Kunstmatige intelligentie Na de lancering van ChatGPT riepen veel bedrijven AI uit tot strategische prioriteit. De eerste investeringen hebben weinig rendement opgeleverd, maar doorzetten lijkt onvermijdelijk. NRC vroeg vier Nederlandse multinationals naar hun investeringen en plannen met AI.
Met de boodschap dat ze zo snel mogelijk een groot team op AI moesten zetten, kwam topman Sander van ’t Noordende van Randstad tweeënhalf jaar geleden terug van het World Economic Forum in Davos. „Dat was ze daar verteld door alle consultants en technologiebedrijven”, herinnert Martin de Weerdt zich.
Deze chief information officer van het uitzendconcern dacht bij zichzelf: wat is nou de toepassing waarmee we echt geld gaan verdienen? Dat vond hij nog niet zo eenvoudig. „Dus we hebben de hand op de knip gehouden, waar mogelijk. Want het is natuurlijk ook een hype.”
Het was de periode dat ChatGPT en andere AI-modellen op de markt verschenen en veel consumenten zich er enthousiast op stortten om vragen te stellen, teksten te laten schrijven en afbeeldingen, podcasts en video’s te laten maken. AI werd plots een hoge strategische prioriteit in de bestuurskamers.
Ook bij Randstad hebben ze sindsdien niet stilgestaan; topman Van ’t Noordende heeft zijn enthousiasme behouden. Tegenwoordig stuurt hij zijn medebestuursleden een door AI gegenereerde podcast over zijn strategische plannen voor de komende jaren, vertelt De Weerd.
En daar blijft het niet bij. Randstad zet AI in toenemende mate in om administratieve taken van intercedenten (bemiddelaars) over te nemen. Ook gebruikt het AI voor advertenties en commercials. Die worden in één land gemaakt, en vervolgens worden voor alle andere landen niet nieuwe foto’s of video’s gemaakt maar de afbeeldingen door GenAI vervangen door alternatieven die op de lokale markt zijn toegesneden. De Weerdt: „De productiekosten zijn tientallen procenten lager geworden.”
Net als Randstad zijn veel grote bedrijven sinds de lancering van ChatGPT, in november 2022, op zoek gegaan naar toepassingen. In jaarverslagen en presentaties beschrijven de ondernemingen vooral in algemene termen welk groot strategisch belang zij hechten aan AI, en dat zij zich opmaken voor revolutionaire veranderingen in hun bedrijfsvoering. Doorgaans geven ze weinig concrete voorbeelden. Voor dit artikel zocht NRC vier grote Nederlandse multinationals (Randstad, Unilever, KLM en ABN Amro) op om concreter te horen wat zij met AI doen.
Vóór ChatGPT gebruikten bedrijven kunstmatige intelligentie al in onder meer data-analyses. Maar sinds iedereen door de opkomst van generatieve AI (Gen AI) er makkelijk teksten, afbeeldingen of video mee kan maken, is de technologie veel meer tot de verbeelding gaan spreken.
De laatste twee jaar is toepassing van AI bij Unilever echt in een stroomversnelling gekomen, vertelt Willem Uijen, als bestuurder verantwoordelijk voor inkoop en productie. „Van pilots gingen we naar toepassingen door het hele bedrijf heen. Voor research en inkoop tot productie of het maken van productafbeeldingen voor marketingdoeleinden.”
Maar het is nog niet overal hosanna. Vorige maand joeg onderzoek van het gerenommeerde MIT beleggers grote schrik aan. De universiteit in het Amerikaanse Boston concludeerde dat 95 procent van de onderzochte bedrijven nog geen enkel rendement had geboekt op AI-investeringen.
Dat verschilde niet veel met resultaten van onderzoeken die grote consultancyfirma’s eerder dit jaar hadden gepubliceerd. De adviesbedrijven monitoren de opkomst van AI nauwgezet – alleen al omdat zij er de afgelopen tien, vijftien jaar zelf grote adviesafdelingen voor hebben opgezet, zelf ontwikkelaars in huis hebben gehaald, AI-bedrijven hebben gekocht en groei van hun AI-adviespraktijk verwachten.
Zo bleek uit onderzoek van de Boston Consulting Group (BCG) dat driekwart van de ceo’s AI tot de drie belangrijkste strategische prioriteiten van hun onderneming ziet, maar slechts een kwart significante waarde voor hun bedrijf heeft zien ontstaan. McKinsey constateerde dat sinds 2022 acht op de tien ondernemingen op enige wijze met Gen AI heeft geëxperimenteerd, maar dat 80 procent van de bedrijven die dat deden geen invloed op de winst- en verliesrekening heeft gezien. McKinsey noemt dat de Gen AI-paradox.
En Gartner, onderzoeks- en adviesbureau op ict-gebied, stelde deze zomer dat veel bedrijven in het dal der desillusie zitten. Ook in eerdere periodes waarin nieuwe technologieën tot grote veranderingen leidden – denk aan de opkomst van het internet en e-commerce eind jaren negentig van de vorige eeuw – was er zo’n dal. Daarin kunnen bedrijven grote aarzelingen krijgen over nieuwe investeringen.
Uit onderzoek van adviesbureau Accenture bleek deze zomer dat van achthonderd grote Europese bedrijven meer dan de helft nog moet beginnen aan serieuze AI-investeringen. Accenture zag grote verschillen tussen heel grote (meer dan 10 miljard euro omzet) en iets kleinere bedrijven (1 tot 10 miljard euro omzet), en tussen sectoren. Zo behoren auto-industrie en vliegtuigbouw en banken en verzekeraars tot de voorlopers. Accenture constateert dat bij bedrijven veel enthousiasme is losgebarsten, maar ze tegelijk worstelen om toepassingen voorbij de pilotfase te krijgen.
Volgens Rob Knigge, country managing director van Accenture in Nederland, hebben de grote Nederlandse multinationals allemaal wel iets met AI geprobeerd. „Ze hebben in de speeltuin van alles zitten doen. Nu moeten ze bekijken waar de waarde echt zit en dan opschalen. En dus ook bekijken wat je niet meer moet doen omdat het niets oplevert.”
Europese bedrijven lopen achter op Amerikaanse én Aziatische concurrenten, constateert Accenture. Van de initiatieven die de consultants in hun onderzoek zagen, had slechts 8 procent al serieuze vormen aangenomen, 34 procent was nog pril, en 43 procent niet veel verder dan een plan. „Dat vind ik zorgwekkend”, zegt Nicole van Det, lid van het mondiale bestuur van Accenture. „Als Europese bedrijven AI toepassen in hun productie, doen ze dat ook eerder in hun fabrieken in Azië dan hier in Europa. Omdat mensen in China of India daar veel meer open voor staan.”
AI serieus laten doordringen in allerlei bedrijfsprocessen zal tijd kosten. De technologie-ontwikkeling schrijdt voort, maar aanpassen van de organisatie en veranderen van de bedrijfscultuur zijn taaie processen. Op een mediabijeenkomst van BCG in Wenen, afgelopen mei, schetste chief technology officer Matthew Kropp wat binnen zijn adviesfirma het 10-20-70-principe heet. 10 procent van de voortgang hangt af van de ontwikkeling van technologie en algoritmes, 20 procent van de organisatie van ict-systemen en data-opslag, en 70 procent van de verandering van de cultuur binnen het bedrijf.
De nieuwe AI-modellen lopen vaak nog vast op de uitwisseling van gegevens met ict-systemen die soms al decennia oud zijn, en teruggaan tot de tijd van de mainframecomputers. Benodigde data zijn bovendien op allerlei manieren verzameld en bewaard, maar liggen opgeslagen in verschillende datasilo’s die niet altijd goed met elkaar communiceren.
Bedrijven die voor ‘de grote sprong voorwaarts’ van Gen AI de afgelopen twee jaar al flinke inspanningen hebben gedaan om systemen en data op orde te krijgen, hebben nu een voorsprong. „We hebben de afgelopen jaren bewust ons huiswerk gedaan op dit gebied”, vertelt chief technology officer Carsten Bittner van ABN Amro. „We hebben die oude systemen toegankelijk gemaakt en flink geïnvesteerd in de organisatie van onze data. Dat betaalt zich nu terug.”
Bij Randstad gaat hier nog veel tijd in zitten, geeft Martin de Weerdt aan. „Het probleem is dat we niet één Randstad zijn, maar met de 39 landen waarin we actief zijn eigenlijk 39 Randstadjes. Met alle verschillende ict-systemen in die landen en de verschillende manieren om data te organiseren, moeten we ook bij een nieuwe, simpele AI-toepassing alles 39 keer bouwen, testen en optimaliseren. Dat uniformeren kost veel tijd en veel geld.”
Maar het grootste struikelblok is medewerkers meekrijgen. De vrees voor banenverlies is groot, al bezweren veel bedrijven dat ze niet uit zijn op schrappen van arbeidsplekken. Slechts enkele hebben aangegeven dat ze verwachten dat wel te doen; bekende voorbeelden zijn betaaldienst Klarna en Microsoft. Veel bedrijven houden vooralsnog aan dat ze tijd die vrijkomt doordat standaardwerk vervalt, willen gebruiken om medewerkers creatiever werk te laten doen en de productiviteit te verhogen.
„Je moet werknemers leren hoe ze ermee om moeten gaan”, zegt Van Det van Accenture. „Met opleidingen en door ze de ruimte te geven om met AI te experimenteren. Je ziet de mogelijkheden pas als je ermee werkt, en dan ga je het minder als bedreiging ervaren. Dat hebben we hier binnen Accenture gezien. Ook ons werk verandert sterk, bijvoorbeeld doordat AI werk uit handen kan nemen bij complexe data-analyses en het maken van rapportages. Van de 791.000 mensen die we hebben, volgden er al meer dan 500.000 een training in AI-vaardigheden.”
De Weerdt stelt dat AI-training verplicht stellen onontkoombaar is. „Het was vloeken in de kerk hier, maar ik heb voorgesteld dat we moeten meten wie echt die training hier heeft gedaan. Niet om mensen te straffen, maar om ze te motiveren. Anders missen ze de boot.”
Een fabriekshal waar het licht uit kan blijven en de verwarming minder hard hoeft te branden of de airconditioning lager kan staan. Waar namelijk geen arbeider aan de productielijn staat, maar operators in een control room in de gaten houden of alles goed gaat. AI houdt de productie gaande en corrigeert als iets fout lijkt te gaan. Unilever (omzet 60,8 miljard euro, 125.000 werknemers wereldwijd) heeft al een paar van deze ‘dark factories’ waar dat werkelijkheid is. In Cu Chi in Vietnam, in Tianjin in China, in Tinsukia in India.
In veel fabrieken waren de productielijnen al in hoge mate geautomatiseerd bij het bedrijf met merken als Knorr, Calvé, Axe, Dove en Omo. Maar er stonden nog mensen langs de machines – om een fles shampoo die van de band viel er weer op te zetten en zo.
Dat vertelt Willem Uijen, als bestuurder verantwoordelijk voor inkoop en productie. Driekwart van de fabrieken op de 280 productielocaties gebruikt op één of andere manier AI, zegt hij. Wat nog lang niet betekent dat het personeel overal is verdwenen. In sommige fabrieken verricht het specifieke taken.
Zoals in Kilbourn, vlakbij Chicago, in de mayonaisefabriek van Hellman’s. „Bij mayonaise maken hangt veel af van de kwaliteit van de eieren en de olie. AI monitort daar nu voortdurend de samenstelling, bijvoorbeeld of de viscositeit [stroperigheid] van de mayonaise wel goed is. AI stelt bij, als dat nodig is, door net de hoeveelheid ei anders te doseren of iets meer of minder azijn toe te voegen. Maar alleen als operators die daar nog wel langs de lijn staan dat goedkeuren. Dat leidt tot een betere kwaliteit en een reductie in de verspilling van mayonaise van 15 procent.”
Het hoofdkantoor van Unilever legt de AI-toepassingen niet op, zegt Uijen. Bewust niet. „Dat zou niet werken. We laten het initiatief aan het management van de fabrieken. Dan krijg je de betrokkenheid van de mensen in de fabriek, om het ook echt te laten werken en te optimaliseren.”
Wel kijken de fabrieken naar elkaar, delen resultaten en nemen vernieuwingen over als AI voor grote verbeteringen zorgt. En dat doet het, stelt Uijen. „In een fabriek in China is de productiviteit met een factor twee omhoog gegaan.”
In fabrieken zoals in Cu Chi (Vietnam) draait een gedeelte van de productielijnen autonoom door AI. Veel repetitief werk verdwijnt. De banen worden kennisintensiever en de beloning is daarom hoger, vertelt Uijen. „De mensen in de control rooms hebben andere kennis en vaardigheden nodig dan de mensen die voorheen langs de productielijn stonden. Ze moeten echt snappen hoe de AI-systemen in elkaar zitten en hier ook mee kunnen werken.”
Unilever gebruikt AI niet alleen in de fabrieken, maar bijvoorbeeld ook bij de inkoop. „Met AI kunnen we veel betere voorspellingen doen voor de inkoop van onze grondstoffen, vooral die uit de landbouw, bijvoorbeeld palmolie. We kunnen variabelen invoeren die de prijs beïnvloeden, zoals weersomstandigheden, politieke veranderingen of de prijsontwikkelingen van alternatieve grondstoffen als soja-olie. We kunnen daardoor veel beter en sneller beslissen wanneer we welke grondstoffen moeten inkopen. Het scheelt significant in onze inkoopkosten.”
Met winkelketens als Walmart in de VS en Tesco in het Verenigd Koninkrijk zet Unilever AI in voor analyse van informatie die rechtstreeks van de schappen in alle supermarkten komt. „Als wij de gegevens van de verkoop van onze producten op elk moment van de dag hebben, kunnen we veel beter afstemmen wanneer producten in de winkels moeten zijn. Dat kunnen we terugvoeren door de hele keten heen, tot het voorraadniveau van de grondstoffen aan toe. Het zorgt ervoor dat wij minder verspilling hebben en consumenten veel minder vaak misgrijpen in de winkel.”
In Toronto heeft het bedrijf zijn eigen AI-lab. „We willen zelf AI-oplossingen ontwikkelen, toegesneden op onze activiteiten. Onze eigen AI-experts gaan aan de slag met verzoeken uit onze fabrieken, distributiecentra, marketing- of researchafdelingen. We moeten binnen het bedrijf goed begrijpen hoe het werkt.”
Met een relatief eenvoudig experiment begon ABN Amro (22.000 werknemers, 8 miljard euro baten) in zijn klantcontactcentrum met een AI-toepassing. AI vat tegenwoordig gesprekken met klanten samen, waar medewerkers dat voorheen ‘handmatig’ deden. Dat scheelt veel tijd en administratieve druk. Ruim 85 procent van de samenvattingen door AI blijken accuraat. De medewerker hoeft die na lezing alleen nog akkoord te verklaren.
Maar mensen blijven wél het gesprek voeren, benadrukt chief technology and innovation officer Carsten Bittner. „De medewerkers van het klantcontactcentrum zijn er nu dol op. We wilden met de eerste grote AI-toepassing in de bank een positief gevoel creëren. Dat is echt belangrijk om verdere stappen te kunnen zetten.”
Inmiddels werkt de bank, ook in het klantcontactcentrum, met meer AI-toepassingen. Zo is er een die analyseert waarom een klant belt en hoe de conversatie verloopt. Vroeger monitorden medewerkers daarvoor zelf gesprekken, maar ook dat kostte veel tijd en voelde als een administratieve last. „Als ze dat zelf niet hoeven te doen, kunnen ze zich beter op het gesprek concentreren.”
Een derde toepassing die Bittner noemt is de ‘virtuele klant’. „Daar ben ik zelf het meest van onder de indruk. Deze virtuele klant belt een medewerker met een gesimuleerd klantenprobleem. Daarmee kunnen we nieuwe medewerkers opleiden, of ervaren medewerkers trainen op lastige situaties. De medewerker weet dat hij op een ingeroosterd moment door AI wordt gebeld. Zo creëren we een veilige trainingsomgeving voor onze medewerkers en worden klanten niet gehinderd.”
Ook beproeft dochterbedrijf ICS (credit cards) een ‘bot’, die een klant die belt een paar vragen stelt en de beller vervolgens doorspeelt naar de medewerker die het best op de vragen kan ingaan. „We informeren de klant dat hij praat met een bot, ook al zou die het niet eens merken. We vinden dat vanuit ethisch oogpunt belangrijk.”
Voor de AI-stroomversnelling van de afgelopen twee, drie jaar had ABN Amro zich al op het nieuwe tijdperk ingericht. „We hebben veel tijd en energie geïnvesteerd in het creëren van onze eigen veilige cloudomgeving. Het is ons eiland, waardoor onze gegevens niet gebruikt kunnen worden om AI-modellen van anderen te trainen. We hebben ook ons eigen ‘ABN Amro GPT’ ontwikkeld en beschikbaar gemaakt voor onze medewerkers. Zij mogen op de computers van ABN Amro géén ChatGPT gebruiken. Dan zouden ze per ongeluk data kunnen delen met anderen. Binnen ons eigen model kunnen ze naar hartelust experimenteren.”
Ook buiten het klantcontactcentrum is AI doorgedrongen, onder meer om data uit jaarverslagen en duurzaamheidsrapporten van bedrijven samen te vatten en te analyseren. Ook helpt het bankiers kredietvoorstellen te formuleren.
Nog voor de opkomst van generatieve AI werd AI al gebruikt voor patroonherkenning om fraude en witwassen tegen te gaan. „Ook hier is het een samenwerking tussen onze medewerkers en AI. Dat moet het ook zijn. AI moet vooral een assistent zijn die je helpt je werk te doen.”
Bittner wil waken voor wat hij ‘overautomatisering’ noemt. „Dat kan negatieve gevolgen hebben. We zullen stap voor stap meer ervaring opdoen, maar gaan niets overhaasten. Banken draaien op data en vertrouwen. Alle beslissingen die wij nemen, moeten we kunnen uitleggen. Dat vraagt om betrokkenheid van medewerkers. We kunnen dat niet overlaten aan neurale netwerken als AI die zelfstandig beslissingen nemen. We mogen het vertrouwen in ons nooit verspelen.”
Dat sluit verdere stappen niet uit. „Ik verwacht dat we klanten virtuele assistenten in hun app zullen aanbieden. Daar kunnen ze mee praten, waarbij ze die financiële assistent dan zelf toegang moeten verlenen tot hun data. Op een zeker moment in de conversatie zou die dialoog de aanzet kunnen zijn voor een transactie of voor contact met een medewerker. Dat zou een grote stap voorwaarts zijn, en we zijn er niet ver meer vandaan.”
Ze noemden het toen nog geen AI, maar vanaf 2015 onderzocht KLM (omzet 12,7 miljard euro, 36.000 werknemers) met adviseurs van Boston Consulting Group of met algoritmes en datascience slimmere besluitvormingsmodellen te ontwikkelen zouden zijn. Twee jaar later hadden ze een systeem gereed voor het Operation Control Center. Inmiddels verkopen KLM en BCG het systeem wereldwijd aan andere luchtvaartmaatschappijen.
Pathfinder heet het en KLM gebruikt het voor de inzet van vliegtuigen en personeel. „De puzzel die we elke dag handmatig moesten leggen, leggen we nu veel sneller”, zegt Bob Tulleken, vicepresident Operations Decision Support bij KLM. Het gaat daarbij niet over de dienstregeling – die staat al lang vast. Pathfinder helpt te bepalen hoe de circa honderd inzetbare vliegtuigen dagelijks over zo’n zeshonderd vluchten worden verdeeld en op welke vluchten het vliegpersoneel wordt ingezet.
„Dat kan iedere dag anders zijn. Het systeem zet die roosters nu minder vast dan voorheen”, zegt Dirk-Maarten Molenaar, managing director van BCG in Nederland, de consultants die samen met KLM Pathfinder ontwikkelden. . „We brengen elke dag veel data samen: over crews die een overstap maken, het aantal passagiers dat moet overstappen, weersomstandigheden, stakingen. Passagiers krijgen daardoor minder met vertragingen te maken. Op dagen dat bijvoorbeeld een zware storm woedt, ziet KLM 30 procent minder passagiers van wie de reis is verstoord.”
Niet alleen passagiers zijn bij die betere planning gebaat. Tulleken: „Het heeft ook impact op toegewezen vluchttijden, op de afhandeling van bagage, op de crew die op tijd thuis wil zijn. Vaak is er een overload aan informatie, zeker op dagen met grote verstoringen, maar je wilt wel snelle besluitvorming. Uit het model komen oplossingen die we misschien niet zelf hadden gekozen, maar die wel goed uitlegbaar zijn. Het besluit zal altijd door een medewerker genomen worden, je kunt namelijk niet altijd alles vatten in een programmeercode. Je wilt bijvoorbeeld niet dat de orkestleden van het Concertgebouworkest met hun instrumenten tijdens een tournee vast komen te zitten. Dan hebben we onze medewerkers nodig om in te grijpen. Maar zij kunnen zich nu wel veel meer richten op de strategische en menselijke aspecten van het werk in plaats van op het handmatige rekenen en puzzelen.”
Het aantal medewerkers bij het Operations Control Centre is niet verminderd. Tulleken: „De AI-modellen vervangen hen niet, ze versterken hen. Waar je in bepaalde scenario’s als team een week nodig had om een scenario op te stellen, kan een systeem nu in een dag tijd vijf scenario’s voorleggen.”
Die scenario’s kunnen ook weer gebruikt worden om nieuwe dienstregelingen te maken, vertelt Molenaar. „We kunnen meer simulaties maken op basis van wat we weten uit het verleden, en de dienstregeling daardoor weerbaarder maken. Bijvoorbeeld voor het geval dat er weer een staking is in Frankrijk of voor dagen met slecht weer in sommige seizoenen.”
KLM en BCG ontwikkelden het AI-model zelf. Tot die tijd konden roostersystemen in de luchtvaart niet alle data bij elkaar brengen. Als experiment presenteerden ze het model op een luchtvaartcongres, en sindsdien schaffen concurrenten het aan. Zo is het ook een verdienmodel voor KLM en BCG geworden.
De invoering bij die concurrenten van het model is niet altijd makkelijk, omdat andere luchtvaartmaatschappijen hun data opgeslagen hebben in ict-systemen die al decennia oud zijn. Molenaar: „Dat zijn hobbels waar we goed naar moeten kijken. Het kan bij invoering heel veel tijd schelen als we eerst die data op orde krijgen. En je moet voorkomen dat het hele systeem omvalt omdat AI te veel vragen stelt.”
Sinds een jaar gebruikt KLM AI ook om onderhoud van vliegtuigmotoren te plannen. „Daarmee kunnen we een enorme kostenreductie realiseren”, zegt Tulleken. „Zo kunnen we veel beter plannen dat de motor van een toestel dat we willen verkopen vlak daarvoor nog een onderhoudsbeurt krijgt, waardoor de verkoopwaarde hoger is. En willen we bij een leasevliegtuig de motor inleveren binnen de exact gestelde specificaties van de leasemaatschappij. Dat kunnen we met AI veel beter plannen ”
Enthousiast keerde Martin de Weerdt, chief information officer van uitzendconcern Randstad (omzet 24,1 miljard euro, 41.400 werknemers), begin 2023 terug van een tournee door Silicon Valley. Daar zagen hij en collegabestuurders, in een presentatie bij Microsoft, voor het eerst wat het AI-model van ChatGPT zou kunnen. Ze waren diep onder de indruk.
Terug op kantoor hielp een collega, gepromoveerd datawetenschapper, hem uit de droom. De Weerdt: „‘AI is geweldig’, zei hij. ‘Dat doen we hier al jaren. Hoe denk jij dat we kandidaten matchen met banen? Dat medewerkers hier nog zelf cv’s met baanprofielen vergelijken?’ Hij had een goed punt.”
AI was dus niet nieuw voor Randstad, maar sindsdien heeft de technologie wel een vlucht genomen. Zo worden vacatures nu helemaal met AI omschreven. „Daarmee liepen we direct aan tegen onze eigen beperkingen”, zegt De Weerdt. „Als je AI echt wilt omarmen, moet je het hele bedrijfsmodel omgooien. Want als onze mensen niet meer een half uur met een vacaturebeschrijving bezig zijn maar slechts vijf minuten, dan houden ze veel tijd over voor andere taken.”
Randstad zal volgens De Weerdt zijn medewerkers moeten bijbrengen minder tijd te besteden aan alledaagse dingen als vacaturebeschrijvingen maken, cv’tjes updaten en advertenties opstellen. Dat kan AI overnemen. Zij kunnen dan meer tijd besteden aan gesprekken met uitzendkrachten en klanten.
„Voor Randstad is het belangrijk dat wij ‘talenten’ vasthouden, dat onze medewerkers met hen bespreken wat ze in een volgende baan willen doen, hoe ze denken over hun eigen loopbaan. In tijden dat arbeidskrachten schaars zijn, is het van groot belang dat wij ze aan ons binden.”
Ook kunnen Randstad-medewerkers vaker bedrijven bezoeken, zodat ze beter inzicht krijgen in de ontwikkeling van de vraag naar arbeidskrachten. „Zo kunnen we bijvoorbeeld met de horeca manieren verzinnen om iets te doen aan de schaarste aan personeel. We krijgen meer tijd daar samen een plan voor te maken. Ik heb liever dat onze mensen dát doen dan eindeloos bellen om een kandidaat te vinden voor een vacature. Dat vinden ze ook helemaal niet leuk.”
Daarom ziet De Weerdt meer taken verschuiven naar AI. „Als een opdracht van een bedrijf binnenkomt, zal die automatisch gematcht moeten worden met tien mensen die we kunnen bellen. Of die mensen krijgen automatisch een WhatsApp-bericht dat een baan voor hen beschikbaar is. In de VS hebben we daar al ervaring mee, met orderpickers voor distributiecentra. Die willen helemaal niet overleggen met een medewerker van ons, die willen via de app een shift pakken op een moment dat hun uitkomt. Je ziet ze via onze app ’s avonds na vijf uur heel veel shifts boeken. Dan zijn onze consultants al lang naar huis.”
Van de 37.000 man Randstadpersoneel zullen er naar schatting van De Weerdt zo’n 2.000 zijn die AI van nature snel zullen gebruiken. „De vraag is hoe we de andere 35.000 meekrijgen. We zullen ze moeten trainen.”
Daarbij ligt nadruk op – zoals Randstad dat noemt – ‘Responsible AI’. „We moeten heel voorzichtig zijn met data. Uitzendkrachten vertrouwen ons veel gegevens toe: over salaris, werkverleden, ziekteverzuim. We willen niet dat die op straat komen te liggen, en evenmin dat AI-modellen van die gegevens gaan leren. Op bedrijfscomputers mogen onze mensen daarom alleen het AI-model Gemini van Google gebruiken, in onze eigen besloten omgeving.”
De voorzorg gaat verder. Randstad wil ook niet dat het AI-model keuzes maakt die als discriminerend kunnen worden ervaren. „Zo’n model kan leren dat 55-plussers niet lekker in de markt liggen en hen uitsluiten. Zo kan een model op tal van manieren discrimineren. Dat wil je niet, we moeten de modellen onder curatele stellen.”
De Weerdt ziet in de hoge kosten van AI een belangrijke belemmering om haast te maken. „Daar heeft niemand het over, maar die worden gigantisch. De datacentercapaciteit die je nodig hebt, het energieverbruik, het gebruik van de chips. Als je AI in veel onderdelen van je bedrijfsvoering gebruikt, lopen die kosten echt hard op.”
Doorzie de wereld van technologie elke week met NRC-redacteuren
Source: NRC