Wat levert nieuwe technologie in de dagelijkse praktijk op? Die vraag stond centraal tijdens de tiende editie van Exchange, het jaarlijkse EMEA-evenement voor klanten en partners. Eric Clark, ceo van Manhattan Associates, greep in Milaan naar een vergelijking met de luchtvaart. ‘Een vliegtuig had ooit vijf bemanningsleden nodig in de cockpit. Tegenwoordig zijn dat er meestal twee. Niet omdat vliegen eenvoudiger is geworden, maar omdat technologie steeds meer taken ondersteunt. De piloten blijven verantwoordelijk voor de koers.’

Dat geldt volgens de topman ook voor de logistiek. ‘Warehouseplanners, transportmanagers en winkelmedewerkers werken in een omgeving waarin veel tegelijk gebeurt. Zij hebben systemen nodig die informatie samenbrengen en helpen om de complexiteit te beheersen. Complexiteit in de markt biedt kansen, maar complexiteit in je software is een belasting.’ Software moet daarom niet alleen inzicht geven in wat er gebeurt, maar medewerkers ook helpen om daarop te reageren, stelt Clark. ‘Zo ontstaat meer ruimte voor de beslissingen waarbij hun ervaring en kennis het verschil maken.’

Van technologie naar resultaat

In Milaan kwamen vertegenwoordigers van onder meer Ceva, Foot Locker, JD Sports, Moncler en L’Oréal samen om ervaringen uit te wisselen. Zij bespraken hoe organisaties omgaan met groeiende complexiteit en hoe technologie medewerkers kan helpen om sneller en beter onderbouwde beslissingen te nemen.

Distributeur S.P. Richards deelde bijvoorbeeld hoe het aantal wekelijkse voorraadverplaatsingen terugliep van 109 naar 19. Andere organisaties rapporteerden verbeteringen in onder meer laadtijden en het aantal verzonden orderregels. Elk resultaat heeft zijn eigen uitgangssituatie, maar de voorbeelden laten zien waar het gesprek steeds vaker over gaat: welke concrete verbetering levert technologie op?

Een betrouwbare basis voor AI

AI was een belangrijk gespreksonderwerp in Milaan. Daarbij ging het vooral over praktische vragen: welke taken kan technologie overnemen, binnen welke grenzen en wat levert dat medewerkers en klanten op?

Volgens cto Sanjeev Siotia vraagt effectieve AI om meer dan een taalmodel dat aan bestaande software wordt toegevoegd. ‘De onderliggende systemen moeten betrouwbaar zijn en duidelijk vastleggen welke handelingen zijn toegestaan.’ Hij beschreef die basis als een ‘deterministische ruggengraat’: software waarvan de regels en uitvoering voorspelbaar zijn, gekoppeld aan AI die informatie kan interpreteren en voorstellen kan doen.

Mensen bepalen de voorwaarden

Dat onderscheid is belangrijk in logistieke processen. ‘Een overtuigend antwoord is onvoldoende als vervolgens de verkeerde order wordt aangepast of voorraad onjuist wordt toegewezen’, aldus Siotia. Een AI-agent kan daarom een taalmodel gebruiken om een vraag te begrijpen, terwijl de uitvoering via vastgelegde softwarekoppelingen verloopt, binnen vooraf ingestelde grenzen.

Een manager kan bijvoorbeeld bepalen dat een afdeling die meer dan twee uur achterloopt op de planning, aanleiding geeft om de personeelsverdeling aan te passen. Het systeem signaleert die situatie en handelt volgens de afgesproken regels. Mensen bepalen de doelstellingen en voorwaarden.

Ruimte voor complexere vragen

AI kan ook helpen bij werkzaamheden waarbij medewerkers veel informatie moeten verzamelen en verwerken. Denk aan klantvragen, afwijkingen in de planning of het bewaken van de voortgang in een magazijn. Zo bleek tijdens Exchange dat klantenserviceagent Maven bij sommige klanten meer dan 65 procent van de vragen opvangt zonder dat een medewerker die hoeft af te handelen. Dat kan medewerkers meer tijd geven voor situaties die menselijke beoordeling vragen.

Andere voorbeelden lieten zien hoe breed de toepassingen zijn. Een internationaal bedrijf in energiemanagement rapporteerde 34 procent meer verzonden orderregels per dag. Een Canadese retailer nam in acht dagen kassasoftware op meer dan 700 kassa’s in gebruik.

Meegroeien met de organisatie

Naast AI kwam een andere uitdaging terug: hoe vernieuw je bedrijfssoftware terwijl de operatie doorgaat? Organisaties willen kunnen uitbreiden, zonder bij iedere groeifase opnieuw een omvangrijk implementatietraject te doorlopen. Het softwarebedrijf presenteerde daarvoor drie edities: Essentials, Enterprise en Enterprise Premier. Het uitgangspunt is dat bedrijven beginnen met wat hun organisatie nodig heeft en op hetzelfde platform kunnen doorgroeien.

Ook kortere implementaties moeten de drempel verlagen. Warehouse-implementaties verlopen volgens de leverancier tot 50 procent sneller. Voor winkel- en ordermanagement geldt ingebruikname vanaf 100 dagen en voor transportmanagement een traject van 14 weken. De daadwerkelijke doorlooptijd blijft afhankelijk van de omvang en complexiteit van het project.

Slimmere organisaties vragen om mensen

Sébastien Lefébure, verantwoordelijk voor de Europese activiteiten, benadrukte dat slimmere machines bouwen iets anders is dan slimmere organisaties ontwikkelen. ‘Dat laatste vraagt ook om samenwerking, kennisdeling en de bereidheid om processen opnieuw te bekijken.’ Tijdens gesprekken tussen retailers zoals Aldi, Co-op en Asda kregen die onderwerpen concreet vorm. Zij wisselden ervaringen uit over hun aanpak en over wat in de praktijk anders uitpakt dan verwacht. Lefébure omschreef die menselijke uitwisseling als ‘een vleugje menselijkheid dat AI alleen kan nabootsen, maar nooit vervangen.’

Daarmee kreeg de cockpitvergelijking een bredere betekenis. Technologie kan informatie verwerken, terugkerend werk overnemen en binnen afgesproken grenzen handelen. Mensen blijven nodig om afwegingen te maken en richting te geven. Of het nu gaat om minder voorraadverplaatsingen, snellere klantenservice of een betere personeelsplanning: de waarde wordt zichtbaar in de dagelijkse praktijk.

Dit artikel is gesponsord door Manhattan Associates.