De installatiebranche bestaat uit twee werelden die zelden dezelfde vraag stellen. Aan de ene kant staat het fysieke werk: monteurs die leidingen leggen, apparatuur aansluiten, storingen verhelpen op locatie. Aan de andere kant staat de organisatie eromheen: planning, werkvoorbereiding, administratie, klantcontact, voorraadbeheer. Dat eerste laat zich niet automatiseren; dat tweede wel, in wisselende mate. Die verhouding — veel handwerk, met een organisatorische schil die informatie verwerkt — bepaalt waar AI-volwassenheid in deze sector kan groeien en waar de grens ligt die niet door software wordt opgelost.
De schil is groter dan vaak wordt aangenomen. Werkbonnen, urenregistratie, materiaalbestellingen, planning van monteurs, communicatie met opdrachtgevers en onderaannemers: dit zijn processen die grotendeels uit gegevens en beslisregels bestaan. Of een organisatie daar iets mee kan, hangt niet af van de wil om te vernieuwen, maar van wat er al staat. Een bedrijf dat plant op basis van een whiteboard en telefoontjes heeft een ander vertrekpunt dan een bedrijf met een planningssysteem dat al gegevens verzamelt over doorlooptijden en beschikbaarheid.
Installatiebedrijven die AI proberen, beginnen vaak bij het zichtbare: een chatbot voor klantvragen, een tool die offertes helpt opstellen. Dat werkt tijdelijk, tot blijkt dat de onderliggende data niet consistent is. Materiaalcodes die per vestiging verschillen, urenregistratie die deels op papier gebeurt, klantgegevens die in drie systemen anders heten — dat is geen AI-probleem, het is een datamanagementprobleem dat aan AI voorafgaat.
Ook de organisatiedimensie speelt hier sterker dan in kantoorwerk. Installatiebedrijven werken vaak met een vaste kern en een wisselende groep onderaannemers of tijdelijke krachten. Wie beslist over een nieuw systeem, wie het onderhoudt, en of monteurs zelf gegevens invoeren of dat aan de binnendienst laten — die vragen bepalen of een AI-toepassing wordt gedragen of naast het werk komt te staan. Een systeem dat door de binnendienst is gekozen maar door monteurs in het veld gebruikt zou moeten worden, loopt vaak vast op die overgang.
De fysieke aard van het werk brengt een specifieke IT-vraag met zich mee: mobiele toegang, offline werken op locaties zonder verbinding, koppeling tussen veldwerk en kantoorsystemen. Veel installatiebedrijven hebben deze infrastructuur wel deels opgebouwd — vanuit noodzaak, niet vanuit een AI-strategie — maar niet altijd zo dat systemen met elkaar praten. Een planningstool en een facturatiesysteem die naast elkaar bestaan zonder gedeelde data leveren geen basis op waar AI iets aan kan toevoegen.
Dat is waar deze sector zich onderscheidt van een sector als de zorg, waar de AI-volwassenheid in de zorg vooral wordt afgeremd door regelgeving en verantwoordelijkheid, of van de groothandel, waar AI-volwassenheid in de groothandel meer draait om voorraad- en ordergegevens dan om mobiele infrastructuur. In de installatiebranche is de vraag eerder: bestaat er één samenhangend beeld van een klus, van eerste contact tot oplevering, of valt die informatie uiteen in losse systemen die niemand met elkaar verbindt.
De volwassenheidsmeting van hybridresourcing kijkt naar zeven dimensies, waarvan organisatie, IT-infrastructuur en datamanagement voorafgaan aan de rest. In de installatiebranche is dat een logische volgorde, geen keuze. Zonder eenduidige data over materiaal, uren en klanten heeft geen enkele AI-toepassing iets betrouwbaars om op te bouwen. Zonder infrastructuur die veldwerk en kantoor verbindt, blijft elke toepassing beperkt tot één van de twee werelden. En zonder een organisatie die duidelijk maakt wie verantwoordelijk is voor systemen die door zowel vaste medewerkers als flexibele krachten gebruikt worden, verzandt elk initiatief in onduidelijkheid over eigenaarschap.
Deze branche deelt dat patroon deels met de maakindustrie en de transportsector. Bij AI-volwassenheid in de maakindustrie speelt eveneens de combinatie van fysiek proces en digitale schil, en bij AI-volwassenheid in de transportsector is mobiliteit en gespreide werklocaties een vergelijkbaar vraagstuk. Wie in de installatiebranche werkt, herkent dus een deel van zijn situatie in andere sectoren met veel werk buiten de deur, maar de specifieke combinatie van vergunningen, veiligheidsvoorschriften en materiaalkennis maakt de datamanagement-dimensie hier zwaarder dan elders.
Omdat een plot-ronde meerdere mensen apart laat scoren — een directeur, een planner, een monteur, een IT-verantwoordelijke — wordt zichtbaar of die beelden overeenkomen. In een sector met zo veel verschil tussen kantoor en veld is die spreiding vaak groter dan verwacht, en juist die spreiding is informatief: het laat zien waar een organisatie eensgezind is over haar gereedheid en waar niet.
Deze pagina beschrijft of een organisatie AI kan dragen — of de fundamenten van organisatie, infrastructuur en data op orde zijn. Dat is een andere vraag dan welk deel van het werk AI daadwerkelijk zou kunnen overnemen. Voor die vraag rekent de werkscan van FTE TO AI per taak uit welk deel van het werk voor overname in aanmerking komt, gebaseerd op wat het werk precies inhoudt en niet op de gereedheid van de organisatie erachter. Wie wil weten waar de installatiebranche staat, doet er goed aan beide vragen apart te houden: eerst of de basis er staat, dan pas welk werk daadwerkelijk kan verschuiven.
De tool waarmee deze meting wordt uitgevoerd, is in aanbouw. Wie de volwassenheidsmeting wil doorlopen zodra deze beschikbaar is, kan zich aanmelden voor de wachtlijst.
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.