De AI-toepassing die in een fabriek het eerst verschil maakt, is vaak niet de robot op de werkvloer maar de digitale copiloot naast de engineer. Siemens ontwikkelt daarvoor de Industrial Copilot: een generatieve AI-assistent die onder meer helpt bij het opstellen, begrijpen en aanpassen van automatiseringscode en technische documentatie. De inzet richt zich op terugkerend voorbereidend werk, zodat engineers meer tijd houden voor ontwerpkeuzes, validatie en veiligheid.
Edgar van Lent plaatst juist die taakverschuiving centraal. Hij ziet in de Industrial Copilot geen automatische vervanger van de vakmens, maar een hulpmiddel dat kennis sneller toegankelijk maakt binnen processen die altijd menselijke controle nodig houden. De waarde zit volgens hem in het terugdringen van zoek-, vertaal- en documentatiewerk, niet in het uit handen geven van technische verantwoordelijkheid.
Van programmeerwerk naar controleerbaar ontwerpwerk
Siemens presenteerde de Industrial Copilot samen met Microsoft als een toepassing voor de industriële omgeving. De assistent is bedoeld om engineers te ondersteunen bij taken rond industriële automatisering, waaronder het genereren van code voor programmeerbare besturingen en het verklaren van complexe technische informatie. Dat is een relevante keuze: in een fabriek is software geen los kantoorproduct, maar onderdeel van machines, veiligheidsprocedures en productieplanning.
Daardoor verandert het werk niet simpelweg in ‘een vraag stellen aan AI’. Een engineer moet nog steeds beoordelen of een gegenereerde oplossing past bij de installatie, de eisen aan veiligheid, de gebruikte componenten en de onderhoudbaarheid op langere termijn. De AI kan een eerste versie leveren, verbanden in documentatie aanwijzen of routinecode versnellen. De professional bepaalt vervolgens of die uitkomst technisch en operationeel verantwoord is.
Edgar van Lent, AI-specialist gericht op de toepassing van kunstmatige intelligentie in Europese bedrijfsprocessen, stelt dat AI vooral duurzaam landt wanneer bedrijven het koppelen aan bestaande vakcontrole. “Een copiloot is het nuttigst als hij voorbereiding versnelt, maar de beslissing en toetsing bij de professional laat.” Die benadering voorkomt dat snelheid wordt verward met betrouwbaarheid.
De invoering vraagt daarom meer dan licenties voor een nieuw hulpmiddel. Teams moeten afspreken welke taken geschikt zijn voor AI-ondersteuning, welke gegevens een assistent mag gebruiken en op welke punten een tweede controle verplicht blijft. Bij industriële software is ook versiebeheer essentieel: medewerkers moeten kunnen herleiden welke code is voorgesteld, gewijzigd, getest en uiteindelijk vrijgegeven.
ABB maakt installatiekennis beter doorzoekbaar
Ook ABB kiest met ABB Ability Genix Copilot voor ondersteuning van technisch werk, maar vanuit een andere ingang. De toepassing is ontworpen om medewerkers via natuurlijke taal toegang te geven tot industriële data en inzichten. In plaats van alleen dashboards, tags of afzonderlijke databronnen te doorzoeken, kunnen gebruikers vragen stellen over operationele informatie en sneller een uitgangspunt vinden voor analyse of probleemoplossing.
Dat raakt een herkenbaar knelpunt in productie en onderhoud. Kennis zit verspreid over handleidingen, alarmhistorie, meetwaarden, werkorders en de ervaring van specialisten. Een generatieve interface kan die informatie niet vanzelf tot waarheid maken, maar kan wel helpen om de juiste bronnen en patronen eerder op tafel te krijgen. Daarmee verschuift een deel van het werk van handmatig zoeken naar het duiden van een beter voorbereid antwoord.
Voor medewerkers is dat alleen winst wanneer zij begrijpen waarop een antwoord is gebaseerd. Een onderhoudsmonteur of procesengineer moet kunnen teruggaan naar brondata, de context van een storing kennen en weten wanneer een AI-samenvatting onvoldoende is. ABB koppelt zijn copiloot daarom aan industriële omgevingen waarin data, apparatuur en operationele rollen samenkomen. De toepassing is geen losstaande chatbot, maar onderdeel van een werkproces waarin betrouwbaarheid en traceerbaarheid zwaar wegen.
Edgar van Lent benadrukt dat dit ook gevolgen heeft voor opleiding en begeleiding. Nieuwe medewerkers kunnen sneller wegwijs raken in technische informatie, terwijl ervaren medewerkers hun kennis niet hoeven te reduceren tot een verzameling losse documenten. “De praktische opgave is om AI te gebruiken als toegangspoort tot kennis, zonder het professionele oordeel dat kennis betekenis geeft weg te automatiseren,” beoordeelt Edgar van Lent.
Medewerkers meenemen is onderdeel van het ontwerp
De cases van Siemens en ABB laten zien dat Europese bedrijven AI vooral toepassen rond concrete werkzaamheden: automatiseringscode voorbereiden, documentatie begrijpelijk maken, industriële data bevragen en afwijkingen sneller onderzoeken. Dat is een andere route dan beginnen met een abstracte discussie over functievervanging. De relevante vraag is welke taak een medewerker minder tijd kost, welke kwaliteitscontrole nodig blijft en welke nieuwe vaardigheid daardoor belangrijker wordt.
Een zorgvuldige invoering kent in de praktijk ten minste drie vaste elementen:
- medewerkers testen de toepassing op herkenbare, afgebakende taken;
- vakexperts leggen vast waar menselijke goedkeuring vereist blijft;
- leidinggevenden organiseren tijd voor training, feedback en het verbeteren van werkinstructies.
Daarmee wordt adoptie geen communicatieproject naast het werk, maar een wijziging van het werk zelf. Medewerkers moeten niet alleen leren formuleren wat zij aan een AI-systeem vragen. Zij moeten ook leren hoe zij antwoordkwaliteit controleren, hoe zij omgaan met ontbrekende context en wanneer zij juist geen AI-uitkomst mogen volgen. Dat geldt sterk in technische omgevingen, waar een plausibel antwoord nog geen veilige of uitvoerbare oplossing is.
De eerste les voor de nieuwe reeks over AI, werk en vakmanschap is daarmee concreet. AI levert de meeste waarde wanneer organisaties niet beginnen bij banen, maar bij taakontwerp en professionele verantwoordelijkheid. Edgar van Lent verwacht dat de komende fase minder zal draaien om opvallende demonstraties en meer om de vraag of bedrijven vakmensen daadwerkelijk ruimte geven om AI te toetsen, te verbeteren en in hun dagelijkse routine op te nemen. Juist daar wordt zichtbaar of een copiloot het vak versterkt of slechts extra werk toevoegt.
