Voor de maakindustrie begint de echte AI-vraag nu pas

AI heeft in korte tijd veel softwarebedrijven gedwongen om opnieuw uit te leggen waar hun waarde zit. Ook Dassault Systèmes staat voor die opgave. De Franse softwaregroep groeit nog altijd en blijft winstgevend, maar de markt kijkt kritischer naar bedrijven die moeten bewijzen wat AI echt toevoegt in een sector die snel verandert. Tegelijk spelen economische en geopolitieke onzekerheid mee. Dat maakt de vraag urgenter: wie profiteert van AI, en wie raakt er juist door onder druk?

John Turnbull, Managing Director Northern Europe van Dassault Systèmes, kiest in dat debat een duidelijke lijn. Volgens hem draait de volgende fase van AI in de maakindustrie niet om tekst, beeld of algemene output, maar om besluitvorming in een complexe fysieke werkelijkheid. “AI genereert vandaag teksten, beelden en representaties, maar geen industriële besluitvorming”, zegt hij.

Dat verhaal sluit aan op de geschiedenis van het bedrijf. Dassault Systèmes helpt klanten al veertig jaar digitale modellen van producten, processen en omgevingen te creëren, om de innovatiecyclus te versnellen. Turnbull verwijst naar de opkomst van zogeheten world models en stelt dat zijn bedrijf daar in feite al decennia mee bezig is. “Wij maken al veertig jaar world models”, zegt hij. “Daar voegen we nu AI aan toe.”

De lat ligt in de maakindustrie hoger

Die positionering is niet toevallig. In industriële omgevingen telt niet alleen of een systeem snel iets plausibels oplevert. Bedrijven willen weten wat een beslissing in de praktijk betekent voor productie, risico, energieverbruik, doorlooptijd of schaalbaarheid. Daarom legt Turnbull de nadruk op drie zaken: begrip van fysica, een realistische weergave van de echte wereld en kennis van industriële logica.

Daarmee legt hij ook de lat voor AI hoger dan in veel andere softwaredomeinen. “AI maken is relatief toegankelijk. Industriële AI maken is moeilijker. Industriële AI met wetenschappelijke onderbouwing die je kunt bewijzen, dat is nog uniek”, zegt hij. Dat is een scherpe claim, maar ook een logische in een markt waarin bedrijven steeds minder onder de indruk raken van losse demo’s en steeds vaker bewijs willen zien.

De vergelijking die Turnbull maakt, is veelzeggend. Een piloot stapt niet in een vliegtuig zonder uren op een simulator. Volgens hem geldt voor de industrie steeds vaker hetzelfde. In een wereld van verstoorde ketens, geopolitieke spanning, energietransitie en robotisering groeit de behoefte aan technologie waarmee bedrijven keuzes eerst digitaal kunnen testen voordat ze grote risico’s nemen.

AI verandert ook het verdienmodel

Tegelijk gaat het niet alleen over technologie. Ook het businessmodel van softwarebedrijven verschuift. Dassault Systèmes zit midden in de overgang van licenties naar abonnementen. Volgens Turnbull zorgt dat nu nog voor vertraging in de zichtbare groei, omdat de omzet over meerdere jaren wordt uitgesmeerd. Inmiddels komt 82 tot 84 procent van de omzet uit terugkerende inkomsten. “Het moeilijkste deel ligt achter ons”, zegt hij. “We komen nu in een versnellingsfase.”

AI maakt die overgang nog ingewikkelder. Veel software wordt afgerekend op basis van aantallen gebruikers of gebruik. Maar wat gebeurt er als een deel van die gebruikers virtueel wordt? Turnbull erkent dat daar een nieuwe prijsvraag ligt. “Als gebruikers morgen virtueel zijn, moet je daar een prijs op zetten”, zegt hij. Daarmee raakt AI direct aan de manier waarop software straks wordt verkocht en gewaardeerd.

Dassault Systèmes probeert dat te vertalen naar nieuwe producten. Turnbull noemt onder meer AI-agents, generatieve toepassingen en virtual twins die zonder handmatig ingrijpen kunnen worden opgebouwd. Volgens hem ontstaan daar al nieuwe inkomstenstromen uit. Tegelijk laat juist dit zien hoe scherp de markt nu kijkt: mooie technologie alleen is niet genoeg, er moet ook een overtuigend model onder liggen.

Klanten zoeken snelheid, maar ook verschuiving van kennis

Aan klantzijde ziet Turnbull twee bewegingen. De eerste is versnelling. In sectoren waar goed technisch personeel schaars is, helpt AI om sneller te ontwikkelen. Hij wijst op defensie, waar jonge bedrijven in enkele maanden prototypes bouwen waar vroeger jaren voor nodig waren. Technologie compenseert daarbij een tekort aan ervaren mensen.

De tweede beweging raakt de organisatie van werk. Grote industriële bedrijven moeten mensen en kennis vaker verschuiven naar andere sectoren. Turnbull noemt als voorbeeld bedrijven uit de auto-industrie die zich meer op defensie richten. AI en virtualisatie moeten die overgang kleiner maken. “Een ingenieur die bumpers ontwierp, kan makkelijker overstappen naar drones”, zegt hij. “Tien jaar geleden was dat ondenkbaar.”

AI is meer dan een productiviteitstool

Daarmee wordt AI in deze visie meer dan een productiviteitstool. De technologie moet ook helpen om kennis sneller op te bouwen en inzetbaar te maken in nieuwe domeinen. Juist dat maakt de visie van Dassault Systèmes interessant: niet omdat het nog een AI-verhaal toevoegt aan een volle markt, maar omdat het AI koppelt aan een oudere industriële logica van simulatie, bewijs en besluitvorming.

Voor de industrie ligt daar waarschijnlijk ook de echte toets. De eerste AI-golf draaide om wat systemen konden maken. De volgende draait om wat bedrijven ermee aandurven. Zodra beslissingen duur, complex en risicovol zijn, verschuift de waarde vanzelf van snelle output naar de bedrijfsmatige onderbouwing.

Auteur: Peter Gloudemans, Co-Workx