Bij robotbouwer UBTech zag Job van den Berg met eigen ogen wat Europese bedrijven over het hoofd zien

In Shenzhen zijn chips, sensoren, motoren en schroeven binnen handbereik. Wie een machine wil bouwen, kan direct onderdelen inkopen, een prototype maken, testen en aanpassen. In Nederland begint zo’n traject vaak met een leveranciersselectie, een businesscase en een overleg over de pilot.

Dat verschil stapelt zich op. Wie sneller bouwt, ontdekt eerder wat werkt. Wie eerder machines inzet, verzamelt eerder data. En wie die data gebruikt om zijn product te verbeteren, loopt verder uit. Wij discussiëren ondertussen vooral over welk AI-model we moeten gebruiken. Daarmee kijken we naar een te klein deel van het speelveld.

De fabriek levert wat je niet kunt kopiëren

AI maakt software sneller en goedkoper te bouwen. Daardoor wordt het lastiger om jarenlang geld te verdienen aan een functie die een concurrent snel kan namaken.

Praktijkervaring kopieer je minder makkelijk. Een robot in een fabriek moet een onderdeel oppakken dat scheef ligt. Hij moet omgaan met slijtage, afwijkende materialen en onverwachte obstakels. Iedere poging levert informatie op: wat lukte, wat fout ging en onder welke omstandigheden.

Bij robotbouwer UBTech zag ik waarom dat belangrijk is. Een demonstratie laat zien wat een robot één keer kan. Dagelijks werk laat zien wat hij betrouwbaar kan, en waar hij nog moet leren. Wie de robot op de werkvloer heeft, verzamelt de ervaring waarmee de volgende robot beter wordt.

Lees ook: ‘Europa, het museum van China. Wat een onzin, dacht ik. Maar ik ben mij kapot geschrokken’, zegt Arjen Paardekooper na reis.

Daar ligt een kans voor Nederlandse bedrijven. Een fabriek, magazijn of vloot levert dagelijks gegevens op waar een modelbouwer geen toegang toe heeft. Maar dan moet je die gegevens wel vastleggen en gebruiken.

Begin dus bij een concrete handeling. Waar loopt een machine vast? Welke afwijkingen ziet een medewerker? Welke fouten komen terug? Leg dat vast en bouw vanuit die kennis verder.

Koop rekenkracht voor het werk dat je doet

Ook bij de aanschaf van rekenkracht laten we ons te vaak door de hype leiden. AI betekent GPU’s, waardoor organisaties GPU-capaciteit aanschaffen. Maar een AI-agent doet meer dan een model aanroepen. Hij zoekt een order op, leest een document, verwerkt gegevens en wacht op een ander systeem. Dat vraagt ook CPU’s, geheugen, opslag en snelle verbindingen. De verhouding verschilt per toepassing. Meet daarom eerst waar je systeem tijd en capaciteit verbruikt.

Bij NVIDIA zag ik hoeveel aandacht naar die complete infrastructuur gaat. Bestuurders zouden dezelfde vraag moeten stellen: waar zit onze bottleneck en welke investering lost die op? Een budget voor GPU’s is nog geen plan voor AI.

Lees ook: Aragorn Meulendijks over de Chinese robotica-golf: ‘Er gaat een deur open. Loop erdoorheen zolang hij nog openstaat.’

Bouw samen wat je zelf wilt blijven beheersen.

In Taiwan zag ik hoe banken via federated learning samenwerken aan fraudedetectie. Ze trainen op hun eigen transactiedata en delen modelaanpassingen. De onderliggende gegevens blijven bij de banken.

Dat vraagt goede beveiliging en duidelijke afspraken. Maar de samenwerking levert iets concreets op: een gezamenlijk model dat leert van meer ervaring dan één bank alleen kan verzamelen.

Waarom doen Nederlandse sectoren dat niet vaker? Banken bestrijden dezelfde soorten fraude. Ziekenhuizen onderzoeken vergelijkbare beelden. Fabrieken lopen tegen dezelfde technische fouten aan. Ze hoeven hun volledige bedrijfsvoering niet te delen om samen een specifiek probleem op te lossen.

Ook hoeft niet iedere toepassing op het grootste algemene model te draaien. Test eerst of een kleiner, gespecialiseerd model de taak goed genoeg uitvoert. Dat kan kosten besparen en meer ruimte geven om het systeem zelf aan te passen.

Zelf de regie houden begint met weten wat je zelfstandig moet kunnen blijven doen. Kun je overstappen als je leverancier de prijzen verdubbelt? Kun je je gegevens meenemen? Kun je het systeem aanpassen zonder toestemming van een externe partij? Blijft je proces draaien als die partij stopt? Die vragen horen vóór de handtekening op tafel.

Lees ook: Zonder oordeel de tech-toekomst in: dit is waarom we als ongeduldige Europeanen wél naar China moeten reizen

Geef bouwers tijd om iets op te bouwen

Nederland heeft met ASML, de maakindustrie, logistiek en technische kennis een sterke uitgangspositie. Maar die positie blijft niet vanzelf bestaan. Daarvoor moeten bedrijven investeren in eigen kennis, machines en data. Ook als de opbrengst niet binnen twee kwartalen vaststaat.

Dat vraagt geen blanco cheque. Kies een duidelijk probleem, zet er een technisch team op en beoordeel de voortgang op meetbare resultaten. Werkt de machine betrouwbaarder? Dalen de kosten per handeling? Kan het team een probleem inmiddels zelf oplossen?

Laat de mensen die bouwen ook meebeslissen. Een bestuur dat uitsluitend op kosten en terugverdientijd stuurt, ziet makkelijk over het hoofd welke kennis het bedrijf opbouwt of weggeeft.

Mijn advies aan Nederlandse bestuurders is daarom concreet: kies één belangrijk proces waarin je eigen kennis wilt opbouwen, verzamel de benodigde data. zoek partners die hetzelfde probleem hebben en zorg dat je de uitkomst zelf kunt blijven gebruiken en verbeteren.

In Shenzhen en Taipei wordt die voorsprong iedere dag gebouwd. Met onderdelen, machines, tests en fouten. Europa moet beslissen hoeveel daarvan het zelf wil beheersen. Anders kopen we straks de oplossingen die anderen met onze praktijkkennis hebben gebouwd.

Ontvang elke week het beste van BusinessWise in je mailbox, ook over AI. Schrijf je hier nu gratis in en maak kans op je eigen robot!