De afgelopen jaren zijn rollen die digitale vaardigheden combineren met technische of operationele expertise essentieel geworden op moderne werkplekken. Robots die de productie beheren of AI-systemen die de infrastructuur optimaliseren, zijn actieve deelnemers aan het werk geworden, maar het menselijk oordeel blijft centraal staan.
Deze posities verbinden gegevens en analyses met praktijkactiviteiten in fabrieken, op bouwplaatsen en via infrastructuurnetwerken, waardoor organisaties beter geïnformeerde beslissingen kunnen nemen.
Naarmate systemen steeds capabeler worden, is de vraag niet langer of machines mensen kunnen helpen, maar hoe mensen en machines effectief kunnen samenwerken.
Artikel gaat hieronder verder
Toonaangevend werk op het gebied van autonome en industriële AI heeft één ding duidelijk gemaakt: dit is een keerpunt voor de industrie. De aandacht verschuift van wat machines alleen kunnen bereiken naar de manier waarop intelligentie op verantwoorde wijze wordt toegepast in reële omgevingen, waar elke beslissing consequenties met zich meebrengt.
Een nieuwe definitie van productiviteit en verantwoordelijkheid
Productiviteit wordt niet langer uitsluitend gemeten aan de hand van het aantal taken dat is geautomatiseerd. Het wordt gedefinieerd door hoe goed mensen en machines samenwerken. Professionals met zilveren halsbanden doen meer dan alleen technologie bedienen. Ze begeleiden, houden toezicht en corrigeren het, waarbij ze de verantwoordelijkheid nemen voor hoe het zich gedraagt en zich aanpast.
Terwijl machines van theorie naar actie evolueren, evolueert de menselijke rol van operator naar rentmeester, waardoor wordt verzekerd dat systemen veilig, efficiënt en ethisch presteren.
Acties met gevolgen in de echte wereld
Een systeem dat adviseert is één ding, maar een systeem dat beslissingen uitvoert heeft directe, soms onmiddellijke impact in de echte wereld. Machines die productieschema’s aanpassen of de infrastructuur optimaliseren, hebben direct invloed op de veiligheid en de kosten.
Een fabriekssysteem kan bijvoorbeeld de volgorde van taken veranderen om te voorkomen dat machines oververhit raken, waardoor werknemers veilig blijven en storingen worden voorkomen. In deze gedeelde omgevingen worden de resultaten gevormd door zowel mensen als machines, waardoor menselijk toezicht onmisbaar is.
Vragen over prestatie-evaluatie en verantwoordelijkheid zijn niet langer theoretisch, maar zijn uitdagingen waar industriële teams elke dag op het werk mee te maken krijgen.
Nu fysieke AI en autonome systemen van pilots naar live industriële omgevingen overgaan, worden functionele veiligheid en regelgeving bepalende kwesties. Systemen die goed presteren in simulaties kunnen falen onder echte fabrieksomstandigheden, waarbij kleine afwijkingen risico’s met zich meebrengen.
Deze verschuiving dwingt organisaties ertoe om opnieuw na te denken over de manier waarop systemen worden ingezet, waarbij ze zich minder concentreren op wat de technologie in theorie kan doen en meer op veiligheid, regelgeving en voortdurend menselijk toezicht.
Het dichten van de kloof tussen simulatie en realiteit
Een van de grootste uitdagingen voor fysieke AI is de realiteitskloof. Systemen die zijn getraind in gecontroleerde omgevingen hebben vaak moeite wanneer ze worden geconfronteerd met de complexiteit van de echte wereld, inclusief onverwacht menselijk gedrag of omgevingsvariaties.
Simulaties en synthetische data kunnen helpen, maar ze kunnen de onvoorspelbaarheid van de werkelijke omstandigheden niet volledig weergeven. Systemen die slagen in virtuele tests kunnen in de praktijk falen, waardoor risico’s ontstaan voor de veiligheid, prestaties en vertrouwen. Het overbruggen van deze kloof is van cruciaal belang als mensen de controle en het vertrouwen over intelligente systemen willen behouden.
Digital twins als basis voor samenwerking
Digitale tweelingen bieden een praktische en krachtige manier om de kloof tussen simulatie en realiteit te overbruggen. In de kern is een digitale tweeling een virtueel model van een fysiek systeem, of dat nu een fabriek, een machinerie of een heel infrastructuurnetwerk is.
Deze modellen worden voortdurend bijgewerkt met live sensorgegevens, waardoor de virtuele versie het systeem uit de echte wereld in realtime kan weerspiegelen. Hierdoor ontstaat een gedeeld referentiepunt voor zowel mens als machine, waar intelligentie kan worden toegepast en geëvalueerd in een gecontroleerde maar toch dynamische omgeving.
Door AI te baseren op feitelijke omstandigheden in plaats van op theoretische scenario’s, zorgen digitale tweelingen ervoor dat systemen veilig kunnen leren en zich effectief kunnen aanpassen. Mensen kunnen observeren hoe intelligente systemen zich onder wisselende omstandigheden gedragen, ingrijpen als beslissingen negatieve uitkomsten in gevaar brengen, en resultaten valideren voordat veranderingen op de echte wereld worden toegepast.
Dit vermindert het aantal fouten, schept vertrouwen en zorgt ervoor dat de verantwoordelijkheid duidelijk bij de menselijke toezichthouder blijft liggen. Systemen kunnen bovendien continu worden getraind en gemonitord, waardoor zowel machines als mensen samen kunnen leren.
Deze aanpak zorgt ervoor dat beslissingen op bewijsmateriaal zijn gebaseerd en betrouwbaar zijn, waardoor digitale tweelingen een cruciaal hulpmiddel zijn voor het handhaven van de veiligheid en prestaties in werkomgevingen.
Voorbereiding op het tijdperk van de zilveren halsbanden
Het zilveren kraag-tijdperk is al aan de gang, waarin mensen naast steeds autonomere machines werken in fabrieken, infrastructuur en industriële omgevingen.
Succes hier hangt af van het feit dat de inlichtingen gebaseerd zijn op reële omstandigheden. Voorbereiding op deze verschuiving vereist meer dan investeren in technologie. Organisaties moeten in mensen investeren door middel van levenslang leren en omscholing.
Werknemers hebben de vaardigheden nodig om systeembeperkingen te begrijpen, toezicht te houden op intelligent gedrag en oordeelsvermogen toe te passen als de omstandigheden veranderen.
In het tijdperk van de zilveren kraag wordt vooruitgang niet gemeten aan de hand van wat machines op zichzelf doen, maar aan de kwaliteit van de samenwerking tussen mens en machine. Organisaties die leiding geven, zullen organisaties zijn die begrijpen dat autonomie in evenwicht moet worden gebracht met verantwoordelijkheid, en dat verantwoordelijkheid uiteindelijk menselijk blijft.
We hebben de beste IT-automatiseringssoftware aanbevolen.
Dit artikel is geproduceerd als onderdeel van TechRadarPro’s Expert Insights-kanaal, waar we de beste en slimste koppen in de huidige technologie-industrie in beeld brengen. De hier geuite standpunten zijn die van de auteur en zijn niet noodzakelijkerwijs die van TechRadarPro of Future plc. Als u geïnteresseerd bent om een bijdrage te leveren, kunt u hier meer lezen: https://www.techradar.com/news/submit-your-story-to-techradar-pro
