Wanneer ik met klanten over physical AI spreek, hoor ik één boodschap heel duidelijk: zij begrijpen de voordelen en het potentieel ervan. Daarnaast willen ze physical AI snel omarmen, met een gevoel van urgentie dat volkomen terecht is.
Het 2026 Global AI Report: A Playbook for AI Leaders van NTT DATA definieert AI-leiders als organisaties met robuustere AI-strategieën, een hogere AI-volwassenheid en meer door AI gedreven winst dan vergelijkbare organisaties. Uit het rapport blijkt dat AI-leiders veel vaker dan achterblijvers aangeven dat ze snel willen handelen en de markt willen leiden: 46,1% tegenover 25,4%.
Maar snelheid alleen is niet genoeg. Ons rapport laat ook zien dat AI-leiders meer dan twee keer zo vaak als achterblijvers hun kernapplicaties opnieuw opbouwen met geïntegreerde AI: 34,5% tegenover 14,5%.
Het vereenvoudigen en moderniseren van de operationele kern van je organisatie moet een van de eerste stappen zijn in een physical AI-strategie. Ook als je met urgentie handelt, mag dat niet ten koste gaan van de kern.
Leg de basis voor snelheid en modernisering met AI
Begin met het vereenvoudigen en moderniseren van de processen, applicaties, data en technologie die je organisatie draaiende houden. Door deze basis te versterken, kun je physical AI inzetten via humanoïde robots, autonome voertuigen, drones, camera’s en intelligente machines.
Hoe dat er in de praktijk uitziet, hangt af van je sector:
- Op een manufacturinglijn kan een afwijking bijvoorbeeld bij een operator terechtkomen voordat een defect verder in het proces komt.
- In de automotive-industrie kan dit betekenen dat AI camera’s, gereedschappen, machines en inspectiestations coördineert, zodat productieteams kunnen reageren op veranderende omstandigheden op de werkvloer.
- Voor organisaties in retail en consumer packaged goods (CPG) kan AI helpen bij beslissingen over schappresentatie, productbeschikbaarheid en promotieprestaties, op een traceerbare, veilige en goed bestuurde manier.
In welke sector je ook actief bent, de lat voor modernisering ligt nu hoger: je moet de operationele kern van je organisatie voorbereiden op intelligentie die waarnemingen kan omzetten in operationele acties.
ALSO READ: Physical AI: Moving from cloud-centric AI to intelligence where work happens
Manufacturing: kwaliteit verschuift naar voren in het proces
Zelfs met zeer geavanceerde automatisering kunnen manufacturingbedrijven kwaliteitsproblemen op de werkvloer pas ontdekken wanneer het al te laat is. Zodra een onderdeel het station heeft verlaten, is de mogelijkheid voor een eenvoudige correctie verdwenen.
NTT DATA ontwikkelde samen met Hyster-Yale Materials Handling een physical AI-oplossing die laat zien hoe physical AI kwaliteitsproblemen kan helpen beperken. De oplossing gebruikt vision-sensoren om assemblagewerkzaamheden tijdens de uitvoering te volgen en edge AI om de activiteiten ter plaatse te analyseren. Terwijl het proces loopt, vergelijkt de oplossing fysieke handelingen — zoals het installeren van onderdelen, het voltooien van stappen en het volgen van de juiste volgorde — met het verwachte productieproces.
Als een onderdeel ontbreekt of een stap niet volledig is uitgevoerd, kan het systeem het probleem signaleren zolang correctie op het station nog mogelijk en goedkoper is. Physical AI-technologieën zoals computer vision en edge AI worden daardoor waardevoller naarmate kwaliteitscontrole eerder in het proces plaatsvindt, zodat teams problemen kunnen onderscheppen voordat ze uitgroeien tot defecten of betrouwbaarheidsproblemen.
ALSO READ: Beyond the pilot trap: How to build a manufacturing AI strategy that scales
Automotive: AI vraagt om orkestratie op de werkvloer
Physical AI werkt het best wanneer modellen gekoppeld zijn aan echte workflows, echte apparatuur en echte beslissingen op de werkvloer. Signalen van camera’s, sensoren, gereedschappen en inspectiestations moeten worden georkestreerd om kwaliteitsproblemen te detecteren, afwijkingen door te sturen en automatisch de volgende actie te bepalen, zonder de productie te verstoren.
Wanneer tientallen van deze modellen dicht bij de activiteiten op je werkvloer actief zijn, ontstaat dus niet alleen een implementatie-uitdaging, maar ook een orkestratie-uitdaging.
NTT DATA ging een partnership aan met een autofabrikant die precies voor deze uitdaging stond. De klant gebruikte 80 AI-modellen in de fabrieksactiviteiten, waarvan veel in de cloud draaiden.
Door al deze intelligentie uit de cloud naar de werkvloer te brengen, konden teams beslissingen dichter bij de productie nemen. Daarvoor hadden zij eerst betrouwbare data nodig over welke modellen goed functioneerden, of de resultaten betrouwbaar waren en hoe de modellen als onderdeel van de dagelijkse operatie moesten worden gemanaged.
Naarmate automotive-activiteiten meer verbonden, softwaregedreven en data-intensief worden, moet AI in de hele productieomgeving worden georkestreerd, gemonitord en beheerst. Anders blijft intelligentie versnipperd. Afzonderlijke modellen kunnen lokaal waardevolle inzichten opleveren, maar op schaal worden die inzichten moeilijker te vertrouwen en om te zetten in actie.
CPG en retail: het schap wordt een signaal
Voor retail- en CPG-bedrijven creëert physical AI waarde door intelligentie te verbinden met de werkelijke omstandigheden in winkels, bij schappen en tijdens de uitvoering in het veld.
Commerciële plannen lopen vaak vast in de kloof tussen wat je team heeft gepland en wat er daadwerkelijk in het schap gebeurt. Je kunt een promotie financieren en pas later ontdekken dat het gepromote product niet meer beschikbaar is. Je team kan een presentatie plannen maar deze niet uitvoeren. Of een assortimentsbeslissing lijkt in het systeem juist, maar werkt in de winkel niet.
Intelligente retailuitvoering kan je buitendienstteams helpen om plannen op koers te houden. Door signalen over productbeschikbaarheid, routeplanning en prestatiedata te combineren met camera’s, AI-gestuurde beeldherkenning en robots die schappen scannen voor voorraadbeheer, zien zij duidelijk welke winkels aandacht nodig hebben en welke acties het belangrijkst zijn.
Maak modernisering werkelijkheid in je organisatie
Uiteindelijk geeft physical AI modernisering een tastbaar resultaat. Het helpt je om AI-intelligentie te verbinden met het fysieke werk van producten maken, goederen verplaatsen en klanten bedienen. In markten waar snelheid, vertrouwen en veerkracht steeds bepalender zijn voor prestaties, wordt zo’n operationele kern een concurrentievoordeel.
NTT DATA is benoemd tot Market Shaper in het Gartner® Emerging Market Quadrant for Physical AI Services – Established Vendors, waarin 27 aanbieders binnen de opkomende markt voor physical AI-services worden beoordeeld.*
We beschikken over de platforms, partnerships en expertise om AI op de werkvloer in te zetten. Neem contact met ons op en ontdek hoe we je kunnen helpen.
Dit artikel is mede geschreven door Alonso Fernandez, Global Co-Lead: Product Industries at NTT DATA.
WHAT TO DO NEXT
Lees meer over de aanpak van NTT DATA voor het moderniseren van de kern en ontdek hoe we je kunnen helpen een AI-ready basis te bouwen voor een intelligente, verbonden en veerkrachtige enterprise.
* Gartner. Emerging Market Quadrant for Physical AI Services — Established Vendors, Katie Gove et al. 8 June 2026.
Gartner® does not endorse any company, vendor, product or service depicted in its publications, and does not advise technology users to select only those vendors with the highest ratings or other designation. Gartner publications consist of the opinions of Gartner’s business and technology insights organization and should not be construed as statements of fact. Gartner disclaims all warranties, expressed or implied, with respect to this publication, including any warranties of merchantability or fitness for a particular purpose. GARTNER is a trademark of Gartner, Inc. and/or its affiliates. Magic Quadrant is a registered trademark of Gartner, Inc. and/or its affiliates and is used herein with permission. All rights reserved.