In 2024 publiceerden we een ebook met vijf voorspellingen over AI in de maakindustrie: predictive maintenance, kwaliteitscontrole, supply chain-optimalisatie, training en assistance, en wat we hive mind-probleemoplossing noemden.
Niet veel mensen beoordelen hun eigen huiswerk in het openbaar. Wij vonden dat het tijd was. Hier is onze scorecard. Vijf voorspellingen, hoe ze standhielden, en wat we volledig misten. Elk cijfer achter deze oordelen is bronvermeld in het ebook 2026.
- Drie voorspellingen uit 2024 klopten, één was half juist, en één evolueerde naar een ander mechanisme.
- Volgens een breed gedeelde MIT NANDA-studie leverde 95% van de enterprise generative AI-pilots geen meetbare P&L-impact.
- In diezelfde studie slaagde AI die werd gekocht en in bestaande workflows werd ingebed ongeveer 67% van de tijd.
- We misten twee grote thema's: agentic AI en de EU AI Act. Beide krijgen nieuwe hoofdstukken in de editie 2026.
- Download het gratis ebook 2026 voor bewijs, casestudies en alle 49 bronnen.
Waar AI in de maakindustrie staat in 2026
In 2026 zijn er twee kanten van het verhaal die elkaar lijken tegen te spreken:
Falen
Een breed gedeelde MIT NANDA-studie vond dat 95% van de enterprise generative AI-pilots geen meetbare P&L-impact leverde. Gartner plaatste generative AI in de maakindustrie in de «Trough of Disillusionment». Eind 2025 was minstens de helft van de generative AI-projecten na proof of concept stopgezet — slechter dan Gartners eigen voorspelling van 30%.
Adoptie
Ook al lijken de meeste AI-projecten nog steeds te falen, AI werd de afgelopen twee jaar duidelijk sterker geadopteerd. Ruwweg 88% van de organisaties gebruikt AI in minstens één bedrijfsfunctie, maar slechts ongeveer een derde is begonnen die enterprise-breed op te schalen. Onder Amerikaanse fabrikanten draait 29% AI of machine learning op fabrieks- of netwerkschaal. In Europa telt Eurostat 20% van de EU-bedrijven die AI gebruiken in 2025, tegenover 13,5% een jaar eerder, met manufacturing iets onder het gemiddelde op 17,3% en een grote nationale spreiding: 42% in Denemarken, onder 9% in Polen.
Experimenteren met AI is dus breed geadopteerd; AI opschalen naar echte businessdoelen blijft eerder de uitzondering.
De scorecard
| Voorspelling 2024 | Oordeel | Korte samenvatting |
|---|---|---|
| Predictive maintenance | We hadden gelijk | Van emerging trend naar default-praktijk. Het zware werk is nu opschalen, niet bewijzen dat het werkt. |
| AI voor kwaliteitscontrole | We hadden gelijk | Vision QC leverde op nauwkeurigheid en werd goedkoper en sneller uit te rollen dan we verwachtten. |
| Supply chain-optimalisatie | Half juist | De forecasting-capability kwam zoals voorspeld. Wat adoptie dreef, en wat daarna kwam, niet. |
| Training en assistance | We hadden gelijk | AI-authoring voor werkinstructies kwam breed beschikbaar, meer gedreven door arbeidstekorten dan door hype. |
| Hive mind-probleemoplossing | Geëvolueerd | Operators die AI om hulp vragen is reëel. Het kwam via language models, niet via de gedeelde database die we voor ogen hadden. |
Wat we misten over generative AI en agentic AI
De oordelen zijn het makkelijke deel. De editie 2026 loopt na wat we zeiden, wat er gebeurde en wat we misten per voorspelling: de cijfers achter predictive maintenance, waarom vision QC zo snel commoditized werd, wat supply chain-AI echt dreef, waarom digitale werkinstructies het urgente instappunt werden, en hoe het «hive mind»-idee uit 2024 werd herbedraad.
Maar we misten ook gewoon twee grote dingen: de opkomst van AI-agents verraste ons, en de EU AI Act negeerden we volledig. Het volledige ebook voegt over beide onderwerpen nieuwe hoofdstukken toe.
Onze eigen AI-experimenten
Branchevoorspellingen beoordelen is één ding. De experimenten zelf draaien is iets anders. Daarvoor is Azumuta Labs: een researchdivisie die AI en vision technology verbindt met echte shopfloorproblemen, en openbaar publiceert wat we leren.
Eén voorbeeld draait al live. Vision-language models die een gefilmde demonstratie omzetten in gestructureerde digitale werkinstructies, met tot 90% minder creatietijd in onze trials. Methode, trade-offs en resultaten delen we op Labs, zodat andere fabrikanten het werk zelf kunnen beoordelen.
Heb je een pilot, een researchvraag of een shopfloorprobleem dat je met ons wilt verkennen: we willen het horen. We werken samen met fabrikanten en onderzoekers aan echte experimenten, geen slideware.
Denk je dat we opnieuw ernaast zitten, zeg het ons. Dat wordt input voor de volgende ronde experimenten.
Veelgestelde vragen
Quick FAQs to get you up to speed
Drie klopten: predictive maintenance werd standaardpraktijk, AI voor kwaliteitscontrole leverde en werd daarna goedkoper om uit te rollen, en AI voor training en werkinstructies kwam zoals voorspeld. Supply chain-optimalisatie was half juist: de capability kwam er, maar adoptie werd gedreven door handelsbeleid en agentische systemen die we niet hadden voorzien. Hive mind-probleemoplossing evolueerde: het idee klopte, maar het kwam via large language models in plaats van een dedicated gedeelde database. Volledig bewijs en casestudies staan in het ebook 2026.
Experimenteren is wijdverspreid; opschalen blijft zeldzaam. Ruwweg 88% van de organisaties gebruikt AI in minstens één bedrijfsfunctie, maar slechts ongeveer een derde is begonnen die enterprise-breed op te schalen. Onder Amerikaanse fabrikanten draait 29% AI of machine learning op fabrieks- of netwerkschaal. In Europa telt Eurostat 20% van de EU-bedrijven die AI gebruiken in 2025, tegenover 13,5% een jaar eerder, met manufacturing iets onder het gemiddelde op 17,3%.
Volgens een breed gedeelde MIT NANDA-studie leverde 95% van de enterprise generative AI-pilots geen meetbare P&L-impact. Eind 2025 was minstens de helft van de generative AI-projecten na proof of concept stopgezet — slechter dan Gartners voorspelling van 30%. Standalone chatbots van het type «vraag onze fabriek alles» falen vooral wanneer ze draaien op verouderde of tegenstrijdige procedures. Het ebook 2026 behandelt wat de succesvolle minderheid anders deed.
In de MIT NANDA-studie slaagde AI die bij specialistische vendors werd gekocht en in bestaande workflows werd ingebed ongeveer 67% van de tijd. Interne builds veel minder vaak. Dat is een van de meest actionable bevindingen in het ebook 2026: embed AI in tools die operators al gebruiken, in plaats van een standalone pilot te lanceren.
Nee. In de showcase-fabrieken 2025 van het World Economic Forum draaide 77% van de top-use cases op analytische AI en slechts 9% op generative AI. Generative AI is de snelst groeiende laag bovenop die basis, via copilots en agents — geen vervanging van predictive maintenance, kwaliteitsinspectie of planningsanalytics.
Agentic AI-systemen detecteren een verstoring, herplannen, stellen acties op zoals inkooporders of taakprioriteiten, en wachten op menselijke goedkeuring. Gartner verwacht dat tegen 2030 de helft van alle supply chain management-oplossingen agentic capabilities bevat, en voorspelt $53 miljard aan spend op supply chain-software met agentic AI tegen die tijd — van onder $2 miljard in 2025. Gartner verwacht ook dat meer dan 40% van de agentic AI-projecten eind 2027 is geannuleerd. Het ebook 2026 heeft een apart hoofdstuk over copilots en agents.
Vaak niet. Assistenten voor werkinstructies, kwaliteitsanalytics, predictive maintenance en scheduling-copilots zijn onder de EU AI Act in het algemeen niet high-risk. Twee gebieden verdienen echte aandacht: AI als veiligheidscomponent van machines, en AI die werknemers monitort of beoordeelt. Het ebook 2026 behandelt wat Europese fabrikanten moeten weten, inclusief de compliance-data.
Tussen 2024 en 2026 gingen speech-to-text-authoring, video-naar-stap-segmentatie, vertaling en personalisatie van roadmapslides naar standaard productfeatures. Vendors claimen routinematig 60% tot 70% minder tijd aan documentatie. In Azumuta Labs-trials zetten vision-language models een gefilmde demonstratie om in gestructureerde digitale werkinstructies — met tot 90% minder tijd voor creatie, editing en onderhoud.
De gratis 32 pagina's tellende editie is beschikbaar als gratis download. Het beoordeelt alle vijf voorspellingen uit 2024 met bewijs en casestudies, voegt hoofdstukken toe over copilots, agents en physical AI, behandelt de EU AI Act, en bevat actiechecklists plus alle 49 bronnen.
