Generatieve AI als kapitaalgroei: hoe supply chain leiders samengestelde waarde bouwen

Generatieve AI heeft de kosten van een eerste poging drastisch verlaagd. Conceptteksten, code, analyses, prototypes: wat vroeger uren kostte, levert AI in seconden. Maar daarmee is het verhaal nog niet klaar. Want wat blijft kosten, is wat er na die output gebeurt: evalueren, bijsturen en leren.

Dit inzicht, afkomstig uit onderzoek van MIT Sloan Management Review en Boston Consulting Group, heeft vergaande gevolgen voor hoe organisaties AI inzetten. Het raakt direct aan hoe supply chain en operations professionals hun werk organiseren, teams aansturen en talent ontwikkelen.

Van doorvoersnelheid naar samengesteld leren

De meeste organisaties behandelen AI nog als een productiviteitsversneller: taak erin, resultaat eruit, klaar. Dat is wat onderzoekers David Kiron en Michael Schrage omschrijven als de consumptie-economie. Vergelijkbaar met een afschrijvend bezit: je gebruikt het, maar het groeit niet.

Organisaties die vooroplopen stellen na elke AI-interactie de vraag: wat werkte, wat faalde, wat moet de volgende keer anders? Die inzichten leggen ze vast, zetten ze om in gedeelde kennis en passen ze toe in de volgende cyclus. Elke iteratie maakt de volgende effectiever. Dat is samengestelde waarde, vergelijkbaar met een waarderend bezit.

De cijfers liegen er niet om. Organisaties die systematische feedbackloops bouwen tussen mens en AI, zijn zes keer vaker in staat om substantiële financiële voordelen uit AI te halen. Organisaties die actief leren met AI, hebben 73% meer kans op significante financiële impact. Toch gebruikte in 2024 slechts 15% van de bedrijven die AI hadden geadopteerd het ook voor organisatorisch leren.

Wat dit betekent voor supply chain en operations

Supply chain is bij uitstek een domein waar iteratief leren loont. Vraagvoorspelling, voorraadbeheer, leveranciersrisico, transportoptimalisatie: het zijn allemaal gebieden waar AI sneller outputs genereert, maar waar de waarde zit in de menselijke beoordeling van die outputs.

Een demand planner die AI-gegenereerde prognoses kritiekloos accepteert, voegt weinig toe. Maar een demand planner die systematisch evalueert waarom een voorspelling klopte of afweek, en die inzichten terugkoppelt naar het model en het team, bouwt aan echte organisatiecapaciteit. Dat vraagt om een ander profiel dan vijf jaar geleden.

Hetzelfde geldt voor operations managers en supply chain directeuren. De vraag is niet langer alleen of iemand AI tools kan bedienen. De vraag is of iemand een leeromgeving kan bouwen: een systeem waarin menselijke expertise en AI-output elkaar versterken, cyclus na cyclus.

Talent als kritieke variabele

Dit heeft directe consequenties voor recruitment en talentstrategie. De professionals die organisaties nu nodig hebben, combineren domeinkennis met analytisch vermogen én het vermogen om te reflecteren op AI-uitkomsten. Ze begrijpen waar AI tekortschiet, welke fouten het maakt en hoe die fouten structureel te verminderen zijn.

Dat profiel is schaars. In supply chain en operations zien wij bij Inspired-Search een groeiende vraag naar leiders die niet alleen processen aansturen, maar ook AI-gedreven werkprocessen inrichten en continu verbeteren. Zowel bij vaste aanstellingen via executive search als bij tijdelijke trajecten via interim management is dit een bepalende verschuiving in wat opdrachtgevers zoeken.

Infrastructuur voor rendement op iteratie

Kiron en Schrage introduceren het begrip ROI als return on iteration. Dat rendement ontstaat niet vanzelf. Het vereist infrastructuur: processen om AI-outputs te verifiëren, systemen om bevindingen vast te leggen en een cultuur waarin leren van elke cyclus de norm is.

Voor supply chain organisaties betekent dit concreet:

• Bouw feedbackmechanismen in AI-ondersteunde plannings en analyseprocessen
• Maak het vastleggen van afwijkingen en correcties onderdeel van standaardwerkprocessen
• Investeer in professionals die AI-outputs kunnen interpreteren en verbeteren, niet alleen uitvoeren
• Zorg dat geleerde lessen worden gedeeld over teams en afdelingen heen

De organisatie die blijft leren, wint

Het verschil tussen organisaties die AI als kostenpost zien en organisaties die er samengestelde waarde uit halen, zit niet in de tools. Het zit in de mensen en de systemen eromheen. Wie investeert in lerende organisaties en in professionals die evalueren en verbeteren, bouwt een bezit dat in waarde toeneemt.

Dat is precies waar supply chain en operations leiders nu keuzes in moeten maken. Niet alleen over technologie, maar over talent, cultuur en structuur.

Wilt u weten welke profielen passen bij een AI-gedreven supply chain organisatie? Inspired-Search helpt u de juiste mensen vinden voor deze nieuwe realiteit.

Bronvermelding: David Kiron and Michael Schrage.

David Kiron is the editorial director, research, of MIT Sloan Management Review and program lead for its Big Ideas research initiatives. Michael Schrage is a research fellow with the MIT Sloan School of Management’s Initiative on the Digital Economy. His research, writing, and advisory work focuses on the behavioral economics of digital media, models, and metrics as strategic resources for managing innovation opportunity and risk.

, Mon, 06 Ap, https://sloanreview.mit.edu/article/how-to-reap-compound-benefits-from-generative-ai/