Zal over een paar jaar de belangrijkste klant van een onderneming geen persoon meer zijn, maar een machine? Wat vandaag nog als sciencefiction klinkt, kan dankzij de alsmaar verder voortschrijdende techniek al snel werkelijkheid worden. Machineklanten, ook wel custobots (customer robots) genoemd, zijn algoritmen die zelfstandig oplossingen beheren en diensten uitvoeren. Een voorbeeld zijn koelkasten, die zelfstandig voorraden aanvullen wanneer deze op raken. Experts voorspellen dat het gebruik van custobots in de komende jaren sterk zal toenemen.
Deze ontwikkeling zou tot een ingrijpende verandering op veel economische vlakken leiden, vooral daar waar automatisering en datagestuurde beslissingen al gangbaar zijn. Volgens onderzoeksorganisatie Gartner zullen er in 2028 maar liefst zo’n 15 miljard machineklanten zijn. Tobias Wölk, productmanager bij reichelt elektronik, weet het daarom zeker: “Custobots zullen in de komende jaren van grote invloed zijn op handel en industrie.”
Efficiëntieverbetering en innovatie: de opkomst van de machineklanten
De toekomst van de machineklanten en hun invloed op de economie zijn veelbelovend. Dankzij voortschrijdende technologie, zoals Internet of Things, kunstmatige intelligentie en machine learning, kunnen ondernemingen niet alleen grote hoeveelheden data efficiënter verwerken, maar ook aan de hand van deze data de trends binnen de markt en de behoeften van de klant nauwkeuriger voorspellen. En op basis van juist deze zo verkregen kennis werken de custobots: door direct met aanbieders en dienstverleners te interacteren en bestellingen uit te voeren stroomlijnen ze operationele processen en verbeteren ze de efficiëntie.
Het verschil tussen mensen en custobots is dat de laatste meer door logica en minder door gevoel worden geleid. Hun beslissingen zijn meestal alleen gebaseerd op data en evaluaties. Ondernemingen staan nu dus voor de uitdaging om strategieën te ontwikkelingen voor de integratie van machineklanten en het werken ermee. Daarbij moet niet alleen rekening worden gehouden met juridische en technische aspecten, maar ook met eventuele aanpassingen van operationele processen.
Gebonden klanten: de mens legt de regels vast en de machine voert ze uit
De ontwikkeling van de machineklant doorloopt, grof gezegd, drie ontwikkelingsfasen: gebonden klanten, flexibele klanten en autonome klanten. Momenteel bevinden we ons in de eerste fase van de ontwikkeling van machineklanten, die binnen verschillende diensten zichtbaar is. In deze ontwikkelingsfase zijn de custobots gebonden aan voorgeprogrammeerde functies en volgen ze bepaalde regels. Deze machineklanten werken in dit geval als “co-klanten” en voeren taken uit waarvoor ze opdracht krijgen van de mens. Deze machines worden “gebonden klanten” genoemd, omdat ze binnen een duidelijk gedefinieerd kader werken en zich aan vooraf vastgelegde regels houden.
Een voorbeeld hiervan is de HP Instant Ink-printer, die het inktniveau controleert en nieuwe voorraad bestelt voordat de inkt op is. Daarachter ligt een eenduidige programmering, die de machine precies voorschrijft bij welke gebeurtenis er moet worden gehandeld en welke exacte stappen er dan moeten worden uitgevoerd. Ook diensten als Amazon Dash Replenishment zijn een goed voorbeeld van deze fase. Zo maakt Amazon Dash Replenishment het mogelijk dat verschillende apparaten, zoals wasmachines, met één druk op de knop wasmiddelen kunnen bestellen wanneer de voorraad op raakt.
“De integratie van gebonden machineklanten vraagt over het algemeen geen principiële aanpassing van mensen”, aldus Tobias Wölk. “Een onderneming, die bijvoorbeeld steeds opnieuw benodigde verbruiksartikelen zoals printerpatronen automatisch laat nabestellen, maakt het gemakkelijker voor office managers en inkopers. Ze hoeven het systeem alleen een keer op te zetten en profiteren daarna van de automatische processen. De installatie heeft een goed overzichtelijk kader en is meestal snel gebeurd. Vooral voor ondernemingen die nog aan het begin van hun digitaliserings- en automatiseringsprocessen staan, is de integratie van gebonden machineklanten een goede start.”
Flexibele klanten: de mens legt de regels vast en KI werkt zelfstandig
Al in de tweede fase van de ontwikkeling krijgen machines meer autonomie en vrijheid om te beslissen. Weliswaar legt de mens nog steeds regelingen vast, maar de machineklanten handelen met behulp van KI steeds zelfstandiger. Daarbij worden data en algoritmen gebruikt om beslissingen te nemen. Ingrijpen door de mens is tot een minimum beperkt.
Een voorbeeld hiervan zijn moderne IoT-apparaten, die hun bestelstrategieën aanpassen op basis van gebruikspatronen en andere variabelen. Een koelkast die automatisch herkent welke producten regelmatig moeten worden bijgekocht en deze zo nodig bijbestelt kan als voorbeeld worden gezien van het gebruik van machineklanten in verschillende huishoudelijke apparaten. De gebruiker heeft vooraf vastgelegd welke producten hij wil consumeren en opdracht gegeven om deze bij te kopen wanneer ze op raken. De robot herkent dus de hoeveelheid in de koelkast aanwezige levensmiddelen, start zelfstandig het bestelproces en kiest zelfstandig het benodigde product. Wat hij echter nog niet kan, is aan de hand van vaak gekochte levensmiddelen de voedingspatronen of lievelingsgerechten van de gebruiker herkennen en vervolgens producten kopen voor recepten die de gebruiker lekker zou kunnen vinden. Dat is een taak die pas in de derde fase van de automatisering zou kunnen worden gerealiseerd.
Deze fase markeert dus een overgang naar een hogere mate van autonomie en zelfstandigheid van de machines. De mens behoudt echter zijn centrale rol bij het vastleggen van de vereisten. Om het systeem succesvol te trainen, is een solide databasis belangrijk. Als de custobot bijvoorbeeld bij een fabrikant van dierenvoer voor het inkopen van ingrediënten moet worden gebruikt, geven data over toeleveranciers, prijzen en hoeveelheden van bepaalde grondstoffen belangrijke inzichten. Maar ook de ervaring van de deskundige medewerkers van de onderneming is onmisbaar, om de juistheid van het systeem te controleren, de kwaliteit te testen en zo nodig aanpassingen uit te voeren. Ook als er nieuwe varianten van het dierenvoer worden gemaakt of de receptuur wordt gewijzigd, moet het systeem deze omschakeling eerst leren en is er controle nodig. “Voor een succesvolle integratie van flexibele machineklanten is dus niet alleen een solide databasis belangrijk. Doorslaggevend is ook dat de deskundige medewerkers, die met het systeem werken, heel goed weten wat de mogelijkheden en grenzen van de custobot zijn en hun ervaring inbrengen”, legt productmanager Tobias Wölk uit.
Autonome klanten worden in hoge mate zelfstandige agenten
In de derde fase zijn custobots in staat om zelfstandig te handelen, door beslissingen te nemen waarvoor ze grote hoeveelheden data analyseren en controleren. De mens is daarbij niet meer de hoofdspeler, maar meer de richtinggever. Custobots handelen hier dus zelfstandig in opdracht van de mens. Met behulp van algoritmen, machine learning en kunstmatige intelligentie kunnen machineklanten problemen zelf oplossen en complexe taken uitvoeren. Voorheen was het de mens die een behoefte aangaf en daarmee een machine met meer of minder zelfstandige functies opdracht gaf, nu is het de machine die aan de hand van data misschien al vóór de mens een behoefte herkent en dienovereenkomstig handelt. Bovendien kunnen ze zich sneller aanpassen aan nieuwe informatie en beslissingen nemen in real-time, wat een duidelijke vooruitgang is.
Een bij deze fase passend voorbeeld zijn autonome voertuigen, die zelfstandig onderhoud kunnen laten uitvoeren. Door een groot aantal sensoren aan de voertuigonderdelen wordt de toestand van het voertuig nauwgezet bewaakt. Op basis van de daarop volgende analyses worden bestellingen uitgevoerd. Deze stap kan ter goedkeuring aan de mens worden voorgelegd, zodat de uiteindelijke beslissing in handen blijft van een menselijke speler.
Een ander voorbeeld zijn intelligente logistieksystemen, die magazijnvoorraden met behulp van custobots beheren en optimaliseren. Hiermee zou bijvoorbeeld een fabrikant van thuiselektronica koopgegevens kunnen gebruiken om trends al bij hun ontstaan te herkennen en benodigde onderdelen vroeg en voor de beste voorwaarden te bestellen. De basis hiervoor wordt geleverd door bedrijfsgegevens, zoals gekochte en verkochte producten, het koopgedrag van de klanten inclusief de customer journey of de zoekopdrachten op de website, de inhoud van de winkelmandjes, de prijsontwikkeling bij toeleveranciers en nog veel meer. De kleinste veranderingen in de vraag kunnen de custobots op nieuwe trends wijzen. Daarnaast is het systeem in staat om mogelijke leveringsproblemen te voorzien en vroegtijdig en voor lagere prijzen de gewenste goederen te bestellen, om het leveringsprobleem voor te zijn. “Met name bij de bewaking van deze systemen zal de competentie en ervaring van mensen nog steeds nodig zijn om het systeem continu steekproefsgewijs te controleren – vooral bij onvoorziene scenario’s zoals een pandemie of oorlog”, licht productmanager Tobias Wölk toe. “De vooruitgang bij Big Data en op KI-gebaseerde analyse tonen echter vandaag al de voordelen van autonoom werkende custobots. Ze zijn snel, hebben geen slaap nodig, willen geen vakantie en kunnen elke dag een aantal beslissingen nemen dat voor de mens niet mogelijk zou zijn. Zo worden ondernemingen veel efficiënter en verkrijgen ze een concurrentievoordeel. Tegelijkertijd betekent deze vooruitgang ook dat de toeleveringsketen nog complexer wordt. Ondernemingen moeten er rekening mee houden dat ze steeds weer spelers zullen treffen die niet volgens ‘menselijke’ regels spelen. Vroeg of laat zullen toeleveranciers en groothandelaars hierop met eigen geautomatiseerde systemen gaan reageren en de concurrentie vervolgens nog verder op scherp stellen.”
Toekomstige uitdagingen
Prognoses geven aan dat machineklanten in de komende jaren een relevante rol in de economie zullen gaan spelen. Veel ondernemingen zullen hun focus meer op automatisering en interactie met de klant leggen. Met behulp van Big Data, KI, machine learning en andere technologische vooruitgang zullen machineklanten op veel gebieden toepassing vinden. Deze ontwikkeling impliceert zowel grote kansen als wezenlijke risico’s. Een wezenlijk risico is de reikwijdte van de bevoegdheden van de custobot, evenals hun toegang tot gevoelige en bedrijfskritieke data. Om vertrouwelijke informatie niet in gevaar te brengen, moeten daarom vanaf het begin voorzieningen voor databescherming worden getroffen. Daarnaast wordt de integratie met de blockchain-technologie verwacht, wat ook bepaalde oplossingen mogelijk zou kunnen maken.
Een ander risico is dat custobots, in tegenstelling tot mensen, beslissingen op uitsluitend rationeel niveau nemen. Doorgaans wordt bij datagebaseerde beslissingen geen rekening gehouden met menselijke factoren. Vaak is de factor mens met al zijn ervaring, intuïtie en empathie echter onmisbaar voor verregaande beslissingen. Met geavanceerde KI-modellen en uitgebreide technieken voor machine learning zouden custobots op de lange termijn kunnen leren om ook rekening te houden met deze factoren en dus nog preciezere en effectievere beslissingen te nemen.
“De toekomst van de custobots is veelbelovend, maar ook uitdagend”, vat Wölk samen. “Machineklanten zullen in de toekomst niet alleen van enorme invloed zijn op de verschillende branches, maar ook een actieve rol spelen in het leven van veel mensen.”
Afbeeldingen: Adobe Stock
