Copilot is geen AI-strategie: hoe infrastructuur met AI stilstand voorkomt

Kunstmatige intelligentie (AI) levert de infrastructuursector pas waarde op als bedrijven de regie voeren over eigen data, security en governance. Niet meer pilots zijn het antwoord, maar betere beslissingen in het primaire proces, aldus PwC-experts Mathieu Rosier en Ragnar van der Valk.

Vraag een organisatie hoe het met AI gaat en je hoort meestal twee cijfers: hoeveel medewerkers er met Copilot werken en hoeveel pilots er lopen. Beide stijgen. Toch verandert er opvallend weinig in het werk dat er echt toe doet: bij bedrijven in de infrastructuursecor bijvoorbeeld rondom het onderhouden, vernieuwen, aanbesteden en prioriteren van assets.

In de infrastructuursector zien wij daar een belangrijke oorzaak voor: de meeste bestuurders meten AI-voortgang aan adoptie en experimenten, terwijl de waarde in het primaire proces zit. Daar kom je alleen met een eigen fundament van data, security en governance. Juist dat fundament hebben veel organisaties de afgelopen decennia deels uit handen gegeven.

Ondertussen dringt de tijd. Europa staat aan het begin van een gigantische cyclus met vernieuwingen. Volgens de PwC Global Infrastructure Outlook stijgen de jaarlijkse investeringen in Europese infrastructuur tot 2050 met 42 procent, en transport (bruggen, tunnels en spoor) is goed voor zo'n dertig procent daarvan. Tegelijk gaan de mensen met pensioen die weten hoe die assets zijn gebouwd en waarom bepaalde keuzes zijn gemaakt. Juist zij kunnen beoordelen of een algoritme de juiste conclusie trekt. Dat venster is kort en elk jaar dat AI in de pilotfase blijft, wordt het kleiner.

Adoptie meet activiteit, geen impact

Copilot en vergelijkbare tools maken kantoorwerk sneller. Ze helpen bij het maken van notulen, samenvattingen en e-mails. Dat is nuttig en het helpt medewerkers vertrouwd te raken met AI. Als startpunt is daar niets mis mee. Als maatstaf voor waardecreatie wel, want het raakt de opgave voor vernieuwingen niet. Een snellere samenvatting van een vergadering brengt geen brug eerder in onderhoud.

Dat het anders kan, laten ProRail en Schiphol zien. Schiphol voorspelt met AI niet alleen hoeveel reizigers er komen, maar vooral wanneer. Met die inzichten worden reizigers via tijdslots van een kwartier over de beschikbare securitycapaciteit verdeeld. ProRail rust samen met NS gewone reizigerstreinen uit met sensoren die afwijkingen in de rails herkennen en aan een locatie koppelen. Zo verschuift onderhoud van vaste schema's naar de werkelijke conditie van het spoor. Geen van beide is een kantoortoepassing. Beide veranderen hoe je de infrastructuur zelf benut en onderhoudt.

Die kansen liggen overal in het primaire proces. Enkele voorbeelden:

• Onderhoud en vernieuwing prioriteren op basis van de gevolgen van uitval, niet alleen de technische staat. Een spoorverbinding of energievoorziening die uitvalt, legt meer stil dan zichzelf.
• Contractmanagement: afspraken uit omvangrijke contracten ontsluiten en doorrekenen wat een wijziging of incident betekent.
• Aanbestedingen: de grote hoeveelheid informatie over assets, processen en governance sneller verzamelen en structureren.
• Risico's grote projecten: eerder zien wat er in vergelijkbare projecten misging, zodat opdrachtgever en aannemer beter onderbouwde afspraken maken.

Een goed AI-portfolio maakt dat onderscheid expliciet. De vraag is niet hoeveel initiatieven er lopen. De vraag is welke daarvan veranderen hoe je beslissingen neemt over je assets en wat dat oplevert in verhouding tot de kosten.

Pilots stranden niet op het model, maar op het fundament

'Proofs of concept' zijn er in de sector genoeg. Een toepassing die in de praktijk betrouwbaar werkt en voldoet aan de kwaliteitseisen van kritische infrastructuur, is iets heel anders. Pilots stranden zelden op technologie. Ze stranden op data die onvolledig of verspreid zijn, op security die pas aan het eind meekijkt of op governance.

AI is geen zwarte doos die problemen vanzelf oplost. Wie wil opschalen, moet processen herontwerpen, medewerkers nieuwe vaardigheden geven en data op orde brengen. Een fundament van data, security en governance is daarom geen randvoorwaarde die je later regelt. Het is de enige route van losse pilots naar brede toepassing in de organisatie.

Investeer in wat niet veroudert

Bestuurders in de infrastructuursector worstelen met een reëel dilemma. Een spoorlijn of terminal gaat tientallen jaren mee, terwijl een AI-toepassing soms binnen maanden is achterhaald. Stap je te vroeg in, dan betaal je voor technologie die nog te weinig oplevert. Stap je te laat in, dan loop je achter. Dat dilemma geldt voor modellen en tools, maar niet voor het fundament. Het model dat je vandaag kiest, vervang je over een paar jaar. De data over je assets, de afspraken over wie die beheert, de securityarchitectuur en de governance van besluiten gaan net zo lang mee als de infrastructuur zelf. Wie bang is om op het verkeerde AI-paard te wedden, moet juist daar investeren. Een goed fundament maakt je over vijf jaar onafhankelijk van elk model.

Dit vraagt om onderscheid in je portfolio. Wat nu al werkt, pas je nu toe. Wat nog in ontwikkeling is, verken je gericht. Wat pas over vijf tot tien jaar waarde oplevert, volg je. Het fundament daaronder bouw je in alle gevallen, want dat gebruik je voor elke horizon.

Je kunt geen AI bouwen op kennis die je niet bezit

Bedrijven in de infrastructuur besteden veel uit: ontwerp, aanleg, onderhoud en inspecties. Dat is vaak efficiënt, maar het heeft een bijeffect dat nu pas goed zichtbaar wordt. Gegevens over assets, onderhoud en contracten zitten deels bij leveranciers, in hun systemen en hun formaten. En de technische kennis om die gegevens te beoordelen, verdwijnt met de ervaren medewerkers die met pensioen gaan.

AI kan helpen het fundament op te bouwen. Met een zogenoemd 'company memory' kun je impliciete kennis en informele processen ontsluiten naar formele kennis. AI-agents helpen bij het vastleggen en structureren van kennis, en daarna bij het onderdeel maken van de meer formele processen, procedures en besliscriteria. Een 'digital twin', een virtuele kopie van de fysieke werkelijkheid, combineert de ligging van kabels en leidingen met sensordata over temperatuur, belasting of verkeersintensiteit. 

Een eenvoudige toets om zichtbaar te maken waar je staat

Daarnaast is er een eenvoudige toets om zichtbaar te maken waar je staat. Kun je morgen de inspectie- en onderhoudsdata van je drie belangrijkste assets opvragen, in een bruikbaar formaat, zonder je aannemer te bellen? Zo niet, dan ligt je eerste AI-opgave niet bij een model, maar bij een contract.

Dat wordt de komende jaren belangrijker. De markt beweegt richting prestatiecontracten, afgerekend op betrouwbaarheid, beschikbaarheid en weerbaarheid, en richting platforms waarop opdrachtgevers, aannemers en technologieleveranciers data, risico's en waarde delen. Dan is data-eigenaarschap geen technisch detail meer, maar een onderhandelingspositie. Wie het nu niet regelt, onderhandelt straks vanuit afhankelijkheid.

Maar dat werkt alleen als vooraf vastligt dat die data en kennis van de organisatie zelf zijn en niet opnieuw bij een leverancier belanden. Dat begint bij drie contractvragen: 

• wie is eigenaar van de data die een aannemer verzamelt, 
• in welk formaat wordt die opgeleverd, en 
• heb je zelf nog de expertise om te beoordelen of die klopt?

AI kan je afhankelijker maken in plaats van weerbaarder

Voor kritische infrastructuur speelt nog een laag. Een groot deel van de technologie komt uit het buitenland; net als de AI-modellen en cloudplatforms waarop nieuwe toepassingen draaien. Recente geopolitieke gebeurtenissen laten zien hoe snel energiestromen, vaarroutes en kritische toeleveringen kunnen haperen. Weerbaarheid, redundantie en veiligheid wegen daardoor net zo zwaar als efficiëntie. Wie AI inzet in het primaire proces, creëert nieuwe afhankelijkheden op precies de plekken waar uitval het hardst aankomt.

Dat is geen reden om het primaire proces te mijden. Het is wel een reden om weerbaarheid vanaf het begin mee te wegen. Denken vanuit een minimum viable company (MVC) helpt daarbij. Welke processen moeten tijdens een incident of crisis blijven werken? Van welke systemen en leveranciers zijn ze afhankelijk? En wat gebeurt er als een AI-toepassing wegvalt? Wie dat niet weet, kan geen verantwoorde keuze maken over waar AI thuishoort en waar niet.

Eerst waarde of eerst fundament? Allebei tegelijk

Er zijn twee terechte tegenwerpingen. De eerste: wie eerst een compleet datafundament wil bouwen, zit jaren in een programma zonder zichtbaar resultaat. De tweede: wie in kritische infrastructuur te snel AI in het primaire proces zet, neemt onverantwoorde risico's.

Beide punten kloppen. Daarom kiezen wij voor geen van beide uitersten. Kies twee of drie toepassingen in het primaire proces die er echt toe doen, zoals onderhoudsprioritering of contractmanagement, en bouw het fundament precies daarvoor. Dan levert elke investering in data, security en governance direct waarde op, en groeit het fundament stap voor stap mee met elke volgende toepassing.

Primair proces betekent hier niet dat AI zelfstandig beslist over een brug of een stroomnet. Het betekent dat AI betere beslissingen ondersteunt, met een mens die beoordeelt, context toevoegt en verantwoordelijk blijft.

Twee vragen voor de volgende bestuursvergadering

De infrastructuursector heeft niet de luxe om AI te blijven behandelen als experiment. Voor bestuurders begint het daarom met twee vragen:

1. Welke van onze AI-initiatieven veranderen daadwerkelijk het primaire proces en welke maken alleen kantoorwerk sneller?
2. Waar is ons fundament van data, security en governance, en zijn de data over onze assets eigenlijk wel van ons?

Noem je bij de eerste vraag vooral Copilot en heb je op de tweede geen helder antwoord? Dan weet je waar de echte opgave ligt. Die ligt niet in meer pilots, maar in het terugwinnen van de regie over je eigen assets. AI maakt die regie niet overbodig. AI maakt haar onmisbaar.