In het vorige artikel schreef ik over de paradox: AI voelt als hype, maar wordt tegelijk zwaar onderschat. Niet omdat de technologie tekortschiet, maar omdat bijna iedereen het verkeerd gebruikt.
De meeste bedrijven zitten in wat ik playtime mode noem. ChatGPT voor research, emails, samenvattingen, offertes. Nuttig, maar niet de revolutie. De revolutie is processen herontwerpen die voorheen onmogelijk waren.
Om daar te komen, moet je drie fundamentele dingen op orde hebben. En vrijwel niemand is ermee bezig.
1. Je systemen moeten met software kunnen praten
Het simpelste punt, maar niemand heeft het erover: als software geen toegang heeft tot je data, kun je weinig met AI.
ChatGPT werkt omdat je tekst in een vakje typt. Maar zodra een AI-agent iets moet doen in je ERP, planning of MES, moet het systeem toegankelijk zijn voor software—automatisch, zonder handmatige tussenkomst.
Wat is een API?
API staat voor Application Programming Interface. Het is een toegangspunt waardoor software met andere software kan praten. Denk aan een drive-through: je vraagt iets, je krijgt het, zonder naar binnen te hoeven.
Software kan bijvoorbeeld vragen "geef me alle openstaande orders" en het systeem levert die informatie direct aan.
Waarom meer dan 80% van alle ERP-systemen niet geschikt is
De meeste ERP-systemen zijn gebouwd voor mensen die op knoppen klikken en formulieren invullen. Ze hebben ofwel:
- Geen API
- Een betaalde API (onlogisch, want integraties maken je product juist waardevoller!)
- Een slecht gebouwde API (... Don't get me started..)
- Geen documentatie
Het resultaat: je kunt AI wel gebruiken voor samenvattingen, maar niet voor processen die echt werk verzetten.
Check daarom: Heeft je systeem een publieke, (gratis) API met goede documentatie? En als bonus: ondersteunt het Model Context Protocol (MCP)?
Dat is de nieuwe standaard voor AI-agents. Anthropic legt uit waarom dit belangrijk is.
2. Je moet een andere manier van denken omarmen
Dit is het moeilijkste punt, omdat het niet gaat om technologie maar om cultuur en aanpak.
De meeste metaalbedrijven hebben gekozen voor een monolithische setup. EĂ©n grote leverancier die "alles doet", of een ecosysteem van partners die allemaal elkaars producten aansmeren.
Je ERP-leverancier heeft een MES-module, die MES-leverancier heeft weer een planning-tool. Allemaal van dezelfde club, allemaal "naadloos geĂŻntegreerd".
Het klinkt veilig en gemakkelijk. Maar het is de reden waarom je niet vooruit komt.
Het probleem
Wat gebeurt er als je een functie nodig hebt die ze niet hebben? Als een andere tool beter past? Dan krijg je te horen:
- "Dat zit niet in ons systeem"
- "Dat kunnen we bouwen, maar dat kost extra"
- "Wacht maar op de volgende versie"
Voor AI-driven processen is dat problematisch. Wat jij nodig hebt is specifiek, uniek aan jouw productie. Geen enkele monolithische leverancier gaat dat perfect bouwen.
De verschuiving naar best-of-breed
Je moet gaan denken in best-of-breed applicaties die je zelf integreert.
Voor planning gebruik je de beste planning tool. Voor je shopfloor de beste MES. Voor je data de beste database. En jij zorgt dat ze met elkaar praten via APIs en een centrale hub.
Dit is een cultuurverschuiving: van "wat kan onze leverancier doen" naar "wat hebben wij nodig en hoe maken we het mogelijk". Van wachten naar zelf controle nemen.
In de praktijk betekent dit:
- Kies software die open is en goed integreert
- Investeer in mensen die systemen kunnen koppelen
- Accepteer dat jij verantwoordelijk bent voor hoe alles samenwerkt
Het is ongemakkelijk en nieuw, maar het geeft de flexibiliteit die AI-driven processen vereisen.
3. Je data moet goed georganiseerd zijn—en het gaat om productie
Dit is waar het bij de meeste bedrijven misgaat. De meeste systemen richten zich op het kantoor: ERP, planning, administratie.
Maar de waarde wordt gemaakt in de productie—op de werkvloer, bij de machines, door de operators.
Het probleem met ERP voor productiedata
Een ERP is gebouwd voor transacties: orders, facturen, klantgegevens. Niet voor wat er werkelijk gebeurt op de werkvloer. Niet voor sensordata die iedere seconde binnenkomt, of machine-events die je direct moet interpreteren.
Als je AI-agents wilt die je productie begrijpen, hebben ze toegang nodig tot wat er nu plaatsvindt—niet alleen wat achteraf in het ERP wordt vastgelegd.
De Unified Namespace als oplossing
Je hebt Ă©Ă©n centrale plek nodig waar alle data samenkomt, zowel van kantoor als van de werkvloer. In jouw bedrijfstaal, met jouw definities.
Dat heet een Unified Namespace. Ik heb hier uitgebreid over geschreven, en ook in dit artikel over digitale transformatie.
Het concept: één plek waar alle data doorheen loopt—van machines, sensors, operators, systemen. Toegankelijk en begrijpelijk voor software.
Als je hier meer over wilt weten, heb ik ook een podcast opgenomen met Denis Gontcharov die jarenlange ervaring heeft met implementaties in de maakindustrie.
Het grote punt
Laat me helder zijn:
Als je leverancier geen publieke, gratis API heeft, loop je tegen beperkingen aan.
Als je blijft denken in monolithische oplossingen, mis je flexibiliteit.
Als je productiedata niet organiseert en toegankelijk maakt, mis je kansen.
Zonder deze drie dingen blijf je in playtime mode.
De bedrijven die nu beginnen met deze verschuiving—van leverancier-afhankelijkheid naar zelf-integratie, van kantoor-focus naar productie-focus—bouwen een voorsprong op. Omdat ze de infrastructuur en cultuur hebben waar AI mee kan werken.
Wat volgt
Want wat is die revolutie precies? Hoe ziet Industrie 5.0 eruit voor metaalbedrijven? Dat bespreek ik in het volgende artikel. Als je deze drie dingen op orde hebt, wordt het pas echt interessant.
P.S. Zijn er al oplossingen die dit goed doen? Weinig. Ik heb deze week zelf een MES gebouwd—Eryxon,—dat deze filosofie volgt. Publieke API, MCP support, event-driven architectuur, en data van de werkvloer. Een kleine deeloplossing voor de productie shopfloor, maar gebouwd met het idee dat andere software ermee moet kunnen werken.
Tot volgende week!