VCM_042026_LR

DIGITALE TRANSFORMATIE

kans dat zo’n project vroeg of laat spaak loopt, is dan reëel. Daarnaast zijn onvoldoende datakwaliteit, een verkeerde interpretatie van de resultaten en een blind vertrouwen in de modellen belangrijke valkuilen.” VCM: Heeft u ook tips om de slaagkansen te verhogen? S. Pauly: “Zoals aangehaald is het in elk geval cruciaal om te weten welke problemen je met AI wil aanpakken en te focussen op de use cases met de grootste businesswaarde. Het best is om klein te starten en stap voor stap te leren. Ik raad aan te starten met een concrete, afgebakende use case. Durf te beginnen en wacht zeker ook niet tot alles perfect werkt. Bedrijven die bereid zijn om te experimenteren, hebben vaak een voorsprong op de bedrijven die daar weigerachtig tegenover staan. Verder adviseer ik te investeren in interne kennis over data en AI.” “Ook belangrijk is dat de gebruikers leren om AI te vertrouwen en tegelijk kritisch te blijven. Wij hanteren op dat vlak een ‘hum ble AI’-benadering. Daarbij werken we met ‘prediction scores’ die aangeven hoe zeker we zijn van een specifieke voorspelling. Op die manier krijgen gebruikers meer inzicht in de betrouwbaarheid van voorspellingen, wat de acceptatie ten goede komt.” VCM: “Hoe ziet u AI de komende vijf jaar binnen dit domein verder evolueren?” S. Pauly: “Forecasting zal in elk geval steeds meer AI-gedreven worden. Nieuwe modellen kunnen tegenwoordig met minimale input al goede voorspellingen doen. Dat zal alleen maar verbeteren. Ik geloof ook sterk in de kracht van de time series foundation models waar ik het net over had. Daarnaast verwacht ik veel van agentic AI op het vlak van procesautoma tisering. Tot slot kan deep reinforcement learning het mogelijk maken ook beslissin gen zoals besteladviezen steeds meer te automatiseren.” TC

Met agentic AI evolueren we naar systemen die niet alleen analyseren, maar ook handelen. De bedoeling is uiteindelijk te komen tot een netwerk van agents die elk een deel van het proces op zich nemen en met elkaar samenwerken.

technologie nodig heeft om haar werk goed te kunnen doen?” S. Pauly: “Er wordt soms gedacht dat je AI moet kunnen voeden met enorme hoeveelheden data vanuit de organisatie. Dat is een misvat ting. Het is wel belangrijk dat je kwalitatieve data hebt. De snelle ontwikkeling van ‘foun dation models’ maken het bovendien mogelijk met minder bedrijfsspecifieke data toch waar devolle inzichten te genereren. Foundation models zijn grote AI-modellen die op enorme hoeveelheden data zijn getraind. Ze bevatten een basislaag met kennis over een bepaald domein (bijvoorbeeld taal) en kunnen vervol gens heel data-efficiënt verschillende taken binnen dat domein aanleren. Op die manier kun je met beperkte bedrijfsdata heel eenvou dig toch veel waarde uit AI halen. Een voor beeld van zo’n foundation model is GPT-4, wat dan een ‘language foundation model’ is. Je hebt vandaag ook ‘time series foundation models’, die leren van veel verschillende tijds reeksen tegelijk en kunnen worden ingezet voor forecasting. Zo wordt AI breder inzetbaar, wat de drempel kan verlagen, zeker voor klei nere organisaties die niet over grote databan ken beschikken.”

VCM: “U had al aangehaald dat forecasting een van de meest logische pistes is om met AI te starten. Zijn er ook domeinen waar u van daag nog maar weinig meerwaarde ziet.” S. Pauly: “Dan denk ik bijvoorbeeld aan beslis singsoptimalisering, zoals het bepalen van bestelvolumes. Daar geeft traditionele wis kundige optimalisering vaak nog betere resul taten. Maar hoewel de meerwaarde van AI er nog beperkt is, ligt daar paradoxaal misschien wel het grootste potentieel. Mocht AI ook op dat vlak een doorbraak kennen, dan kan dat een grote impact hebben op de prestaties van bedrijven. ‘Deep reinforcement learning’, een deelgebied binnen AI, biedt hier veel moge lijkheden en zie ik in de toekomst wel door breken.” Tips voor een succesvolle imple mentatie VCM: “Hoewel de technologie tegenwoordig al mooie kansen biedt, blijft het succes van AI-projecten geen evidentie. Waar schuilen de grootste risico’s? S. Pauly: “Wat we vaak merken, is dat bedrijven te groot willen beginnen. Ze kiezen meteen voor grote en complexe toepassingen. De

33

VALUE CHAIN MANAGEMENT - MAART-APRIL 2026