Vijf logistieke processen die je snel met AI kunt optimaliseren

De belangstelling voor kunstmatige intelligentie (AI) in handel en logistiek groeit. Toch blijft het concreet toepassen daarvan voor veel bedrijven een uitdaging. Uit recent onderzoek van evofenedex onder 294 bedrijven blijkt dat 43 procent experimenteert met eenvoudige AI-toepassingen. Tegelijkertijd heeft 41 procent interesse, maar zet nog geen concrete stappen.

Van de bedrijven die AI overwegen, noemt 73 procent kostenbesparing en efficiëntere processen als belangrijkste reden hiervoor. Voor 58 procent spelen het verminderen van fouten en verhogen van kwaliteit een rol. Daarom is het verstandig om te kijken naar werkzaamheden die veel tijd kosten, vaak terugkomen of foutgevoelig zijn.

De vijf onderstaande processen bieden aanknopingspunten en vereisen geen complexe logistieke software. Met AI-systemen zoals ChatGPT, Claude, Gemini en Copilot kun je al snel verbeteringen doorvoeren tegen lage kosten. Het is wel belangrijk om je er steeds bewust van te zijn dat je bedrijfsgevoelige informatie niet zomaar in een openbare AI-toepassing kunt plaatsen. Dit om incidenten te voorkomen. Controleer vooraf welke afspraken hierover in jouw bedrijf zijn gemaakt.

1. Administratief werk

E-mails verwerken, documenten samenvatten en standaardteksten opstellen kosten tijd. AI kan bijvoorbeeld een e-mail over een levering samenvatten of een eerste antwoord opstellen. De medewerker blijft verantwoordelijk voor de controle, maar hoeft niet iedere keer vanaf nul te beginnen. Bovendien voorkom je zo snel en gemakkelijk stijl- en typfouten.

Kies één administratieve handeling die enkele keren per week terugkomt. Of een administratieve handeling waar je een grondige hekel aan hebt. Meet hoeveel tijd die kost en onderzoek daarna of AI een deel van het voorbereidende werk kan overnemen. Zo kom je toe aan werkzaamheden die je wél energie geven.

2. Data analyseren

Je logistieke processen bevatten veel gegevens over voorraden, orders, transport en levertijden. AI kan helpen daarin patronen en afwijkingen te vinden. Niet meer zelf uren besteden aan Excel en draaitabellen, maar gegevens die automatisch worden ingelezen en voorzien van een advies dat je niet direct zelf zou bedenken.

Goede data zijn daarbij essentieel. Slechts 7 procent van de onderzochte bedrijven heeft zijn interne data volledig op orde voor effectief AI-gebruik. Een derde geeft aan dat de data slechts beperkt op orde zijn. Ook is het aan te raden niet direct 40.000 orderregels in te lezen om de data te analyseren. Begin klein en laat je inspireren met de inzichten die je opdoet.

In deze praktijkgerichte training leer je hoe je AI toepast op je eigen logistieke processen: van data-analyse tot procesoptimalisatie.

3. Rapportages maken

Niemand maakt voor zijn plezier een rapportage. Je bent vaak al druk bezig met het verzamelen van cijfers uit verschillende bronnen, het vergelijken van resultaten en het schrijven van een toelichting. En de deadline voor de rapportage komt altijd sneller in beeld dan je eigenlijk wilt. Dat kan makkelijker en vaak ook beter dan dat je nu doet.

AI kan je ondersteunen door afwijkingen te signaleren of een eerste samenvatting te maken. Laat AI bijvoorbeeld analyseren welke veranderingen opvallen in wekelijkse prestatie-indicatoren. Vergelijk en controleer vervolgens altijd de uitkomst met de analyse van een medewerker. Want AI biedt veel mogelijkheden, maar menselijke controle is echt onmisbaar. Een AI-hallucinatie kan op de loer liggen. AI vervangt niet jouw professionele oordeel.

4. Documenten controleren

Pakbonnen, vrachtbrieven, werkinstructies, offertes en contracten bevatten veel informatie die medewerkers moeten opzoeken of controleren. AI kan bijvoorbeeld specifieke gegevens uit een document halen of twee versies van een werkinstructie vergelijken. Dat is eenvoudiger dan je denkt. Door een screenshot te uploaden of een foto van het document te maken, kan AI de informatie uitlezen, interpreteren en helpen bij het controleren daarvan.

Probeer dit eens door één documentsoort die vaak voorkomt uit te kiezen en in kaart te brengen hoeveel tijd dat kost en waar fouten ontstaan. Zo krijg je een concrete toepassing waarvan je de resultaten goed kunt controleren.

5. Planning en voorraad

Bij planning, voorraadoptimalisatie en voorspellingen wordt AI complexer. Betrouwbare historische gegevens en aansluiting op bestaande systemen zijn dan vaak noodzakelijk. Maar ook hier kun je klein beginnen. Vraag een planner welke beslissingen dagelijks terugkomen, welke informatie daarvoor nodig is en welke uitzonderingen veel aandacht vragen.

Misschien blijkt dat AI goed kan ondersteunen bij slechts één onderdeel van het proces. Of dat je eerst de data moet verbeteren. Of dat een andere vorm van automatisering beter geschikt is. Ook dat zijn waardevolle uitkomsten.

Begin met experimenteren

Experimenteren met AI is relatief eenvoudig. Een toepassing structureel gebruiken vraagt meer tijd en aandacht. Je moet weten welke data je gebruikt, wie de uitkomsten controleert en hoeveel tijd je daadwerkelijk bespaart. Begin daarom niet met de vraag wat AI allemaal kan. Kies één terugkerend logistiek probleem dat tijd kost en waarvan je het resultaat goed kunt meten. Onderzoek daarna of AI je daarbij kan helpen.

Kennis en inspiratie spelen een belangrijke rol. Bijna twee derde van de bedrijven die AI willen toepassen, noemt gebrek aan kennis en vaardigheden als belemmering. Maar medewerkers hoeven geen AI-specialist te worden. Ze moeten vooral herkennen wanneer AI nuttig is en wanneer extra controle nodig is.

Wie praktisch wil leren werken met AI, kan met de Praktijktraining AI in de logistiek de nodige kennis en inspiratie opdoen.

Anneloes en haar collega's helpen je graag verder