Het ontdekken van mogelijkheden voor kmo’s in een wereld vol AI

Idealiter ontwikkelen kmo’s zich tot zogenaamde derdegraads slimme bedrijven waarin AI een centrale rol speelt. Echter lijkt AI voor veel kmo’s nog steeds een complex en onbereikbaar concept. Eén grote barrière daarbij is de onzekerheid over hoe je als kmo AI praktisch kunt implementeren. En belangrijker: wat levert je dat uiteindelijk op? Het online kennisplatform ‘AI by Example’ – ontwikkeld door Hogeschool PXL en Universiteit Hasselt – helpt deze barrière te doorbreken door kmo’s praktisch kennis te laten maken met AI binnen hun eigen bedrijfscontext.

AI als krachtige troef in verschillende bedrijfsafdelingen

Welke kansen biedt AI tegenwoordig eigenlijk voor een kmo? AI heeft een enorme impact op vrijwel alle bedrijfsafdelingen en biedt talloze mogelijkheden. Denk bijvoorbeeld aan het verbeteren van bedrijfsprocessen, het verhogen van de efficiëntie en het optimaliseren van besluitvorming. Uiteraard betekent dit niet dat alle toepassingen even relevant of praktisch haalbaar zijn, maar er zijn vele mogelijkheden.

Hieronder presenteren we enkele voorbeelden die laten zien hoe je met behulp van AI slimmer kunt produceren, hoe je producten kunt afstemmen op de unieke behoeften van klanten, en hoe je bedrijfsprocessen beter kunt organiseren.

Slimmer produceren

Voor een kmo is het optimaliseren van de productie essentieel om competitief te blijven in een snel veranderende zakelijke omgeving. Door de productie-efficiëntie te verbeteren, kan een kmo kosten verlagen, de doorlooptijd verkorten en de operationele effectiviteit vergroten. AI biedt diverse mogelijkheden om hierbij te helpen.

Ten eerste kan AI worden gebruikt om het productieproces te optimaliseren. Een productieproces bestaat namelijk uit verschillende deelprocessen, waarbij er vaak complexe variabelen zijn die fouten kunnen veroorzaken. Met behulp van AI kan een gedetailleerde analyse van deze deelprocessen worden uitgevoerd. Zo worden deze analyses geoptimaliseerd, worden menselijke fouten tot een minimum beperkt, en wordt er een ideale workflow gecreëerd.

Een concreet voorbeeld illustreert dit. Bij het produceren van kaas is het vaak een uitdaging om de exacte eindtijd tussen verschillende fermentatiebatches te voorspellen. Maar de duur van het fermentatieproces kan variëren, waardoor het moeilijk is om de verdere productie nauwkeurig te plannen. Met behulp van AI kan de eindtijd van het fermentatieproces tot op 3 minuten nauwkeurig worden voorspeld.  Door deze voorspelling kan de rest van de productie optimaal worden afgestemd, waardoor ook de productiecapaciteit maximaal wordt benut.

Daarnaast versterkt AI ook het gebruik van robotten. Dit betekent dat robotten slimmer worden en zelfstandigere beslissingen kunnen nemen. Veel robotten zijn momenteel geprogrammeerd met vaste instructies over wat ze bijvoorbeeld moeten oppakken en welke routes ze moeten volgen, wat ze weinig flexibel maakt. Door gebruik te maken van beeldherkenningssystemen kan een robot echter zelf het type, de grootte, de vorm, de richting van een product herkennen, waardoor nieuwe mogelijkheden ontstaan voor automatisering. Bijvoorbeeld bij het sorteren van kartonnen verpakkingen waarin veel verschillende soorten materialen en vormen aanwezig zijn, kan de efficiëntie tot 50% worden verhoogd in vergelijking met menselijke arbeidskrachten. Speciaal ontwikkelde grijparmen nemen hierbij de juiste verpakking op basis van wat camera’s met AI detecteren. Dit leidt tot een aanzienlijke optimalisatie van de operationele efficiëntie en kostenbesparingen.

Daarnaast is het optimaliseren van het energieverbruik van groot belang voor kmo’s met energie-intensieve productieprocessen. AI maakt het mogelijk om het energieverbruik van machines te analyseren en nauwkeurig te identificeren waar veel energie verloren gaat. Bijvoorbeeld, in een case bij een kmo in de kunststofindustrie werd een potentiële reductie van 27.540 kg CO2 over vier machines vastgesteld, zonder grote materiële investeringen te doen. Men kan dan vervolgens gericht deze bevindingen praktisch aftoetsen en de machines afstellen waar nodig. In een andere case wist een transportbedrijf zijn brandstofverbruik met 15% te verminderen door de prestaties van voertuigen en het rijgedrag van chauffeurs te analyseren met behulp van AI-technieken.

Unieker richten tot klanten

AI biedt ook de mogelijkheid om beter toe te spitsen op de specifieke noden van je klanten. Denk daarbij aan meer gepersonaliseerde marketing en meer klantgerichte benaderingen. Door het gebruik van AI kun je als kmo het klantengedrag analyseren, voorkeuren voorspellen en gepersonaliseerde aanbevelingen doen. Dit stelt je bijvoorbeeld in staat om unieker te produceren en klanten effectiever te benaderen. Dat resulteert dan weer in betere marketingcampagnes, hogere conversieratio’s en verhoogde klanttevredenheid.

Coca-Cola is misschien wel het bekendste merk dat creativiteit gebruikt om klanten persoonlijk aan te spreken. Ook de AI-revolutie is hun niet ontgaan. Zo hebben ze bijvoorbeeld data verzameld en geanalyseerd van selfservice drinkfonteinen, waardoor ze inzicht kregen in de meest populaire drankcombinaties. Dit heeft geleid tot de introductie van een nieuwe smaak: Cherry Sprite. Daarnaast maakt Coca-Cola gebruik van AI om te analyseren wanneer hun merk wordt genoemd op sociale media, zoals Facebook en Twitter. Hierdoor verkrijgen ze waardevolle inzichten over hun klanten, zoals demografische informatie en wat er over Coca-Cola wordt gezegd. Coca-Cola gaat vervolgens met deze inzichten aan de slag om klanten op nieuwe manieren te bereiken, zoals bijvoorbeeld via het ontwerpen van zogenaamde ’automated narratives’.

Diepere klantinzichten met behulp van AI leiden ook vaak tot interessante ontdekkingen. Bij een studie over de organische voedselmarkt werd aanvankelijk verwacht dat psychologische factoren belangrijker zouden zijn dan demografische factoren tijdens de marktanalyse. Door de klantendata te analyseren met behulp van AI werd echter duidelijk dat demografische factoren, zoals opleidingsniveau en inkomen, aanzienlijk meer invloed hadden. Voor het team was dit een verrassing. Dit inzicht heeft geleid tot concrete aanpassingen in de marketingstrategie, distributiekanalen en verpakkingsgroottes.

Uiteindelijk helpen dergelijke inzichten niet alleen bij het produceren van unieke producten, maar ook bij het vergroten van winstmarges en het verminderen van verspilling. Door klanten beter te begrijpen via AI, kan je bijvoorbeeld de ideale verkoopprijs van een bijna verlopen product berekenen, waardoor het toch nog kan worden verkocht en verspilling wordt voorkomen. In bepaalde gevallen heeft deze prijsstelling geleid tot een 20% hogere winst en een toename van de prijsmarges met 3%.

Beter organiseren

Kmo’s kunnen ook aanzienlijke voordelen behalen door zich beter te organiseren met behulp van AI. Een concreet voorbeeld is het optimaliseren van logistieke taken voor transportvoertuigen die constant onderweg zijn. Vaak gaat er veel tijd verloren aan taken zoals het rangeren van voertuigen en het toewijzen van de juiste laadperrons. Door AI toe te passen, bereikte Zwitserse Post bijvoorbeeld een gerapporteerde efficiëntieverhoging van 40% voor dergelijke taken, evenals 60% tijdsbesparing bij vrachtwisselingen. Waar voordien voertuigen vaak op dezelfde uren van de dag stonden aan te schuiven, hielp AI dit meer te spreiden doorheen de dag. Dit resulteert in aanzienlijke kostenbesparingen.

Een ander voordeel is de mogelijkheid om de vraag naar producten te voorspellen. Door te kijken naar eerdere verkooptransacties en factoren zoals seizoensgebondenheid, kun je voorspellingen maken over welke producten klanten willen en hoeveel ze ervan zullen afnemen. Dit biedt voordelen bij het optimaliseren van het voorraadbeheer, het verminderen van verlopen producten, het verlagen van distributiekosten en het benutten van verkoopkansen. In proefprojecten binnen de supermarktsector zijn hierdoor veelbelovende resultaten behaald, zoals een afvalvermindering van 21%.

Daarnaast kunnen kmo’s AI inzetten bij het nemen van strategische beslissingen, zoals leveranciersselectie. Door verschillende factoren zoals prijs en kwaliteit in overweging te nemen, kunnen kmo’s de beste keuzes maken voor hun supply chain, wat kan leiden tot onder andere winstverhoging. Een praktijkvoorbeeld uit de voedingsindustrie toonde aan dat de prijs van een specifiek ingrediënt (in deze case bloem) de doorslaggevende factor zou moeten zijn bij de leveranciersselectie, waardoor de netto-inkomsten tot 65% zouden kunnen stijgen.

Verder kan AI de optimalisatie van logistieke operaties in magazijnen ondersteunen. Bijvoorbeeld, magazijnrobots kunnen nu complexere taken en routes uitvoeren dan voorheen mogelijk was. Denk aan een groot magazijn waarin robots de schappen op een toegankelijke positie zetten, in plaats van mensen die telkens naar de juiste schap moeten lopen. Het gebruik van dergelijke robots kan de arbeidskosten met 50% tot 70% verlagen en de efficiëntie van het orderpicken fors verbeteren (met robots die tot drie keer sneller zijn en een nauwkeurigheid van 99,99% behalen). Op die manier kunnen aanzienlijke kostenbesparingen worden gerealiseerd en kan de efficiëntie en kwaliteit in logistieke operaties worden verbeterd. Dit versterkt de concurrentiepositie van magazijnen.

Kortom, AI kan een cruciale rol spelen in verschillende bedrijfsafdelingen. Het biedt mogelijkheden voor onder andere efficiëntere processen, verhoogde klanttevredenheid en betere besluitvorming. Door AI effectief te implementeren, kunnen kmo’s een concurrentievoordeel behalen en hun prestaties naar een hoger niveau tillen.

Zelf als kmo aan de slag met AI

In de vorige sectie werden verschillende voorbeelden gegeven van wat AI kan betekenen voor een kmo. Maar hoe kan je als kmo deze mogelijkheden zelf praktisch toepassen? Soms is het voor kmo’s lastig om die kennis te vertalen naar hun eigen context. Om hierin te ondersteunen hebben PXL en UHasselt een ideathon en het bijhorende AI-dee canvas ontwikkeld (ook terug te vinden op het kennisplatform).

We geven enkele essentiële principes mee uit de ideathon en het canvas om zelf de vertaalslag te maken.

• Uitgaan van eigen situatie en bedrijfsstrategie. Start met een grondig begrip van je eigen bedrijfscontext, doelstellingen en uitdagingen. Pas AI niet simpelweg toe omdat het trendy is, maar omdat het aansluit bij jouw unieke behoeften en strategische visie.
• Laagdrempelig en niet-technisch. Vermijd het overweldigd raken door technische complexiteit. Zoek naar oplossingen die begrijpelijk zijn, zelfs als je geen diepgaande technische kennis hebt. Het draait om het begrijpen van de mogelijke voordelen, niet om de technische finesses.
• Focus op meerwaarde. Identificeer duidelijk hoe AI kan bijdragen aan de groei en optimalisatie van jouw onderneming. Dit kan betrekking hebben op efficiëntieverbeteringen, klantgerichte benaderingen of nieuwe inzichten die je bedrijf een voorsprong geven.
• Concrete noden binnen jouw kmo. Richt je op specifieke uitdagingen of kansen binnen jouw kmo. Dit kunnen zowel operationele als strategische gebieden zijn waarin AI een positieve impact kan hebben.
• Relevantie en haalbaarheid.

  Niet alle AI-toepassingen zijn geschikt voor elke onderneming. Beoordeel zorgvuldig of een voorgestelde oplossing relevant is voor jouw bedrijf en of de implementatie haalbaar is binnen jouw middelen en capaciteiten.

AI in de praktijk

Om de voordelen van AI volledig te benutten, is het ook belangrijk dat je als kmo bewust bent van de uitdagingen die het met zich meebrengt. Naast het investeren in de benodigde infrastructuur en het ontwikkelen van de juiste vaardigheden en expertise binnen de organisatie, vormen data, ethiek, privacy en veiligheid kritieke aspecten bij het implementeren van AI-gestuurde systemen. Om al deze aspecten juist te benaderen, werk je best samen met een ervaren provider van AI-oplossingen. We geven alvast enkele insider tips mee om over na te denken.

Denk na over haalbaarheid en uitdagingen

Ondanks de aanzienlijke vooruitgang die AI de afgelopen jaren heeft geboekt, bevindt de technologie zich nog steeds in de kinderschoenen. Hoewel de mogelijkheden van AI veelbelovend zijn, heerst er nog steeds veel onzekerheid in de praktijk over wat precies haalbaar is en hoe het waarde kan creëren. Bedrijven en professionals erkennen weliswaar het potentieel van AI, maar het ontbreekt vaak aan gestandaardiseerde processen en duidelijke richtlijnen voor de ontwikkeling en implementatie.

Bij het overwegen van het gebruik van AI is het daarom cruciaal om zorgvuldig te reflecteren op de haalbaarheid, impact en mogelijke uitdagingen. Het beschikken over goede en relevante data is daarbij essentieel. Tegelijkertijd is het belangrijk om niet bang te zijn om AI uit te proberen. Door te experimenteren kun je als kmo nieuwe inzichten verkrijgen, onverwachte voordelen ontdekken en concurrentievoordelen behalen die anders niet mogelijk zouden zijn. Kortom, AI is een domein dat nog volop in ontwikkeling is en waarin proactieve exploratie kan leiden tot waardevolle ontdekkingen en groei.

Vind de juiste balans tussen mens en AI

Naast de praktische haalbaarheid van een AI-project, is de dreiging van jobverlies ook een belangrijk aspect binnen het domein van AI. Dit komt omdat het automatiseren van jobs die momenteel door mensen worden uitgevoerd, vragen oproept over de toekomst van die mensen. Het is dan ook belangrijk om een praktisch evenwicht te vinden tussen de bezorgdheid over jobverlies en de vooruitgang die technologieën zoals AI kunnen bieden. Enerzijds moeten we oplossingen vinden voor mensen wiens job verdwijnt, maar anderzijds kan AI bijvoorbeeld ook oplossingen bieden voor de groeiende personeelstekorten in bepaalde industrieën.

Bij de overgang naar een AI-gedreven maatschappij is het dus belangrijk om de negatieve impact op werknemers zo goed mogelijk te reduceren. Bedrijven spelen hierbij een cruciale rol en dienen zich voor te bereiden op deze veranderingen door een positieve vertrouwenscultuur onder werknemers te creëren. De samenwerking tussen mens en AI is hierbij een belangrijk aspect. AI is goed in het uitvoeren van repetitieve taken en het analyseren van data, maar minder geschikt voor creatieve, kritische en probleem-oplossende taken in complexe omgevingen. Mensen blinken vaak uit in deze taken en kunnen AI net ondersteunen bij het nemen van belangrijke beslissingen. Het is dus niet zozeer een kwestie van mens versus AI, maar eerder van het vinden van de juiste combinatie tussen menselijke capaciteiten en AI.

Wees waakzaam voor discriminatie

Naast jobverlies is ook discriminatie een belangrijke uitdaging van AI. Algoritmen die AI aandrijven, kunnen onbedoeld mensen uitsluiten of benadelen. Zo is er een bekende case waarbij AI in de rechtspraak minderheden onbedoeld benadeelt, of een andere case waarbij het detecteren van ziektes slechter werkt voor mensen van een bepaalde etnische achtergrond. Hoewel deze voorbeelden niet direct van toepassing lijken te zijn op dagelijkse AI-toepassingen binnen bedrijven, is discriminatie wel relevant bij AI-implementaties. Het is belangrijk om te erkennen dat AI-systemen zo ontworpen en getraind moeten worden dat ze eerlijk en rechtvaardig zijn voor alle gebruikers, ongeacht hun achtergrond.

Om discriminatie in AI te vermijden, zijn er enkele belangrijke stappen die je kan nemen. Allereerst is het essentieel om te zorgen voor representatieve data. Dit betekent dat de data die wordt gebruikt om het AI-systeem te trainen, de diversiteit van de uiteindelijke gebruikers en omgeving weerspiegelt. Het is ook belangrijk om ervoor te zorgen dat de trainingsdata van hoge kwaliteit is en vrij van fouten en inconsistenties.

Daarnaast is het van groot belang om diversiteit en inclusie te implementeren in het ontwikkelteam van de AI. Door een divers team samen te stellen, worden verschillende perspectieven meegenomen en kunnen potentiële blinde vlekken worden verminderd. Zo is het belangrijk om teamleden te hebben met diverse achtergronden en ervaringen, zoals verschillende etnische achtergronden, leeftijden, geografische locaties en expertisegebieden.

Om discriminerende resultaten te voorkomen, is ook een regelmatige monitoring van de AI-systemen noodzakelijk. Eventuele discriminatie kan dan tijdig worden opgemerkt en gecorrigeerd. Daarnaast is het belangrijk om methoden te gebruiken die de besluitvorming van het AI-systeem transparanter maken, zodat de redenen achter discriminerende beslissingen beter begrepen kunnen worden. Hoewel het begrijpen van de exacte redeneringen van AI-systemen soms lastig kan zijn, is het streven naar transparantie van groot belang.

Streef naar transparantie

AI-systemen kunnen complex zijn en het is niet altijd duidelijk hoe ze tot hun conclusies komen. Het gebrek aan transparantie kan leiden tot wantrouwen en onbegrip bij gebruikers en kan ethische zorgen oproepen. Om dit aan te pakken, moeten AI-systemen zo worden ontworpen dat ze transparant zijn in hun besluitvormingsproces. Dit betekent dat gebruikers inzicht moeten hebben in hoe AI tot bepaalde conclusies komt en dat er verantwoording kan worden afgelegd voor de resultaten.

In de AI-strategie van de Europese Commissie is transparantie een centraal concept om het vertrouwen in AI-systemen te vergroten en de risico’s te beperken. Hoewel het uitdagend is om de black box van AI volledig transparant te maken, zijn er praktische hulpmiddelen beschikbaar. Tools zoals de Explainable AI-console en de What-If Tool van grote softwarebedrijven zoals Google stellen gebruikers in staat om dieper in de black box te kijken, data te verkennen en de impact van datapunten op voorspellingen te onderzoeken.

Het is ook van uiterst belang om de beperkingen van AI te erkennen en altijd een menselijke controle te behouden in belangrijke besluitvormingsprocessen. Hoewel AI krachtig is geworden, is het nog niet op het niveau van sciencefictionfilms. Het betrekken van een menselijke ’human in the loop’ bij het verifiëren van de voorspellingen van AI voordat ze worden geïmplementeerd, helpt potentiële negatieve effecten te voorkomen.

Privacy first

Ten slotte speelt privacy een belangrijke rol bij AI. AI-systemen verwerken grote hoeveelheden gegevens, waaronder persoonlijke informatie. Het is essentieel dat deze gegevens op een veilige en vertrouwelijke manier worden behandeld. Bedrijven moeten ervoor zorgen dat ze voldoen aan de relevante privacywetten en -voorschriften om de privacy van gebruikers te waarborgen.

Wanneer het gaat om privacy en data in AI-systemen, is de GDPR (General Data Protection Regulation) een belangrijke wetgeving om te volgen. Deze wet regelt de privacy en bescherming van persoonlijke gegevens van EU-burgers. Organisaties moeten gegevens verzamelen, opslaan, gebruiken en beveiligen volgens de vereisten van de GDPR. Voor bedrijven die actief zijn in de EU, is het naleven van deze wetgeving cruciaal bij het omgaan met AI en privacy. Recent is ook de AI Act voorgesteld. Hoewel de relatie tussen AI, GDPR en de AI Act nog in ontwikkeling is, zijn hier alvast enkele richtlijnen om privacy in AI-systemen zo goed mogelijk te waarborgen.

Ten eerste is het belangrijk om gegevens op de juiste manier te verzamelen. Dit betekent dat je toestemming moet verkrijgen van mensen van wie je gegevens verzamelt en dat ze op de hoogte moeten zijn van hoe je hun gegevens zal gebruiken. Bij het verzamelen van gevoelige gegevens is het vaak nodig om de gegevens te anonimiseren.

Ten tweede is het essentieel om de gegevens veilig op te slaan. Het implementeren van sterke beveiligingsmaatregelen is noodzakelijk om te voorkomen dat gegevens in verkeerde handen vallen. Hoewel dit een uitdaging kan zijn, is het belangrijk om alle mogelijke stappen te nemen om gegevens veilig te houden. Het is ook belangrijk om te overwegen welke gegevens precies nodig zijn. Als gevoelige gegevens niet relevant zijn voor je AI-systeem, is het mogelijk onnodig om ze op te slaan en het risico te lopen dat ze gestolen worden.

Ten slotte is het beheer van gegevens op de juiste manier van belang. Binnen de GDPR-wetgeving hebben individuen het recht op inzage, wat betekent dat ze op elk moment moeten kunnen zien welke gegevens er over hen zijn verzameld en wat er met die gegevens gebeurt. Het is belangrijk om transparantie te bieden. Daarnaast moet er rekening worden gehouden met het recht van mensen om hun gegevens te laten verwijderen en welke impact dit zou hebben op het AI-systeem.

Hoewel deze bovenstaande punten een beknopt overzicht bieden van de belangrijkste overwegingen met betrekking tot AI, is het belangrijk om op te merken dat elk van deze overwegingen complex zijn en verdere studie vereist. Het is raadzaam om de aanbevolen literatuur en richtlijnen te raadplegen om een dieper inzicht te krijgen in deze onderwerpen en om ethische AI-praktijken in jouw organisatie te bevorderen.

Conclusie

AI is bijna niet meer weg te denken als je als kmo concurrerend wil blijven in de toekomst. Het biedt diverse kansen, waaronder het optimaliseren van productieprocessen, het personaliseren van je marketing voor verbeterde klantenrelaties en het efficiënter organiseren van je logistieke en strategische besluitvorming. Door AI-gebaseerde optimalisatie kunnen bedrijfskosten worden verlaagd, de efficiëntie worden vergroot en de klanttevredenheid worden verhoogd. Dit verbetert de concurrentiepositie van kmo’s aanzienlijk en biedt de mogelijkheid om te groeien in een snel evoluerend zakelijk landschap.

Lijkt AI je wat? Blijf dan zeker pragmatisch. Het is een mooie tool en je kan er veel mee, maar uiteindelijk wil je een meerwaarde voor je kmo genereren. Vertrek daarom vanuit je eigen noden en bedrijfsstrategie. Wees ook bewust van de uitdagingen die AI momenteel nog met zich meebrengt. Hoewel het domein erg snel evolueert en beloftevolle mogelijkheden biedt, bevindt de technologie zich nog steeds in een relatief vroeg stadium. Denk daarom na over potentiële investeringen in infrastructuur die je moet maken en het opbouwen van interne expertise., Heb verder zeker ook aandacht voor datakwaliteit, ethiek, privacy en veiligheid.

Kun je al deze inzichten echter in rekening nemen? Dan zet je jouw kmo alvast in een mooie startpositie om met de AI-innovatiegolf mee te groeien.