Begrijp mens & business
Welk gedrag, welke beslissing, welke waarde staat er echt op het spel? De context vóór de techniek.
Use cases
HuBizTech begint nooit bij de techniek. Het begint bij de mens en de business — en pas daarna bij de tool. Design thinking betekent hier: eerst het echte probleem scherp krijgen, dan het systeem ontwerpen waarin AI, IoT en automatisering elkaar versterken. De voorbeelden hieronder laten zien hoe die onderdelen samenkomen tot iets dat werkt.
Van idee naar werkend systeem
Welk gedrag, welke beslissing, welke waarde staat er echt op het spel? De context vóór de techniek.
Niet 'we hebben tool X nodig', maar 'dit knelt en dit moet het opleveren'. Het probleem scherp, niet de oplossing.
Hoe haken AI, IoT en automatisering in elkaar? Eén keten van data naar beslissing naar actie.
Techniek die past in het werk van mensen — en die ze vertrouwen en blijven gebruiken.
Echte voorbeelden
Een mix van mijn eigen werk en voorbeelden uit de industrie — bedoeld om te inspireren en te laten zien hóe de onderdelen samenwerken.
Inschrijvingen werden via 6 systemen gevoerd, met 3 dagen doorlooptijd en hoge handmatige foutmarge.
Bekijk caseEnergieverbruik per machine onbekend; rapportages alleen op factuurniveau, te laat voor sturing.
Bekijk caseProtocollen verspreid over 3 systemen; medewerkers vonden zelden de juiste versie op het juiste moment.
Bekijk caseMT zag AI als IT-project; risico op verkeerde delegatie en verspilde investeringen.
Bekijk caseTwee parallelle stacks, dubbele licenties, conflicterende identiteits- en data-modellen.
Bekijk caseMaandafsluiting kostte 9 werkdagen, leunde op 3 spreadsheets-per-entiteit en handmatige consolidatie.
Bekijk caseGeneral Motors voorzag robots aan de lijn van IoT-sensoren die conditie meten; een AI-model signaleert slijtage vóór een storing. Resultaat: circa 15% minder ongeplande stilstand en zo'n $20 miljoen besparing per jaar.
De lesDe waarde zit niet in de sensor, maar in de keten: sensor → model → onderhoudsbeslissing.
Provalet — predictive maintenance casesEen toeleverancier in de automotive verving het handmatig opstellen van specificaties door een AI-pijplijn. Het opstellen ging van ~2 dagen naar ~4 uur; mensen verschoven van typen naar het beoordelen van uitzonderingen.
De lesAI stelt op, mensen beslissen. De winst zit in die rolverdeling.
MindStudio — AI documentatie-workflowsOver 166.000+ SEH-bezoeken voorspelde het triage-model KATE de urgentie ~27% nauwkeuriger dan de gemiddelde verpleegkundige (76% vs 60%) — ingezet als second opinion die onderschatting opvangt.
De lesGoede AI laat de mens beslissen en maakt die beslissing beter.
Onderzoek naar AI-triageHoe ik denk
Korte notities over systemen, AI en de keuzes erachter.
De duurste AI-projecten zijn de projecten die te snel met implementatie begonnen. Wat je eerst nodig hebt, is een werkbaar denkraam.
Verschijnt binnenkortDe pilot draait. De data komt binnen. Maar zes maanden later kijkt niemand meer naar het dashboard. Vier oorzaken — en wat het oplost.
Verschijnt binnenkortEen patroon dat ik telkens weer tegenkom: 14 SaaS-tools, 3 spreadsheets en geen overzicht. Hoe je daar uit komt zonder herbouw.
Verschijnt binnenkortNiet elk product owner hoeft te coderen. Maar zonder begrip van architectuur leid je het team in trucs in plaats van in keuzes.
Verschijnt binnenkortEen korte digest met nieuwe insights, cases en tools die ik écht heb getest. Geen newsletter met 12 onderwerpen — wel één scherp idee per maand.
Geen spam. Uitschrijven met één klik.
Laten we jouw situatie eens naast deze denkwijze leggen.