Gisteren was de ronde tafel voor CxO’s uit de maakindustrie bij Royal Kaak .
Het onderwerp “AI als katalysator voor industriële vooruitgang” zorgde voor een leerzame sessie met concrete acties voor iedereen om de volgende stap met AI te zetten!

Key take away’s:

Vertrouwen in AI is cruciaal: Mohammed Ali Tahtali benadrukte dat onvoldoende vertrouwen leidt tot onderbenutting van AI-systemen. Transparantie en uitlegbaarheid zijn essentieel voor acceptatie; zonder deze factoren kunnen organisaties AI-adviezen negeren.

Menselijke betrokkenheid bij AI-implementatie: Co-creatie en gebruikersbetrokkenheid zijn noodzakelijk voor succesvolle acceptatie van AI. Experts hebben vaak minder vertrouwen in AI dan leken, wat wijst op de behoefte aan samenwerking tussen mens en machine.

Potentieel van AI in inkoop: AI-modellen kunnen risicoanalyses, voorraadbeheer en voorspellingen van leverbetrouwbaarheid aanzienlijk verbeteren. Echter, de uitlegbaarheid van beslissingen blijft een uitdaging; een goede datakwaliteit is essentieel voor effectiviteit. Menselijke relaties blijven belangrijk bij de keuze van leveranciers, ondanks objectieve AI-aanbevelingen.

Bedankt Maarten Blokzijl voor de ontvangst!
en Peter Smit van Kloepfel Consulting Benelux B.V. voor de organisatie.

Loading the next set of gallery items...

Notes

Introductie & Vertrouwen in AI (00:00 – 05:44)

  • Mohammed Tahtali introduceert zichzelf en zijn ervaring met AI in verschillende sectoren, met nadruk op de menselijke kant van AI en het belang van vertrouwen.
  • Voorbeelden van AI in ziekenhuizen, overheid en bedrijven tonen aan dat onvoldoende vertrouwen leidt tot onderbenutting van AI-systemen.
  • Transparantie en uitlegbaarheid zijn cruciale factoren voor acceptatie van AI-adviezen.

Factoren die Vertrouwen in AI Beïnvloeden (07:28 – 12:57)

  • Drie kernvragen voor gebruikers: Is het systeem competent? Is het transparant? Dient het mijn belang?
  • Gebruikers kunnen AI-adviezen negeren, blind volgen of aanpassen; vertrouwen groeit bij herhaaldelijk goede adviezen.
  • Technologische prestaties, uitlegbaarheid, expertise van de gebruiker en context (zoals sector en sociale bewijslast) beïnvloeden het vertrouwen.

‍ Mens versus Machine & Samenwerking (12:57 – 20:30)

  • Verschuiving van ‘mens versus machine’ naar samenwerking (augmented intelligence) tussen mens en AI.
  • Onderzoek toont aan dat experts vaak minder vertrouwen hebben in AI dan leken, mede door ego en angst voor vervanging.
  • Co-creatie en betrokkenheid van gebruikers bij implementatie van AI zijn essentieel voor acceptatie.

️ Implementatiestrategieën & Praktijkvoorbeelden (20:30 – 25:16)

  • Begin klein met laag-risico taken om vertrouwen op te bouwen (bijv. triage in medische AI).
  • Controle en corrigeerbaarheid door mensen blijft noodzakelijk, zelfs bij bewezen goede AI-modellen.
  • Voorbeelden uit de praktijk: gemeente Amsterdam met eigen AI-bot, gemeente Almere experimenteert met lokale GenAI-modellen.

Strategische en Operationele Toepassingen van AI (25:16 – 26:36)

  • AI wordt vooral ingezet bij strategische keuzes, maar operationele toepassingen (zoals inkoop) bieden veel potentie.
  • Experimenteren en kennis opdoen met AI is belangrijk voor leiders en medewerkers; cultuur van experimenteren wordt gestimuleerd.
  • Wetgeving loopt achter op technologische ontwikkelingen, duidelijke kaders en transparantie zijn noodzakelijk.

Vragen, Discussie & Stellingen (27:21 – 49:06)

  • Discussie over verantwoordelijkheid bij AI-adviezen, vooral in medische context: eindverantwoordelijkheid blijft bij de mens.
  • AI kan veel repeterende taken vervangen, maar menselijke beoordeling blijft nodig bij uitzonderingen en strategische keuzes.
  • Voorbeelden van AI in inkoop: risicoanalyse per orderregel, explainable AI voor toelichting op risicoscores.

️ AI in Inkoop & Supply Chain (49:06 – 57:38)

  • AI-modellen worden gebruikt voor risicoanalyse, voorraadbeheer, en voorspellen van leverbetrouwbaarheid.
  • Uitlegbaarheid van AI-beslissingen blijft een uitdaging; gebruikers willen weten waarom een bepaalde score wordt gegeven.
  • AI-systemen worden vooral informatief ingezet, met focus op gewenning en acceptatie door gebruikers.

Toekomstige Potentie & Uitdagingen (57:48 – 01:16:49)

  • Grootste potentie van AI wordt gezien in het identificeren van risico’s voordat ze escaleren en het verhogen van leverbetrouwbaarheid.
  • Data-kwaliteit is een belangrijke voorwaarde voor succesvolle AI-toepassingen; slechte data leidt tot beperkte bruikbaarheid van analyses.
  • Menselijke relaties en communicatie blijven doorslaggevend bij leverancierskeuze, ondanks dat AI objectief betere keuzes kan suggereren.

Reflectie, Tips & Afsluiting (01:16:49 – 01:22:16)

  • Deelnemers delen ervaringen met AI-tools en bespreken het belang van experimenteren met AI in de organisatie.
  • Oproep om AI-pilots te evalueren, feedback te verzamelen en best practices te delen.
  • Suggestie om volgende sessie bij een ander bedrijf te organiseren en kennisdeling te stimuleren.

Over Tradecloud

Tradecloud One is een toonaangevend supply chain platform dat bedrijven helpt bij het optimaliseren en digitaliseren van hun inkoop- en leveringsprocessen. Door het centraliseren van communicatie en het automatiseren van routinewerkzaamheden, verbetert Tradecloud One de efficiëntie en transparantie in de supply chain. Klanten profiteren van een aanzienlijke vermindering van administratieve lasten, snellere orderverwerking en betere samenwerking met leveranciers. Het platform biedt real-time inzicht in de voorraad en levertijden, waardoor bedrijven beter kunnen inspelen op veranderende marktomstandigheden en hun klanttevredenheid kunnen verhogen. Bovendien draagt Tradecloud One bij aan kostenbesparingen en verhoogde operationele efficiëntie door processen te stroomlijnen en fouten te minimaliseren.