Door: Redactie - 17 november 2026 |
Uit een nieuw wereldwijd onderzoek van het MIT Intelligent Logistics Systems Lab en Mecalux blijkt dat generatieve en agentische AI dit jaar in de meeste magazijnen voorbij de testfase zijn. Opvallend: Nederlandse bedrijven voeren de internationale ranglijst aan voor agentische AI-adoptie, ruim boven de Verenigde Staten en Duitsland. Toch blijkt uit het onderzoek dat alleen een stevige AI-governance het verschil maakt tussen een proefproject en een meetbaar resultaat.
Agentische AI, software die zelfstandig meerdere stappen uitvoert zonder dat bij elke stap een mens meekijkt, wint terrein in het magazijn. Uit het onderzoek van het MIT Intelligent Logistics Systems Lab en Mecalux onder bijna tweeduizend supply chain professionals uit 21 landen blijkt dat bedrijven die technologie vooral inzetten binnen duidelijke grenzen. Agenten mogen in 51% van de toepassingen zelfstandig voorraad verplaatsen en in 42% data corrigeren, zonder dat daar steeds een akkoord voor nodig is. Bij beslissingen die klanten of geld raken, houden bedrijven de teugels strak: slechts 22% laat een agent zelfstandig toezeggingen aan klanten doen en maar 12% financiele beslissingen nemen. Het meest gebruikte toezichtmodel is human-on-the-loop: de AI werkt binnen vastgestelde grenzen, terwijl een medewerker de activiteiten volgt en kan ingrijpen zodra dat nodig is. Dat beperkte mandaat is precies waar AI-governance om draait, vooraf vastleggen welke beslissingen een agent zelf mag nemen en welke niet.
Niet elke AI-toepassing die verbetert, kan dat ook aantonen. Van de uitgebreid onderzochte toepassingen laat 87% van de generatieve AI en 81% van de agentische AI minstens een matige verbetering zien, maar slechts 39% respectievelijk 36% is significant en met cijfers gedocumenteerd. Dat verschil hangt sterk samen met AI-governance: bedrijven met een uitgebreid, actief gehandhaafd beleid voor AI-besluitvorming rapporteren ongeveer twee keer zo vaak gedocumenteerde verbetering als bedrijven zonder zo’n kader, 51% tegenover 26% bij generatieve AI en 46% tegenover 23% bij agentische AI. Die uitkomst blijft bestaan nadat de onderzoekers corrigeerden voor implementatiegraad, regio, sector, bedrijfsgrootte en budget. Ook mensen die AI-output controleren, agenten die problemen met context en een aanbevolen vervolgstap doorsturen naar een collega, en geautomatiseerde foutdetectie hangen samen met meer gedocumenteerd succes. Toch wijzen de onderzoekers erop dat dit verbanden zijn, geen bewijs dat strakke AI-governance vanzelf tot betere resultaten leidt.
Voordat bedrijven AI-governance serieus kunnen vormgeven, moet de technologie eerst praten met de bestaande systemen. Veertig procent noemt integratie met oudere, bestaande systemen de grootste belemmering om generatieve AI breder in te zetten. Vierenvijftig procent ziet een betere koppeling met het magazijnbeheersysteem (WMS) en ERP-pakketten als de factor die adoptie het meest zou versnellen. Dat knelpunt verklaart ook waarom veertig procent van de bedrijven de afgelopen twee jaar minstens een AI-project heeft stopgezet, meestal door technische of integratieproblemen (28%) of slechte datakwaliteit (26%). Bij bedrijven die agentische AI al volledig hebben geïntegreerd ligt dat percentage juist hoger, 57%, wat erop wijst dat wie verder komt ook kritischer wordt over welke toepassingen de moeite waard blijven. Voor magazijnautomatisering in bredere zin is dat een bekend patroon, de eerste koppeling met bestaande software blijkt vaak lastiger dan de AI-toepassing zelf.
Wat betekent AI-governance dan concreet voor een magazijn? Bijna alle bedrijven die agentische AI testen of gebruiken, hebben vastgelegd wat een agent moet doen zodra die een situatie treft waarvoor hij geen bevoegdheid heeft. In 48% van de gevallen stuurt de agent het probleem met alle relevante informatie en een voorstel door naar een aangewezen persoon, in 20% zonder aanbeveling, en in 15% pauzeert de agent en wacht op instructies. Fouten komen niet altijd meteen aan het licht: 40% detecteert ze via geautomatiseerde monitoring in realtime, 25% via periodieke steekproeven door medewerkers, en 31% ontdekt problemen pas achteraf, via andere systemen, meldingen van personeel of klanten, of controle na afloop. Zonder die vorm van AI-governance blijft verantwoordelijkheid bij een foute beslissing vaak hangen bij toeval, terwijl ze nu meestal bij IT (44%) of de operationele leiding (36%) ligt en bij slechts 6% bij de technologieleverancier. Mecalux-topman Javier Carrillo zegt dat magazijnexploitanten moeten kunnen aantonen wat AI daadwerkelijk oplevert, en dat het onderzoek daarvoor een eerste houvast biedt.
Internationaal verschilt de adoptie van agentische AI sterk per land. Nederlandse bedrijven voeren de ranglijst aan: 90% gebruikt generatieve AI op grote schaal of volledig geïntegreerd, en 84% doet dat met agentische AI, hoger dan België, Australie, Frankrijk, Canada, het Verenigd Koninkrijk en Duitsland. Dat ligt ver boven de Verenigde Staten (69% en 63%) en vooral boven China (38% en 29%), waar de onderzoekers een deel van het verschil toeschrijven aan de samenstelling van de steekproef en aan een terughoudender manier van rapporteren over wanneer een systeem als ‘in gebruik’ geldt. Het Nederlandse cijfer komt van een kleinere steekproef van 31 respondenten, dus de uitkomst is een indicatie en geen harde ranglijst. Toch past het beeld bij een sector die, net als in het voorgaande onderzoek van dezelfde samenwerking tussen MIT en Mecalux naar AI in het magazijn, al relatief vroeg met automatisering en digitalisering bezig is.
Dit artikel delen op je eigen website? Geen probleem, dat mag. Meer informatie.