Transport en logistiek is geen sector die AI van buiten moet binnenlaten. Planningssoftware, track-and-trace, routeoptimalisatie en warehouse management systemen draaien hier al decennia. Dat geeft een schijn van voorsprong: er is data, er zijn systemen, er is een cultuur van meten en optimaliseren. Maar de volwassenheidsmeting van hybridresourcing laat zien dat dit iets anders is dan AI-gereedheid. Een organisatie kan uitstekend zijn in operationele systemen en toch op de fundamentele dimensies — organisatie, IT-infrastructuur, datamanagement — nog op baseline of foundation-niveau staan. De vraag is niet of er systemen zijn, maar of die systemen met elkaar praten en of de organisatie eromheen is ingericht om daar iets nieuws op te bouwen.
Binnen transport en logistiek loopt de verhouding tussen bedrijven sterk uiteen naar het type activiteit. Een partij die vooral planning en regie doet, met eigen software-ontwikkeling en een IT-afdeling die systemen aan elkaar kan koppelen, zit vaak dichter bij activation of insight. Een partij die vooral uitvoert — rijden, laden, lossen — en werkt met een verzameling deelsystemen van verschillende leveranciers, zit vaak nog op foundation. Het grootste deel van de sector bevindt zich ergens tussen die twee posities, met een fundamentele laag die beter is uitgebouwd dan bij veel andere sectoren, maar met datamanagement dat achterblijft: data staat vaak in silo's per systeem, per vestiging, per klant, zonder dat iemand de eigenaar is van het geheel.
Dat plaatst transport in een aparte positie ten opzichte van sectoren waar juist de organisatiestructuur de bottleneck is. Bij de zakelijke dienstverlening is vaak de dataverzameling zelf het probleem, omdat het werk voor een groot deel bestaat uit ongestructureerde communicatie. In transport is er juist veel gestructureerde data — locaties, tijden, gewichten, temperaturen — maar die data is verspreid over systemen die niet zijn gebouwd om met elkaar te communiceren. Dat is een ander soort achterstand dan een gebrek aan data; het is een gebrek aan samenhang.
In een plot-ronde waarin verschillende mensen los van elkaar scoren, valt in transportbedrijven vaak een herkenbaar patroon op. Operationeel management scoort de IT-infrastructuur hoog, omdat de systemen die zij dagelijks gebruiken goed werken voor hun eigen proces. IT of een CIO scoort diezelfde dimensie lager, omdat zij weten hoeveel handmatig werk nodig is om data tussen systemen over te zetten. Die spreiding is geen meetfout. Het is het verschil tussen een systeem dat werkt voor de taak waarvoor het is gebouwd, en een infrastructuur die geschikt is om nieuwe functionaliteit op te bouwen. Voor AI-toepassingen is vooral die tweede vraag relevant, en die wordt zelden gesteld tijdens de dagelijkse operatie.
De zeven dimensies bouwen op elkaar, en in transport is die opbouw goed te zien. Zonder een datamanagement-laag die informatie uit planningssystemen, telematica en klantportalen samenbrengt, heeft een AI-toepassing niets consistents om op te trainen of te reageren. Bedrijven die deze stap overslaan en direct een AI-pilot starten op één deelproces — bijvoorbeeld voorspellend onderhoud op één vrachtwagentype — merken vaak dat het resultaat niet opschaalt naar de rest van het wagenpark, simpelweg omdat de onderliggende data niet op dezelfde manier is vastgelegd. Dat is geen technisch mankement van de AI, maar een teken dat de fundamentele laag nog niet af is.
Deze volgorde geldt niet alleen voor transport. Bij de agrarische sector speelt eenzelfde probleem met sensordata die per teelt of per bedrijf anders wordt vastgelegd, en bij de detailhandel zie je het terug in voorraad- en verkoopdata die per winkelketen of kanaal apart staat. Transport onderscheidt zich door de omvang van de gestructureerde data die al bestaat, wat de fundamentele stap tegelijk makkelijker en verleidelijker maakt om over te slaan — makkelijker omdat de bouwstenen er zijn, verleidelijker omdat het voelt alsof je al ver bent.
De volwassenheidsmeting van hybridresourcing zet dit patroon op vijf niveaus, van baseline tot intelligence, verdeeld over de zeven dimensies. Voor een transportbedrijf levert dat doorgaans een profiel op met een sterke operationele laag en een zwakkere data- en organisatielaag, met verschillen die per bedrijfsonderdeel of vestiging groot kunnen zijn. Dat profiel zegt niets over of AI wel of niet zal werken, en niets over een tijdspad. Het laat zien welke dimensie op dit moment de andere vasthoudt, en dat is precies de informatie die nodig is voordat een organisatie besluit waar te beginnen. De tool die deze meting uitvoert is in aanbouw; wie hiermee wil werken zodra die beschikbaar is, kan zich aanmelden voor de wachtlijst.
Deze pagina gaat over de vraag of de organisatie AI kan dragen — of de fundamenten van organisatie, infrastructuur en data op orde zijn voordat er iets op wordt gebouwd. Dat is een andere vraag dan welk deel van het werk zelf door AI is over te nemen. Voor die vraag, op het niveau van individuele taken binnen planning, transport en logistieke administratie, is er de werkscan van FTE TO AI: die rekent per taak uit welk deel daarvan AI kan overnemen, ongeacht op welk niveau de organisatie eromheen zich bevindt. Wie wil weten waar de organisatie staat, begint bij deze meting; wie wil weten wat er met het werk zelf gebeurt, vindt dat in de werkscan.
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.