VCM_092026_LR

DIGITALE TRANSFORMATIE

bepalen welk probleem we willen oplossen om daar vervolgens de juiste AI-techniek op los te laten.

geren op veranderingen en vormt tegelijk de basis om verschillende mogelijke toekomsts cenario’s naast elkaar te zetten.” Van één plan naar een ‘plan of plans’ Een belangrijk element binnen de visie van Lora Cecere is het concept van het ‘plan of plans’. “Klassieke planningssystemen vertrek ken van één forecast die stap voor stap wordt verfijnd. Die manier van werken is niet langer houdbaar bij de huidige mate van onzeker heid”, meent ze. “Vergelijk het met de manier waarop meteorologen orkanen voorspellen. Ze maken niet één voorspelling, maar tiental len mogelijke scenario’s die voortdurend wor den aangepast wanneer er nieuwe informatie beschikbaar is.” Volgens haar zou supply chain planning op een vergelijkbare manier moeten functione ren. Zo zouden organisaties meerdere plau sibele scenario’s parallel moeten ontwikke len en voortdurend actualiseren. Vervolgens kan met behulp van AI, op basis van actuele marktsignalen, worden bepaald welk scenario het meest waarschijnlijk wordt en welke acties daaraan kunnen worden gekoppeld. L. Cecere: “Daarbij moet er niet enkel aandacht zijn voor orderdata, maar zeker ook voor marktdata. Orders lopen immers vaak weken of maanden achter op de werkelijke markt vraag. Externe signalen bieden veel sneller inzicht in veranderende omstandigheden en kunnen de planning veel proactiever maken. Daar zit meteen ook een grote meerwaarde van AI: niet in het maken van één betere fore cast, maar wel in het evalueren van verschil lende mogelijkheden in de toekomst.” Lora Cecere vindt AI pas echt waardevol wan neer bedrijven ook de architectuur onder hun planning herdenken om met meerdere scena rio’s en plannen te kunnen werken. Bedrijven kunnen daarom het best investeren in een moderne datafundering. Ze pleit bijvoorbeeld voor een nieuwe masterdatalaag waarin alle relevante informatie semantisch met elkaar wordt verbonden via een ‘knowledge graph’

gerecht hebt gecreëerd. Misschien zul je zo wel beperkte efficiëntiewinst boeken, maar de onderliggende problemen blijven dezelfde.” Aandacht voor de dynamiek van de supply chain Lora Cecere vraagt ook aandacht voor de dynamiek van de supply chain. “Een verande ring in de vraag kan gevolgen hebben voor voorraad, productie en sourcing, terwijl pro blemen bij een leverancier of in de productie op hun beurt de commerciële mogelijkheden beïnvloeden. Als je elke functie afzonder lijk optimaliseert, loop je het risico dat je die onderlinge afhankelijkheden uit het oog ver liest.” “Je moet eerst bepalen welk probleem Daarom is volgens haar een meer bidirectio nele orkestratie nodig. In veel klassieke plan ningsprocessen loopt de informatiestroom vooral in één richting: vanuit de planning worden beslissingen doorgestuurd naar de uitvoering. Maar informatie moet ook in de andere richting bewegen. Nieuwe signalen vanuit leveranciers, productie, logistiek of de markt moeten snel terugvloeien naar de plan ning, zodat plannen en beslissingen voortdu rend aan de werkelijke situatie kunnen wor den aangepast. “AI kan daarbij helpen door veel meer signalen tegelijk te verwerken en zichtbaar te maken hoe veranderingen zich doorheen de keten voortplanten”, gaat ze verder. “Zo ontstaat een dynamischer planningsproces waarin planning en uitvoering elkaar voortdurend voeden. Dat maakt het mogelijk sneller te rea je wilt oplossen, om daar vervolgens de juiste AI-techniek op los te laten.”

Weg van één universeel planningsmodel

Om AI-oplossingen optimaal in te zetten, moeten organisaties in de eerste plaats hun mindset veranderen. Een groot pijnpunt ligt vandaag in de manier waarop bedrij ven hun supply chain planning organiseren. “Vaak behandelen ze alle producten alsof ze dezelfde kenmerken hebben en door dezelfde planningslogica kunnen worden gestuurd”, zegt Lora Cecere. “In werkelijkheid bestaan er evenwel meerdere supply chains naast elkaar. Een beperkt deel van het assortiment kent een stabiele vraag en kan daarom uiterst efficiënt worden gepland, maar een groot deel wordt gekenmerkt door een grote onzekerheid, sterk wisselende vraagpatronen en korte levenscy cli.” Daarom pleit ze voor een veel dynamischere benadering waarbij AI de producten auto matisch kan groeperen op basis van hun ken merken. Vervolgens kan het systeem voor elke productstroom bepalen welke forecastingme thode, databronnen en manier van plannen het meest geschikt zijn. L. Cecere: “Besef ook dat niet elke supply chain maximaal efficiënt hoeft te zijn. Sommige zul len bijvoorbeeld vooral wendbaar moeten zijn om snel te kunnen inspelen op veranderingen in vraag en aanbod, waardoor je moet inboe ten op efficiëntie. Verder besteden bedrijven vaak te veel aandacht aan onzekerheden aan de aanbodzijde, terwijl er ook aan de vraag zijde grote onzekerheid bestaat. Dat is een aandachtspunt. AI kan helpen ook dat beter in kaart te krijgen.” Tegelijk waarschuwt Lora Cecere voor wat ze zelf ‘AI stupid’ noemt: “Bedrijven focussen tegenwoordig erg op AI-agenten. Dan plaat sen ze AI-agenten boven op hun bestaande planning en laten hen gewoon gegevens ophalen. Dat is alsof je zout over je eten strooit en denkt dat je daarmee een nieuw

59

VALUE CHAIN MANAGEMENT - SEPTEMBER-OKTOBER 2026