Wanneer AI de regels van leren verandert, moeten toeleveringsketens ook veranderen

Een hoogleraar wiskunde aan de University of California, Berkeley is gestopt met het beoordelen van huiswerk op correctheid na de conclusie dat AI-tools studenten nu te gemakkelijk kunnen helpen hoogwaardige antwoorden te produceren. Professor Richard Borcherds geeft nu voornamelijk punten voor het voltooien van opdrachten en baseert cijfers in plaats daarvan op persoonlijke, apparaatvrije examens.

Zijn beslissing is meer dan een debat over campusbeleid. Het is een waarschuwing voor elke sector die afhankelijk is van geschoold talent—inclusief wereldwijde toeleveringsketens: wanneer AI gepolijste resultaten kan genereren, moeten organisaties leren oordeel, toepassing en verantwoordelijkheid te beoordelen, niet alleen het uiteindelijke antwoord.

De les voor toeleveringsketens

Werk in de toeleveringsketen heeft lange tijd mensen beloond die gegevens kunnen analyseren, operationele problemen kunnen oplossen en nauwkeurige plannen kunnen produceren. AI verandert die vergelijking door prognoses, route-opties, voorraadaanbevelingen, leveranciersoverzichten en zelfs conceptonderhandelingen binnen enkele seconden beschikbaar te maken.

Maar een correct ogende AI-output is niet hetzelfde als een gedegen zakelijke beslissing. Een planner kan een nauwkeurige vraagvoorspelling ontvangen, maar moet deze nog steeds toetsen aan een promotie, leveranciersbeperking, havenverstoring, weersomstandigheid of verandering in klantgedrag. De menselijke bijdrage verschuift van het produceren van het antwoord naar het bevragen, valideren en ernaar handelen.

Van antwoorden naar oordeel

Borcherds' zorg is dat het beoordelen van eindantwoorden niet langer bewijst dat een student de onderliggende wiskunde begrijpt. Hetzelfde probleem geldt voor toeleveringsketens: een gepolijst door AI gegenereerd rapport bewijst niet dat een planner voorraadrisico, leverancierscapaciteit, handelsregels of de gevolgen van een voorraadtekort begrijpt.

Toekomstig talent in de toeleveringsketen moet daarom worden getraind om hun redenering uit te leggen, een aanbeveling te verdedigen, datalekken te identificeren en beslissingen te nemen wanneer informatie onvolledig is. Dit zijn de vaardigheden die waardevol blijven wanneer AI het eerste concept, de berekening of het alternatieve scenario kan genereren.

Heroverweeg talentontwikkeling

De toeleveringsketenindustrie moet niet reageren door AI te verbieden of als een kortere weg te behandelen. In plaats daarvan moet het leren en werken opnieuw worden ontworpen, zodat jonge professionals AI als denkpartner gebruiken terwijl ze nog steeds een kern operationeel oordeel ontwikkelen.

Dat betekent verder gaan dan mensen trainen om routinetaken uit te voeren. Stages, live simulaties, leveranciersonderhandelingen, verstoringsresponsoefeningen en echte operationele projecten kunnen laten zien of een jonge professional analyse kan omzetten in verantwoordelijke actie. Werkgevers moeten beoordelen hoe kandidaten problemen formuleren, AI-aanbevelingen uitdagen, samenwerken tussen functies en de afwegingen achter een beslissing uitleggen.

Bescherm leren op instapniveau

Gartner meldt dat 55% van de leiders in de toeleveringsketen verwacht dat agentic AI de behoefte aan instroom op instapniveau zal verminderen, terwijl 51% een verschuiving verwacht naar het toezicht houden op AI-agenten. Tegelijkertijd is 86% het ermee eens dat AI nieuwe processen zal vereisen voor het ontwikkelen van toekomstige talentpijplijnen.

Dit creëert een risico: als AI de routinetaken absorbeert waarmee junior medewerkers ooit leerden, kunnen bedrijven moeite hebben om de volgende generatie ervaren planners en operationele leiders te ontwikkelen. De oplossing is om instapfuncties te herontwerpen rond begeleide besluitvorming, uitzonderingsbeheer, leveranciersbetrokkenheid en continu leren—niet om ze simpelweg te verwijderen.

Ontwikkel AI-klaar talent

Organisaties in de toeleveringsketen moeten AI-geletterdheid een kerncompetentie maken, maar deze breed definiëren. Het is niet voldoende om te weten hoe je een model moet 'prompten'; professionals moeten datakwaliteit, modelbeperkingen, bias, cybersecurity, verantwoordelijkheid en wanneer menselijk oordeel een geautomatiseerde aanbeveling moet overrulen begrijpen.

Een praktische benadering is om elke AI-gestuurde workflow te koppelen aan een menselijk controlepunt. AI kan bijvoorbeeld een waarschijnlijke verstoring van de toelevering identificeren, maar een planner moet de bron verifiëren, de zakelijke impact beoordelen, getroffen partners raadplegen en beslissen over de reactie. Dit behoudt snelheid terwijl de verantwoordelijkheid behouden blijft.

De kern van de zaak

De beslissing van de Berkeley-professor toont aan dat AI het onderwijs dwingt onderscheid te maken tussen het produceren van een antwoord en het bezitten van begrip. Wereldwijde toeleveringsketens staan voor dezelfde test. De organisaties die floreren, zullen degenen zijn die AI gebruiken om menselijk oordeel te versterken, instapfuncties herontwerpen als leermogelijkheden en talent ontwikkelen dat in staat is complexe netwerken door onzekerheid te leiden.

Bron: https://www.ndtv.com/world-news/california-professor-stops-grading-homework-after-spotting-students-growing-reliance-on-ai-12240518