Als ik met leidinggevenden in onderhoud en bedrijfsvoering over AI praat, komt het gesprek bijna altijd op hetzelfde punt uit. Ze zien de kansen. Ze voelen de urgentie. En dan schetsen ze een tijdlijn waardoor het allemaal ineens onhaalbaar ver weg lijkt.
Een robuuste AI-oplossing intern ontwikkelen is volgens hen een project van 18 maanden. Soms nog langer. Data voorbereiden, integraties realiseren, beveiliging toetsen, veranderingen begeleiden en aan compliance-eisen voldoen: de lijst is lang. Tegen de tijd dat de hele lijst is afgewerkt, is het enthousiasme waarmee het gesprek begon stilletjes verdwenen.
Opvallend is hoe weinig van diezelfde managers beseffen dat die 18 maanden niets zeggen over AI. Ze zeggen iets over zelf ontwikkelen.
Maar zelf ontwikkelen is niet de enige optie.
Waar al die tijd in gaat zitten
De termijn van 18 maanden is niet overdreven. Uit onderzoek van McKinsey en het CHAOS Report 2024 van de Standish Group blijkt dat grote IT-maatwerkprojecten regelmatig 45 procent over het budget gaan en 56 procent minder waarde opleveren dan oorspronkelijk gepland. Externe consultants realiseren vergelijkbare oplossingen doorgaans vijf tot zeven maanden sneller dan interne teams, die vaak alleen al negen tot achttien maanden nodig hebben om tot een werkende implementatie te komen. Meer dan een derde van de grote maatwerksoftwareprojecten wordt stopgezet voordat dat punt is bereikt.
Die tijd gaat niet in de AI zelf zitten, maar in alles eromheen. Operationele data verzamelen en opschonen. Koppelingen leggen met bestaande ERP- en onderhoudssystemen. Governancekaders ontwerpen die een audit doorstaan. Het model trainen met domeinspecifieke context die in de loop van jaren is opgebouwd. En interne goedkeuringsrondes doorlopen waar bij de start niemand rekening mee hield.
Al die stappen zijn nodig. Geen ervan kan worden overgeslagen. Het verschil is dat een speciaal voor industriële toepassingen ontwikkeld platform dit hele traject al heeft doorlopen en inmiddels bij honderden klanten deel uitmaakt van de dagelijkse bedrijfsvoering.
Wat 90 dagen in de praktijk betekent
Bij Ultimo spreken we over 90 dagen van besluit tot concrete waarde in de praktijk. Ik wil duidelijk maken wat we daarmee bedoelen, want zo'n specifieke claim verdient een heldere uitleg.
Het gaat niet om 90 dagen tot een demo. Het gaat om 90 dagen tot een bewezen usecase die in een echte operationele omgeving draait en wordt getoetst aan een vooraf afgesproken meetcriterium. Eén AI-agent. Eén probleem. Eén meetbaar resultaat. Geen prototype en geen proof of concept, maar een concreet resultaat.
Die termijn is niet haalbaar omdat van snelheid een doel op zich wordt gemaakt, maar doordat het fundament er al ligt. De operationele context, assethiërarchieën, logica van onderhoudsprocessen en domeinkennis uit jarenlange industriële implementaties zijn al in het platform verankerd. Het integratieraamwerk is er al. Net als de governancearchitectuur. Wat resteert, is de oplossing configureren voor uw omgeving en uw specifieke vraagstuk. Dat is wezenlijk iets anders dan helemaal vanaf nul beginnen.
Dit is precies de voorsprong die bij interne ontwikkeling nauwelijks is te evenaren, hoe deskundig het team ook is.
Wat wachten kost
Er is één cijfer waar ik in deze gesprekken vaak op terugkom. Siemens schatte in een onderzoek uit 2024 dat ongeplande stilstand de 500 grootste industriële bedrijven ter wereld jaarlijks 1,4 biljoen dollar kost. Een grote fabriek heeft gemiddeld ongeveer 27 uur ongeplande stilstand per maand.
Met die cijfers krijgt de vraag naar de doorlooptijd ineens een andere lading. Een ontwikkeltraject van 18 maanden is meer dan een projectplanning. Het betekent 18 maanden werken zonder de onderhoudsinzichten waarover uw concurrenten mogelijk al beschikken. 18 maanden waarin uw meest ervaren engineers kennis met zich meedragen die nog niet is vastgelegd, gestructureerd of toegankelijk gemaakt voor de mensen die die kennis het hardst nodig hebben. 18 maanden met planningsoverleggen die langer duren dan nodig, onvolledige werkorders en storingshistorie die wel in het systeem staat, maar op het beslissende moment te lastig terug te vinden is.
De kosten van gemiste kansen tijdens een lang ontwikkeltraject zijn reëel en lopen elke maand door. Elke maand dat het systeem nog niet operationeel is, is een maand waarin de bedrijfsvoering niet verbetert.
De kostenpost die zelden in het projectplan staat en meestal pas laat zichtbaar wordt, zit in de mensen die de oplossing ontwikkelen. Een intern AI-project kost niet alleen geld en tijd. Het legt ook beslag op uw beste engineers en specialisten in continu verbeteren: juist de mensen wier expertise de meeste waarde oplevert wanneer zij die rechtstreeks voor de bedrijfsvoering inzetten.
Zodra een zelf ontwikkeld systeem operationeel is, kunnen die mensen niet simpelweg door naar het volgende project. Ze worden verantwoordelijk voor een softwareproduct dat ze nooit van plan waren blijvend te beheren. Ze moeten het voor onbepaalde tijd onderhouden, klachten van operators in andere ploegen afhandelen en op ongelegen momenten integratieproblemen oplossen: taken die nooit in hun functieomschrijving stonden. Er is geen SLA. Geen supportteam. Vaak is er maar één persoon die het systeem kan uitleggen, herstellen of vervangen. Vertrekt die persoon, dan verliest de organisatie die kennis terwijl de fabriek inmiddels van het systeem afhankelijk is. Dat is geen technologisch risico, maar een personeelsrisico. En dat risico neemt toe met elke maand dat het systeem in gebruik blijft.
Eén usecase, één meetcriterium, één ploeg
Het praktische voordeel van een route die binnen 90 dagen waarde oplevert, is dat de beslissing om te starten niet meteen een volledig transformatieprogramma hoeft te omvatten. Dat is cruciaal.
Industriële AI hoeft niet meteen overal te worden ingezet om de moeite waard te zijn. Begin bij het probleem dat het meeste kost én het best oplosbaar is: de dagstart die een uur voorbereiding vergt, storingsdiagnoses waardoor technici twee keer moeten terugkomen, of veiligheidssignalen die in een onderhoudswerkorder verdwijnen voordat iemand ze registreert. Eén AI-agent. Eén aantoonbaar resultaat. Eén afgesproken meetcriterium.
Stefan van Bussel van Berkvens Doorsystems verwoordt het goed. Hun AI-agent voor onderhoudsplanning bespaart iedere teamleider elke ochtend 30 tot 60 minuten en evenaart de handmatige analyse met een nauwkeurigheid van meer dan 95 procent. Dat resultaat kwam niet voort uit een langdurig ontwikkeltraject, maar uit drie dingen: een helder probleem, een platform waarin de operationele context al aanwezig was en een team dat zich op één resultaat richtte.
Zo ziet het 90-dagenalternatief er in de praktijk uit. Niet als een verkorte versie van een project van 18 maanden, maar als een fundamenteel andere benadering.
De vraag waarmee u moet beginnen
Voor de meeste industriële organisaties die onder druk staan om stilstand terug te dringen, met beperkte personeelscapaciteit te werken en de operationele prestaties te verbeteren, wordt de route steeds duidelijker. Het gaat niet om de traditionele keuze tussen zelf ontwikkelen en inkopen. Een speciaal voor industriële toepassingen ontwikkeld platform biedt het fundament: een solide operationele basis, data-infrastructuur, governancearchitectuur en domeinkennis uit honderden implementaties. Op die basis kan uw team de oplossing configureren, aanpassen en uitbreiden voor de eigen omgeving en specifieke vraagstukken.
U ruilt geen controle in voor gemak. U kiest waar u de expertise van uw team inzet: voor het onderhouden van infrastructuur of voor het verbeteren van de bedrijfsvoering. Voor de meeste industriële organisaties is dat op dit moment de doorslaggevende keuze.
