Een planner meldt zich ziek.
Een ervaren operator is onverwacht een paar dagen afwezig.
Een teamleider moet thuisblijven.
Iemand van onderhoud is er niet op het moment dat een storing zich aandient.
Op papier is dat vervelend, maar beheersbaar. Er zijn collega’s. Er is een planning. Er zijn systemen. Het bedrijf draait al jaren.
En toch verandert er iets.
De machines draaien nog. De eerste orders gaan de deur uit. In de ochtendvergadering wordt even geschoven. Niemand noemt het een probleem. Maar in de loop van de dag ontstaat meer overleg. Kleine besluiten blijven liggen. Vragen die normaal automatisch worden opgelost, komen nu bij meerdere mensen terecht. Aan het einde van de dag is er geen ramp gebeurd. Maar er is wel spanning ontstaan in het systeem.
Niet omdat mensen hun werk niet doen. Juist niet. Iedereen doet meer dan normaal.
In veel maakbedrijven is uitval van één medewerker allang geen geïsoleerde verstoring meer. Niet alleen de taak van die persoon wordt geraakt. Ook de verbindingen en collega’s daaromheen voelen het.
Neem de planner die al jaren de productie kent. Die planner kijkt niet alleen naar orders en capaciteit. Hij weet welke klant meestal nog iets wijzigt. Welke machine gevoelig is na een omstelling. Welke levertijd krap lijkt maar in de praktijk nog net haalbaar is. Welke spoedorder echt spoed is, en welke niet.
Wanneer deze planner uitvalt, blijft het planningssysteem beschikbaar. De orders staan er nog steeds in. Maar het inschatten van uitzonderingen wordt lastiger. De planning wordt formeler. Terwijl de werkelijkheid juist om intuïtie, ervaring en interpretatie vraagt.
Die impact schuift door. Productielijnen vragen vaker om bevestiging. Verkoop wil weten of een leverdatum nog haalbaar is. Teamleiders zijn meer tijd kwijt aan onderlinge afstemming.
Hetzelfde patroon zien we bij de operator met specifieke machinekennis. De machine kan misschien nog draaien, maar een stuk voorzichtiger. Er wordt vaker stilgezet om te controleren. Een collega belt iemand die eigenlijk met iets anders bezig is. Onderhoud kijkt even mee, maar heeft eigen prioriteiten. De output blijft achter. Niet door onwil of gebrek aan inzet, maar omdat werkervaring niet volledig overdraagbaar is via een werkinstructie.
Elke productieomgeving heeft formele processen: orders, taaklijsten, planningen, kwaliteitsnormen, onderhoudsschema’s. Dat is de zichtbare laag.
Daaronder bevindt zich een tweede laag. Die bestaat uit gewoontes, interpretaties, uitzonderingen en afspraken die zijn ontstaan uit jarenlange praktijkervaring. Een halve zin was genoeg. Een blik op de planning gaf voldoende context. Een ervaren medewerker voelde aan wanneer iets begon te schuiven.
Veel van deze kennis is nooit bewust vastgelegd, omdat het werk jarenlang kon steunen op vaste mensen. Dezelfde gezichten, dezelfde routes, dezelfde korte lijnen.
Die manier van werken lijkt efficiënt zolang de bezetting stabiel is. Het voorkomt onnodige administratie, versnelt besluitvorming en houdt het bedrijf wendbaar. Maar dezelfde kracht wordt kwetsbaarheid zodra de bezetting minimaal is en ervaren mensen minder vanzelfsprekend beschikbaar zijn. Dan blijkt dat een proces niet alleen uit stappen bestaat, maar ook uit inschattingen. En dat sommige van die inschattingen in het hoofd van één of twee mensen zitten.
Veel maakbedrijven zijn de afgelopen jaren strakker gaan draaien. Niet altijd als bewuste keuze, maar omdat de omstandigheden dat vroegen. Levertijden worden kritischer. Grondstoffen duurder. Marges komen onder druk. En het vinden van technisch personeel is in 2026 nog steeds een van de grootste uitdagingen in de Nederlandse maakindustrie.
De ruimte om extra mensen voor de zekerheid mee te laten lopen, verdwijnt langzaam. Strak georganiseerd betekent ook minder ruimte voor fouten. In zo’n omgeving hangt continuïteit niet alleen af van capaciteit, maar van coördinatie. En die coördinatie ligt bij mensen.
Mensen die te goed zijn geworden in oplossen.
Dat klinkt als een compliment. Dat is het ook. Maar het is tegelijk het risico. Omdat problemen geruisloos worden opgelost, ziet de rest van de organisatie niet welke beslissingen daaraan voorafgaan. De kennis en informele processen raken uit beeld. En de lijn tussen kracht en kwetsbaarheid is hier heel dun. Dezelfde mensen die de basis vormen, worden het punt waar de afhankelijkheid te groot wordt.
De eerste reactie is vaak: dit hebben we al geprobeerd. Werkinstructies, kennisbanken, overdrachtsformulieren. Het werd niet bijgehouden. Het was te tijdrovend. Of het paste gewoon niet bij hoe mensen hier werken.
Dat klopt. En dat is ook niet wat wij voorstellen. Ervaren mensen denken niet in stappen. Ze denken in situaties. Een aanpak die dat negeert, strandt elke keer op dezelfde plek. Wat wél werkt, sluit aan op hoe kennis al bestaat in uw organisatie, en maakt die beschikbaar op het moment dat het nodig is.
Historische planningsdata, uitzonderingen, klantgedrag, machinepatronen: AI kan dit combineren en gedeeltelijk modelleren. Niet om de planner te vervangen, maar om degene die invalt een eerlijke kans te geven.
“De vorige zes keer dat deze klant een spoedboeking deed, was de werkelijke levertijd gemiddeld twee dagen later dan gevraagd.”
Dat soort inzicht zit nu in het hoofd van één persoon. Dat hoeft niet zo te blijven.
Elke keer dat een ervaren operator een storing oplost, een afwijking herkent of een omstelling bijstuurt, is dat een beslissing die normaal verdampt. AI kan die momenten via spraak, via logdata, via een korte interactie, structureren en opslaan. Niet als statisch document, maar als doorzoekbare kennislaag.
De volgende keer dat de machine trilt na een omstelling, is het antwoord beschikbaar. Ook als de operator er niet bij is.
Uitzonderingen zijn per definitie zeldzaam. Maar juist daarom zijn ze gevaarlijk als ze alleen in menselijk geheugen zitten. Een bibliotheek van afwijkingen en de beslissingen die daarop volgden, geeft een invaller of een nieuwe medewerker context die normaal jaren kost om op te bouwen.
Dit is geen toekomstmuziek. De technologie bestaat. De vraag is niet of het kan, maar hoe je het inricht op een manier die past bij hoe jouw organisatie werkt.
Zolang de operatie loopt, is er weinig aanleiding om te onderzoeken waar de steunpilaren zitten. De aandacht gaat naar orders, levertijden, capaciteit en kwaliteit. Logisch.
Maar soms zit het belangrijkste inzicht in wat niet opvalt tijdens een normale productiedag.
Voor veel maakbedrijven begint daar een eerlijk gesprek over continuïteit: wat weten we eigenlijk pas zodra iemand er niet is? En wat zou het waard zijn als dat antwoord niet langer afhangt van wie er die dag toevallig wel of niet is?
Bij COMPUTD helpen we maakbedrijven in de praktijk om die vraag te beantwoorden. Niet met een generiek AI-advies, maar met een concrete analyse van waar de kennis zit, waar de kwetsbaarheid het grootst is, en welke eerste stap realistisch haalbaar is.
U weet nu waar de kwetsbaarheid zit. De volgende stap is weten hoe groot die is in uw organisatie specifiek. We komen langs, kijken mee, en vertellen u binnen een uur wat we zien. Geen rapport, geen voorstel tenzij u dat wilt.
Neem contact op