Artificial Intelligence is geen toekomstmuziek meer. Het is hier. In onderhoud, in productie, in kantoren en in elk systeem dat woorden verwerkt. Iedereen gebruikt het al, vaak zonder precies te weten wat het doet. Juist dat maakt de vraag relevant: hoe zet je AI verstandig in binnen de werkelijkheid van Maintenance, waar betrouwbaarheid en context zwaarder wegen dan snelheid en gemak?

AI rekent met taal, niet met logica

AI denkt niet, het voorspelt. Een Large Language Model zoals ChatGPT berekent het meest waarschijnlijke volgende woord op basis van miljarden eerdere voorbeelden. Het werkt niet met betekenis, maar met getalswaarden van woorden, de zogenoemde tokens. Daarom kan het overtuigend schrijven, maar onnauwkeurig tellen. Wie een onderhoudslog of werkorderbestand in een AI-toepassing stopt en om conclusies vraagt, krijgt altijd een antwoord — alleen is het antwoord niet per definitie waar. De berekening is taalkundig, niet logisch; samenhang in zinnen is geen garantie voor samenhang met de werkelijkheid. Het is zinvol om expliciet te markeren waar analyse eindigt en aannames beginnen, juist wanneer een model het overtuigend brengt.

De grens tussen kennis en data

De kracht van AI ontstaat niet door meer antwoorden te genereren, maar door betere vragen te stellen en de herkomst van informatie te borgen. Een model weet niets van gebeurtenissen ná zijn trainingsperiode; bij GPT-4 ligt die grens bijvoorbeeld in 2023. Wie vraagt naar recente storingen, nieuwe onderdelen of actuele regelgeving, krijgt plausibele tekst zonder tijdsbewijs. Pas door AI te koppelen aan betrouwbare, interne of actuele bronnen ontstaat bruikbare kennis. In maintenance-omgevingen is dit onderscheid niet academisch maar operationeel: beslissingen raken veiligheid, stilstand en kosten. Veel teams ontdekken pas achteraf dat een overtuigend antwoord niet hetzelfde is als een verantwoord besluit.

Een revolutie van onderop

Waar eerdere technologische omwentelingen van bovenaf werden gestuurd — overheid, defensie, onderzoeksinstituten – is AI juist van onderop ontstaan. Gebruikers gingen experimenteren lang vóórdat beleid bestond. Dat verklaart de versnelling, maar ook de frictie. De Europese AI-Act brengt begrenzing en duidelijkheid, maar stimuleert niet automatisch de juiste toepassing in het werk. Organisaties zullen daarom zelf richting moeten geven aan wat wel en niet acceptabel is. Het helpt om AI niet te behandelen als een uitzonderingsdossier, maar als onderdeel van vakvolwassenheid: dezelfde nuchterheid als bij werkvergunningen, LOTO en MOC. Wie het zo bekijkt, merkt hoe snel de discussie verschuift van technologie naar professioneel handelen.

Bewustwording vóór beleid

AI gebruik je niet alleen op kantoor; het reist mee op de telefoon en in de thuiswerkplek. Zo sluipt het onbewust de organisatie binnen. Een medewerker plakt een interne notitie in een publiek model en denkt aan efficiëntie, niet aan datalekken. Beleid is nodig, maar zal dit gedrag niet op zichzelf veranderen. Begrip wél. Wie weet hoe AI omgaat met invoer en trainingsdata, gaat automatisch zorgvuldiger werken. Een nuchtere oefening helpt: stel bij elk gebruik vast welke informatie de organisatie wel en niet wil laten ‘weglekken’, en leg dat vast in richtlijnen die mensen ook echt kúnnen volgen tijdens hun dagelijkse werk. Inzicht dat toepasbaar is op de werkvloer blijkt vaak sterker dan een extra pagina beleid.

De kracht van maatwerk

Zodra dat basisbegrip er is, wordt AI daadwerkelijk waardevol. Denk aan een model dat is ingericht volgens de eigen maintenance-filosofie: één digitale collega die de gekozen strategie kent, toegang heeft tot handleidingen, stuklijsten en storingshistorie, en antwoorden geeft die passen binnen beleid en standaardisatie. Zo’n custom GPT ondersteunt storingsanalyse, maakt overdracht eenvoudiger en versnelt documentatie — zonder gegevens buiten de organisatie te brengen. Het is feitelijk beleid in uitvoering: de standaard werkwijze wordt niet alleen beschreven, maar ook consequent ondersteund in de dagelijkse vragen. Teams ervaren dan dat AI niet het denken overneemt, maar de routine stabiliseert en de variatie reduceert waar dat verstandig is. Het is goed om te zien hoe snel vakkennis dan juist meer ruimte krijgt.

Van beleid naar gedrag

Artificial Intelligence is geen wondermiddel en geen dreiging. Het is gereedschap dat zijn waarde ontleent aan de manier waarop professionals het gebruiken. De toekomst van maintenance wordt niet bepaald door wie de meeste data heeft, maar door wie begrijpt wat AI met die data doet – en wat het beter niet moet doen. Volwassen toepassing begint bij inzicht in de werking, gevolgd door duidelijke afspraken over gebruik en data, en eindigt bij gedrag dat dit vanzelfsprekend maakt. Wie daar consequent in investeert, ontdekt dat AI geen einde maakt aan vakmanschap, maar de randvoorwaarden schept om het beter uit te oefenen.