Ontdek hoe Schneider Electric succesvol gebruik heeft gemaakt van AI op grote schaal en haal meer rendement uit je AI-investering

Schneider Electric heeft iets gepresteerd wat nog niet veel andere bedrijven is gelukt: hun AI-investering terugverdienen. Als je zelf ook plannen op het gebied van generatieve AI hebt, kun je misschien iets van hun aanpak leren.

De visie van Schneider Electric; ‘data en AI op de eerste plaats’, levert nu al rendement op. Hoe dat kan? Het bedrijf heeft ervoor gekozen om AI binnen het hele bedrijf in te zetten.

De trend van dit moment

Overal waar je kijkt duiken artikelen over generatieve kunstmatige intelligentie (AI) op, en de eerste productinnovaties hebben zich al aangediend. Maar zelfs als je in de allerbeste technologie van dit moment hebt geïnvesteerd, blijft de vraag: hoe kun je AI op grote schaal implementeren en maximaal rendement uit die investering halen? Hieronder gaan we bekijken hoe een groot bedrijf dat heeft aangepakt, zodat je daar je voordeel mee kunt doen.

Geen geïsoleerde datasystemen meer

Schneider Electric houdt zich bezig met energiemanagement en industriële automatisering, en heeft enige tijd geleden een nieuwe Chief AI Officer aangesteld. Die heeft een formeel AI-beleid opgesteld en dat in het gehele bedrijf doorgevoerd. De visie van het bedrijf, ‘data en AI op de eerste plaats’, levert nu al rendement op. Zo heeft het bedrijf miljoenen bespaard door de voorraadvraag met behulp van AI nauwkeuriger te voorspellen en te beheren.

Nuttige achtergrondinformatie

In het bedrijfsleven is de inzet van AI sinds 2017 verdubbeld, maar er zijn nog steeds maar weinig bedrijven die een significant rendement op hun investering weten te halen. De meerderheid is het niet gelukt om AI na de pilotfase op te schalen. Volgens analisten komt dat onder andere door een gebrek aan kennis, de complexe programmeermodellen, de grote investering vooraf en een gebrekkige interne afstemming.

Wat je nu al kunt doen

Het voorbeeld van Schneider Electric volgen:

• Alles rond AI formaliseren en daar één senior manager verantwoordelijk voor maken
• Je verdiepen in de ongekende mogelijkheden van AI, want deze technologie is van de buitencategorie
• AI- en data-experts werven
• Een AI-kenniscentrum opzetten dat de afdelingsmanagers op weg helpt met hun AI-projecten

Opschalen is vereiste voor rendement uit AI

Schneider had al jaren allerlei afzonderlijke AI-projecten lopen, maar de opschaling van AI ging pas in 2021 van start. Dat was het jaar waarin het bedrijf zijn AI at Scale-project lanceerde en Philippe Rambach als Chief AI Officer aanstelde om een formele AI-strategie uit te werken.

Volgens Madhu Hosadurga, global vice president enterprise AI bij Schneider, is zo’n top-downbenadering echt nodig.

“Als je AI op grote schaal wilt inzetten en daar rendement uit wilt halen, moet het management dat als bedrijfsbreed doel formuleren”, zegt Hosadurga. “Als dit niet vanuit de top wordt opgelegd, gaat iedereen er zelf mee aan de slag en zit je uiteindelijk met allerlei afdelingsprojecten die niet op elkaar aansluiten.”

Volgens hem werken afdelingen die zelf AI implementeren meestal met een paar IT-specialisten die alles van de technologie weten, maar “niet de macht en invloed hebben om het hele bedrijf mee te krijgen.”

Managers en IT’ers moeten samenwerken

Schneider heeft voor de AI-implementatie een internationaal hub-and-spoke-model opgezet. De afdelingen binnen het bedrijf – marketing, sales, service, enz. – vormen allemaal een aparte tak (spoke) en hebben elk een eigen product owner-annex-change agent. Die werkt samen met de mensen van de technologiehub om nieuwe AI-toepassingen te bedenken, de benodigde technologie aan te leveren en alle medewerkers mee te krijgen. De hub bestaat voornamelijk uit technologie-experts die de afdelingsmanagers adviseren over de AI-mogelijkheden en de praktische uitvoering daarvan.

De mensen die verantwoordelijk zijn voor de supply chain wilden bijvoorbeeld een AI-toepassing om de voorraad beter af te stemmen op de voorspelde vraag, zonder dat er tekorten ontstaan. “Als je bedenkt dat Schneider Electric tweehonderd fabrieken en tienduizenden toeleveranciers heeft, is meteen duidelijk dat je de voorraad nooit met alleen menselijke denkkracht kunt optimaliseren”, aldus Hosadurga.

Met AI-analytics en predictive modeling wist het bedrijf de voorraad zo op peil te houden dat ze geen overschotten meer hebben en toch snel producten als transformatoren, schakelinstallaties en prefab onderstations uit voorraad kunnen leveren. Volgens Hosadurga heeft alleen al deze optimalisatie een besparing van vijftien miljoen dollar opgeleverd, een bedrag dat is berekend aan de hand van de geëlimineerde voorraadoverschotten en het kapitaal dat is vrijgekomen voor andere projecten.

“We hadden zelf een besparing van vijf à tien miljoen dollar voor ogen, dus dit was een aangename verrassing”, zegt hij. Het bedrijf is van plan om nog meer AI-toepassingen voor het voorraadbeheer te ontwikkelen, in de hoop dat ze de voorraad met nog eens vijf procent kunnen verminderen.

Betere besluitvorming met interne AI- en data-experts

Voor zijn AI at Scale-project heeft Schneider ruim tweehonderd AI- en data-experts aangenomen. Je hebt echt beide typen experts nodig, want alleen met AI kun je meer uit je data halen en dus sneller een beter besluit nemen.

Dat laatste blijkt voor veel managers nog best een uitdaging te zijn. Uit onderzoek van Salesforce blijkt dat managers bar weinig met hun data doen. De helft van de ondervraagde managers kan niet met de bedrijfsdata uit de voeten, omdat die te complex of gewoon niet toegankelijk zijn. En de overgrote meerderheid benut de aanwezige data niet om betere beslissingen te nemen.

Volgens Yuval Atsmon, senior partner bij McKinsey, is dat een gemiste kans.

“Topmanagers nemen strategische beslissingen om het bedrijf een bepaalde kant op te sturen. Het is dus eigenlijk niet te bevatten dat er bij die besluitvorming nog nauwelijks technologie wordt gebruikt”, zei hij in een recente podcast.

Het is bijna niet te doen om grote hoeveelheden data door te nemen, laat staan om daar patronen in te ontdekken of op basis daarvan aanbevelingen en voorspellingen te doen. Daar heb je echt een AI-systeem voor nodig.

Voor bedrijven die hun eigen AI-plannen willen formaliseren, heeft Hosadurga het volgende advies:

• Maak AI mainstream. Zie AI niet als een van de vele technologieën waar je iets aan hebt, maar als nieuwe mogelijkheid om je bedrijfsvoering te veranderen, je manier van verkopen te optimaliseren en je mensen meer plezier in hun werk te bezorgen.
• Vorm meteen vanaf het begin een team met zowel IT’ers als managers. AI wordt meestal overgelaten aan het IT-team. Dat vraagt het managementteam vervolgens om een afgebakend gebied om daar een AI-toepassing voor te bedenken, maar managers hebben meestal geen flauw idee wat de mogelijkheden van AI zijn. Bij Schneider is bijvoorbeeld een team opgezet dat voor 70% uit managers en 30% uit IT’ers bestaat.
• Wacht niet totdat je data 100% perfect zijn – dus totdat de kwaliteit in orde is en alles in één systeem zit – maar ga zo snel mogelijk met een bedrijfsomvattend AI-initiatief aan de slag. “Veel organisaties denken dat je AI alleen kunt toepassen als je over perfecte data beschikt,” vertelt Hosadurga, “maar dat is niet zo. Je kunt ook gewoon voor elke zakelijke AI-toepassing de benodigde data opsnorren, ook al hebben die misschien niet allemaal dezelfde structuur of bevinden die zich op verschillend plekken.”

AI is van een andere orde

Volgens Hosadurga staan de meeste AI-projecten bij Schneider onder leiding van een of meer managers. Alleen daarom al is AI van een andere orde dan alle andere IT-technologieën.

“Bij elk gebruiksscenario – en voor vrijwel elke afdeling hebben we er meerdere – zijn zowel mensen van de AI Hub als afdelingsmanagers betrokken”, aldus Hosadurga.

Het is heel goed mogelijk om AI op grote schaal in te zetten. Maar in tegenstelling tot andere belangrijke bedrijfstechnologieën moet je in het geval van AI als een echte ondernemer denken.

“Als je naar de gemiddelde IT-cultuur kijkt, zie je dat alles netjes is gedefinieerd, weet je wat je van je IT’ers kunt verwachten en kun je ze een langetermijnplanning geven die ze vervolgens keurig uitvoeren”, zegt hij. “Maar de ontwikkeling van AI-tools gaat zo ongelooflijk hard, dat je hier een echte agile cultuur voor nodig hebt. Dus dat je snel een idee uitwerkt, en het meteen over een andere boeg gooit als dat idee niet blijkt te werken. We zijn dus veel meer aan het improviseren. Iemand komt met een idee, als dat blijkt te werken wordt dat een basiselement van onze oplossing, en daarna gaan we meteen door naar de volgende fase”.

Schneider Electric investeert jaarlijks tientallen miljoenen dollars in AI en wil het komende jaar de afdelingen finance, sales, marketing, IT en HR verder automatiseren en van aanvullende AI-toepassingen voorzien. Ter voorbereiding heeft het bedrijf een AI-kennisdatabase opgezet, met daarin blogs, e-books, podcasts, trainingsmateriaal, cursussen en andere informatiebronnen. Al die informatie is door AI-experts verzameld, zodat de rest van het bedrijf van hun ervaring kan profiteren.

“Voor bedrijven is AI net zo handig als pak ‘m beet Excel”, zegt Hosadurga. “We gebruiken het echt overal voor.”