De logistiek heeft niet minder planners nodig, maar minder onnodig regelwerk

Het probleem is niet dat planners te weinig tijd hebben om te plannen. Een groot deel van de werkdag bestaat uit bellen, mailen, controleren, navragen en herstellen. Waar blijft een zending? Is het tijdslot bevestigd? Heeft de chauffeur al gereageerd? Is de POD binnen? Wie heeft de klant geïnformeerd? 

Dat werk hoort bij de logistiek. Maar veel van die werkzaamheden hoeven niet steeds opnieuw door een ervaren planner of operationeel medewerker te worden uitgevoerd. Juist daar ligt een interessante toepassing voor Agentic AI. Niet om planners te vervangen, maar om hen meer ruimte te geven voor het werk waarin hun ervaring echt het verschil maakt. 

Het probleem zit vaak niet in de planning, maar in alles eromheen 

Het probleem zit vaak niet in de planning, maar in alles eromheen 

Op papier lijkt een transportproces overzichtelijk. Een order komt binnen, wordt gepland, opgehaald en afgeleverd. 

In de praktijk verandert de planning voortdurend. Een chauffeur staat in de file, een klant wijzigt het aflevermoment, een document ontbreekt of een warehouse heeft geen capaciteit. 

De planning aanpassen is vaak niet het meeste werk. Het echte werk zit in alles wat daarna komt: informatie verzamelen, vervoerders benaderen, klanten informeren en administratieve acties uitvoeren. 

Juist dat regelwerk kost planners dagelijks veel tijd. Tijd die daardoor niet besteed kan worden aan complexe planningsvraagstukken, het voorkomen van verstoringen of het ondersteunen van klanten. 

Waar Agentic AI het verschil kan maken 

VVeel logistieke systemen signaleren al dat er iets afwijkt. Een AI-agent kan vervolgens ook de vervolgstappen uitvoeren. 

Denk bijvoorbeeld aan een ontbrekende POD. In plaats van dat een planner meerdere keren controleert of het document al beschikbaar is, kan een AI-agent: 

• Signaleren dat een document ontbreekt;  
• De vervoerder automatisch benaderen;  
• Herinneringen versturen;  
• Het document aan het juiste dossier toevoegen;  
• Alleen escaleren wanneer dat nodig is. 

Hetzelfde geldt voor statusvragen van klanten. 

Een AI-agent kan actuele informatie verzamelen, een verwachte aankomsttijd bepalen en klanten proactief informeren. Alleen wanneer een vertraging commerciële, operationele of financiële gevolgen heeft, wordt een planner betrokken.  

De planner verdwijnt dus niet uit het proces. Hij komt juist in beeld op de momenten waarop ervaring en inzicht het verschil maken. 

Van opvolgen naar uitzonderingen behandelen 

Veel planners worden voortdurend onderbroken door meldingen en statusvragen. Een dashboard laat wel zien dát een zending vertraging heeft, maar niet welke vervolgstappen nodig zijn. Daardoor moet de planner alsnog informatie verzamelen, betrokken partijen benaderen en een beslissing nemen. 

Een AI-agent kan dat voorbereidende werk grotendeels overnemen. In plaats van alleen de melding "Zending 28451 heeft vertraging", kan een planner bijvoorbeeld zien: 

"De verwachte vertraging bedraagt 75 minuten. Het oorspronkelijke tijdslot wordt niet gehaald. Er is een alternatief tijdslot beschikbaar binnen het levervenster van de klant. Goedkeuren?" 

De planner houdt de regie. De agent verzamelt de informatie en bereidt de vervolgstappen voor. Dat zorgt voor minder onderbrekingen en meer ruimte voor het werk waarin planners echt waarde kunnen toevoegen. 

Een AI-agent is zo goed als de kennis die je hem meegeeft 

 Logistieke processen draaien niet alleen op systeemgegevens. Een belangrijk deel van de kennis zit in de hoofden van planners en operationele medewerkers.   Zij weten bijvoorbeeld dat een klant altijd telefonisch geïnformeerd wil worden, dat een vervoerder sneller reageert via WhatsApp of dat een warehouse  op vrijdag geen late aankomsten accepteert. Ook herkennen zij situaties die op papier klein lijken, maar in de praktijk vaak leiden tot vertragingen of claims.

Zij weten bijvoorbeeld dat een klant altijd telefonisch geïnformeerd wil worden, dat een vervoerder sneller reageert via WhatsApp of dat een warehouse op vrijdag geen late aankomsten accepteert. Ook herkennen zij situaties die op papier klein lijken, maar in de praktijk vaak leiden tot vertragingen of claims.

Die praktijkkennis kent een AI-agent niet vanzelf. Daarom begint een succesvol Agentic AI-traject niet met technologie, maar met de mensen die het werk dagelijks uitvoeren. Niet met de vraag 'Waar kunnen we AI inzetten?', maar met de vraag waar dagelijks onnodig regelwerk ontstaat.

Vragen als: 

• Welke handelingen voer je iedere dag opnieuw uit?  
• Waar moet je informatie uit meerdere systemen verzamelen?  
• Welke standaardvragen onderbreken je het vaakst?  
• Waar wacht je telkens op?  
• Welke uitzonderingen kosten opvallend veel tijd?  
• Welke kennis zit alleen in het hoofd van een paar collega's?  

De antwoorden op die vragen laten vaak sneller zien waar de grootste verbeterkansen liggen dan een AI-demo. Ze vormen bovendien de basis voor een AI-agent die de praktijk ondersteunt, in plaats van alleen een proces automatiseert. 

Begin niet bij AI, maar bij het proces 

Niet iedere logistieke uitdaging vraagt om een AI-agent. Soms is een systeemkoppeling voldoende. Soms kan een proces slimmer worden ingericht of is een duidelijke werkafspraak al de oplossing.

Daarom begint een succesvol AI-traject niet met technologie, maar met een goed begrip van de dagelijkse operatie. Pas wanneer duidelijk is waar tijd verloren gaat en welke processen medewerkers dagelijks onderbreken, kun je bepalen of Agentic AI daadwerkelijk de juiste oplossing is.

Technologie volgt het proces, niet andersom 

Bij Openpeople geloven we dat technologie geen doel op zichzelf is. Technologie moet mensen helpen om hun werk beter uit te voeren.

Daarom kijken we eerst naar het proces en pas daarna naar de technologie. Waar ontstaat onnodig regelwerk? Welke informatie blijft tussen systemen hangen? En welke taken leiden planners en operationele medewerkers af van het werk waarvoor ze zijn aangenomen?

Soms is Agentic AI de juiste oplossing. Soms een procesverbetering of een slimme systeemkoppeling.

De transportsector heeft geen behoefte aan minder planners, maar aan minder onnodig regelwerk. Door repetitieve werkzaamheden slimmer te organiseren, ontstaat ruimte voor het werk waarin mensen echt het verschil maken.

Herken je dit binnen jouw organisatie? 

Veel transportorganisaties weten dat er tijd verloren gaat aan terugkerend regelwerk, maar hebben nog niet scherp waar de grootste verbeterkansen liggen.

Bij Openpeople brengen we samen met planners, operations managers en IT-verantwoordelijken die processen in kaart. Niet met de aanname dat Agentic AI altijd de oplossing is, maar met de vraag waar technologie daadwerkelijk waarde toevoegt.

Benieuwd waar binnen jouw organisatie de grootste winst te behalen valt? Berend gaat graag met je in gesprek om ervaringen uit te wisselen en samen te verkennen welke logistieke processen zich lenen voor AI. Geen standaardverhaal, maar een inhoudelijk gesprek over wat wel en niet zinvol is.