De maakindustrie is geen uniforme sector. Er is de productievloer, waar fysiek werk, machinebediening en kwaliteitscontrole samenkomen. Er is de planning, die orders, materialen en capaciteit op elkaar afstemt. Er is de administratie rond inkoop, voorraad en facturatie. En er is klantcontact, van offerteaanvraag tot leveringsafspraak. In dit soort bedrijven zit het grootste deel van de kantooruren in plannen, communiceren en administreren rond het productieproces, niet in het fysieke werk zelf. Dat fysieke werk vraagt vaak nog mensenhanden, ook al is machinebediening al lang niet meer volledig handmatig.
Wat deze sector bijzonder maakt, is de combinatie van veel losse systemen. ERP voor planning, een apart pakket voor voorraad, een CRM voor klantcontact, en op de vloer soms nog Excel-lijsten of papieren werkorders naast digitale systemen. Die versnippering bepaalt sterk wat AI wel en niet goed kan overnemen: een taak die in één systeem draait, is makkelijker te automatiseren dan een taak die langs vier systemen en twee afdelingen reist. Daarnaast speelt regelgeving een rol, denk aan certificering, traceerbaarheid van materialen en veiligheidsvoorschriften. Waar een fout gevolgen heeft voor veiligheid of naleving, ligt de lat voor volledige automatisering hoger.
Binnen de maakindustrie zijn er taken die grotendeels regelgebonden zijn en weinig beoordeling vragen. Denk aan het versturen van standaardbevestigingen na een orderplaatsing, het bijhouden van eenvoudige voorraadmutaties op basis van vaste regels, of het genereren van standaarddocumentatie zoals pakbonnen. Ook communicatie die weinig afhangt van de specifieke situatie leent zich hiervoor. Zo kan kan AI welkomstberichten versturen aan nieuwe klanten overnemen vaak volledig door AI worden gedaan, omdat de inhoud grotendeels vaststaat en de gevolgen van een klein foutje beperkt zijn. Hetzelfde geldt vaak voor het versturen van herinneringen over afspraken of leveringen, waarbij ook relevant is of kan AI afspraakherinneringen versturen overnemen in dat proces past. De gemeenschappelijke factor is: vaste inhoud, lage inzet bij een fout, en een duidelijk moment waarop de taak start.
Het grootste deel van het werk in de maakindustrie valt in deze middencategorie. Denk aan het opstellen van productieplanningen, waar AI een voorstel kan doen op basis van orders en capaciteit, maar een planner de uitzonderingen, spoedorders en machinestoringen moet beoordelen. Denk ook aan het uitgeven van werkorders naar de vloer: een systeem kan de order klaarzetten en routeren, maar de vraag of dit zonder controle kan, hangt af van hoe voorspelbaar het proces is. Op de pagina over kan AI werkorders uitgeven aan de productievloer overnemen staat waar die grens precies ligt. Ook kwaliteitscontrole op basis van sensordata of beeldherkenning valt vaak in deze categorie: AI signaleert afwijkingen, een mens beoordeelt of dat een afkeuring rechtvaardigt en waarom. Bij deze taken is het niet zozeer de complexiteit van de handeling die telt, maar de noodzaak van een oordeel met een reden erbij, iets wat toezicht met goedkeuring of afkeuring vereist in plaats van volledige automatisering.
Sommige taken blijven vooralsnog mensenwerk, en dat is geen kwestie van voorkeur maar van aard van het werk. Fysieke handelingen op de vloer, het fijnafstellen van machines op basis van ervaring, en het onderhandelen met leveranciers over prijs en levertijd vragen om inschatting, onderhandelingsruimte en fysieke aanwezigheid die AI niet kan leveren. Ook complexe klachtafhandeling, waarbij een klant een technisch probleem meldt dat niet in een standaardcategorie past, vraagt om iemand die kan doorvragen en verantwoordelijkheid kan nemen voor een oplossing. Dat is een ander soort werk dan de vergelijkbare klantcontacttaken die je ziet in wat kan AI overnemen in de zakelijke dienstverlening, waar minder fysieke context meespeelt.
De verdeling tussen deze drie categorieën verschilt sterk per bedrijf, en zelfs per productielijn binnen een bedrijf. Een fabriek met één geïntegreerd ERP-systeem en gestandaardiseerde producten kan meer taken in categorie 1 en 2 plaatsen dan een bedrijf dat op maat produceert met wisselende specificaties per order. Ook de mate van regelgeving speelt mee: sectoren met strenge traceerbaarheidseisen, zoals voedsel- of farmaceutische productie, houden meer taken in categorie 2 en 3 dan sectoren met minder verplichtingen. Dit patroon van versnippering en regelgeving zie je overigens ook terug in aangrenzende sectoren, zoals te lezen valt in wat kan AI overnemen in de transportsector, waar planning en klantcommunicatie eveneens een grote rol spelen.
Belangrijk is ook dat deze indeling niets zegt over personeelsbeslissingen. Of en hoe een organisatie de uren die vrijkomen anders inzet, is een keuze die bij de werkgever ligt en waarvoor, als het om ontslag of reorganisatie gaat, eigen wettelijke vereisten gelden. Deze pagina beschrijft alleen welke taken zich lenen voor overname door AI en welke niet, niet wat daarmee zou moeten gebeuren.
Om te zien hoe deze drie categorieën zich verhouden binnen uw eigen taken, kunt u de gratis quickscan van ftetoai invullen: twaalf vragen, zonder account, met als uitkomst een indicatie van welk deel van de uren in uw profiel vandaag door AI is over te nemen. De volledige werkscan, die dieper ingaat op individuele taken en processen, is nog in aanbouw en wordt op dit moment niet aangeboden. De quickscan geeft wel een eerste, vrijblijvend beeld van waar in uw situatie de ruimte zit.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.