shopper Insights-product inzichten in het koopgedrag van shoppers, waaronder winkelmandanalyse en prijsinzichten.

Shipix DataMaster verzamelt en consolideert orderdata uit elke bron en elk formaat, zonder handmatige invoer. Het systeem extraheert automatisch gegevens uit e-mails, PDF’s, scans en portals, verrijkt deze met historische en externe data en valideert hun juistheid. De gecontroleerde informatie stroomt direct door naar bestaande TMS-, WMS- of ERP-systemen, zonder codering of complexe integraties. Door verschillende formaten van verladers, vervoerders en klanten te standaardiseren, verdwijnen administratieve knelpunten en fouten en wordt de order- tot factuurketen versneld. Teams besteden minder tijd aan overtypen en corrigeren en meer aan planning, service en omzet. Shipix versnelt de documentprocessen en verbetert de datakwaliteit in de logistiek en transport.

PwC gebruikt AI voor een efficiëntere controle bij tankopslag Vopak. Het systeem registreert onder meer automatisch welke klant wanneer om olieverplaatsing vraagt. Nieuwe digitale audits kunnen volgens PwC de kwaliteit van de controle verbeteren en accountantskosten verlagen. Tussen de opslagtanks van tankopslag Vopak in Vlaardingen laat PwC zien hoe de controle van een jaarrekening is veranderd. Niet langer draait het alleen om steekproeven en spreadsheets, maar om data, realtime observatie en kunstmatige intelligentie.

Voordelen

Hoewel het belangrijk is om AI te omarmen, is het essentieel om de voordelen én uitdagingen goed te begrijpen voordat een nieuw systeem wordt geïmplementeerd. Producenten, handelsbedrijven en logistieke dienstverleners moeten hun supply chains voorbereiden op AI-technologie, met het besef dat dit middelen kost.

AI-gestuurde supply chain-systemen helpen bedrijven bij het ontwerpen van producten, het optimaliseren van routes, het stroomlijnen van workflows, het verbeteren van inkoopprocessen, het verminderen van tekorten en het volledig automatiseren van taken.

Siemens gebruikt bij het productontwerp generatieve AI en simulatie. AI-algoritmen kunnen eerdere ontwerpen en simulatiegegevens analyseren om sneller optimale ontwerpen te vinden. In de auto-industrie kunnen AI-gestuurde ontwerptools bijvoorbeeld verschillende prestatiekenmerken van voertuigen simuleren om factoren zoals brandstofefficiëntie, veiligheid en esthetiek te optimaliseren. Deze tools kunnen ook feedback uit praktijkgebruik verwerken om ontwerpen iteratief te verfijnen.

Supply chains zijn vaak complex, vooral voor producenten die afhankelijk zijn van externe partners om goederen op tijd en georganiseerd te leveren. AI kan de balans binnen de hele supply chain bewaken door patronen en relaties te identificeren die traditionele systemen niet kunnen zien. Deze inzichten helpen bij het optimaliseren van logistieke netwerken, van magazijnen tot vrachtschepen en distributiecentra.

In 2019, introduceerde Amazon PDE: Packaging Decision Engine. De Packaging Decision Engine is een AI-model dat is ontworpen om dagelijks miljoenen pakketten te optimaliseren. Samen met andere innovatieve verpakkingsoplossingen heeft de PDE Amazon geholpen om sinds 2015 wereldwijd meer dan 2 miljoen ton aan verpakkingsmateriaal te elimineren.

Pon Logistics: AI verandert de manier waarop transport en logistiek functioneren. AI omvat technologieën die machines in staat stellen te leren, te begrijpen en te reageren. In de logistiek betekent dit slimmere, autonome systemen die besluitvorming ondersteunen, van routeoptimalisatie tot voorraadbeheer. Zo kan een slim, door AI aangestuurd voorraadsysteem de vraag naar bepaalde goederen nauwkeurig voorspellen door historische verkoopgegevens en trends te analyseren. Dit zorgt voor optimale voorraadniveaus en minimaliseert zowel overschotten als tekorten. Bovendien kan de indeling van een magazijn met behulp van AI-algoritmes worden geoptimaliseerd om de efficiëntie te vergroten, waardoor medewerkers sneller de juiste producten kunnen vinden.

Verstoringen opvangen

De omvang van moderne supply chains vraagt om zorgvuldige controle om verstoringen te voorkomen. AI biedt ondersteuning bij voorspellingen, zoals vraagplanning en het voorspellen van productie- en magazijncapaciteit op basis van de klantvraag. Sommige bedrijven benutten AI om inzichten te verkrijgen uit uitgebreide datasets die via Internet of Things (IoT)-apparaten in de supply chain worden verzameld.

AI wordt ook ingezet voor voorraadbeheer en het volgen van markttrends. In dit proces kan AI de zichtbaarheid van de supply chain verbeteren, documentatie automatiseren en gegevens slim invoeren wanneer de eigenaar van goederen verandert.

Nike maakt gebruik van geavanceerde platforms voor vraagvoorspelling en voorraadoptimalisatie, die de regionale faciliteiten ondersteunen. Door deze innovaties heeft Nike de capaciteit voor digitale orders in Noord-Amerika, Europa, het Midden-Oosten en Afrika verdrievoudigd. In de distributiecentra heeft Nike meer dan 1.000 cobots (samenwerkende robots) geïntroduceerd. “De uitdagingen en beperkingen van de pandemie hebben onze teams gestimuleerd om te vernieuwen in de manier waarop we consumenten bedienen, door nieuwe technologieplatforms, automatisering en procesverbetering te implementeren,” zegt Chief operating officer Andrew Campion. Het regionale distributienetwerk van Nike wordt aangedreven door geavanceerde technologieën die helpen de consumentenbehoeften één-op-één te voorspellen, te plannen en te vervullen.

AI verhoogt de transparantie voor producenten en biedt waardevolle inzichten aan alle belanghebbenden in de supply chain. De verbeterde transparantie door AI leidt tot tijd- en kostenbesparingen. Bovendien helpt het bedrijven te voldoen aan ethische en duurzaamheidsnormen, die voorheen vaak tijdrovend en kostbaar waren.

Unilever zet AI-tools in om snel alternatieve leveranciers te vinden en mee in contact te komen tijdens onverwachte verstoringen. Door AI te gebruiken voor het ontdekken en vooraf kwalificeren van leveranciers, vergroot Unilever de veerkracht van zijn toeleveringsketen en ondersteunt het de toewijding om wereldwijd in te kopen bij diverse bedrijven.

Risico's en uitdagingen van AI

De implementatie van AI kan ingewikkeld zijn, en bedrijven moeten de uitdagingen en risico's van het invoeren van deze nieuwe technologie begrijpen. Jan Fransoo ziet volop kansen. Door de lange implementatieduur is het echter zeer uitdagend om het volledige potentieel te bereiken. Dit komt vooral doordat nieuwe technologieën zich tegelijkertijd ontwikkelen. 

De 'human factor'

Bij de introductie van een nieuwe technologie is het trainen van medewerkers essentieel. Dit kost tijd. Het is daarom verstandig om dit goed voor te bereiden en in te plannen om verstoringen tot een minimum te beperken. Alle professionals binnen de supply chain moeten zich bewust zijn van mogelijke downtime en transparant communiceren met partners over de impact daarvan.

C.H. Robinson positioneert zich als een logistieke “AI-disruptor” door kunstmatige intelligentie diep in zijn operationele processen te integreren. Met zijn zogeheten Lean AI-strategie automatiseert het bedrijf miljoenen taken in de logistieke keten, zoals prijsberekening, orderverwerking, capaciteitsplanning, afspraken voor laden en lossen, tracking en facturatie. Daardoor stijgt de productiviteit met meer dan 40 procent en worden dagelijks duizenden uren handmatig werk bespaard. AI-agents lossen bijvoorbeeld automatisch problemen op, zoals gemiste LTL-pickups en nemen contact op met vervoerders. Dankzij enorme hoeveelheden historische transportdata kan C.H. Robinson nauwkeuriger voorspellen, sneller beslissen en medewerkers vrijmaken voor complexere supply-chainbeslissingen.

Investeringen

Het implementeren van AI brengt diverse investeringen met zich mee. Naast de softwarekosten moeten ook de kosten van machine learning-modellen worden overwogen. Deze modellen kunnen vooraf worden gebouwd of vanaf nul worden ontwikkeld, afhankelijk van de voorkeur van het bedrijf. In beide gevallen is het belangrijk om het model te trainen met eigen, schone historische gegevens voordat AI-algoritmen worden geïmplementeerd.

Complexe systemen

De werkzaamheden stoppen niet zodra AI is geïmplementeerd. Een AI-systeem op wereldwijde schaal is complex en vereist dat supply chain-planners voortdurend monitoren hoe de tools presteren en indien nodig bijsturen. Bij het integreren van AI in supply chains zijn drie veelvoorkomende risico's:

Onnauwkeurigheid van data

AI wordt gebouwd en gegenereerd op basis van grote hoeveelheden data uit verschillende bronnen. Vanwege de aard van deze data kunnen er onnauwkeurigheden en vooroordelen in voorkomen, wat kan leiden tot de verspreiding van onjuiste informatie. Daarom is menselijke controle nodig om ervoor te zorgen dat de data eerlijk, onpartijdig en verklaarbaar is.

Grote afhankelijkheid van AI

Menselijke interactie moet de superieure oplossing blijven en de sleutelrol spelen in het beheer en de aanpak van supply chain-risico's. AI is een hulpmiddel en kan geen relaties opbouwen. Er bestaat een misvatting dat AI menselijke intelligentie kan vervangen, maar in werkelijkheid zou AI deze moeten aanvullen. Bovendien, als de technologie faalt, moeten menselijke experts de supply chain operationeel houden.

Beveiligings- en privacyrisico's

Het meer verzamelen en gebruiken van klantgegevens voor AI-modellen vergroot de risico's op toezicht, hacking en cyberaanvallen. Bedrijven moeten de privacy en gegevensrechten van consumenten prioriteren en beschermen, met expliciete garanties over hoe gegevens worden gebruikt en beveiligd.

Wat te doen in de praktijk?

• Beoordeel de bedrijfsbehoeften: Definieer doelstellingen en identificeer specifieke doelen of uitdagingen die met AI-oplossingen kunnen worden aangepakt.
• Kies de juiste aanbieders: Selecteer AI-tools en -aanbieders die aansluiten bij de eisen van de organisatie.
• Gebruik hoogwaardige data: Investeer in robuuste processen voor dataverzameling en -opschoning om de nauwkeurigheid van voorspellingen te verbeteren.
• Betrek stakeholders: Informeer alle betrokkenen over de voordelen van AI-systemen en hoe deze gebruikt kunnen worden. Stel daarnaast praktijken op voor gegevensprivacy, eerlijkheid en het beperken van bias voor goed bestuur.
• Monitor en verbeter continu: Evalueer en verfijn AI-modellen voortdurend om ze aan veranderende marktomstandigheden aan te passen.

Meer weten?

Voor een goed boek over AI. Lees De AI Revolutie van Maarten Sukel. In het fascinerende boek De AI-revolutie beschrijft deskundige Maarten Sukel van binnenuit hoe de nieuwe technologie de samenleving verandert. AI doet de grenzen tussen werkelijkheid en fictie vervagen, kan stereotypes versterken en voor meer ongelijkheid zorgen. Maar AI kan ook bijdragen aan de oplossing van grootschalige problemen, zoals klimaatverandering, vergrijzing en voedseltekorten.

Lees ook: ALICE presents white paper about artificial intelligence in logistics

Lees ook: The critical role of strategic workforce planning in the age of AI

Lees ook: A Theoretical Framework for Graph-based Digital Twins for Supply Chain Management and Optimization

Lees ook: From pilots to performance: How COOs can scale AI in manufacturing

Lees ook: AI moves from hype to operational performance in supply chains 

Walther Ploos van Amstel.