Waarom supply chains problemen snel zien maar te laat handelen

Sophie Jansen · 2026-09-10

## Waarom supply chains problemen snel zien maar te laat handelen Stel je voor: je hele team ziet een schip vertraging oplopen. De melding komt uren eerder binnen dan vroeger. Iedereen weet het. En toch gebeurt er dagenlang niets. Herkenbaar? Dat is precies waar het misgaat. Supply chain-verstoringen kostten bedrijven in 2025 ongeveer €170 miljard, blijkt uit het J.S. Held Global Risk Report. Het grootste deel van dat bedrag gaat nog steeds naar snellere detectie, niet naar sneller handelen. We behandelen dat cijfer meestal als het weer. Stormen gebeuren nu eenmaal, de kosten volgen vanzelf. Maar als je het als productspecificatie leest, zie je iets anders: een operationeel model dat een probleem uren of dagen eerder opmerkt dan vroeger, en toch niet kan bewegen tot iemand een ticket opent, een call inplant en dezelfde data in drie systemen opnieuw invoert. ### Detectie is allang geen probleem meer Vraag een supply chain-directeur waar het AI-budget naartoe ging en je krijgt een bekend rijtje: vraagvoorspelling, ETA-voorspelling, leveranciersrisico's, voorraadoptimalisatie en lane-analytics. Die tools werken. De voorspelfout daalt. Een vertraagd schip wordt gemarkeerd vóór de container de cut-off mist. Een storing bij een toeleverancier verschijnt op een heatmap in plaats van in een e-mail van een klant. Toch verklaart dat de rekening niet. Die rekening is het interval ná de melding: - Versnellen of wachten? - De order splitsen of de misser accepteren? - De lane opnieuw aanbesteden of de spotprijs betalen? - Twee halflege zendingen samenvoegen of beide versturen? - Zee vervangen door lucht voor de sku's die de meerprijs echt rechtvaardigen? Dit zijn begrensde, herhaalbare beslissingen binnen beleid, contract en voorraadlimieten die het bedrijf al heeft vastgesteld. En toch staan ze in de wachtrij achter een menselijke inbox. ### De ticket is het product De meeste huidige implementaties zijn rond het ticket gebouwd. Het model maakt een aanbeveling, de aanbeveling wordt een alert, de alert wordt een werkitem, en het werkitem wacht op een planner die al bezet is met andere werkitems. Tegen de tijd dat de planner handelt, is de optieset kleiner geworden: de capaciteit van de alternatieve vervoerder is weg, het consolidatievenster is gesloten en de volgende productieslot van de leverancier is vergeven. Die workflow is geen tijdelijke tussenstap naar autonomie. Het is het product dat bedrijven hebben gekocht. Leveranciers verkochten inzicht omdat inzicht makkelijk te demonstreren en te beheersen is. Actie raakt geld, contracten, serviceniveaus en verwijten. Dus automatiseerde de sector het deel van het werk waarvoor geen handtekening nodig is. > "De beslissingscyclus is niet veranderd. Hij is alleen versierd met een extra dashboard." Uit onderzoek van FourKites en ABI Research in 2025 blijkt dat slechts 27 procent van de organisaties AI autonome actie laat ondernemen, terwijl 52 procent het beperkt tot beslissingsondersteuning. Nog een dashboard op een vertraagde zending zet de EBITDA zelden in beweging. ### Begrensde actie als volgend model De bedrijven die marktaandeel gaan pakken, zijn niet de bedrijven met de netste control tower. Het zijn de bedrijven die een smalle klasse van acties vooraf autoriseren en agenten die laten uitvoeren terwijl de uitzondering nog goedkoop is. Denk aan: een lane opnieuw aanbesteden zodra de ETA van de contractvervoerder een drempel overschrijdt en een gekwalificeerde alternatief beschikbaar is. Of een zending automatisch consolideren wanneer twee bewegingen onder de halflastgrens blijven. Dat zijn beslissingen die al in beleid zijn vastgelegd, alleen uitgevoerd door software in plaats van door een mens. ### Wat dit betekent voor jouw organisatie De vraag is niet of je AI kunt inzetten om problemen eerder te zien. Dat kan bijna iedereen. De vraag is of je software de bevoegdheid geeft om binnen strikte grenzen te handelen voordat de opties verdwijnen. Begin klein. Kies één beslissing die repetitief, begrensd en meetbaar is. Autoriseer die expliciet. Meet het verschil in doorlooptijd en kosten. En breid pas uit als het werkt. Zo verschuif je de rekening van detectie naar daadwerkelijke actie.