Bij de productie van industriële automatisering is het schrijven en aanpassen van besturingscode specialistisch werk. Siemens zet daarvoor zijn Industrial Copilot in: een generatieve AI-assistent die engineers kan helpen bij het formuleren, verklaren en documenteren van code voor programmeerbare besturingen. De toepassing is geen vervanging van de engineer aan de machine, maar een hulpmiddel dat repetitieve stappen in het ontwikkelwerk verkort en technische kennis beter toegankelijk maakt. Edgar van Lent ziet juist in die taakverdeling de praktische betekenis van AI op de werkvloer.

De publieke samenwerking van Siemens en Schaeffler rond de Industrial Copilot laat zien hoe dat er in een Europese fabriek uit kan zien. Schaeffler verkent de toepassing in de industriële automatisering, waar medewerkers de gegenereerde voorstellen toetsen aan veiligheidseisen, bestaande installaties en de feitelijke productiesituatie. De AI levert dus geen zelfstandig besluit over een productielijn; zij ondersteunt vakmensen die verantwoordelijk blijven voor de technische en operationele uitkomst.

Van programmeerwerk naar technische beoordeling

In fabrieksautomatisering zit veel waarde in ervaring: begrijpen hoe een installatie reageert, storingen herleiden, wijzigingen veilig doorvoeren en documentatie leesbaar houden voor de volgende ploeg of projectgroep. Generatieve AI kan daarbij vooral werk wegnemen dat noodzakelijk is, maar niet altijd het hoogste beroep doet op dat oordeel. Denk aan een eerste uitleg van bestaande code, een concept voor technische documentatie of een voorstel voor een programmeerfunctie dat de engineer vervolgens controleert en aanpast.

Edgar van Lent, AI-specialist gericht op de toepassing van kunstmatige intelligentie in Europese organisaties, stelt dat AI werk vooral verandert wanneer zij medewerkers sneller naar het punt brengt waarop hun vakkennis nodig is. “De economische waarde zit niet in het automatisch produceren van een antwoord, maar in het beter benutten van het oordeel van de professional die dat antwoord moet beoordelen.”

Dat onderscheid is wezenlijk in een productieomgeving. Besturingscode heeft gevolgen voor machines, kwaliteit en veiligheid. Een bruikbaar AI-systeem moet daarom aansluiten op bestaande engineeringprocessen, versiebeheer en validatie. De medewerker moet kunnen nagaan waarop een voorstel is gebaseerd, en de organisatie moet helder vastleggen wie een wijziging goedkeurt. De inzet van de Industrial Copilot is daarmee ook een voorbeeld van vakmanschap dat verschuift: minder tijd voor het opbouwen van een eerste concept, meer nadruk op verificatie, context en verantwoordelijkheid.

Voor Schaeffler is dat relevant omdat automatiseringsteams met complexe systemen werken die over jaren zijn opgebouwd. Nieuwe collega’s kunnen profiteren van hulpmiddelen die technische informatie sneller ontsluiten, terwijl ervaren engineers hun kennis niet alleen mondeling hoeven over te dragen. De kwaliteit van die overdracht blijft echter afhankelijk van de mensen die de lokale installatie, de werkwijze en de risico’s kennen.

Een assistent voor de servicedesk, geen automatische werkgever

Een tweede, andersoortige Europese praktijkcase komt van de Duitse softwareleverancier SAP. Het bedrijf heeft Joule, zijn generatieve AI-copilot, ingebed in bedrijfssoftware voor onder meer HR, finance, inkoop en klantenservice. Voor medewerkers betekent dat dat zij vragen kunnen stellen in gewone taal, informatie uit processen sneller kunnen vinden en routinetaken kunnen voorbereiden binnen de applicaties waarin zij al werken.

Bij HR- en servicewerk ligt het risico niet primair bij machineveiligheid, maar bij context, privacy en de menselijke behandeling van medewerkers en klanten. Een AI-assistent kan een samenvatting maken, relevante beleidsinformatie ophalen of een eerste antwoord voorbereiden. Of dat antwoord passend is voor een concrete medewerker, een arbeidsvoorwaarde of een klantrelatie, blijft een menselijke afweging. SAP positioneert Joule daarom als ondersteuning in werkprocessen en bouwt voorzieningen rond rollen, toegangsrechten en verantwoord gebruik in zijn softwareomgeving.

De vergelijking met de fabriek is instructief. Bij Siemens en Schaeffler ondersteunt AI het technische oordeel van engineers; bij SAP ondersteunt zij kenniswerkers die door grote hoeveelheden procesinformatie moeten navigeren. In beide gevallen is de kern niet dat een functie verdwijnt, maar dat de volgorde van werkzaamheden verandert. Eerst verzamelen, zoeken en structureren gebeurt sneller. Daarna komt de stap die meer professionele vaardigheid vraagt: beoordelen, uitzonderingen herkennen, uitleggen en verantwoordelijkheid nemen.

Edgar van Lent benadrukt dat organisaties werknemers niet meenemen door alleen een tool beschikbaar te stellen. “Als AI een onderdeel van het dagelijkse werk wordt, moeten medewerkers begrijpen welke taken de assistent wel kan versnellen, waar fouten kunnen ontstaan en wanneer zij juist moeten afwijken van een voorstel.” Hij wijst erop dat dit vraagt om praktische training op echte werksituaties, niet uitsluitend om een algemene introductie tot generatieve AI.

Invoering is ook werkorganisatie

De lessen uit deze toepassingen zijn concreet. Een bedrijf dat AI wil gebruiken om vakmanschap te versterken, moet niet beginnen met de vraag hoeveel functies kunnen worden geautomatiseerd. Zinvoller is te bepalen welke terugkerende handelingen medewerkers tijd kosten, welke kennis lastig vindbaar is en bij welke beslissingen menselijke controle onmisbaar blijft. Vervolgens moeten teams gelegenheid krijgen om de toepassing op hun eigen processen te testen en om afwijkingen, fouten en bruikbare werkwijzen terug te koppelen.

Dat vereist ook een gesprek met leidinggevenden, HR, IT, beveiliging en medewerkers zelf. In een fabriek gaat het onder meer om validatie en veilige wijzigingsprocedures; in kantoorprocessen om gegevensrechten, vertrouwelijkheid en de kwaliteit van besluiten. Juist door die voorwaarden expliciet te maken, kan AI bijdragen aan beter werk in plaats van extra onzekerheid te creëren.

Edgar van Lent licht zijn werk als AI-specialist toe op edgarvanlent.com. Zijn beoordeling is dat Europese organisaties de grootste kans hebben wanneer zij AI invoeren als gereedschap binnen een herkenbaar vakproces, met medewerkers als mede-ontwerpers en eindverantwoordelijken. De komende jaren zal niet de organisatie winnen die het snelst een copilot uitrolt, maar de organisatie die het werk eromheen zorgvuldig opnieuw organiseert.