Voor operationeel managers
AI voor operationeel managers, gegrond in je eigen operationele data
Je weet welke drie vragen het MT gaat stellen voordat iemand zijn mond opendoet: wat is onze echte doorlooptijd, zitten we goed op de orderinstroom, en welke orders gaan hun leverdatum niet halen. Het probleem is dat het antwoord in vier systemen ligt die elkaar tegenspreken, en dat de versie die jij zondagavond in je sheet tikt de versie is waar altijd iemand een gat in prikt. Een AI die gegrond is in je eigen operationele bestanden dicht dat gat.
De vijand is niet een moeilijke vraag. Het is dat uur op zondagavond voor het MT van maandag: KPI's overtikken uit het ERP, de productiedatabase, de urenregistratie en het planbord, wetend dat er één cijfer omvalt zodra iemand doorvraagt. Dat gat ligt niet aan jou; het is het AI-probleem, verteld vanaf de operationele stoel. Versnipperde data in systemen die niet met elkaar praten is precies waar bedrijfsbrede pilots op stuklopen: Gartner voorspelde dat minstens 30% van de generatieve-AI-projecten eind 2025 na de proof of concept zou zijn afgeblazen, met slechte datakwaliteit als een van de genoemde oorzaken. Elke week loop je als operationeel manager tegen precies die conclusie aan: de cijfers sluiten niet op elkaar aan, dus geen enkel antwoord is te vertrouwen.
Het meeste wat onder de noemer "AI voor operations" wordt verkocht, maakt dit erger in plaats van beter. Planningssoftware voor de werkvloer en routeoptimalisatie automatiseren de fabriek, maar vertellen je nooit welk van je twee leverbetrouwbaarheidscijfers klopt. Cursusplatforms leren je "AI in operations management" in theorie. Automatiseringstools schuiven taken rond zonder ooit de vier bestanden te lezen waar jouw week werkelijk in zit. Geen ervan brengt het beeld op één lijn dat jij persoonlijk moet verdedigen.
AI Board is anders omdat het gegrond is in je eigen operationele bestanden (het KPI-dashboard, de capaciteitssheet, de export met openstaande orders) en bij elk cijfer het document en de versie noemt, zodat je het in tien seconden controleert in plaats van er blind op te vertrouwen. Privacy by design: de bestanden blijven op je eigen laptop. Deze pagina gaat over hoe je er week in week uit mee werkt. Voor de gedachte erachter (één verzoend operationeel beeld over alle systemen heen) lees je je bedrijfsbrein.
De week die je herkent
Zondagavond KPI's overtikken uit vier systemen voor het MT van maandag
Doorlooptijd en OEE uit het ERP, realisatie uit de productiedatabase, de uren uit de urenregistratie, de planning van het whiteboard, allemaal met de hand in Operations KPI-dashboard Q2.xlsx getikt, en er staat altijd één cijfer nét scheef zodra iemand in de zaal doorvraagt. De angst zit niet in het werk; het zit in het afgaan voor het MT door een getal dat je om elf uur 's avonds hebt ingeklopt. Wat je nodig hebt is geen mooier dashboard. Het is het verzoende cijfer én die ene regel die zegt welke lijnen het gemiddelde omlaagtrekken, klaar voordat de vraag komt.
"Huren we te veel in, of lopen we achter?", en het MT vraagt allebei
Elk kwartaal dezelfde discussie: de ene helft van de zaal zegt dat je te veel mensen op de loonlijst hebt, de andere helft dat je achterloopt op de instroom. Het uitzoeken kost een middag draaitabellen op Capaciteitsplanning Q3 2026.xlsx tegen het orderboek, en het tekort zit nooit op "de hele lijn": het zit op de lassers, of op één machine, niet op een bak uren. Huur je bij op basis van de verkeerde lezing, dan betaalt jouw geloofwaardigheid de rekening zodra die extra mensen in week 32 duimen zitten te draaien.
Je hoort pas dat een order te laat is als de klant boos belt
Je hebt geen vroege waarschuwing op de openstaande orders. Openstaande orders week 28.xlsx loopt dagenlang de verkeerde kant op voordat het zichtbaar wordt als een te late levering, en tegen de tijd dat Van Leeuwen belt over order P-2043 is de schade al aangericht. Wat je niet ziet: welke orders nú dreigen uit te lopen, welke daarvan terug te voeren zijn op dezelfde leverancier, en welk telefoontje vandaag je leverbetrouwbaarheid boven de 95% houdt. Dat is het maandagochtendbrandje dat je altijd een dag te laat blust.
Live demo
Jouw persoonlijke AI-assistent, denkend
Vijf lopen uit de pas; drie via één leverancier, Bektas Metaal. Order P-2043 voor Van Leeuwen sneuvelt vrijdag. Bel Bektas vandaag en je leverbetrouwbaarheid blijft boven de 95%.
Wat er verandert
Eén verzoend operationeel beeld, voordat het MT begint
Je vraagt om de cijfers en krijgt ze al verzoend over het ERP, de productiedatabase, de urenregistratie en de planning heen (geen overtikken meer), inclusief de nuance waar de zaal op gaat doorvragen: doorlooptijd 4% beter, maar lijn 3 en 5 trekken het gemiddelde omlaag, en het tabblad 'per lijn' heeft het cijfer waarmee je de zaal in gaat. Elk getal is herleidbaar naar het exacte bestand en de versie, zodat je het kunt controleren voordat je het overneemt. Een dashboard stopt bij het cijfer; een tweede brein dat in je bestanden zit, neemt het mee de vergadering in.
Capaciteit tegen echte vraag, zonder onnodig bij te huren
Of je bezetting klopt op de instroom, afgelezen uit je eigen capaciteitssheet en orderboek: komende drie weken ongeveer 90 uur tekort op montage, daarna overcapaciteit in week 32, met de eerlijke lezing dat de orderinstroom vooraan zit en niet je bezetting, dus je schuift de ruimte uit week 32 naar voren in plaats van bij te huren. Het benoemt precies waar het tekort zit (de knellende vaardigheid of machine, niet een bak uren), zodat je de keuze kunt verdedigen in plaats van te gokken.
Een vroege waarschuwing op leverbetrouwbaarheid en leveranciersrisico
Welke orders deze week dreigen uit te lopen, uit het orderbestand naar boven gehaald voordat de klant belt: vijf lopen uit de pas, drie zijn terug te voeren op één leverancier, order P-2043 voor Van Leeuwen komt vrijdag in de knel. Het koppelt die leverancier aan een feit uit het bestand (de gemiddelde vertraging op hun laatste vier leveringen), zodat het een signaal is en geen orakel. Zo wordt het brandje van maandag een telefoontje dat je vandaag pleegt, met leverbetrouwbaarheid boven de 95%.
Direct beantwoord
Waar het overwerk en het herstelwerk landt
Het overwerk liep deze maand weer op: welke opdrachten hebben het opgeslokt, en gaat het stilletjes ten koste van de marge daarop?
Waar het tekort echt zit
We komen volgende maand tekort op montage. Zijn dat uren over de hele lijn, of één vaardigheid of machine waar ik niet omheen kan?
Waar we uren verliezen aan stilstand
Welke lijn of machine verloor deze maand de meeste uren aan ongeplande stilstand, en wordt die trend erger?
Wat een lijn omzetten echt kost
Als ik een lijn omzet naar de orders die deze week onder druk staan, welke andere opdrachten schuiven dan uit, en bij welke klanten?
Veelgestelde vragen
Wat kan AI concreet doen voor een operationeel manager?
Is dit niet gewoon fabrieksautomatisering of een planningstool?
Waarom zou dit wél werken terwijl de meeste bedrijfsbrede AI-programma's stilvallen?
Blijft mijn operationele data privé?
Het bedrijfsbrede operations-AI-programma wacht op data die nog niemand sluitend heeft gekregen. Je eigen tweede brein op je echte bestanden wacht niet, en de beweging gaat jouw kant op: Gartner voorspelt dat 70% van de grote organisaties in 2030 AI-gedreven supply-chain-forecasting gebruikt om toekomstige vraag te voorspellen. De operationeel manager die nu al met een verzoend, gegrond beeld binnenloopt, staat daarvoor klaar. Degene die op het volgende dashboardproject wacht, niet. Marge is het gevecht ernaast: zie AI CFO voor waar die weglekt.
Loop het MT van maandag in met een beeld dat overeind blijft
Zie hoe een tweede brein, gegrond in je KPI-, capaciteits- en orderbestanden, de cijfers verzoent, de orders markeert die dreigen uit te lopen en laat zien of je bezetting klopt, voordat de vergadering begint.