ING - Nederlandse Industrie laat nog altijd veel AI-kansen liggen

De Nederlandse industrie past weliswaar steeds vaker kunstmatige intelligentie toe in haar bedrijfsprocessen, maar blijft achter bij het tempo dat nodig is om internationaal concurrerend te blijven. In 2025 is de adoptie in de industrie sneller toegenomen dan in andere sectoren. Toch blijkt uit een sectoranalyse van ING Research dat slechts één op de vijf producenten actief gebruik maakt van AI, terwijl de software-investeringen achterblijven bij de totale industriële investeringsgroei. De reële waarde van het industriële software-kapitaal is de afgelopen vijf jaar zelfs met 7,5% afgenomen. Dit terwijl er landelijk sprake is van 8,5% groei. Daarmee dreigt de sector kansen te missen om productiever en concurrerender te worden. Op de middellange termijn blijken industriebedrijven die AI implementeren doorgaans beter te presteren dan concurrenten die dat niet doen.

ING Sectorbanker Industrie, Gert Jan Braam: “Industriebedrijven hebben veel te winnen bij een succesvolle inzet van AI. Zij doen er goed aan een pragmatische aanpak te kiezen. Begin klein en haal waar nodig expertise van buiten. Het op orde brengen van de datahuishouding verdient prioriteit om AI-toepassingen met de juiste gegevens te kunnen voeden. Vervolgens kun je AI verantwoord stap voor stap opschalen.”

Industrie loopt risico potentiële productiviteitswinst niet te realiseren

Academische studies op bedrijfsniveau laten zien dat de invoering van AI de jaarlijkse productiviteitsgroei van werknemers tot 3 procentpunten kan verhogen. Op de middellange termijn blijken industriebedrijven die AI implementeren bovendien doorgaans beter te presteren dan concurrenten die dat niet doen, zowel op het gebied van productiviteit als marktaandeel. Hoewel de voordelen verschillen per taak en dus per bedrijf, loopt de industrie het risico achter te blijven bij een belangrijke nieuwe technologie met potentieel significante productiviteitswinst.

Industriële software-investeringen moeten omhoog om AI-potentieel te benutten

Voor een productieve AI-inzet zijn grotere investeringen in software nodig. De industrie heeft de afgelopen vijf jaar de investeringen in software weliswaar opgevoerd, maar gemiddeld was de groei met 2% per jaar slechts half zo hoog als de totale industriële investeringsgroei. Vergeleken met de economie-brede investeringen in software blijft de industriële groei van software-investeringen nog verder achter. Terwijl de nominale waarde van het softwarebezit nog is toegenomen, is de voor inflatie gecorrigeerde (reële) waarde ervan tussen 2019 en 2024 met 7,5% afgenomen. Een verschil van 16 procentpunt met de 8,5% groei van het landelijke softwarekapitaal. Om met AI substantiële productiviteitswinsten te realiseren is dan ook een omkering van die neergaande trend nodig.

AI in Nederlandse industrie minder vaak toegepast dan elders in Noordwest-Europa

Afgezet tegen andere EU-landen geeft de industriële AI-adoptie van Nederland een tweeledig beeld. Maakbedrijven zetten in Nederland vaker AI in dan gemiddeld in de EU, maar lopen achter bij de Europese koplopers. Gemeten onder bedrijven met 10 of meer werkzame personen gebruikt in Nederland 29% van de industriebedrijven AI, terwijl dat in de totale EU gemiddeld 17% is. Tegelijkertijd staan Nederlandse maakbedrijven op achterstand vergeleken met hun tegenhangers in de meeste omringende landen in Noordwest-Europa. Zo geeft in België en Denemarken bijna 40% van de maakbedrijven aan in 2025 AI te hebben gebruikt. Het aandeel industriële grootgebruikers (dat drie of meer AI-toepassingen inzet), ligt in die landen met 17% versus 11% ook een stuk hoger dan in Nederland.

Productieprocessen efficiënter maken en personeelskrapte verminderen

Kunstmatige intelligentie kan productiebedrijven efficiënter maken. Het is cruciaal voor een efficiëntere inrichting van productieprocessen en daarmee het tekort aan personeel op te vangen. Bedrijfsprocessen vereisen bij de meeste maakbedrijven nog talloze handmatige handelingen. Veel van dat werk kan met verdere automatisering en AI efficiënter, bijvoorbeeld door zelflerende robots in te zetten. Zeker de trend richting kleinere en meer verschillende orders (“high-mix, low-volume”) vereisen IT-oplossingen die autonomere productieprocessen mogelijk maken. Het slim toepassen van AI maakt industriële processen bovendien sneller, kwalitatief beter en betrouwbaarder.

Veel meerwaarde voor industriële kernprocessen

Het aantal succesvolle industriële AI-usecases groeit met de dag. Producenten zetten ook in kernprocessen steeds vaker machine- en deeplearningmodellen in. Bijvoorbeeld voor AI-ondersteunde kwaliteitscontroles in de productielijn of het verkorten van omsteltijden door een AI-aangestuurde instelling van machines en automatische selectie van gereedschappen.

Grootste winst te behalen buiten het kernproces

Het grootste potentieel van (Gen)AI zit niet in het kernproces van produceren zelf. Dat is al sterk geautomatiseerd met machines en robots. Juist in processen daar omheen valt nog veel te winnen, zoals in logistieke processen en serviceverlening, maar ook contentcreatie en analyse-toepassingen voor afdelingen als marketing en sales, HR, IT, finance en legal. Concrete voorbeelden zijn:

- Het efficiënter maken van de productieplanning
- Een productontwerp sneller en nauwkeuriger vertalen naar bewerkingsstappen
- Slijtage en storingen van machines beter voorspellen
- Logistiek en voorraadbeheer en prijsstelling optimaliseren
- Autonome transportsystemen tussen magazijn en productielijn
- Geautomatiseerde bestel- en offerteprocessen voor standaardproducten
- AR-toepassingen die monteurs real time ondersteunen
- Automatische documentatie via spraak-naar-tekst voor werkinstructies en trainingen
- Geautomatiseerde beantwoording van klantvragen met chatbots
- Geautomatiseerd code schrijven voor stuurprogramma’s van machines en robots
- Ondersteuning van de ontwikkeling van nieuwe producten en processen
Hiermee stijgt de productiviteit, terwijl medewerkers meer tijd krijgen voor werk waar hun kennis het meest waarde toevoegt.

Goede data-infrastructuur belangrijke voorwaarde voor succes

Tot slot vormt een goede data-infrastructuur de basis voor succes. Veel industrie bedrijven doen er daarom goed aan hun processen beter inzichtelijk te maken, data op te schonen en consistenter te maken en IT en operationele technologieën (OT) te koppelen om betrouwbaarheid te waarborgen. Hoe beter data zijn ontsloten en gestructureerd, hoe krachtiger AI verbanden kan leggen en waarde kan creëren.

Strategische visie bestuurders en kennisopbouw nodig om AI in werkprocessen in te bedden

AI vraagt om een duidelijke strategische visie van bedrijfsbestuurders, omdat de technologie een systeemverandering met zich meebrengt die weerstand bij werknemers kan veroorzaken. Dat blijkt ook uit onderzoek waaruit volgt dat 95% van de GenAI pilots mislukt doordat organisaties juist proberen die frictie te vermijden. Voorlopers laten echter zien dat met visie en managementbetrokkenheid wrijving kan worden weggenomen, vooral wanneer AI niet als generieke tool wordt ingezet maar diep wordt verankerd in werkprocessen. Personeel staat veelal niet te springen om de bestaande manier van werken aan te passen, heeft niet altijd ervaring met AI en vaak leven er zorgen over (toekomstig) baanverlies. Dat laatste risico lijkt in de industrie echter beperkt. Door de continue personeelsschaarste liggen grootschalige ontslagen niet voor de hand. Ook gaat automatisering voor een belangrijk deel ten koste van de minder concurrerende activiteiten en minder populaire werkzaamheden. Daarbij focussen medewerkers steeds meer op de ontwikkeling van producten en maakprocessen en steeds minder op het maakproces zelf.

Kennis opbouwen, klein beginnen en schaal creëren

Ook kennisopbouw is cruciaal: medewerkers moeten stapsgewijs met AI kennis maken om de meerwaarde voor hun werk te zien en er beter mee uit de voeten te kunnen. Door klein te beginnen kan laagdrempelig kennis worden opgedaan, zoals met prompting voor kantoorprocessen. Daarnaast helpt samenwerken of fuseren om voldoende schaal te creëren. Niet alleen om de digitale transformatie mogelijk te maken, maar ook om de toenemende concurrentie en complexiteit in algemene zin – van maakprocessen en door personeelsschaarste en regeldruk – aan te kunnen.