Waarom trage AI-adoptie duurder is voor de maakindustrie
In sommige sectoren kunt u zich veroorloven om nieuwe technologie eerst aan de randen van de organisatie te testen. Dat kan zelfs een goede aanpak zijn. In de maakindustrie geldt dat niet.
Als onderdeel van het onderzoek voor het NTT DATA Global AI Report 2026, dat 35 landen, vijf regio’s en vijftien sectoren omvat, hebben we het Global AI Report 2026 – Manufacturing and Automotive gepubliceerd. Dit rapport laat zien hoe AI-koplopers in de maakindustrie en automotive hun strategie omzetten in meetbare resultaten voor softwaregedefinieerde voertuigen, engineering en intelligente productie.
Onze onderzoeksgegevens laten zien dat AI-koplopers – organisaties die zijn geclassificeerd op basis van hun AI-strategie, de mate van AI-adoptie en de financiële resultaten die zij met AI behalen – AI veel vaker direct toepassen in hun kernprocessen dan andere organisaties. Meer dan 90% doet dit al, tegenover minder dan 70% van de achterblijvers. Omdat de meeste bedrijfswaarde in deze sectoren wordt gecreëerd in productie, supply chain en operationele processen, zult u nauwelijks significante resultaten behalen als AI niet wordt toegepast op deze kernworkflows.
Met andere woorden: succesvolle organisaties richten zich minder op het opschalen van AI en meer op het identificeren van de processen waar AI de meeste waarde toevoegt.
- LEES OOK – Van softwaregedefinieerd naar AI-native: het volgende bedrijfsmodel voor de automotive-industrie
Focus, meer dan schaal, is waar AI waarde begint te leveren
AI-koplopers in de maakindustrie beginnen met een beperkt aantal domeinen met een grote impact, zoals productieplanning, kwaliteitsbeheer, onderhoud en de uitvoering van supplychainprocessen. Zelfs kleine verbeteringen op deze gebieden leiden al tot merkbare voordelen op het gebied van productiviteit, kosten en betrouwbaarheid.
Nog belangrijker is dat zij AI niet zien als een extra laag boven op bestaande processen. In plaats daarvan ontwerpen zij hun workflows volledig opnieuw. Dat lijkt misschien een subtiel verschil, maar het is van grote betekenis.
Uit ons onderzoek blijkt dat 38,6% van de koplopers hun kernsystemen opnieuw opbouwt met AI die vanaf het begin is geïntegreerd, tegenover slechts 12% van de achterblijvers. Hoewel het automatiseren van afzonderlijke processtappen lokale efficiëntiewinst kan opleveren, vraagt verbetering van de prestaties van het gehele systeem om een herontwerp van de volledige procesketen.
Het resultaat is meer consistentie in beslissingen over kwaliteit, planning en onderhoud. Daarnaast zijn organisaties beter in staat om in realtime te reageren op verstoringen in productielijnen, veranderingen in de vraag of storingen aan apparatuur.
Van AI-pilots naar productie: hoe koplopers zich onderscheiden
AI-koplopers zetten de stap van pilotprojecten naar productieomgevingen op een doelgerichte manier. Dat betekent dat zij AI rechtstreeks integreren in hun operationele systemen. Bovendien investeren zij vaker verder op basis van de eerste behaalde successen. Zo ontstaat een vliegwieleffect: de eerste resultaten rechtvaardigen nieuwe investeringen, waardoor de vooruitgang steeds sneller gaat.
Achterblijvers blijven daarentegen vaak steken in een weinig productieve cyclus van pilotprojecten en versnipperde initiatieven. Zij wachten op betere data, meer zekerheid of duidelijkere toepassingsgebieden. Daardoor stellen zij juist het leerproces uit dat nodig is om AI op grote schaal succesvol in te zetten.
Risico opnieuw bekijken: snelheid met de juiste beheersing
Een ander belangrijk verschil zit in de manier waarop koplopers naar risico kijken.
Vaak bestaat de indruk dat sneller AI toepassen automatisch meer risico met zich meebrengt. Dat kan inderdaad het geval zijn. Maar in de maakindustrie geldt ook het tegenovergestelde, vooral voor organisaties die al vroeg zorgen voor duidelijke governance, heldere kaders en eigenaarschap.
In omgevingen waar veiligheid cruciaal is, maken gecentraliseerde governance, duidelijke verantwoordelijkheden en een sterke koppeling tussen AI-initiatieven en de prestaties op de productievloer het mogelijk om AI op te schalen zonder de controle te verliezen. Uit ons onderzoek blijkt dat bijna twee derde van de AI-koplopers al werkt met een gecentraliseerd governancemodel.
Adoptie ontstaat wanneer de werkvloer de meerwaarde ziet
Succesvolle productiebedrijven gebruiken AI om de expertise van ervaren engineers, operators en planners te versterken. Daardoor verbetert de kwaliteit van beslissingen, terwijl mensen een centrale rol blijven spelen in het proces. Dat is belangrijker dan vaak wordt gedacht.
Mijn ervaring is dat succesvolle adoptie begint met vertrouwen. En vertrouwen ontstaat wanneer medewerkers op de werkvloer AI zien als een hulpmiddel waarmee zij beter kunnen presteren, in plaats van als een bedreiging voor hun baan. Dat zien we ook terug in de onderzoeksresultaten: meer dan 80% van de AI-koplopers rapporteert een positieve houding ten opzichte van AI binnen de organisatie, bijna twee keer zoveel als de achterblijvers.
Zodra dat vertrouwen is opgebouwd, versnelt de vooruitgang. De organisatie maakt de omslag van een push- naar een pullbenadering. Teams vragen zelf om nieuwe AI-toepassingen en investeringen zijn gemakkelijker te verantwoorden doordat de voordelen van AI steeds duidelijker worden. AI verandert van een afzonderlijk initiatief in een integraal onderdeel van de dagelijkse bedrijfsvoering.
De bredere conclusie is duidelijk: in de maakindustrie wordt leiderschap op het gebied van AI steeds meer synoniem aan operationeel leiderschap.
Wat kunt u nu doen?
Lees ons Global AI Report 2026 – Manufacturing and Automotive en ontdek hoe koplopers in de maakindustrie en automotive AI inzetten. Het rapport biedt inzichten in operationele toepassingsgebieden, governancemodellen en investeringsstrategieën die organisaties helpen AI succesvol op te schalen en duurzame bedrijfswaarde te creëren.