Transport en logistiek bestaan uit een mix van werk dat sterk uiteenloopt in aard. Planning en routering, orderverwerking, documentafhandeling bij grensoverschrijdend vervoer, track-and-trace-communicatie met klanten, onderhoudsplanning van materieel en de administratieve afhandeling van ritten en facturen nemen samen een groot deel van de kantooruren in beslag. Daarnaast is er het rijdende en uitvoerende werk zelf: laden, lossen, besturen, fysieke controle van lading. Die twee werelden reageren niet hetzelfde op wat AI kan overnemen. Documentverwerking en planning zijn digitaal en herhaalbaar; het fysieke werk is dat vaak niet, of pas na aanzienlijke investeringen in sensoren en voertuigtechniek.
De omstandigheden die de uitkomst sturen, zijn niet overal gelijk. Een bedrijf dat vooral binnenlands en op vaste routes rijdt, heeft een andere planningscomplexiteit dan een bedrijf met wisselende internationale ladingen en douaneformaliteiten. Een wagenpark met sensordata uit voertuigen biedt AI iets om op te trainen; een wagenpark zonder die data niet. Regelgeving rond rij- en rusttijden, douane en gevaarlijke stoffen is bovendien iets waar AI-toepassingen zich aan moeten conformeren, wat de uitrol vertraagt op plekken waar die regels streng gehandhaafd worden.
In planning en routeoptimalisatie is op veel plaatsen al zichtbaar dat software het merendeel van het rekenwerk doet, waarbij een planner de uitkomst beoordeelt en bijstuurt op basis van kennis die het systeem niet heeft: een chauffeur die net terug is van verlof, een klant die liever niet vroeg in de ochtend bezoek krijgt. Dat is het middelste van de drie patronen die door de hele sector lopen: AI draagt het merendeel van het werk, een mens keurt goed of af met reden. Documentcontrole bij internationale zendingen verschuift in vergelijkbaar tempo, waar systemen afwijkingen signaleren en een medewerker de uitzonderingen afhandelt.
Klantcommunicatie over zendingstatus is in een aantal bedrijven al grotendeels geautomatiseerd: een systeem dat afwijkingen meldt zonder dat een mens elk bericht opstelt. Onderhoudsplanning van materieel volgt een ander patroon: voorspellend onderhoud op basis van sensordata kan aangeven wanneer een voertuig aandacht nodig heeft, maar de beoordeling of dat onderhoud nu moet gebeuren of kan wachten tot een geplande stop, blijft mensenwerk zolang de gevolgen van een foute inschatting groot zijn. En het besturen van het voertuig zelf blijft in het overgrote deel van de sector mensenwerk, ook waar autonome technologie wordt getest.
Het verschil tussen bedrijven die dit al zo organiseren en bedrijven die dat niet doen, zit zelden in ambitie. Het zit in wat er aan data beschikbaar is, in hoeveel routine er in het proces zit versus hoeveel uitzonderingen, en in hoe de aansprakelijkheid bij fouten is geregeld. Een planningsafdeling met jaren aan ritdata kan een systeem trainen dat een afdeling zonder die geschiedenis niet kan bouwen. Dat is geen keuze die men maakt, het is een uitgangspositie die men heeft of niet heeft.
Een strategie voor transport en logistiek rust vaak op een aanname over waar de kostenvoordelen en de bottlenecks liggen: bijvoorbeeld dat planning schaars en kostbaar is, of dat documentafhandeling bij grensoverschrijding een vaste doorlooptijd heeft die concurrenten evenmin kunnen verkorten. Als AI die planningscapaciteit vergroot of die doorlooptijd verkort bij een deel van de sector, dan verschuift het speelveld zonder dat er een aankondiging aan voorafgaat. Het plan blijft op papier overeind staan, terwijl de aanname erachter al niet meer klopt.
Dit is precies het patroon dat ook in andere sectoren speelt, met eigen tempo en eigen aanleiding: hoe zakelijke dienstverlening te maken heeft met verschuivende adviestaken en administratieve afhandeling, hoe detailhandel omgaat met geautomatiseerde voorraadsturing en klantcontact, en wat het betekent voor een strategie als een aanname zonder aankondiging vervalt. De onderliggende mechaniek is telkens dezelfde: AI is geen apart project met een startdatum, het is een verandering in de kostenstructuur en snelheid van bepaalde taken die op enig moment de aanname eronder wegtrekt.
Dit is geen uitspraak over wat een individueel bedrijf met zijn personeelsbestand zou moeten doen. Beslissingen over functies en aantallen fte zijn aan de werkgever, en als die keuzes samenhangen met een reorganisatie, gelden daarvoor eigen wettelijke vereisten, los van wat hier beschreven staat. Waar deze pagina over gaat, is de vraag welk werk feitelijk overneembaar is, deels overneembaar met toezicht, of mensenwerk blijft, en wat dat betekent voor de aannames waarop een strategie is gebouwd.
De vraag welk werk in uw bedrijf daadwerkelijk door AI is over te nemen, laat zich niet beantwoorden op sectorniveau. Daarvoor is nodig te kijken naar het eigen proces, de eigen data en de eigen uitzonderingen; dat is wat de werkscan van FTE TO AI per taak in kaart brengt. Een eerste stap, breder dan alleen werkverdeling, is de methode om zelf een horizon van veranderingen in kaart te brengen toe te passen op de eigen strategie. Wie liever direct bij de aannames zelf begint, kan de gratis aannamecheck doen: een korte ronde waarin u de belangrijkste aannames achter uw strategie benoemt en per aanname ziet wanneer die voor het laatst is bevestigd. De volledige drukproef, met sectordata, een zelfplot van het directieteam en een doorlopende aannamelijst, is in aanbouw.
Stel uw vraag. Vaak zit de echte vraag een laag dieper — daar mag ik naar vragen.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.