AI-gereedheid begint met betrouwbare productgegevens

Fabrikanten investeren fors in AI, initiatieven rond de digitale draad, automatisering en modernisering van hun bedrijfsvoering om de productiviteit en besluitvorming te verbeteren. Veel gesprekken gaan over AI-modellen, infrastructuur en integratie. Veel organisaties zien echter een fundamentele voorwaarde voor deze inspanningen over het hoofd: vertrouwen in de onderliggende productgegevens en bedrijfsregels die operationele beslissingen aansturen.

De uitdaging is niet alleen om systemen met elkaar te verbinden, maar ook om ervoor te zorgen dat de productdefinities, configuratielogica en bedrijfsregels die ertussen worden uitgewisseld accuraat blijven. AI-gereedheid begint met vertrouwen in bedrijfsbrede productgegevens. Digitale transformatie draait niet alleen om het verbinden van systemen, maar ook om het behoud van de betekenis en nauwkeurigheid van de informatie die ertussen wordt uitgewisseld.

Wanneer bedrijven hun bedrijfssystemen moderniseren en productlevenscyclusbeheer (PLM), bedrijfsresourceplanning (ERP), configureren, prijzen en offreren (CPQ) en serviceplatforms met elkaar verbinden, kunnen inconsistenties in de configuratielogica ongemerkt de nauwkeurigheid van daaropvolgende processen en de effectiviteit van AI-gestuurde aanbevelingen ondermijnen. Zonder betrouwbare configuratielogica versnelt AI fouten in plaats van de besluitvorming te verbeteren.

Waarom productconfiguratie de verborgen basis vormt

Fabrikanten zijn tegenwoordig steeds afhankelijker van een onderling verbonden ecosysteem dat PLM, ERP, CPQ, productie en service omvat. Productconfiguratie vormt de verbindende schakel die de ontwerpintentie vertaalt naar vereisten voor productie, verkoop, prijsstelling en service.

Elk systeem bekijkt het product vanuit een ander perspectief: PLM heeft technische en ontwerpgegevens nodig, productie moet weten wat er gemaakt kan worden en CPQ moet de verkoop- en marktregels kennen. Configuratie verbindt deze perspectieven. Wanneer de onderliggende logica verandert of inconsistent wordt, breekt de digitale draad, ongeacht hoe goed de systemen zijn geïntegreerd.

Verouderde regels brengen onzichtbare risico’s met zich mee

Productconfiguratiemodellen bevatten vaak tientallen jaren aan opgebouwde kennis, die in de loop der tijd is gelaagd: wettelijke vereisten, productiebeperkingen, marktspecifieke uitzonderingen en prijslogica. De mensen die deze modellen oorspronkelijk hebben ontwikkeld, zijn vaak niet meer bij het bedrijf in dienst. Daardoor blijven organisaties achter met regels die niemand meer volledig begrijpt.

Moderniseringsprojecten voor bedrijfssystemen, zoals migraties naar SAP S/4HANA, leggen doorgaans de nadruk op applicaties, infrastructuur en maatwerkcode, terwijl configuratielogica als bijzaak wordt behandeld. Dat leidt tot een over het hoofd gezien risico: systemen kunnen succesvol worden gemigreerd, terwijl het configuratiegedrag op subtiele wijze verandert en met traditionele tests moeilijk te detecteren is.

Migraties naar S/4HANA illustreren het probleem goed: een nieuwe configuratie-engine kan al lang bestaande regels anders interpreteren, ook als de syntaxis identiek is. Verschillen in de manier waarop standaardwaarden worden toegepast, in de volgorde waarin beperkingen worden geëvalueerd en in de manier waarop conflicten tussen regels worden opgelost, kunnen allemaal veranderen welke combinaties een model accepteert, zonder dat er ook maar één regel zelf wordt herschreven.

Dit is niet alleen verwarrend; gebrekkige configuratielogica wordt een bedrijfsprobleem. Er zijn twee manieren waarop het mis kan gaan, en beide zijn kostbaar:

• Een configuratie staat een bedrijf toe iets te verkopen wat het niet daadwerkelijk kan produceren, met herstelwerk, gemiste toezeggingen en beschadigde klantrelaties tot gevolg.
• Een configuratie verhindert een bedrijf ten onrechte iets te verkopen wat het wel zou kunnen produceren, met omzetverlies en mogelijk verlies van concurrentievoordeel tot gevolg.

De eerste manier waarop het misgaat, wordt uiteindelijk zichtbaar op de fabrieksvloer. De tweede blijft onopgemerkt: in het orderboek wordt geen verkoop geregistreerd die de configurator nooit heeft toegestaan.

Verificatie wordt een strategische capaciteit

Bij traditionele validatie van migraties wordt sterk geleund op handmatige tests en steekproeven. Daarmee kan het enorme aantal mogelijke productcombinaties niet realistisch worden beoordeeld. Bij verificatie van configuraties verschuift de aandacht van de vraag of gegevens succesvol zijn overgezet naar de vraag of de bedrijfsintentie intact is gebleven.

Ik heb gezien dat fabrikanten teams inzetten die uitsluitend moeten controleren of een gemigreerd model nog steeds dezelfde geldige configuraties oplevert en dezelfde ongeldige configuraties afwijst, simpelweg omdat ze geen andere manier hebben om daar zekerheid over te krijgen. Het is gedetailleerd, duur en tijdrovend werk, en zelfs dan wordt het probleem slechts steekproefsgewijs onderzocht.

Het is goed om stil te staan bij de omvang hiervan. Een model met 30 variabelen en vijf keuzemogelijkheden per variabele staat ongeveer 10²¹ combinaties toe, veel meer dan het geschatte aantal zandkorrels op aarde; bovendien zijn echte industriële modellen aanzienlijk groter. Hoeveel mensen er ook door een gebruikersinterface klikken, ze kunnen niet al die mogelijkheden doorlopen: rekenkundig is dat onmogelijk.

Daarom zijn formele methoden belangrijk. In plaats van combinaties steekproefsgewijs te onderzoeken, kan een configuratiemodel worden omgezet in een canonieke logische vorm: een compacte wiskundige weergave van elke geldige combinatie die volgens de regels is toegestaan. Twee modellen die op deze manier zijn omgezet, kunnen rechtstreeks met elkaar worden vergeleken. Ofwel beschrijven ze precies dezelfde verzameling geldige producten, ofwel laat de vergelijking exact zien waarin ze van elkaar verschillen, met concrete voorbeelden van combinaties die het ene model accepteert en het andere afwijst. Met dezelfde weergave wordt het gedrag tijdens runtime een opzoeking in plaats van een zoekactie. Daardoor kan een configurator alleen geldige opties tonen en een gebruiker nooit op een dood spoor zetten. Verificatie en correctheid tijdens runtime blijken dezelfde mogelijkheid te zijn, bekeken vanuit twee verschillende invalshoeken.

Organisaties hebben steeds vaker dit soort formele vergelijkingen nodig voordat ze AI of automatisering toepassen op hun productregels. Het doel is niet alleen om het migratierisico te verkleinen, maar ook om de operationele continuïteit te waarborgen binnen engineering, productie, verkoop en service, en om configuratiemodellen vóór de release te kunnen testen, debuggen en verifiëren in plaats van achteraf.

AI hoort boven op een deterministische engine, niet in de plaats ervan

AI hoeft de configuratie-engine hiervoor niet te vervangen. De duurzamere aanpak is juist het tegenovergestelde: AI staat tussen de gebruiker en een rigoureuze configuratie-engine en biedt een natuurlijkere ervaring met begeleide verkoop of aanbevelingen, terwijl de onderliggende regels deterministisch blijven. Het taalmodel interpreteert wat de klant vraagt; de engine bepaalt wat er daadwerkelijk kan worden gebouwd. Door deze taakverdeling blijft het deel van het proces dat aantoonbaar correct moet zijn buiten de handen van een systeem dat van nature probabilistisch is.

Betrouwbare gegevens maken AI-programma’s succesvol

AI kan alleen zo betrouwbaar aanbevelingen doen als de productkennis waarop het zich baseert. Niet-geverifieerde configuratiegegevens zorgen ervoor dat AI fouten op ondernemingsschaal verspreidt, waardoor verkoopadvies, productiebeslissingen en toezeggingen aan klanten worden ondermijnd.

Fabrikanten moeten gegevensverificatie beschouwen als een voorwaarde voor de inzet van AI, net zoals softwaretests een voorwaarde werden voor applicatieontwikkeling. Naarmate de digitale transformatie voortschrijdt, zal concurrentievoordeel steeds vaker niet voortkomen uit het als eerste inzetten van AI, maar uit de inzet van AI op een fundament van betrouwbare productinformatie.