ChatGPT, Claude, Gemini… We worden overspoeld met AI-buzz. Maar hoe maak je verantwoorde strategische keuzes als je met kunstmatige intelligentie aan de slag wil? Charlie ter Horst, hoofd AI bij technologiebedrijf Croon Wolter & Dros, vertelt waarom hij zijn AI-gids heeft geschreven en welke AI-strategieën bedrijfseconomische knelpunten aanpakken.
Ter Horst had al een achtergrond als wiskunde- en natuurkundeleraar en lerarenopleider toen hij in 2022 door technologiebedrijf Croon Wolter & Dros voor onder andere de bouw- en infrasector werd binnengehengeld als hoofd van de nieuwe businessunit AI. Dat was niet voor niets, want zijn fascinatie voor de bedrijfsmatige toepassing van kunstmatige intelligentie ontstond al tijdens zijn studie natuurkunde in combinatie met informatica.
Ter Horst ontwikkelt nu AI-projecten voor klanten van Croon Wolter & Dros. Uit de talloze klantgesprekken die hij heeft gevoerd, blijkt dat er behoefte is aan het stroomlijnen van AI-geautomatiseerde bedrijfsprocessen. Doelen van die processen zijn tijdwinst, faalkosten beperken en effectiever en slimmer werken. “In de bouwsector speelt bijvoorbeeld het classificeren van bouwproducten of gebouwonderdelen. Dat gebeurde vroeger handmatig. Daar kun je veel tijd mee besparen door met AI een geautomatiseerd classificatiesysteem te creëren dat met een druk op de knop voor 99,3 procent nauwkeurig functioneert.”
Beluister deze aflevering van Aannemer Podcast via Spotify, Apple Podcasts of een van de andere podcast-apps.
Waarom heb je jouw AI-gids ‘AI voor beslissers… Alles wat u moet weten in één uur’ geschreven?
“Tijdens de vele gesprekken die ik heb gevoerd met managers en bestuurders, ofwel de beslissers in organisaties, merkte ik een spraakverwarring op tussen hen en mezelf. AI-experts zoals ik praten vanuit hun kennis over data en modellen, terwijl beslissers in een bedrijf redeneren vanuit hun domein, omzet en risico. Ergens daartussen verdampt het begrip van AI. En dat is een probleem, want een beslisser die niet kan meepraten over AI, kan er ook niet op sturen. Ga er als manager of directeur maar aan staan in het AI-landschap van vandaag: er is zoveel buzz in podcasts, YouTube-video’s, blogposts en boeken dat ik dacht: AI moet kort en bondig worden uitgelegd vanuit het oogpunt van die beslisser. Dus toen begon het bij mij te kriebelen om een gids te maken waarin de lezer binnen één uur alles over AI te weten komt.”
In slechts 52 pagina’s zet je uiteen hoe een bedrijf strategische keuzes kan maken voor succesvolle AI-projecten. Waarom zoveel aandacht voor die strategie, in plaats van de technologie?
“Succes met AI hangt voor 80 procent af van verandermanagement en inbedding in de organisatie, en voor 20 procent van technologie. Je kunt wel allerlei losse AI-tools inzetten, maar als een hele organisatie niet weet hoe je die AI-technologie moet gebruiken en waarvoor, dan werkt het niet. Stel dat de marketingafdeling een AI-tool inzet om effectieve LinkedIn-posts te maken, dan blijft de kennis en ervaring beperkt tot die afdeling als er geen verandermanagement wordt toegepast. Ik adviseer bedrijven om enthousiastelingen of degenen die ervaring hebben met AI als ambassadeur te laten fungeren voor de rest van collega’s. Ga met elkaar brainstormen over een bottleneck in een bepaald bedrijfsproces dat de organisatie wil verbeteren, maak doelstellingen en bepaal met welke AI-strategie je die doelstellingen wilt bereiken.”
Wat verder opvalt in de gids is dat je moet afbakenen wat een AI-oplossing kan bewerkstelligen en welk probleem het oplost. Kun je voorbeelden noemen voor de bouw?
“Bij machine learning bijvoorbeeld moet je het probleem dat je wilt oplossen heel scherp afbakenen om bepaalde machines of apparaten specifiek te trainen. Als ik een AI-model wil creëren om via beeldherkenning te controleren of medewerkers bouwhelmen dragen op de bouwplaats, dan richt ik me met de dataset alleen op de helmen. Dat betekent niet dat de AI-tool ook herkent of er veiligheidsschoenen worden gedragen.
Wij hebben een AI-geleide computervisiontool ontworpen voor het op afstand monitoren, besturen en visualiseren van bruggen en sluizen. Dat proces was vroeger manueel, maar voor die handelingen hebben wij onze software geautomatiseerd en een AI-model getraind. Vanuit strategisch oogpunt was het van belang: hoe scherper de problemen met manuele monitoring en besturing zijn gedefinieerd, hoe succesvoller onze oplossing uitpakt.”
Kun je tot slot een succesvol AI-project in de bouw beschrijven?
“We hebben een heel gave case gehad met Voorbij Funderingstechniek, dat funderingspalen stort. Voorheen maakten zij een volumeberekening van hoeveel beton er in die palen gestort wordt, terwijl een sondering bepaalt hoeveel beton er weglekt in de ondergrond. Maar dan kon je nog niet exact voorspellen hoeveel beton er verwerkt moest worden. Daarom hebben we een machine learningmodel gemaakt op basis van sonderingsdata, zodat rekenkundig nu precies bekend is hoeveel beton per paal er nodig is. Via een pilot kwamen we erachter dat er veel minder beton gestort hoefde te worden dan traditioneel berekend was. Nu kunnen aannemers die Voorbij Funderingstechniek inschakelen in de offertefase precies bepalen hoeveel beton er ingekocht moet worden voor het storten van de fundering. Dat is pas echt een oplossing waarbij AI rendement oplevert voor bedrijven.”
