Meer uit je mensen halen. Minder tijd kwijt aan documentatie.

In de maakindustrie staan vacatures lang open, gaan ervaren collega's met hun kennis met pensioen en is bijna elke order maatwerk. AI helpt je om met hetzelfde team meer werk te verzetten en die kennis vast te houden.

Een goed startpunt is de stap van sales naar voorengineering, want daar ontstaan onzekerheden die later in productie tot fouten leiden. In de demo zie je hoe AI een klantvraag omzet naar een eerste technisch voorstel.

Je offertes worden nauwkeuriger, je bent sneller bij de klant en je haalt meer productiecapaciteit uit hetzelfde team. Je mensen houden meer tijd over voor de bijzondere gevallen en je klant krijgt minder verrassingen en minder stilstand.

Een skill is een standaard die je als team vastlegt en aan de AI meegeeft, zodat een taak altijd op jullie manier wordt uitgevoerd. In de demo gebruiken we vier skills achter elkaar, van klantgesprek tot inpassing bij de klant.

De AI haalt de intakemail, het opgenomen gesprek en de schets van de hal op en vertaalt die naar een eisenlijst volgens jullie eigen standaard. Daar komt ook een spiekbriefje uit met de open vragen voor het vervolggesprek met de klant.

Ja, via een koppeling tussen Claude en Autodesk Fusion zet de AI jullie standaardcomponenten in een 3D-model en controleert hij bijvoorbeeld of de lasrobot overal goed bij kan. De uitkomst is een controlelijst in groen, oranje en rood die je met de klant bespreekt.

In de demo kostte het traject van klantgesprek tot eerste ontwerp ongeveer 15 minuten, met vier tot zes minuten per skill. Op de traditionele manier ben je daar met sales en engineering samen al snel een halve dag mee bezig.

Nee, George is zelf geen software engineer en bouwt met skills toch werkende toepassingen. Je moet vooral begrijpen wat er gebeurt, de code hoef je niet zelf te schrijven.

De skill controleert zelf of de standaard past en markeert problemen, zoals een deur die over de looproute draait. Daarna zoekt hij een oplossing met componenten die jullie eerder hebben toegepast, en met een gekoppeld ERP-systeem kan hij ook uit oude projecten putten.

Bij deze manier van werken is de output van de ene stap de input voor de volgende. Hoe beter je dat als team standaardiseert, hoe consistenter de kwaliteit die eruit komt.

AI maakt nog steeds wel eens een fout, daarom moet je team weten waar het kritisch op moet zijn. Door rekenwerk in vaste scripts te zetten die altijd hetzelfde resultaat geven, haal je veel van die fouten eruit.

Op elke overdracht in je proces kun je een skill zetten, van sales en engineering tot inkoop, productie en service. Die skills werken in Claude, ChatGPT en sinds kort ook in Copilot, dus ze passen bij wat je al gebruikt.

Nu staat een machine eerst stil voordat er een monteur heen vliegt, en ondertussen wacht de klant. Met AI zie je storingen aankomen, zodat je service kunt plannen.

Voorheen moest je voor elke asset apart een voorspellend model laten bouwen door specialisten. Modellen zoals Timestral van Mistral voorspellen meetwaarden op basis van de historie, zijn goedkoop of gratis en draaien op een edge-computer, waardoor je het veel sneller uitrolt.

Als je AI toegang geeft tot je machinedata, kan iedereen zelf zien wat er met een machine aan de hand is of wat er in het verleden is gebeurd. Let wel op de Data Act: verzamel je data via machines bij je klanten, dan moet je die data ook voor hen beschikbaar maken.

Begin niet met de meest complexe case, maar met toepassingen die voor iedereen toegankelijk zijn, zoals de demo in deze video. Zo leren je mensen stap voor stap werken met AI.

AI is te belangrijk om helemaal bij een externe partij te beleggen, net zoals je je engineering ook niet uitbesteedt. Een tool kopen zonder dat je mensen begrijpen hoe AI werkt, levert vaak een mooie demo op die in de praktijk niet werkt.

Eerst bouw je een AI-mindset op, zodat je begrijpt wat AI nodig heeft en waarvoor je het wel en niet inzet. Daarna leer je skills configureren en pas dan kies je de tool.

Bij Valk Welding begonnen we met inspiratie en inventarisatie, en daarna gingen de mensen zelf aan de slag met vijf cases. Pas toen er werkende pilots waren, hebben we samen de strategie en KPI's bepaald voor de implementatie.

Valk Welding heeft nu een stuurgroep met een AI-lead, een eigen skillbibliotheek en 90 actieve licenties, met meer dan 100 taakautomatiseringen die de mensen zelf hebben gemaakt. Gemiddeld zijn die automatiseringen zo'n 70 procent tijdsefficiënter dan de oude werkwijze.