Succesvolle AI in de industrie: Een voortdurend proces van leren en aanpassen

Hoi, leuk dat je weer luistert naar een nieuwe aflevering van de AIToday Live. Vandaag deel 2 met onze gast Nienke Vergeer. Mijn naam is Joop Snijder, CTO bij ATC. Mijn naam Niels Naglé, Chapter Lead, Data & AI bij Info Support. En Nienke, welkom terug. Leuk dat je deze tweede aflevering met ons ook doet. We hebben in de eerste aflevering hebben we het natuurlijk gehad over AI in de industrie. Heb je die nog niet geluisterd als luisteraar? Doe dat zeker. Het is een hele interessante inkijk, denk ik, in deze industrie. Voor degene die deel 1 gemist heeft, zou je je daar toch nog even voor willen voorstellen? Ik ben Digital Innovation Manager binnen Siemens Digital Industries. Zoals ik net ook verteld, niet de vaatwassers. Maar de fabrieken van deze wereld loop ik veel rond. Waarbij productie voor onder andere voedsel, maar ook water, van alles, chemisch, farma... Ga zo maar door. En daar gaat hopelijk AI een grote rol in spelen. Ja. Zou jij een rode draad kunnen noemen van wat AI tot een succes zou kunnen maken in de industrie, of misschien zelfs wel sectorbreed? Want we horen best wel vaak dat initiatieven falen. Heb je daar ideeën bij? Zeker. Daar heb ik zeker ideeën bij. Een van de eerste redenen waarom het vaak faalt, is dat het een aanpak als een project is. Ja? Ja. Dus als je bijvoorbeeld kijkt in de historie van de industrie, als je bijvoorbeeld het automatiseringsstuk, dan pakte je gewoon een mooi stukje technologie, daar ging je mee aan de slag, je bouwde iets innovatiefs, je implementeerde het in je productieproces. Strikt om je heen, hartstikke mooi. Dus we gaan AI en elke digitale transformatie technologie pakken we op dezelfde manier vast. Alleen vergeten wij dat de wereld om ons heen veranderd is. Dus dat je niet meer alleen antwoord geeft, oké, ik wil dat mijn productiemachine sneller draait. Nee, je geeft ook antwoord op die maatschappelijke vraagstukken. Waarbij ook de wereld groter geworden is dan de industrie. Het is complexer en je gaat ook vaak, als je bijvoorbeeld over data gaat praten, waar van historie gezien die machines en fabrieken helemaal dichtgetimmerd zaten, ga je nu met de buitenwereld praten. En dat betekent dus dat je ook met cybersecurity rekening moet gaan halen. - Maar wat bedoel je met de buitenwereld praten? - Nou, je hebt eigenlijk een hele harde muur zitten, een soort Berlijnse muur, zitten tussen de IT en de OT. - Oh zo, ja. - Dus IT, nou, IT kennen jullie. OTs, Operaties en hele technologie en eigenlijk dus alles wat in de fabriek draait. Dus alles wat computers, industriële computers, PC's, PLC's en alles waar al die machines op functioneren. Dat is eigenlijk één wereldje op zichzelf. Dat communiceert niet met de kantooromgeving. En dat gaan we ook niet doen vanuit origine. En die twee mensen communiceren ook niet. - O ja, spannend. Dus dat zijn echt twee eilanden op zichzelf. En als je bijvoorbeeld nu zo'n project aanvliegt, normaal gesproken met technologie, dan heb je een groepje engineers die gaan er hartstikke mee aan slag, maar die zitten vast in die OT-wereld. En die blijft in dat bubbeltje, maar nu ga je het over je AA hebben, en nu ga je opeens over de schutting kijken. En dat maakt het in één keer lastig. En dan ga je ook kijken, het gaat ook over wat is het voortbestaan van mijn bedrijf. en niet meer alleen over, weet ik veel, een of andere kwaliteitsprobleem. Ja, precies. Dus het is een hele ander type uitdaging waar je dan mee moet dealen en waar je dus ook op een hele andere manier mee om moet gaan. En ook veel strategischer moet nadenken, in plaats van alleen technologisch moet nadenken. Want dat is vaak wat er gebeurt. Je ziet, nou ik heb gewoon, gelukkig komen ze hun bedrijven er nu een beetje achter, maar gewoon heel veel bedrijven gezien waar, Als je het over technologieën als AI, maar alle hype technologieën, lijkt op blockchain, digital twins, AR, VR, een hele lijstje. Een hele bingo kaart. Een hele bullshit bingo kaart. Noem er maar op. Natuurlijk, ze hebben gewoon slimme koppen. We hebben superslimme engineers en die worden super enthousiast van dat soort technologieën. En die pakken dat op, gaan ermee aan de slag, bouwen iets. En dat is f*cking cool wat ze bouwen. Maar vervolgens staat het in de hoek. Ja, te verstoffen. - Te verstoffen, want ze krijgen het niet geïmplementeerd in het bedrijfsproces. En wat zou jouw advies zijn om dat wel bij elkaar te brengen? Hoe doe je dat? Nou ja, het is waar veel bedrijven nu, in ieder geval ook mkb, maar ook de grote bedrijven, je moet beginnen vanuit, leuk die technologie, maar parkeer hem nog even. Het gaat eerst vanuit de top kijken, vanuit de managementlaag, oké, waar willen we dat bedrijf heen gaan? Waar willen we in gaan investeren? Hoe willen we dat onze organisatie gaat omgaan met bepaalde uitdagingen die wij hebben? Het is heel erg geredeneerd vanuit een doel. Ja, heel erg vanuit een doel en waar wil je naartoe. En ook vanuit een roadmap, van waar ga je naartoe? Want je ziet ook heel veel, bijvoorbeeld AI-toepassingen... en ook allerlei andere digitaliseringstoepassingen. De eerste projecten of de eerste toepassingen, die leven je geen stuiver op. Die kost je meestal alleen maar geld. Maar dat is omdat je een fundatie moet bouwen voor de rest. En of het juist iets anders levert op dan dat je gewend bent, dat kan ook nog. - En waar denk je dan aan? - Nou, bijvoorbeeld, ik had een tijdje geleden gesprek met een machinebouwer. Die wilde heel graag virtual commissioning implementeren. Dat hebben ze ook gedaan. - Wat is dat? - Sorry, het virtueel in bedrijf stellen van een productiemachine. Dus de fouten eruit halen voordat je dat in het echt doet. Dus dan, waar ik noemde, de FAT en de SAT-testen. Dus de Factory Acceptance Test en de Site Acceptance Test. Dus op het moment dat je op de knop gaat drukken, nu gaat hij echt produceren, daar heb je nog een paar testen voor. Om te kijken of het daadwerkelijk wel functioneert. En daar kunnen maanden overheen gaan, omdat er bijvoorbeeld fouten kunnen zijn. Die tijd wil je verkorten, zodat zo'n klant zo snel mogelijk kan produceren. En jij als bijvoorbeeld machinebouwer, sneller een nieuwe machine kan gaan bouwen, verkopen. En daardoor kan je meer omzet draaien. Dus die tijd voor je limiteren. Maar die hadden dat gedacht, we gaan die tijd limiteren, dat is gelukt, hartstikke mooi. Maar daar kwam eigenlijk uit dat ze op die manier zijn gaan werken, zijn ze ook modulairder gaan werken. Zijn ze ook 3D voorstellingen kunnen gaan maken van die productiemachine. En kon ze ook heel duidelijk laten zien, dit gaat hij dus doen. Dus ze konden opeens in het verkooptraject al even een schetsje maken, door middel van bepaalde configuraties en een AI-dingetje eroverheen, waarbij ze eigenlijk een voordeel hadden, omdat ze eigenlijk al konden schetsen van 'Oké, dit gaan we bouwen.' En dit gaat eruit komen, dit gaan we verkopen. Hierom moeten we dus meer investering nodig. En niet halverwege dat er changes komen, omdat je waarschijnlijk vast wel dat plaatje met die schommel, met die band door die boom heen, etcetera. Daar verkochten we, ja, dat gewoon minder. Daardoor bespaarden ze eigenlijk heel veel geld en ze hadden ook nog... dat ze een grotere kans hadden dat ze de deal wonnen. Ja, precies. Dat is inderdaad een heel mooi voorbeeld... dat je dus eigenlijk andere uitkomsten krijgt... dan alleen maar de waarde van dat stukje techniek. Wat ze achteraf veel meer waard vonden dan wat ze eigenlijk opgeleverd hadden. En dat is eigenlijk heel mooi, maar dat zijn dus de onverwachte dingen... die daar dus uitkomen. Waar je dus wel voor open moet staan als je na die veranderingen gaat kijken... en niet hyper-focust blijft op het stukje wat je gaat implementeren. Dus inderdaad, daar neem ik het dan even uit op. Inderdaad, keep open mind tot oplossing. Wat brengt het wel, wat brengt het niet. - Maar brengt dat dan ook die... Want het was nog steeds die O2/I2. Brengt dat bij elkaar? - Mwa. - Ja, zo'n vermoeden had ik ook. - Mwa. Nee, nog niet heel erg. Maar je ziet wel, ze gaan al een beetje de bergjes over. Dus je gaat al de combinatie maken. Bijvoorbeeld sales en engineering. dat vaak al wat verder van elkaar afstaat. En de productie en inderdaad het voortrekt, die komen al dichter bij elkaar, maar het blijft nog steeds van elkaar afstaan. - Met de hoop van als één schaap over de dam is, dat je misschien makkelijker dan de brug hebt. - Maar als je bijvoorbeeld over cybersecurity hebt, dat is wel een uitdaging. Want hoe ga je dat, de cybersecurity van de meeste bedrijven of is de cybersecurity redelijk geregeld op de kantooromgeving. Op de omgeving van je fabriek is echt wel een andere uitdaging. Want wat ik in de vorige aflevering ook vertelde, er staan gewoon machines van Windows, Vista, dat soort spul. Dat staat nog allemaal te draaien. Er staan dan post-its overal met wachtwoorden opgeplakt. Duw over maar een USB-stick aan. Dus als je daar de deur open gaat zetten, dat is echt wel een uitdaging. Ja, want dat leunde allemaal op fysieke toegangscontrole. En nu heb je dan in één keer een virtuele toegang. Ja, en alles dicht timmeren is ook niet de oplossing. Nee. Dus het is inderdaad, en dat is zeg maar de IT-respons, je denkt, oh my god, deze wereld, timmer 'm dicht, ik ga er mee aan de slag. Wij doen dat dezelfde manier als in de IT-wereld. Maar moet je eens voorstellen, je hebt bijvoorbeeld een productiemachine, en die staat te draaien, dan komt er ineens een Windows-update. Ja. - Grapjas. Dat kan niet, hè? Zo. Dat kan wel, maar dat wil je niet. Nee, maar dat is echt inderdaad een andere mindset. Dus ik denk dat daar ook cultuur, kennisoverdracht... en het meenemen en verandermanagement daar ook wel een sjoel belang is. Heel erg. - Want dat is natuurlijk een goede reden... dat ze bij het OT zo ver dicht hebben zitten. Want daar draait het om productie draaien, die machines moeten het goed doen... en alles draait om dat draaien en het houden. Terwijl, ja, dat willen we gaan verbeteren. En dat geeft ook mooi aan dat we bij elkaar moeten komen, dat je die data gaat gebruiken. Maar dat betekent ook inderdaad dat we daar anders naar moeten gaan kijken. Ja, de kracht is heel groot, de samenwerking. Maar de samenwerking is echt, echt heel lastig, omdat we altijd van... zijn we helemaal niet gewend? Dat kunnen we helemaal niet. We spreken elkaar taal niet eens. En dat is een uitdaging. Ja, heb je nog een andere succesfactor? Nou ja, je ziet in elke cultuur. Dat is ook echt wel een hele grote. Je ziet vaak dat monteurs als het laatste meegenomen worden, terwijl die eigenlijk ook van het begin af aan meegenomen worden. En we moeten op een andere manier, we moeten het niet alleen met de mensen die we met elkaar samen hebben, maar ook met de mensen die we samen hebben. En dat is ook een van de grote dingen. En dat is ook een van de grote dingen. En dat is ook een van de grote dingen. En dat is ook een van de grote dingen. En dat is ook een van de grote dingen. En dat is ook een van de grote dingen. En dat is ook een van de grote dingen. En dat is ook een van de grote dingen. En dat is ook een van de grote dingen. En dat is ook een van de grote dingen. En we moeten op een andere manier meegenomen gaan worden... en ook moeten begrijpen waar het bedrijf naartoe gaat... in plaats van dat hetgene wat ze aan het doen zijn... repeterend moeten blijven doen. Dat er dus ander gedrag bij hoort. Dat klinkt heel logisch, maar dat schijnt altijd een enorm probleem te zijn. Ik zou dat ook niet leuk vinden als er zomaar over mijn hoofd alles besloten wordt. En dat heeft echt directe invloed op je dagelijkse werk. Ja, maar moet je je eens voorstellen als ik bijvoorbeeld tegen jou zeg... "Oké, afgelopen tien jaar heb je fantastisch werk geleverd. Ik heb jou elk jaar een bonus gegeven. En ik kom nu binnenstampen. Het is niet goed meer. Wat je nu doet, kan echt niet. Afgelopen tien jaar was het toch fantastisch. Waarom is het nu opeens niet meer goed wat ik doe?" Leg dat maar eens uit. - Ja, dat is niet uit te leggen. Dus hoe ga je daarmee dealen en hoe ga je als leider daarmee om? En hoe ga je zo'n organisatie dus meenemen op de juiste manier naar zo'n toekomst toe? En dat betekent dat je iedereen mee moet nemen. En dat moet je op andere manieren doen. Heb je een tip voor de luisteraars om een eerste stapje daar in die richting te zetten? Van, 'God, dit hebben we ervaren.' Of, 'Dit zien we gebeuren.' Nou, ik heb wel een aantal inspirerende leiders gezien die inderdaad wel... Het is heel makkelijk, maar gewoon het menselijke aspect. Gewoon het op de fabrieksvloer zijn, af en toe je neus laten zien, meedoen, met je poot in de klei. Vertel wat je het noemt, communiceren. Ja, ja. Ja, als ik het zo zeg is het heel simpel, maar communiceren doen we echt niet af en toe bij bedrijven. Het blijft in zo'n managementlaag hangen, dan blijven we dat doen. Maar als zo'n hele club meegaat, dat geeft zoveel kracht. Er was zo'n programma, ik weet niet meer of ik de juiste titel noem hoor, Het was iets van baas op de vloer of zo. - Oh ja, die undercover boss. Dat was hem. - Undercover boss. Geweldig, want wat je daar dan inderdaad... Dan gaat ook iemand ervaren welke drempels er allemaal zijn... in je dagelijks werk waar je dan gewoon constant tegenaan loopt. En vervolgens waren die er natuurlijk ook zo weg. Ja, tuurlijk. - Want die heeft beslissingsbevoegdheid. Dus dat zou inderdaad dichter op elkaar kunnen moeten. Ja, dat soort zaken. En inderdaad ook dicht op elkaar, veel communiceren, maar ook duidelijk... Het geeft mij het gevoel van overcommuniceren. Dus als jij het gevoel hebt... Ik sprak toen met zijn CEO en die zei ook... "Ja, weet je wat het is? Als ik het gevoel heb dat ik echt aan het overcommuniceren ben... en dat ik zoiets heb van 'Jezus, moet ik dat nu nog een keer gaan vertellen?' Dan zit het goed." - Oh ja, precies. Want dan sijpelt het door de lagen pas heen. Want voor mij en de mensen die om me heen zijn, die worden er ondertussen wel beu van. Die kennen het ondertussen wel, die hebben ook de helpen verzinnen. Maar die hele laag eronder, die moet het ook in doorsijpelen. En het liefst wil je dat zij helpen met dat verzinnen. En dat de problemen naar voren kaart, wat het bedrijf echt pijn doet. Want dat zie je vaak helemaal niet. Dat is eigenlijk wel een hele mooie metafoor die je gebruikt. Want dat betekent dus dat je van bovenaf inderdaad emmers, emmers, emmers moet kiepen... aan visie, aan waar je heen toe wil, aan uitleg, aan duidelijkheid, waarbij het uiteindelijk helemaal doorsijpelt, zoals je het ook noemt, in alle haarvaten van de organisatie. En het moet echt gedragen worden. Het moet niet zoiets zijn, oh die gasten van boven, die hebben dit verdacht en oké, we gevolgen ze wel. Nee, het moet iets van iedereen zijn. Iedereen moet er geloven in dat het ze beter maakt, en dat het werk en het bedrijf en het werkplezier beter van wordt, en dat de organisatie blijft voortbestaan. Ja, en ik geloof er ook zelf heilig in, want vaak wordt alles wat er dan uit moet komen, dat de systemen zijn weer een rapportage voor management, en juist geen uitleg voor degene die het gebruikt, van waarom wordt een bepaalde voorspelling gemaakt. In de vorige aflevering had je het over predictive maintenance, het voorspellen van mogelijke uitval van machines. Als daar alleen maar rapportages uit komen van, ja, zoveel procent is uitgevallen, dit hebben we opgelost, dat soort zaken. Maar niet voor een mogelijke monteur die er naartoe wordt gestuurd met een hele exacte reden waarom... en dat die erop kan vertrouwen. Als je dat soort dingen niet bij elkaar brengt, dan heb je die wereld ook niet bij elkaar. Nee, klopt. En je moet natuurlijk ook kijken, niet sturen op fouten. Want wat een angst natuurlijk ook is met bijvoorbeeld AI-algoritme of andere digitaliseringstechnologieën... het wordt transparant. Dus die gaan zo opeens zeggen, ja oké, maar die machine zegt opeens dat het ging jaren goed... en dat was deze productie aantal aan goed. En nu wordt het opeens zichtbaar hoeveel fouten gemaakt worden. En dan staat mijn naam erbij. En dan komt de leidinggevende even vertellen dat ik mijn werk niet goed doe. Ja, hoo even. Ik ga geen data mee invoeren. Ja, terecht. Mij niet gezien. Ja, herkenbaar. Zeker, zeker herkenbaar. En eentje die ook niet heel makkelijk tackled. Dus het haak je weer naar, het is geen project, het is een verandering. Het is inderdaad iets waarom doen we het van de organisatie van belang dat we van bovenaf en over nadenken en van onderaf over nadenken waarom willen we het bereiken waarom doen we wat we doen en waarom gaan we het anders doen en wat brengt het ons inderdaad komt wel mooi bij elkaar inderdaad ja dat is dat is niet makkelijk en dat gaat ook gewoon tijd overeen we zijn allemaal gewend aan onze dagelijkse routines en ja dat verander je ook niet zomaar en daar moeten we regelmaten dit is ook zo'n verandering ja ja als je niet weet waarom je dat doet ja. Waarom zou je dat dan doen? Verandering doet pijn. Ik heb hem vanochtend ook nog moeten zeggen. Nou, ik zei keuzes maken, want dat heeft natuurlijk met verandering te maken. We maken van keuzes. Als het niet pijn doet, dan is het ook geen keus geweest. Toch? Ja, dit is succes. Ja, andere kant mag je ook op redden eerder. Zeker. Heb je een soort van succesverhaal waar dit goed is gegaan? Ja en nee. Meer omdat ik zie, er is er nog niet eentje waar ik zoiets heb van, oh daar heb je echt de heilige graal uitgevonden, die is helemaal digitaal getransformeerd. Dat bedrijf bestaat nog helemaal niet. Maar er zijn natuurlijk wel bedrijven die gewoon delen heel goed doen en die heel mooi op gang zijn. Je ziet gewoon dat de reis is nu begonnen, laat het zo zijn. Ja precies. Maar als je bijvoorbeeld een aantal jaar terug kijkt, dus misschien nog drie, vier jaar terug, zaten we echt wel een beetje tegen het randje aan en we hangen nu een beetje over die tipping point of het mainstream wordt, ja of nee. Het heeft bijvoorbeeld, nou zo'n ChatGPT heeft erbij geholpen, het wordt allemaal wat. De corona heeft er heel erg bij geholpen. Dat was echt, nou ja, kan je je bijvoorbeeld voorstellen. Het is natuurlijk altijd een beetje gevaarlijk om over vaccinaties te gaan praten, maar bijvoorbeeld die fabrieken die daar toen de grond uitgestampt zijn, die zijn er met een snelheid de grond uitgestampt. En ook met digital twins, hun enige optie was dat helemaal digitaal te simuleren en daar snelheid in te creëren en dan van tevoren helemaal door te rekenen en en helemaal het digitaler dan digitaal te maken. Want anders was nooit op tijd die vaccinatie er gekomen. - Nee, want die productie moest natuurlijk echt enorm... - Die productie is van nul naar miljarden gegaan. In korte tijd maar uit een gelimiteerd aantal bedrijven. Dus die hebben daardoor die versnelling... en die vroegen dat dus, dat heeft gewoon een heel rimpel effect gecreëerd. Zij hadden zo'n supersolide fabriek staan. Maar ze vroegen dat dus ook van alle leveranciers die onderin die keten zaten. En daardoor zie je dat mensen daarin veranderd zijn. En je ziet ook in die coronatijd zijn er grote supply chain problemen ontstaan, de chip tekorten. Hoe ga je daarmee om? Hoe moet je daarmee dealen? Dus hoe ga je je fabriek daar op een andere manier inrichten, zodat je flexibeler wordt? En daardoor zijn veel digitale technologieën gepushed en normaal geworden, naast natuurlijk de teamsverhalen. Maar Urgentie is natuurlijk een hele sterke drijvende kracht voor verandering. Zeker, dat is echt wel een hele vervelende push geweest. Maar het is voor de industrie echt wel een game changer geweest. Ja, ik kan me er iets meer voorstellen. Maar we zijn er nog niet hoor. Nee, maar het laat wel zien dat het mogelijk is en dat we als mensen die verandering kunnen doen. Dat we ondersteund kunnen worden in de verandering. En dat we elkaar nodig hebben, de technologie, de mensen, en dat bij elkaar brengen daarvan. En als de druk hoog is, als er geen druk op staat, dan gaat het allemaal wat langzamer. Het is geen leuke druk geweest, maar wel een... Ja, het is wel een interessante druk geweest. Ja, inderdaad. Krijg je ook nog vragen over de uitleg van het begrip AI? Oh ja, zeker. Zeker, maar dan zie je vaak de combinatie met... met wat is het in deze specifieke niche? Of bijvoorbeeld, wat is AI in de industrie zelf? Wat zijn dan de toepassingen? Waar we de vorige podcast ook over gehad hebben. - Use cases. - Use cases, hoe ga je ermee om? Wat voor type AI gebruik je dan daadwerkelijk? Als bijvoorbeeld een voorbeeld, neural networks, daar houden we niet zo van in de industrie. - Want? - Want dat zijn black boxes. We moeten transparant zijn. We willen weten wat er gebeurt. De risico's moeten naar beneden. We gaan niet iets magischerwijs laten gebeuren. Dat kan gewoon niet. Dus dat soort dingen... Als je een normale data scientist in zo'n industrie zou ploppen... Dan denk je, ga lekker een neural networkje bouwen. Lekker aan de slag. Ik ga dit en dit bouwen. Nou, kan ik je vertellen dat dit ongeveer in alle sectoren gebeurt. Want het is, nou ja, ik noem het de weg van de minste weerstand. Dus je pakt inderdaad even een neuronetwork. "Hé, lijkt de werker cool. We gaan ermee aan de slag." Dus ik ben ook groot voorstander van interpreteerbare modellen. Maar dat, nou ja, de vaste luisteraar zal dat wel weten. Over emmers en doordruppelen gesproken. Maar dat blijft, dat je ook met interpreteerbare modellen... dat daar inherent aan machine learning modellen zit... dat er fouten uitkomen. Hoe wordt daar dan op gereageerd? Ja, fouten zitten erin. Fouten vinden we lastig. Fouten kunnen eigenlijk niet. En daardoor maakt ook de adoptie van AI en predictive maintenance lastig. Want als je bijvoorbeeld naar predictive maintenance kijkt, dat is de meest gehoorde term in de industrie. Dat zijn als je over digitalisering hebt, "Oh, ik moet predictive maintenance hebben." Maar het is een van de moeilijkste te implementeren. Vanwege inderdaad dit soort problemen. Vanwege dat we de machine niet kapot willen gaan. En dan kan je natuurlijk wel gesynthesized AI data gebruiken. Maar dat is... Ja, goed. Dat. Maar ook in combinatie van, "Goh, dan gaat het al fout. Oké, dan gaat die kapot. Nou, dat kost gewoon gelijk geld." Of het is een veiligheidsrisico. Nou ja, dat vinden we moeilijk. En dan de false positives, false negatives. Ja, dus dat is best wel een dingetje. Dus daar, hoe gaan we erom? Moeilijk. Maar zeg je daarmee van... Dat adoptie... Ja, dus dat je nog aan de early adopters kant zit of aan de innovators kant als je het over die curve hebt. Dat je nog nu bedrijven hebt die het aandurven. - Early adopters, early majority, hoek zit je op, en afhankelijk van waar je het over hebt. Bijvoorbeeld vision is al veel meer geaccepteerd. Dat is al veel, ik wil niet zeggen makkelijker, maar daardoor is dat een minder risicovol concept. Dus die zie je al veel meer komen, dus daar zie je al veel meer in plaats vinden. Nou, predictive maintenance hebben we het gewoon met z'n allen veel over. Is weinig exact fantastisch geïmplementeerd. willen we wel met z'n allen door. Maar zo zijn er een aantal, afhankelijk van de toepassing, hoe verder of minder ver die is. En dat is vaak met het risicoprofiel te maken. Of de complexiteit, wat je ervan vraagt. Ja, en daar krijg je natuurlijk ook zeker bij, bijvoorbeeld een... Kan ik me voorstellen, bijvoorbeeld negatief. Dus dan stuur je iemand daar naartoe en dan blijkt zo'n machine... dat daar helemaal niets meer aan de hand is. Motivator drain. Ja, en je hoeft maar één zo'n geval te hebben. Dat is een beetje inderdaad, vertrouwen komt te voet, gaat de paard. Ja, daar moet gewoon een ambassadeur, iemand die ook ziet dat dit een verandering is, waar het niet altijd goed gaat, mee moet nemen inderdaad in die verandering. Mee moet nemen in van, ja, kan zijn dat dit nog niet de juiste route is, maar dit doen we om in de toekomst dat wel met elkaar te bepalen. Dus het stukje mensen daarin meenemen, zoeken naar de mensen die het a) technisch of de outcome heel erg interessant vinden, zodat die van zichzelf wat extra effort erin willen steken om de majority dadelijk mee te gaan krijgen. Dat is mijn persoonlijke ervaring. Zoek die mensen op in de organisatie, binnen een team. En ga daarmee die eerste implementatie doen. Die ook besef hebben dat het niet allemaal goed gaat. En dat we moeten leren. Terug bij cultuur en leiderschap. Daar zijn we weer, toch? Zijn we zo'n beetje rond. Behalve onze vaste rubriek. En dat is namelijk Aisha. Het is een eer om je te ontmoeten. Ik ben Aisha, de AI-assistent van deze podcast. Mag ik je een vraag stellen? Ga ervoor. Op welke manier kan AI bijdragen aan het versterken van vrouwen? [GELACH] Op welke manier kan AI bijdragen aan het versterken van vrouwen? Ja, ja. Het algoritme is deze vraag gekregen. [GELACH] Het is volstrekt willekeurig. Ja, ja. Versterken van vrouwen. Of als we hem in de sector plaatsen misschien, binnen industrie. Hoe zou daar een bijdrage kunnen leveren om meer vrouwen in de industrie werkzaam te hebben? Om even wat concreet te maken misschien. Ja op die manier. Nou je ziet wel, als je naar de industrie kijkt, het vooroordeel is wel met je klauwen in het vet. En gewoon vies. En als ik naar mezelf kijk bijvoorbeeld, ik had ook niet zo'n zin in zo'n wereldje. Maar ik ben wel van de industrie gaan houden, omdat ik gewoon zie wat voor... Het heeft zo'n impact op ons leven, op onze wereld. En je kan er zo'n verschil maken. Maar ook zeker als vrouw. En niet alleen... Als je naar de technische, nou ik heb natuurlijk wel een technisch beroep, maar de super technische functies kijkt, die veelal door mannen gedaan worden. En je ziet daar als AI, zie je vaak ook wel als tool, je ziet bijvoorbeeld ook wel interesse vanuit AI nu door meiden op de opleiding komen. Het is een heel ander concept waardoor je toch zo'n industrie inkomt. Omdat je met een heel ander functieprofiel die industrie inkomt. En dat maakt het wel interessant. En dat zie je nu met al dit soort digitaliseringstechnologieën. Je ziet echt wel daar interesse uitkomen. En ja, er zijn er na nogal heel veel jongens die ermee bezig zijn, maar je ziet ook de meiden opkomen. En dat is wel tof. Wij begeleiden ook heel veel studenten, WO-studenten, Data Science. En nou, misschien is de verhouding al bijna inderdaad frauw. Dus dat is heel fijn om te zien. Ja. Ja, nee, die... Kan je een paar doorsturen? [GELACH] Ik kan niks beloven. Maar in ieder geval, ze studeren af. komen ook niet allemaal per se in dienst, maar ik vind dat wel belangrijk. Wij komen natuurlijk ook uit een IT-wereld wat behoorlijk eenzijdig is. Dus ik ben ook blij met dit soort veranderingen. We zijn heel lang bezig geweest van, hoe krijg je dat nou voor elkaar? En dan blijkt gewoon een deel interesse, verandering. Dus dat we een nieuwe technologie hebben die gelukkig interesse van... -Vrede publiekheid. -Precies, dat. En meer voorbeelden die in de praktijk het verschil maken. Dat helpt er ook bij. Dus dat is mooi om te zien. En daar moeten we ook wel aandacht voor blijven houden en door blijven gaan. Ja, zeker. Leuk om zo'n doordacht antwoord op mijn vraag van je te krijgen. Nou, Nienke, hartstikke bedankt voor je inzichten. Wat ik er in ieder geval uit heb gehaald is cultuur. Die je bij elkaar brengen van OT/IT. Ik heb geleerd wat OT is. Dat is wel heel wat. - Afhankelijk erbij. - Projecten. Het is geen project. - Het is geen project, precies. Dat zijn de dingen die we mee kunnen nemen... en die de luisteraar hopelijk ook meeneemt. Dank je wel. - Graag gedaan. Fijn dat je weer luisterde. Wil je geen aflevering missen? Abonneer je dan via je favoriete podcast-app. En tot snel.