AI in ERP: wat betekent dit voor equipmentbedrijven?

AI in ERP wordt in snel tempo onderdeel van de manier waarop organisaties hun bedrijfssoftware gebruiken. Copilot, AI-agents, predictive maintenance, intelligente automatisering en generatieve AI: de ontwikkelingen volgen elkaar snel op.

Maar wat betekent AI in ERP nu werkelijk voor een equipmentbedrijf?

Voor equipment dealers, verhuurbedrijven en serviceorganisaties zit de waarde van AI niet in één slimme chatbot of één nieuwe functionaliteit. De echte potentie ontstaat wanneer AI onderdeel wordt van de systemen en processen waarin dagelijks wordt gewerkt.

Een ERP-systeem bevat immers veel van de informatie die nodig is om een bedrijf te laten functioneren: klanten, equipment, verkooporders, verhuurcontracten, werkorders, onderdelen, planning, inkoop en financiële transacties. Wanneer die informatie betrouwbaar en met elkaar verbonden is, ontstaat een basis waarop AI kan helpen om informatie sneller te vinden, patronen te herkennen, werkzaamheden voor te bereiden en processen verder te automatiseren.

AI in ERP gaat daarom over veel meer dan Copilot.

Wat is AI in ERP?

AI in ERP betekent dat Artificial Intelligence wordt toegepast binnen of in combinatie met ERP-software om gebruikers en bedrijfsprocessen slimmer te ondersteunen.

Dat kan heel eenvoudig beginnen.

Een gebruiker kan bijvoorbeeld in natuurlijke taal informatie opvragen, een record laten samenvatten of ondersteuning krijgen bij het analyseren van gegevens. Maar AI kan ook een rol spelen bij het herkennen van afwijkingen, verwerken van documenten, voorbereiden van transacties of uitvoeren van bepaalde processtappen.

Daarbij is het belangrijk om verschillende begrippen niet op één hoop te gooien.

Copilot ondersteunt een gebruiker bij zijn of haar werkzaamheden.

Automation automatiseert vooraf bepaalde stappen en regels.

AI kan informatie interpreteren, verbanden herkennen, content genereren of voorstellen doen op basis van beschikbare context.

AI-agents gaan een stap verder en kunnen binnen bepaalde kaders taken uitvoeren, informatie verzamelen en processtappen voorbereiden of afhandelen.

Die mogelijkheden kunnen naast elkaar bestaan en elkaar versterken.

De vraag is daarom niet alleen: Wat kan AI?

Een veel belangrijkere vraag is: waar kan AI binnen onze bedrijfsprocessen daadwerkelijk waarde toevoegen?

Waarom is ERP zo belangrijk voor AI?

AI wordt pas echt interessant wanneer het beschikt over relevante context.

Een algemene AI-oplossing kan bijvoorbeeld uitleggen hoe een onderhoudsproces normaal gesproken verloopt. Maar om een servicemedewerker daadwerkelijk te ondersteunen, is andere informatie nodig.

Om welk equipment gaat het? Welke storingen zijn eerder gemeld? Welke werkzaamheden zijn uitgevoerd? Welke onderdelen zijn vervangen? Hoeveel draaiuren heeft de machine? Welke contractafspraken gelden? Staat er al onderhoud gepland? En wat is de impact op beschikbaarheid, planning en facturatie?

Veel van die informatie ontstaat binnen ERP en aanverwante bedrijfssystemen.

Voor equipmentbedrijven is die samenhang extra belangrijk omdat één machine gedurende zijn levensduur meerdere processen doorloopt. Equipment wordt ingekocht, verkocht, verhuurd of geleased, onderhouden, gerepareerd, verplaatst en uiteindelijk vervangen of doorverkocht.

Tijdens die Equipment Life Cycle ontstaat continu nieuwe informatie.

Hoe beter die informatie met elkaar verbonden is, hoe meer context beschikbaar komt voor analyse, automatisering en AI.

AI binnen het Microsoft ERP-landschap

Dysel’s Equipment Life Cycle (ELC) is gebouwd op Microsoft Dynamics 365 Business Central. Daardoor staat ELC niet los van de bredere ontwikkelingen die Microsoft doorvoert op het gebied van AI.

Binnen Business Central zijn inmiddels verschillende AI- en Copilot-mogelijkheden beschikbaar. Microsoft breidt deze mogelijkheden bovendien steeds verder uit met AI-agents die niet alleen informatie presenteren, maar ook taken binnen bedrijfsprocessen kunnen uitvoeren.

Daarom is het nuttig om AI binnen ERP niet als één functionaliteit te bekijken, maar als een landschap dat zich steeds verder ontwikkelt.

Copilot: AI naast de gebruiker

Copilot is op dit moment waarschijnlijk de meest herkenbare vorm van AI binnen het Microsoft-landschap.

Binnen Business Central kan Copilot gebruikers bij verschillende dagelijkse werkzaamheden ondersteunen. De gebruiker blijft daarbij centraal staan: AI helpt bij het vinden, analyseren, samenvatten of creëren van informatie, terwijl de medewerker met het systeem blijft werken.

Dat maakt Copilot vooral interessant voor werkzaamheden waarbij medewerkers veel tijd besteden aan zoeken, interpreteren, invoeren of samenvatten.

Maar Copilot is slechts één onderdeel van de ontwikkeling. In ons artikel Van Copilot naar ERP-agents: wat betekent AI straks voor equipment dealers? gaan we dieper in op de verschuiving van AI als assistent naar AI die steeds meer onderdeel wordt van operationele processen.

AI-agents: van ondersteunen naar uitvoeren

AI-agents voegen een andere dimensie toe.

Waar een gebruiker Copilot meestal actief vraagt om ondersteuning, kunnen agents binnen vastgestelde kaders zelfstandig bepaalde taken uitvoeren en de gebruiker betrekken wanneer beoordeling of een beslissing nodig is.

Microsoft heeft hiervoor inmiddels standaard agents binnen Business Central.

De Sales Order Agent ondersteunt het verkooporderproces. De agent kan klantaanvragen uit e-mail analyseren, de klant in Business Central identificeren, ontbrekende informatie opvragen, beschikbaarheid controleren en op basis van de configuratie een verkoopofferte of verkooporder voorbereiden.

Ook de Payables Agent is inmiddels onderdeel van het Business Central-landschap. Deze agent richt zich op het verwerken van binnenkomende leveranciersfacturen en kan factuurinformatie analyseren en conceptdocumenten voorbereiden voor verdere beoordeling.

Deze standaard agents laten vooral zien welke ontwikkeling gaande is: AI binnen ERP gaat niet langer alleen over het geven van antwoorden. AI kan ook steeds meer een rol spelen bij het voorbereiden en uitvoeren van werk.

Standaard AI versus branchespecifieke AI

De standaardmogelijkheden van Microsoft zijn relevant voor organisaties in allerlei sectoren.

Equipmentbedrijven hebben daarnaast processen waarin specifieke kennis over machines, storingen, onderhoud, onderdelen, verhuur en service een belangrijke rol speelt.

Daar ontstaat ruimte voor branchespecifieke AI-toepassingen.

Binnen Dysel wordt bijvoorbeeld gewerkt aan de Service Impact Agent voor ELC. Deze agent is gericht op het ondersteunen van het serviceproces wanneer een storing aan een machine wordt gemeld.

De Service Impact Agent kan historische werkorders onderzoeken om te bepalen of een vergelijkbare storing eerder is voorgekomen. Hoe is die storing toen opgelost? Wie heeft eraan gewerkt? Welke onderdelen zijn daarbij gebruikt? En zijn die onderdelen nu op voorraad?

Op basis van eerdere oplossingen kan de agent relevante informatie en mogelijke oplossingsrichtingen bij elkaar brengen. Wanneer bij vergelijkbare storingen bijvoorbeeld meerdere oplossingen regelmatig voorkomen, kan die informatie ook worden gebruikt om bij de voorbereiding rekening te houden met benodigde onderdelen of materialen voor een alternatieve oplossing.

De monteur begint daarmee niet alleen met een storingsmelding, maar met relevante kennis uit eerdere servicewerkzaamheden.

In een volgend artikel gaan we uitgebreider in op AI-agents en hun mogelijke rol binnen ERP en equipment management.

AI in de Equipment Life Cycle

Juist de Equipment Life Cycle biedt veel aanknopingspunten voor AI.

Een equipmentbedrijf verzamelt gedurende de levensduur van een asset informatie over onder andere:

• aanschaf en configuratie;
• verkoop en verhuur;
• beschikbaarheid en inzet;
• inspecties en onderhoud;
• storingen en reparaties;
• gebruikte onderdelen;
• meterstanden en gebruik;
• contractafspraken;
• kosten en opbrengsten;
• facturatie;
• restwaarde en verkoop.

Los van elkaar zijn dit gegevens.

In samenhang ontstaat context.

Die context kan helpen om relevante informatie sneller te vinden, afwijkingen zichtbaar te maken, vergelijkbare situaties te herkennen en medewerkers te ondersteunen bij het bepalen van een vervolgstap.

Maar de waarde gaat verder dan de dagelijkse operatie. Wanneer technische historie, gebruik, kosten, opbrengsten, onderhoud en inzet gedurende de levenscyclus van equipment met elkaar verbonden blijven, ontstaat ook informatie die kan helpen bij toekomstige investeringsbeslissingen.

Welke typen equipment presteren goed? Waar lopen onderhoudskosten op? Welke machines leveren gedurende hun levensduur het gewenste rendement? En wanneer wordt vervanging of verkoop interessanter dan verder investeren?

AI kan helpen om steeds meer verbanden in die informatie zichtbaar te maken. Dat betekent niet dat AI automatisch de beslissing moet nemen. Juist binnen equipmentbedrijven blijven ervaring, uitzonderingen en operationele kennis belangrijk.

De waarde zit in het beter benutten van de informatie die gedurende de volledige Equipment Life Cycle wordt opgebouwd.

Van reactief naar steeds meer voorspellend

Een van de veelbesproken toepassingen van AI binnen equipment management is predictive maintenance.

Het idee is aantrekkelijk: niet wachten totdat equipment uitvalt, maar op basis van historische en actuele informatie eerder herkennen wanneer onderhoud waarschijnlijk nodig is.

Maar voorspellen begint niet bij AI.

Om patronen te herkennen moet bekend zijn wat eerder met het equipment is gebeurd. Storingen, reparaties, gebruikte onderdelen, onderhoudsintervallen, meterstanden en gebruik moeten voldoende betrouwbaar worden vastgelegd.

Daarom begint predictive maintenance bij een goede equipmenthistorie.

In het artikel Predictive maintenance begint bij de historie van uw equipment gaan we dieper in op deze ontwikkeling en waarom betrouwbare equipmentdata de eerste voorwaarde is voor voorspelbaar onderhoud.

AI en automation zijn niet hetzelfde

Door de aandacht voor AI ontstaat soms de indruk dat ieder proces voortaan met AI moet worden opgelost.

Dat is niet nodig.

Veel bedrijfsprocessen bestaan uit voorspelbare stappen. Wanneer vooraf duidelijk is wat er moet gebeuren en onder welke voorwaarden, kan traditionele procesautomatisering juist zeer effectief zijn.

Met Microsoft Power Automate kunnen bijvoorbeeld workflows worden ingericht op basis van gebeurtenissen, voorwaarden en vooraf bepaalde acties.

AI wordt interessanter wanneer informatie eerst moet worden geïnterpreteerd, wanneer patronen of afwijkingen relevant zijn of wanneer niet iedere situatie vooraf volledig in regels kan worden vastgelegd.

In de praktijk zullen beide steeds vaker naast elkaar worden gebruikt.

Een proces kan beginnen met een vaste workflow, AI gebruiken om informatie te interpreteren en vervolgens weer een geautomatiseerde actie starten.

De vraag is dus niet AI of automation?

De vraag is welke technologie het beste past bij de betreffende taak.

Ook op dit onderwerp komen we in een volgend artikel uitgebreider terug.

Data bepaalt hoe bruikbaar AI kan worden

Hoe geavanceerd AI ook wordt, de kwaliteit van de uitkomst blijft afhankelijk van de informatie die beschikbaar is.

Dat is binnen ERP bijzonder belangrijk.

Wanneer dezelfde machine in verschillende systemen anders wordt geregistreerd, contractinformatie ontbreekt, servicehistorie niet compleet is of onderdelen niet aan het juiste equipment worden gekoppeld, ontbreekt een deel van de context.

AI kan die ontbrekende bedrijfswerkelijkheid niet zomaar reconstrueren.

Sterker nog: een overtuigend geformuleerd antwoord op basis van onvolledige informatie kan juist extra risico opleveren wanneer gebruikers aannemen dat het antwoord volledig klopt.

Daarom begint een goede AI-strategie niet bij de keuze voor een AI-tool.

Ze begint bij processen, datakwaliteit en samenhang.

Dat is ook een belangrijk uitgangspunt van Dysel’s Equipment Life Cycle. In plaats van equipment alleen als stamgegeven te behandelen, worden verschillende operationele en financiële processen rondom hetzelfde equipment ondersteund binnen één ERP-omgeving. Zo kan gedurende de levenscyclus een steeds completer beeld van het equipment ontstaan.

Meer over het belang van betrouwbare gegevens leest u in Waarom datakwaliteit de basis is voor betrouwbare Business Intelligence en Field Service Management in de toekomst: data wordt het fundament van slimme service.

Van data naar inzicht, automation en AI

AI staat daarmee niet op zichzelf.

Betrouwbare data maakt betere analyses mogelijk. Betere analyses geven inzicht. Gestructureerde processen kunnen verder worden geautomatiseerd. En naarmate meer betrouwbare context beschikbaar is, ontstaan nieuwe mogelijkheden om AI toe te passen.

Dat betekent ook dat niet iedere organisatie op hetzelfde punt hoeft te beginnen.

Voor de ene organisatie levert betere stuurinformatie vandaag meer waarde op dan een AI-agent. Voor een andere organisatie kan het automatiseren van repetitief administratief werk de logische volgende stap zijn. En in processen waar veel informatie moet worden geïnterpreteerd, kan AI juist interessant worden.

De technologie ontwikkelt snel, maar de volgorde blijft belangrijk.

Een slimme toepassing bovenop een zwakke informatiebasis maakt de basis niet sterker.

De kracht van ELC binnen een steeds intelligenter Microsoft-platform

Dysel hoeft geen eigen alternatief voor het AI-platform van Microsoft te bouwen.

ELC is juist gebouwd op Microsoft Dynamics 365 Business Central en maakt daarmee onderdeel uit van een platform waarin Microsoft voortdurend nieuwe mogelijkheden ontwikkelt op het gebied van AI, Copilot, agents, data en automatisering.

De kracht van ELC ligt in de branchespecifieke context.

Dysel’s Equipment Life Cycle ondersteunt de processen die gedurende de levensduur van equipment ontstaan en brengt operationele en financiële informatie rondom dat equipment samen binnen dezelfde bedrijfsomgeving.

Dat is vandaag belangrijk voor de dagelijkse operatie.

Maar diezelfde context wordt steeds waardevoller naarmate software intelligenter wordt.

Een AI-toepassing die alleen algemene informatie kent, kan algemene ondersteuning bieden. Een toepassing die ook toegang heeft tot relevante equipmenthistorie, werkorders, onderdelen, contractafspraken en financiële context kan veel gerichter ondersteunen.

Daar ligt voor equipmentbedrijven een belangrijk deel van de toekomstige potentie van AI in ERP: niet alleen slimmere technologie, maar slimmere technologie die beschikt over de juiste bedrijfscontext.

AI in ERP staat nog maar aan het begin

De ontwikkeling van AI binnen ERP gaat snel.

Functionaliteit die enkele jaren geleden nog toekomstmuziek leek, is inmiddels onderdeel van dagelijkse bedrijfssoftware. Tegelijkertijd staan veel toepassingen nog aan het begin en zullen Copilot, agents, automatisering en traditionele ERP-functionaliteit steeds verder naar elkaar toegroeien.

Voor equipmentbedrijven biedt dat interessante mogelijkheden.

Maar de beste voorbereiding op die toekomst is niet om iedere nieuwe AI-functionaliteit onmiddellijk te implementeren.

Het is zorgen voor een sterke digitale basis: betrouwbare processen, goede data, verbonden informatie en een ERP-landschap dat kan meegroeien met nieuwe technologie.

Van daaruit kan steeds opnieuw worden bepaald waar AI daadwerkelijk waarde toevoegt.

In volgende artikelen gaan we daarom verder in op afzonderlijke onderwerpen zoals Copilot, AI-agents, automatisering, predictive maintenance en AI binnen specifieke equipmentprocessen.

Want AI in ERP is geen losse functionaliteit die een organisatie één keer implementeert.

Het is een ontwikkeling die ERP stap voor stap verandert van een systeem waarin informatie wordt vastgelegd naar een platform dat medewerkers steeds beter kan helpen om die informatie te begrijpen en te gebruiken.

AI en ERP binnen Dysel ELC

Dysel helpt equipmentbedrijven om processen en informatie gedurende de volledige Equipment Life Cycle met elkaar te verbinden.

Met ELC, gebouwd op Microsoft Dynamics 365 Business Central, ontstaat een geïntegreerde basis waarin operationele en financiële informatie rondom equipment samenkomt.

Die basis is vandaag nodig om de operatie goed te ondersteunen en wordt tegelijkertijd steeds belangrijker voor de AI-mogelijkheden van morgen.

Wilt u weten wat ontwikkelingen rondom AI, Copilot en agents kunnen betekenen voor uw equipmentbedrijf? Neem contact op met Dysel om de mogelijkheden te bespreken.

Veelgestelde vragen over AI in ERP