AI in de maakindustrie: de winst ligt niet in de boekhouding, maar op de werkvloer

De MKB-producent die trots is op zijn AI heeft meestal een chatbot die offertes opstelt en een boekhoudpakket dat facturen inleest. Knap werk, en het scheelt echt tijd. Maar het speelt zich allemaal af in het kantoor naast de fabriekshal, terwijl de eigenlijke machine een paar meter verderop staat te draaien zonder dat er één regel AI bij komt kijken.

Mijn stelling is simpel: in de maakindustrie levert AI pas echt geld op als je de hal in durft. Wie AI tot de administratie beperkt, optimaliseert het goedkoopste deel van zijn bedrijf en laat de winst liggen die zijn grotere concurrent al boekt op de werkvloer zelf.

De kloof loopt niet over de boekhouding

Dat grotere bedrijven verder zijn met AI is geen onderbuikgevoel, het is gemeten. Volgens cijfers van het CBS gebruikte in 2024 ruim 59 procent van de bedrijven met 500 of meer werknemers AI, tegenover 17,8 procent van de kleinste bedrijven. Een verschil van meer dan een factor drie.

Maar het echte verschil zit niet in de adoptiegraad, het zit in waar die AI landt. Een groot concern heeft niet alleen een nettere chatbot dan jij. Het heeft camera's boven de lijn die defecten herkennen, sensoren in de machines die een storing voorspellen, en software die de orderplanning optimaliseert terwijl jij hem nog op een whiteboard tekent. Dezelfde kloof die ervoor zorgt dat AI het MKB pas een financieel brein geeft als de data eronder op orde is, loopt dwars door de fabriekshal. Alleen is de inzet hier groter, want hier wordt je marge daadwerkelijk gemaakt.

De maakindustrie is de uitzondering die ik eerder maakte

Toen ik over de bouw schreef, hield ik vol dat de grootste AI-winst in de bouw op kantoor zit en niet op de bouwplaats. Dat klopt nog steeds. En juist daarom is de maakindustrie zo interessant: ze is de uitzondering die de regel scherpstelt.

Een bouwplaats is elke keer anders. Een ander perceel, ander weer, een andere combinatie van onderaannemers. Daar valt weinig te herhalen, en zonder herhaling is er weinig data om een model op te trainen. Een productielijn is het tegenovergestelde: dezelfde handeling, duizenden keren per dag, omringd door machines die continu meten. Dat maakt de werkvloer in een fabriek tot een databron, en data is precies de grondstof waar AI van leeft. Het is dezelfde les die ik trok over de logistiek, waar de echte marge niet in routeoptimalisatie zit maar in vraagvoorspelling en voorraad: de zichtbaarste toepassing is zelden de waardevolste.

Drie plekken waar AI de hal in hoort

De werkvloer als databron betekent dat je de stroom aan metingen, beelden en logbestanden die je lijn nu al produceert, gebruikt om beslissingen te verbeteren in plaats van weg te gooien. Het gaat niet om één spectaculaire robot, maar om drie nuchtere toepassingen die vandaag al rendement opleveren.

Deze drie maken de meeste indruk op je rendement, niet op een vakbeurs:

• Kwaliteitscontrole met computervisie: een camera en een model herkennen krassen, maatafwijkingen of ontbrekende onderdelen sneller en consistenter dan een mensenoog aan het eind van een lange dienst. De controle verschuift van steekproef naar honderd procent, zonder dat de lijn langzamer gaat.
• Predictief onderhoud: sensoren op trilling, temperatuur en stroomverbruik voeden een model dat een storing ziet aankomen voordat de machine stilvalt. Onderzoek wijst er consistent op dat dit ongeplande stilstand fors terugdringt, en een uur stilstand op een kritische lijn is duur.
• Productieplanning: AI plant orders, capaciteit en materiaal slimmer in dan een spreadsheet, en herplant in seconden als er een storing of spoedorder tussendoor komt. Dit sluit naadloos aan op slimmer inkopen met AI-voorraadprognoses zonder een duur WMS.

Geen van deze drie vereist dat je je fabriek opnieuw inricht. Ze vereisen dat je de data die er al is, serieus neemt.

Maar de hal is ook waar het misgaat

Hier hoort de eerlijke tegenwerping, en die is stevig. Want als de werkvloer zo'n goudmijn is, waarom haalde Ford dan dit jaar ruim 350 ervaren ingenieurs terug nadat AI de kwaliteit niet alleen kon redden? "Ten onrechte dachten we dat we, alleen door kunstmatige intelligentie in te voeren en de ontwerpeisen aan te passen, een product van hoge kwaliteit zouden krijgen", aldus Charles Poon, vicepresident vehicle hardware engineering bij Ford, in een briefing met journalisten.

Dat is precies het punt, en het ontkracht mijn stelling niet, het scherpt hem aan. De werkvloer is waar de waarde zit én waar het risico zit. Automatisering versterkt een goed proces en vergroot de fouten van een slecht proces. Wie AI op een lijn zet die draait op slechte data en op het ongeschreven oordeel van een vakman die volgend jaar met pensioen gaat, automatiseert een gat.

De conclusie is dus niet "blijf veilig op kantoor". De conclusie is: doe de vloer goed. Begin bij je data, leg het oordeel van je beste mensen vast voordat het de deur uit loopt, en bouw per processtap een menselijke controle in waar een fout te duur is om te missen. Want het risico dat de vaardigheid die AI waardevol maakt langzaam slijt als iedereen erop leunt, is bij Ford geen abstractie gebleken maar een rekening.

De drempel zakt, het tekort duwt

Er is een reden waarom dit geen onderwerp is om nog vijf jaar voor je uit te schuiven. Het personeel om die lijn met de hand te blijven draaien, is er straks niet. Uit de Conjunctuurenquête van het CBS blijkt dat 64 procent van de bedrijven kampt met een personeelstekort, en bijna een derde reageert door meer in te zetten op automatisering en AI. In de industrie is de druk nog scherper: een kwart van de industriële werkgevers vindt moeilijk personeel, en er stonden eind 2025 ruim drie keer zo veel vacatures open als er korter werklozen waren. Automatiseren is hier geen luxe meer, het is de enige manier om de geplande productie te halen.

Tegelijk zakt de technische drempel sneller dan veel ondernemers denken. De bouwstenen onder fysieke automatisering veranderen razendsnel, nu partijen als Alibaba foundation-modellen lanceren die robots handen, voeten en een brein geven. Dat maakt automatisering binnen een paar jaar bereikbaar voor middelgrote bedrijven, niet alleen voor concerns met diepe zakken. De waarschuwing die ik daarbij hou, is dezelfde als altijd: bouw je fysieke werkvloer niet op één buitenlandse leverancier wiens licentievoorwaarden morgen kunnen veranderen, want een lijn die op vreemde software draait is veel moeilijker terug te draaien dan een softwareabonnement.

De echte tweedeling

De komende jaren ontstaat er een tweedeling in de maakindustrie, en die loopt niet langs de grens van wie wel of geen AI "doet". Bijna iedereen doet inmiddels iets met AI in de offertes en de boekhouding. De scheidslijn loopt langs de vraag of je het lef en de discipline had om AI de hal in te brengen, naar de plek waar elke seconde stilstand en elke afgekeurde batch je geld kost.

De MKB-producent die AI als kantoorgereedschap behandelt, poetst de goedkoopste laag van zijn bedrijf op terwijl zijn concurrent voordeel opbouwt waar de marge echt wordt gemaakt. Met slim werken loont hard werken, maar dan moet het slimme werk wel beginnen op de plek waar het harde werk gebeurt.