Het voorbije jaar is er veel over AI geschreven. Waar het eerst noodzakelijk was de afkorting van Artificial Intelligence toe te lichten, is het nu een begrip waar bijna iedereen zelf al eens mee in aanraking is geweest. Dit is vooral te danken aan het ongekende succes van generatieve AI (Gen AI), denk aan diensten als ChatGPT of Midjourney. 

Ook binnen de logistiek is de interesse in AI geëxplodeerd. De Logistieke Dienstverlener Top 100 – waar ik als jurylid digitalisering jaarlijks een bijdrage aan lever – laat zien dat de Nederlandse logistiek breed aan het experimenteren is geslagen met AI. Vooral Gen AI toepassing heeft veel aandacht. Zo’n 75% van de Top 20, en 40% van de rest, blijkt bezig te zijn met toepassingen zoals chatbots, automatische rapportages en/of customerservice. Een vergelijkbaar beeld komt ook naar boven uit het grote klantenonderzoek (2024 Voice of Our Clients - Transportation & Logistics) dat vanuit CGI jaarlijks gedaan wordt en gepubliceerd wordt. Slechts 11% van de 74 gesproken partijen binnen de logistiek geeft aan geen toepassing voor Gen AI te zien binnen de eigen organisatie. 

Cruciale technologie

Recentelijk werd Gen AI door Cook, Hagiu en Wright (in de Harvard Business Review) gepositioneerd als cruciale technologie voor het voortbestaan van organisaties. Het helpt je kosten besparen, een efficiency slag te maken, en te verduurzamen. Daarbij is de technologie ook zeer toegankelijk. McKinsey concludeerde onlangs dat 88% van de gebruikers van Gen AI een niet (traditioneel) technische rol hebben. Met andere woorden: er zijn geen, of weinig, gespecialiseerde technische of analytische vaardigheden vereist om met de technologie aan de slag te gaan – dit in tegenstelling tot traditionele AI. Laten we er eens één van de meest genoemde toepassingen uitlichten: de inzet van Gen AI voor online chatbots of e-mail afhandeling bij customer service. Dit was in het verleden heel moeilijk automatiseerbaar en daardoor erg arbeidsintensief. Een taalmodel brengt daar verandering in doordat het geschreven tekst weet te interpreteren, de essentie van de vraag doorziet en geautomatiseerd een antwoord kan genereren (eventueel aangevuld met data uit een database, denk bijvoorbeeld aan ETA informatie). De ervaring leert wel dat het nog verstandig is om (zeker de eerste tijd) een mens mee te laten kijken bij de antwoorden van de Gen AI bots. Met dit soort technologie kan een customer service afdeling met minder mensen, sneller, betere antwoorden geven aan haar klanten. 

Voorspellen en analyseren

Bekijk je vervolgens de toepassing van meer traditionele AI binnen logistiek, dan zie je dat de verwachtingen hoog zijn, maar dat echte grootschalige toepassing nog achterblijft. In de Top 100 werd duidelijk dat het primair de grote partijen zijn die bezig zijn met (meer traditionele) AI toepassing binnen de operatie. Zij zijn bezig met (eerste) toepassingen van AI binnen route-optimalisatie / minimaliseren van lege kilometers, volumevoorspellingen, personeelsplanning, predictive analytics, en beeldherkenning. Deze AI – deels ingekocht, deels zelf ontwikkeld – vraagt meer specialistische kennis en investeringen, wat logischerwijs eenvoudiger te realiseren is binnen grotere organisaties. Tegelijkertijd is de toepassing van AI naar verwachting een cruciaal bouwblok richting de logistiek van de toekomst, zoals het Europese ALICE consortium vorige maand krachtig beargumenteerde in een whitepaper: bijna alle logistiek wordt immers gekenmerkt door een fluctuerende vraag, betrokkenheid van meerdere actoren met verschillende doelstellingen/belangen, en complexe soms ketenbrede optimalisatie vraagstukken. Vertaald naar toepassingen gaat het dan over inzet van AI voor: sensing, thinking, acting – om het te vatten in de termen zoals door TNO gehanteerd in haar positionpaper over AI toepassing in mobiliteit en transport uit 2020. 

Het goede nieuws is wat mij betreft dan ook dat AI bij steeds meer logistieke bedrijven op de radar staat. Partijen bewegen nadrukkelijk in een eigen tempo, waarbij velen ontdekken dat het inregelen van een goede data infrastructuur (kwaliteit, volume, en goed ontsloten) cruciaal is. Het begint met experimenteren (doe dit zelf, met ketenpartners, concullega’s, een specialist, of met studenten), op basis van usecases die vanuit de gehele organisatie komen – zoals ook Koppenol en Mosmans (2023) van het Rotterdamse AI Port Center benadrukken – en vervolgens zien wat er wel en wat er niet werkt om daarop bij te sturen. 

Het voornaamste is AI echt serieus te nemen. De toekomst van logistiek draait op data, en je kunt het je als logistieke organisatie niet veroorloven hier niet in mee te gaan. 

Dit artikel verscheen eerder op Logistiek.nl en in het papieren versie van Logistiek Magazine.