De groothandel is van oudsher een sector van marges, volumes en logistieke precisie. Data staat er al decennia centraal — voorraadniveaus, orderregels, leveranciersprijzen, margeberekeningen. Dat geeft de indruk dat deze sector een voorsprong zou moeten hebben op het gebied van AI. Tegelijk is die data vaak verspreid over systemen die niet met elkaar praten: een ERP-pakket van jaren geleden, aparte voorraadsoftware, een CRM dat los staat van de facturatie, spreadsheets die de gaten dichten die de systemen laten liggen. De hoeveelheid data is dus geen goede voorspeller van AI-volwassenheid in deze sector. De structuur waarin die data staat, is dat wel.
Dat verschil is bepalend voor hoe pilots aflopen. Een groothandel die investeert in een AI-toepassing voor vraagvoorspelling of inkoopoptimalisatie ontdekt vaak dat het probleem niet in het model zit, maar in wat het model te eten krijgt. Voorraadgegevens die niet aansluiten op verkoopdata, klantsegmentatie die per vestiging anders is ingericht, prijsafspraken die in mailwisselingen staan in plaats van in een systeem. De pilot werkt in de testomgeving en loopt vast zodra hij de organisatie in moet.
Groothandels variëren sterk in schaal en organisatievorm — van familiebedrijven met een compacte structuur tot grote distributeurs met meerdere vestigingen en een gelaagd management. Die variatie werkt door in AI-volwassenheid. Bij kleinere, overzichtelijke organisaties is de afstand tussen directie en werkvloer kort, wat besluiten over datamanagement en IT-infrastructuur kan versnellen zodra men het belang ervan ziet. Bij grotere, gedecentraliseerde organisaties loopt die afstand via meerdere lagen, en wat op het ene distributiecentrum een uitgewerkt proces is, kan op het andere nog los zand zijn.
Dit is precies waarom een plot-ronde in deze sector vaak zichtbaar maakt wat een enkel gesprek niet laat zien. Wanneer een CEO, een COO, een CIO en een vestigingsmanager onafhankelijk van elkaar scoren op dezelfde zeven dimensies, blijkt geregeld dat de directie de datakwaliteit hoger inschat dan de mensen die er dagelijks mee werken. Dat verschil is geen meningsverschil dat opgelost moet worden — het is informatie over waar de organisatie werkelijk staat.
De zeven dimensies van de volwassenheidsmeting zijn niet gelijkwaardig in volgorde. Organisatie, IT-infrastructuur en datamanagement zijn de fundamentele dimensies: zij bepalen of er iets is om op te bouwen. Dimensies als governance, vaardigheden en cultuur zijn daarvan afhankelijk. Een groothandel die wil starten met AI-gedreven inkoopadvies, maar waarvan de voorraaddata in drie systemen staat die elkaar tegenspreken, mist niet de ambitie maar de basis. Dat is geen kwestie van meer trainen of meer draagvlak creëren — dat is een datamanagement-vraagstuk dat eerst een antwoord nodig heeft.
Deze volgorde verklaart ook waarom pilots in de groothandel vaak op niveau foundation of activation blijven hangen. De organisatie heeft een AI-toepassing aangeschaft of laten bouwen — dat is zichtbaar en aantoonbaar — maar de fundamenten waarop die toepassing zou moeten draaien, zijn nooit op orde gebracht. Het resultaat is een tool die naast het werk staat in plaats van erin.
De vraag is niet of uw groothandel klaar is voor AI in algemene zin — dat is een vraag zonder bruikbaar antwoord. De vraag is op welke van de zeven dimensies uw organisatie stevig staat en op welke niet, en of dat beeld overeenkomt tussen de mensen die erover beslissen en de mensen die ermee werken. Die vergelijking is precies waar de volwassenheidsmeting op is gebouwd: vijf niveaus, zeven dimensies, en een plot-ronde die spreiding zichtbaar maakt in plaats van wegpoetst.
De uitkomst verschilt sterk per bedrijf, ook binnen de groothandel. Sommige worstelingen die deze sector kent, delen ze met de transportsector, waar volumegedreven logistiek eveneens vraagt om datamanagement dat organisatiebreed klopt. Andere overeenkomsten liggen bij de maakindustrie, waar productie- en voorraadprocessen vergelijkbare eisen stellen aan IT-infrastructuur. En wie handelt met veel kleine, verspreide klantrelaties herkent zich mogelijk in wat er speelt in de detailhandel, waar data over klanten en transacties evenmin vanzelf op één plek terechtkomt.
De volwassenheidsmeting van hybridresourcing wordt momenteel gebouwd. Wie de meting wil doorlopen zodra die beschikbaar is, kan zich op de wachtlijst plaatsen. Er wordt hier niets verkocht dat nog niet bestaat — alleen de mogelijkheid om als eerste te horen wanneer het wel bestaat.
Deze meting beantwoordt de vraag of uw groothandel de fundamenten heeft om AI te dragen — de organisatie, de infrastructuur, het datamanagement waarop alles verder rust. Zij beantwoordt niet de vraag welk deel van het werk in uw voorraadbeheer, orderverwerking of inkoop daadwerkelijk over te nemen is door AI. Die vraag ligt bij de werkscan van FTE TO AI, die per taak berekent welk deel van het werk zich daarvoor leent. Beide vragen horen bij elkaar, maar in een vaste volgorde: eerst weten of de grond draagt, dan pas wat erop gebouwd kan worden.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.