In transport en logistiek zit AI vaak niet in een apart systeem met een naam en een eigenaar, maar verweven in de operatie zelf: routeplanning, laadoptimalisatie, voorspellende onderhoudssystemen, vraagvoorspelling, en de algoritmes die bepalen welke chauffeur welke rit krijgt. Een deel daarvan komt binnen via software van vervoerders, expediteurs of platformen, en werkt dus met beslisregels die de eigen organisatie niet zelf heeft ingesteld en soms niet volledig kan zien. De verhouding tussen wat de planningsafdeling zelf heeft aangeschaft en wat via keten-partners of ingebouwde functionaliteit binnenkomt, verschuift voortdurend. Dat maakt inventariseren in deze sector niet eenvoudiger dan elders, maar wel anders: de vraag is niet alleen wie een AI-tool heeft geïnstalleerd, maar ook welke geautomatiseerde beslissingen al in bestaande systemen zaten voordat iemand ze als AI benoemde.
Een overzicht van goedgekeurde software vertelt zelden het volledige verhaal. Planners die een AI-tool gebruiken om routes te optimaliseren, klantenservice die een chatbot inzet voor track-and-trace, of een magazijnmedewerker die een applicatie gebruikt om voorraadprognoses te maken: dit soort toepassingen ontstaat vaak lokaal, gedreven door tijdsdruk of een concrete taak, zonder dat iemand een aanvraag heeft ingediend. Wie dit in kaart wil brengen, moet het navragen bij de mensen die het werk doen, en dat lukt alleen als vragen stellen niet meteen een correctie oplevert. Een organisatie die schaduw-AI wil vinden, moet eerst duidelijk maken dat melden geen risico is.
Een inventaris die verder gaat dan de IT-lijst brengt in beeld welke AI-toepassingen daadwerkelijk in gebruik zijn, waar in het proces ze zitten, en wie er beslissingen aan verbindt. Bij transport en logistiek betekent dat vaak een onderscheid tussen systemen die uitsluitend adviseren, systemen die automatisch plannen zonder tussenkomst, en systemen die effect hebben op mensen buiten de organisatie, zoals chauffeurs of klanten die een levertijd krijgen voorgespiegeld op basis van een voorspelling. Dat onderscheid is relevant omdat het risiconiveau daarmee verandert: een tool die alleen een planner een suggestie geeft, vraagt een andere vorm van toezicht dan een systeem dat zelfstandig roosters of routes vaststelt.
Na de inventaris volgt de vraag wat elke toepassing precies doet en voor wie. Een systeem dat voorspelt wanneer onderhoud nodig is, heeft een andere impact dan een systeem dat bepaalt welke chauffeur een rit toegewezen krijgt op basis van prestatiedata. Classificatie betekent hier niet het toepassen van een vaste sjabloon, maar het ordenen van wat er is aangetroffen: welke toepassing raakt beslissingen over mensen, welke raakt alleen logistieke optimalisatie, en welke functioneert puur ondersteunend. De actuele regelgeving die bepaalt welke verplichtingen aan welk risiconiveau hangen, staat elders; hier gaat het om de structuur die nodig is om die regels straks te kunnen toepassen, wat de tekst ook precies voorschrijft.
Transportbedrijven werken doorgaans al met risicomanagement rond veiligheid, planning en compliance. AI-governance hoeft geen nieuw apparaat naast dat bestaande systeem te zijn; het werkt beter als de classificatie van AI-toepassingen aansluit op categorieën die er al zijn, zodat een bestuurder of risicomanager niet twee aparte overzichten moet bijhouden. Dat vraagt een governance-set die vermeldt wie een toepassing beheert, wie er verantwoordelijk voor is, en welke controle daarop bestaat, in een vorm die past bij wat er al aan rapportage- en verantwoordingsstructuur aanwezig is.
Een bestuurder of General Counsel die gevraagd wordt te verklaren welke AI-systemen in de organisatie actief zijn, moet dat kunnen onderbouwen met meer dan een lijst uit het inkoopsysteem. Aantoonbaarheid betekent dat er een actueel overzicht is van toepassingen, hun classificatie en de status van het toezicht daarop, en dat dit overzicht ook standhoudt wanneer iemand doorvraagt. Andere sectoren kennen vergelijkbare vraagstukken, zoals te zien is bij AI-governance in de detailhandel, AI-governance in de agrarische sector en AI-governance in de ICT-sector, telkens met een eigen verhouding tussen wat centraal is aangeschaft en wat lokaal is ontstaan.
De Responsible AI Scan die deze inventaris, classificatie en governance-structuur samenbrengt, is in aanbouw. Wie hiermee aan de slag wil, kan zich aanmelden voor de wachtlijst; er is nu geen kant-en-klaar product te bestellen, en dat wordt hier niet anders voorgesteld.
Zodra duidelijk is welke AI-toepassingen er in de transportketen draaien en welk risiconiveau daarbij past, ontstaat een vervolgvraag die niet met inventariseren wordt beantwoord: hoeveel van het werk dat planners, chauffeurs of klantenservicemedewerkers nu doen, is met deze toepassingen daadwerkelijk over te nemen. Die vraag ligt dicht bij governance, maar is er niet gelijk aan, en wordt beantwoord door de werkscan van FTE TO AI, die per taak berekent welk deel van het werk door AI is over te nemen.
Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.