Autonome AI vraagt om meer dan goede data en strakke procesregels. Het vraagt om een organisatie die begrijpt hoeveel zelfstandigheid ze verantwoord kan toevertrouwen aan technologie die niet alleen handelt, maar ook de werkelijkheid interpreteert.

Jarenlang introduceerden we technologie om mensen te ondersteunen: een extra applicatie, een nieuw systeem of een geautomatiseerde stap in een bestaand proces. Vandaag de dag verandert de aard van die technologie.

AI ontwikkelt zich van ondersteunende tools zoals chatbots en copilots, die informatie verwerken en advies geven, naar systemen die zelfstandig beslissingen voorbereiden en acties uitvoeren over meerdere processtappen en systemen heen.

De cruciale verschuiving zit in de mate van autonomie en de ruimte die een organisatie aan AI toekent om zelfstandig te handelen.

1. De verborgen menselijke buffer

Op papier verloopt een bedrijfsproces volgens vastgelegde regels, afspraken en systeemstappen. In de dagelijkse praktijk vraagt de uitvoering voortdurend om menselijke interpretatie en flexibiliteit. Medewerkers voelen aan wanneer informatie in een dossier ontbreekt, merken wanneer een getal onlogisch is en begrijpen wanneer een formele procedure in een specifieke situatie tot een ongewenste uitkomst leidt.

Dit werk gebeurt grotendeels onzichtbaar. Een medewerker weet welke collega hij moet bellen om een ontbrekend gegeven boven tafel te krijgen. Hij kent de achtergrond van een klantafspraak, begrijpt waarom een specifieke order afwijkt van het gebruikelijke patroon of ziet dat een ogenschijnlijk correcte systeemuitvoer in de praktijk niet klopt.

Deze context zit verspreid over de ervaring van medewerkers, hun kennis van de organisatie en onderlinge afspraken. Ze gebruiken dat inzicht voortdurend om de formele procesinrichting te verbinden met de werkelijkheid waarin het werk wordt uitgevoerd. Daarbij vullen ze informatie aan, interpreteren ze afspraken en corrigeren ze uitkomsten die in de concrete situatie niet kloppen.

Zo vormen medewerkers een vitale, maar vaak verborgen menselijke buffer. Ze overbruggen de afstand tussen wat formeel is vastgelegd en wat de dagelijkse praktijk vraagt. Dankzij die inspanning blijven processen functioneren, terwijl de benodigde menselijke kennis en correcties vaak buiten beeld blijven.

2. Als AI de menselijke beoordeling overneemt

Wanneer autonome AI-agenten processen gaan uitvoeren, verschuift er iets dat veel fundamenteler is dan een reeks processtappen.

AI stapt in dezelfde kloof tussen de theorie op papier en de weerbarstige praktijk die voorheen door mensen werd opgevangen. Alleen doen moderne generatieve AI-systemen dat niet meer door simpelweg starre, vooraf geprogrammeerde regels te volgen. De onderliggende modellen kunnen inmiddels tegenstrijdigheden signaleren, nuances in formuleringen interpreteren en alternatieven afwegen om tot een conclusie te komen, ook in situaties waarvoor geen expliciete regels zijn geschreven. Dat vermogen biedt echter geen garantie dat het model de situatie juist beoordeelt of tot de juiste conclusie komt.

AI neemt dus niet alleen het werk over, maar ook de interpretatie en de beoordeling die medewerkers voorheen leverden.

Die technologische sprong introduceert een ander type risico dan traditionele automatisering. Een AI-agent kan de situatie analyseren, logisch redeneren en toch de verkeerde betekenis aan de werkelijkheid geven. Generatieve modellen kunnen immers plausibele, maar feitelijk onjuiste conclusies trekken (hallucineren).

Waar een medewerker bij een vreemde afwijking of organisatorische gevoeligheid kan besluiten te stoppen en een collega te raadplegen, leidt onzekerheid bij AI niet vanzelfsprekend tot het stilleggen van de uitvoering. Wanneer een agent vervolgens de ruimte heeft gekregen om op basis van die foutieve interpretatie zelfstandig door te gaan, blijft de noodzakelijke correctie achterwege.

Zodra zo’n verkeerd oordeel autonoom wordt omgezet in een actie over meerdere systemen, kan een fout zich geruisloos en razendsnel door de procesketen verspreiden. De organisatie kan dit risico niet ondervangen door simpelweg meer regels vooraf in te richten. De fundamentele vraag is hoe betrouwbaar het systeem de werkelijkheid interpreteert, hoe het omgaat met onzekerheid en tegenstrijdige data, en hoe de organisatie de gevolgen opvangt wanneer het oordeel van de machine er volledig naast zit.

3. Een breder kader: drie dimensies van inrichting

Het verantwoord inzetten van autonome AI is dan ook een organisatievraagstuk. Omdat een organisatie niet iedere situatie vooraf in regels kan vatten, is er een kader nodig dat de interactie tussen mens, machine en organisatie structureert. Dit vraagt om bewuste keuzes op drie fundamentele dimensies die elkaar continu beïnvloeden:

De beslissingsruimte (Autonomie): Welke specifieke acties mag de AI zelfstandig uitvoeren, waar blijft een menselijk akkoord (human-in-the-loop) verplicht, en welke harde grenzen gelden voor zelfstandig handelen, ook wanneer het model zijn eigen onjuiste conclusies niet herkent?

De informatiegrondslag (Data): Op basis van welke bronnen handelt het systeem, en bieden die gegevens voldoende context en kwaliteit om zelfstandige interpretatie te ondersteunen?

Het eigenaarschap (Verantwoording): Wie draagt de operationele verantwoordelijkheid voor de uitkomsten van het proces, en hoe herstellen we de keten wanneer een plausibele maar onjuiste beoordeling van de machine schade aanricht?

Geen lineaire volwassenheid, maar gerichte risicobeheersing

Vaak wordt gesteld dat organisaties eerst hun processen en data volledig 'op orde' moeten hebben — inclusief het doorbreken van afdelingssilo's — voordat ze klaar zijn voor AI. Dat is een misvatting die leidt tot verlamming. Organisatorische volwassenheid is geen alles-of-niets-verhaal. Een organisatie kan gefragmenteerde interne structuren hebben en tegelijkertijd heel succesvol een specifieke AI-toepassing inzetten.

De valkuil is om te denken dat een strakke taakafbakening het interpretatierisico automatisch oplost. Afgebakende toegangsrechten beperken wat een agent mag doen. Betrouwbare inputdata en toezicht helpen de risico's te beheersen. Geen van deze maatregelen garandeert echter dat de machine de situatie juist begrijpt.

Neem een microscopisch kleine, strak afgebakende taak: beoordelen of een binnengekomen factuur direct mag worden betaald. De factuurgegevens zijn digitaal beschikbaar en de agent blijft netjes binnen zijn bevoegdheden. Toch kan hij tot een verkeerd besluit komen. Misschien is er na een eerdere foutieve levering handmatig extra coulance beloofd aan een strategische leverancier. Als die afspraak nergens is vastgelegd, ontbreekt relevante context. Maar zelfs als de afspraak wel digitaal is vastgelegd en voor de agent beschikbaar is, kan het model de betekenis ervan verkeerd interpreteren en alsnog een onjuiste beslissing nemen.

De onzichtbare chaos van de organisatie zit in de verwevenheid van menselijke kennis, afspraken en eerdere gebeurtenissen die mede bepalen hoe informatie moet worden geïnterpreteerd. Beschikbare informatie biedt daarmee nog geen garantie op een juiste beoordeling van de situatie.

Een beperkte technologische reikwijdte verkleint weliswaar de potentiële impact van een fout, maar garandeert geen juiste beoordeling wanneer de taak afhankelijk is van context die de AI niet betrouwbaar kan duiden. Andersom garanderen perfect gestroomlijnde processen evenmin een verantwoorde inzet wanneer een agent te ruime bevoegdheden krijgt in een onvoorspelbare context.

De pragmatische route

De werkelijke uitdaging is daarom niet om te wachten tot de hele organisatie 'klaar' is, maar om de mate van autonomie van een AI-toepassing af te stemmen op de specifieke taak en de context waarin die wordt uitgevoerd. Hoeveel zelfstandigheid je een agent geeft, hangt af van de complexiteit van de taak, de betrouwbaarheid en betekenis van de beschikbare informatie, de impact van een eventuele fout en de kwaliteit van de ingebouwde controlemechanismen. Daarbij hoort ook de vraag hoe de organisatie omgaat met onjuiste interpretaties en het risico beperkt dat deze tot ongewenste acties leiden.

AI invoeren is een technologische keuze, maar AI effectief en verantwoord laten werken is een organisatievraagstuk.

De relevante vraag voor elk bestuur is dan ook: Welke specifieke AI-toepassingen kunnen wij, met de risicobeheersing en organisatorische inrichting die we vandaag hebben, verantwoord inzetten, en wat moeten we veranderen om AI meer zelfstandigheid te kunnen geven?

Over de auteur

Danny Gaethofs is onafhankelijk adviseur op het gebied van digitale transformatie, supply chain en bedrijfsapplicaties. Hij houdt zich bezig met complexe verandertrajecten waarin technologie, processen en organisatie samenkomen.

Meer artikelen en achtergrond: www.danga.biz

Viva Wine Group kiest voor Slimstock om haar toeleveringsketen te optimaliseren

Slimstock heeft vandaag (7 oktober 2026) bekendgemaakt dat Viva Wine Group, één van de toonaangevende wijnbedrijven in de Scandinavische regio, gekozen heeft om een nieuw initiatief voor de toeleveringsketen te lanceren [1].

Het doel is om de planningscapaciteiten te versterken, de transparantie binnen de organisatie te vergroten en datagestuurde besluitvorming te bevorderen.

Viva Wine Group is een familie van door ondernemers geleide bedrijven, verenigd door een gedeelde passie voor wijn, duurzaamheid en verantwoord ondernemen. Met een breed portfolio van bekende wijnmerken en sterke relaties met producenten over de hele wereld heeft het bedrijf een sterke positie verworven in Zweden, de bredere Scandinavische regio en diverse Europese markten.

“VIVA Wine Group is een bedrijf in constante transformatie, waar flexibiliteit, nieuwsgierigheid en ambitie de drijvende kracht achter de onderneming zijn. In Slimstock vonden we een leverancier van forecasting- en replenishment-systemen die deze waarden deelt en een oplossing kan bieden die met ons meegroeit en evolueert, terwijl het tegelijkertijd stabiele beslissingsondersteuning en waardevolle inzichten in onze supply chain levert”, — Martina Nordström, Logistiek Directeur.

Slimstock creëert betere voorwaarden voor proactieve planning.

Dankzij het planningsplatform van Slimstock krijgt Viva Wine Group een beter inzicht in de vraag, prognoses en aanvullingsprocessen. De oplossing verhoogt de transparantie en biedt betere ondersteuning bij besluitvorming, waardoor het bedrijf effectiever kan plannen in een complexe en constant veranderende markt.

Een belangrijk aandachtspunt is het verbeteren van het uitzonderingsbeheer en het creëren van betere voorwaarden om potentiële beschikbaarheidsproblemen in een vroeg stadium te signaleren. Met de ondersteuning van Slimstock krijgt het team meer inzicht in de supply chain en de mogelijkheid om proactiever te werken, waardoor het gemakkelijker wordt om de juiste acties te prioriteren en tijdig te reageren wanneer zich uitzonderingen voordoen.

Als onderdeel van het initiatief worden ook geavanceerde analyses en scenarioplanning geïmplementeerd ter ondersteuning van snellere en beter onderbouwde besluitvorming. Dankzij de AI-functionaliteit van Slimstock is Viva Wine Group beter in staat om verschillende uitkomsten te analyseren en de bedrijfsvoering aan te passen aan veranderingen in de vraag en marktomstandigheden.

De samenwerking versterkt de langetermijnambitie van Viva Wine Group om kwaliteit, duurzaamheid en operationele efficiëntie te combineren, waarden die nauw aansluiten bij de missie van Slimstock om bedrijven te helpen slimmere, efficiëntere en toekomstbestendige supply chains te bouwen.

Mikael Wiklund, Country Manager bij Slimstock Zweden, licht de samenwerking toe: “We kijken oprecht uit naar deze samenwerking. Net als een echt goede wijn is het gebouwd op een solide basis.”

Lees meer

Meer nieuws over

MAAP neemt Bamboo Rose TotalPLM™ in gebruik om de wereldwijde groei te versnellen

Noorse vleesproducent gaat de complexe planning van vee en snijschema's automatiseren, waardoor de operationele efficiëntie verbetert, verspilling wordt verminderd en de servicekwaliteit wordt verbeterd.

Bamboo Rose heeft (7 oktober 2026) vandaag aangekondigd dat het premium wereldwijde fietskledingmerk MAAP Bamboo Rose TotalPLM™ volledig gaat gebruiken ter ondersteuning van de volgende fase van wereldwijde groei [1].

MAAP, opgericht in 2014 in Melbourne, Australië, is een toonaangevend wereldwijd merk voor hoogwaardige fietskleding en -accessoires, dat zich inzet om de sport vooruit te helpen. Door een esthetisch design te combineren met innovatieve technische kledingstukken, produceert MAAP premium kleding en accessoires die zijn ontworpen om te excelleren onder alle fietsomstandigheden. Met topprestaties als kernwaarde werkt het merk samen met topatleten en fabrieken wereldwijd om de fietservaring voortdurend te verfijnen en te verbeteren.

Door planning, ontwerp, productontwikkeling, inkoop en orderbeheer samen te brengen op één AI-platform, biedt MAAP haar teams één betrouwbare bron van informatie, van concept tot productie.

Naarmate MAAP wereldwijd uitbreidde, bleven belangrijke workflows verspreid over meerdere systemen. Een enkele productwijziging vereiste updates op drie softwareplatformen en in meerdere spreadsheets, wat leidde tot onnodig handmatig werk, beperkt inzicht en vertraagde de samenwerking tussen teams.

Met TotalPLM vervangt MAAP deze losgekoppelde workflows door een uniform platform dat de nauwkeurigheid van gegevens verbetert, het inzicht vergroot, handmatig werk vermindert en snellere, beter onderbouwde beslissingen mogelijk maakt naarmate het bedrijf blijft groeien.

“De overstap naar TotalPLM biedt onze teams één betrouwbare bron van informatie gedurende de gehele productlevenscyclus. We krijgen de zichtbaarheid, nauwkeurigheid en automatisering die nodig zijn om de volgende groeifase van MAAP te ondersteunen, terwijl onze teams meer tijd overhouden voor productinnovatie”, — aldus Erin Height, Chief Product Officer en Project Champion bij MAAP.

“Groei zou niet moeten leiden tot meer spreadsheets of losgekoppelde systemen”, — zegt Matt Stevens, CEO van Bamboo Rose. “Door planning, ontwerp, productontwikkeling, inkoop en operationele processen samen te brengen in ons AI-platform TotalPLM™, bouwt MAAP een verbonden basis die elk team de zichtbaarheid geeft die nodig is om sneller te werken en met vertrouwen te schalen.”

Lees meer

Twee retailers. Business Central. Hetzelfde OMS. Twee totaal verschillende routes.

De afgelopen maanden heb ik me intensief verdiept in hoe retailers en groothandels hun supply chain en digitale landschap inrichten. OMS/DOM, upstream, downstream, MESCBN — ik heb inmiddels zoveel van deze omgevingen geanalyseerd dat ik de structuren nagenoeg kan dromen.

Mijn interesse in de dynamiek van dit speelveld is daardoor alleen maar groter geworden. Je ziet gaandeweg steeds beter waar de werkelijke operationele uitdagingen liggen en welke strategische keuzes het verschil maken.

Wat deze verkenning voor mij echt waardevol maakte? Het inzicht dat er in e-commerce en retail-tech geen standaard blauwdruk voor succes is. De juiste route hangt volledig af van de context van de organisatie.

Kijk naar Sunkost en HiFi Klubben. Beide retailers hebben dezelfde belangrijke bouwstenen in hun landschap: Omnium OMS en Microsoft Dynamics 365 Business Central. Hun transformatiestrategie was echter totaal verschillend.

Sunkost koos ervoor om het OMS vroeg in het traject te positioneren als centrale orchestratielaag. Hiermee kregen ze direct grip op de orderstromen en voorraad, om vanuit die rust het omliggende IT-landschap stap voor stap verder te moderniseren.

HiFi Klubben A/S pakte het omgekeerd aan. Zij kozen voor een gefaseerde benadering en versterkten eerst de basisprocessen en data-integratie binnen hun Business Central-omgeving, om pas daarna de specifieke omnichannel-mogelijkheden rondom het OMS in te richten.

Twee fundamenteel andere benaderingen, maar allebei succesvol omdat ze startten vanuit de specifieke dynamiek van hun eigen organisatie en IT-architectuur.

Uiteindelijk draait het succes van enterprise software niet om de applicatie zelf. Het draait om het fundament: begrijpen hoe je bedrijfsprocessen zijn ingericht, hoe informatiestromen lopen, wat klanten echt van je vragen en hoe volwassen je IT-landschap daadwerkelijk is. Pas als je dat scherp hebt, kun je de juiste transformatieroute bepalen.

Meer nieuws over

Two retailers. Business Central. The same OMS. Two completely different routes. 😄

Over the past few months, I have immersed myself in how retailers and wholesalers structure their supply chains and digital landscapes. OMS/DOM, upstream, downstream, MESCBN — I have analysed so many of these environments by now that I can almost see the structures in my sleep.

My interest in the dynamics of this field has only grown through that exploration. The more you look at these environments, the clearer it becomes where the real operational challenges lie and which strategic choices make the difference.

What made this exploration particularly valuable for me? The insight that there is no standard blueprint for success in e-commerce and retail tech. The right route depends entirely on the context of the organisation.

Look at Sunkost and HiFi Klubben. Both retailers have the same key building blocks in their landscape: Omnium OMS and Microsoft Dynamics 365 Business Central. Yet their transformation strategies were fundamentally different.

Sunkost chose to position the OMS early in the transformation as a central orchestration layer. This gave them immediate control over order flows and inventory, allowing them to gradually modernise the surrounding IT landscape from that position of operational stability.

HiFi Klubben took the opposite approach. They chose a phased approach, strengthening their core processes and data integration as they rebuilt their Business Central environment, while gradually establishing specific omnichannel orchestration through the OMS.

Two fundamentally different approaches, yet both successful because they started from the specific dynamics of their own organisation and IT architecture.

Ultimately, the success of enterprise software is not about the application itself. It is about the foundation: understanding how your business processes are structured, how information flows, what customers actually expect from you, and how mature your IT landscape really is.

More news

De grootste telecomoperator van Zweden neemt een AI-gestuurd platform in gebruik om de nauwkeurigheid van prognoses en de precisie van voorraadbeheer te verbeteren.

Telia Company, de toonaangevende telecomaanbieder in de Noordse en Baltische regio, heeft RELEX Solutions geselecteerd voor forecasting, voorraadbeheer en supply chain planning binnen hun retailnetwerk [1].

Telia Company streeft ernaar de nauwkeurigheid van de prognoses te verbeteren en de planningsprocessen in hun winkels en distributiecentra te stroomlijnen.

Telia is een toonaangevende telecomaanbieder die connectiviteit levert in de Noordse en Baltische regio, met een retailtak en een online aanwezigheid. Door de aanhoudende vraag naar de nieuwste apparaten en accessoires had Telia Company behoefte aan nauwkeurige, geautomatiseerde planning om gelijke tred te houden en de op spreadsheets gebaseerde processen te vervangen die het overzicht over de gehele organisatie beperkten.

“Vanaf ons eerste gesprek met RELEX was het duidelijk dat er een enorm potentieel was om onze planning en prognoses radicaal te verbeteren”, — aldus Johan Melkersson, Director Sourcing & Supply Chain CE bij Telia Company. “RELEX heeft ons inzicht gegeven in automatiseringsmogelijkheden die we voorheen nog niet volledig hadden overwogen. We kijken uit naar de precisie en transparantie die dit ons in de hele toeleveringsketen zal brengen.”

RELEX biedt Telia een uniform overzicht van prognoses, voorraadbeheer en inkoopoptimalisatie, inclusief mogelijkheden voor seizoens- en promotieplanning. Omdat de vraag naar specifieke apparaten snel kan veranderen rond de lancering van nieuwe producten, helpt geautomatiseerde prognoses Telia Sverige om de voorraad nauwkeuriger te plannen en hun onderhandelingspositie bij leveranciers voor de toewijzing van nieuwe producten te versterken.

“Wat Telia Company doet, weerspiegelt een bredere verschuiving, aangezien telecomretailers met dezelfde uitdagingen op het gebied van prognoses en voorraadbeheer te maken hebben als traditionele retailers, en op zoek zijn naar oplossingen van hetzelfde kaliber”, — aldus Jason Berry, SVP EMEA van RELEX Solutions. “Telia Sverige is een sterk voorbeeld van hoe deze capaciteiten net zo goed toepasbaar zijn in de telecomsector als in de detailhandel.”

Lees meer

Stüssy koppelt wereldwijde goederen- en voorraadplanning aan RELEX.

Het streetwearmerk Stussy Inc. brengt forecasting, voorraadbeheer en financiële planning samen om de verkoop, productbeschikbaarheid en planningsefficiëntie te verbeteren.

RELEX Solutions heeft vandaag (30 september 2026) aangekondigd dat Stussy Inc., een wereldwijd streetwearmerk, RELEX heeft geselecteerd, een leverancier van een uniform, AI-gebaseerd platform voor retail- en supply chain-planning, om forecasting, voorraadbeheer en financiële planning van de goederen in al haar wereldwijde activiteiten te verbinden [1].

RELEX zal Stüssy ondersteunen in winkels, webshops en distributiecentra (DC's), waardoor het bedrijf de vraagvoorspelling kan verbeteren, voorraadbeslissingen kan versterken en planningsteams meer tijd krijgen voor strategische analyses.

Stüssy ontwerpt en verkoopt dames- en herenkleding en -accessoires, die worden verkocht via eigen winkels, maar ook via skate-, surf-, warenhuis- en speciaalzaken. Het bedrijf is wereldwijd actief in Noord-Amerika, Europa en Azië. Naarmate Stüssy haar wereldwijde activiteiten uitbreidt, is het steeds belangrijker geworden om vraag, voorraad en financiële planning over alle kanalen heen met elkaar te verbinden.

RELEX zal naast de open-to-buy- en merchandise-financiële planning ook forecasting en aanvulling van voorraden ondersteunen. De uniforme aanpak geeft teams beter inzicht in de vraag en gemiste verkopen, waardoor ze betere inkoopbeslissingen kunnen nemen en de verkoop en seizoensgebonden omzet kunnen verbeteren dankzij een sterkere vraagvoorspelling. Stüssy heeft Neos by Argon, een RELEX-partner met implementatie-expertise, geselecteerd om de planningsaanpak in het hele netwerk van Stüssy te implementeren.

“Stüssy weet waar het met zijn planningsorganisatie naartoe wil en heeft een duidelijke lat gelegd voor wat succes inhoudt”, — aldus Frank Lord, Chief Revenue Officer van RELEX Solutions. “Beter inzicht in de klantvraag zal het team helpen om beter onderbouwde inkoopbeslissingen te nemen en met vertrouwen te plannen. We zijn verheugd hen te ondersteunen bij de volgende groeifase.”

Lees meer