AI in de voedingsindustrie: van hype naar realiteit

Intro en kennismaking

Alexander Platteeuw: Welkom bij Better Food Safe Than Sorry, de podcast voor de nieuwsgierige voedselveiligheidspassionata. Met interviews, gesprekken met specialisten en diepte-informatie over alles wat leeft binnen de food industry, de controlerende overheid en alles daarrond. Ikzelf ben Alexander Platteeuw van A+ Quality, het advies- en trainingsbureau gespecialiseerd in voedselveiligheidsmanagement, met meer dan 25 jaar ervaring in de foodwereld.

Alexander Platteeuw: Mijn gast van vandaag is iemand die zijn sporen meer dan verdiend heeft in de foodwereld. Hij behaalde zijn diploma van bio-ingenieur aan de KU Leuven en kwam vervolgens terecht in de voedingsindustrie. Zijn interesses zijn zeer breed, want hij ging van brouwerij naar chocolade, van paté naar diepvriesgroenten. Telkens in een rol als QA, dan wel als productontwikkelaar.

Alexander Platteeuw: Het is in die hoedanigheid dat ik mijn gast destijds leerde kennen: niet alleen als een gepassioneerd voedingswetenschapper, maar ook als een aimabel mens. Met zo'n bagage op zak nam hij vijf jaar geleden de sprong naar business development, onder de vleugels van Delaware. Delaware helpt voedingsbedrijven namelijk om hun processen slimmer en duurzamer te maken door AI en digitale transformatie op een praktische, schaalbare en verantwoorde manier te implementeren.

Alexander Platteeuw: Een man die zich dus voorbereid heeft op de toekomst, en een bedrijf dat dat faciliteert. Een perfecte match. We zijn dan ook bijzonder verheugd om vandaag een stukje inzicht in de toekomst van de voedingsindustrie te krijgen, hier bij ons in de podcaststudio. Welkom, David Swillen.

David Swillen: Dag Alexander. Bedankt dat ik hier mag zijn. Ik kijk ernaar uit.

Alexander Platteeuw: Ja, ik ook, David.

Wat doet Delaware in de voedingsindustrie?

Alexander Platteeuw: Ik zag op je LinkedIn-profiel dat je met van alles en nog wat bezig bent, maar ik associeerde Delaware tot voor kort niet echt met food. Kan je eens toelichten wat Delaware doet in de foodtak? Want jullie doen uiteraard nog veel meer dan dat. Ik zie dat jullie ook in de automotive zitten, de energiewereld, de finance enzovoort.

David Swillen: Ja, het is een bedrijf dat zeer veel takken bedient, maar de foodindustrie is eigenlijk een van onze prioriteiten, ook binnen de focusgroepen binnen Delaware. Wij hebben vandaag een honderdtal klanten die wij bedienen binnen de foodwereld. Dat gaat over allerlei takken: dat kan zuivel zijn, brouwerij — een beetje zoals mijn cv, zou ik zeggen. We hebben zelfs een keer gecheckt: als je zo doorheen de dag iets eet, kom je eigenlijk bij elke maaltijd wel een ingrediënt tegen waar wij ergens in het proces bij betrokken zijn, bij de leveranciers zal ik maar zeggen.

David Swillen: Nu, wat doet Delaware eigenlijk? Wij zijn vooral bekend voor het implementeren van ERP-pakketten. Dus laat ons zeggen: het centrale IT-systeem waarop een heel bedrijf draait. Daar doen we SAP, Microsoft en verdere klassiekers.

David Swillen: Anderzijds — en dat is zeer belangrijk in het kader van vandaag, nu we over AI spreken — zijn er de dataplatformen. Binnen een bedrijf zijn er heel veel databronnen. Die data moet gecapteerd worden en moet dan ook ter beschikking gesteld worden van bijvoorbeeld AI, maar ook van rapportering. Dus dat hele geheel rond dataplatformen doen wij ook.

David Swillen: Daarnaast — en dat is misschien niet zo bekend — doen wij ook heel veel rond wat wij customer experience noemen. Dat zijn vooral interacties. Denk aan portalen, klantenportalen waar klanten bestellingen doen. Daar kan op de achtergrond een link zijn met het ERP-systeem, waarbij bijvoorbeeld automatisch producties in gang gezet worden en productieorders geregeld worden. Dus dat is heel die digitale linkverzorging tussen de verschillende zaken.

David Swillen: Wat wij daarnaast ook doen, zijn een aantal diensten. Iets waar ik zelf aan het hoofd stond: sustainability. Ik denk dat dat voor veel quality managers ook wel bekend in de oren klinkt: ja, wij moeten af en toe wel iets doen rond sustainability. Wij doen bijvoorbeeld heel veel rond EUDR bij voedingsbedrijven vandaag. Dus de koffiebranderij bijvoorbeeld, om de ontbossing tegen te gaan — dat is heel kort door de bocht. Er zijn al sectoren in de voedingsindustrie die daaronder vallen: koffie, cacao zit daaronder, en ook bedrijven die heel veel met verpakkingen doen worden daarmee geconfronteerd. Vlees zit er ook bij.

David Swillen: Daarin hebben we een aantal toolings die we ter beschikking stellen van klanten om hen door dat proces te begeleiden. Want daar zit bijvoorbeeld een soort van digitale rapportering die je moet doen. We zien dat de overheid meer naar rapportering toe verwacht, naar het opnemen van zaken, dataverzameling die voornamelijk digitaal gebeurt en ook digitaal wordt gerapporteerd. Dus daar hebben wij ook een schakel in.

David Swillen: En wat wij vooral willen doen, is over de hele keten heen kijken. Zoals je zei: we hebben verschillende sectoren. In het kader van voeding zijn we bijvoorbeeld bezig met EFSA, waar wij bijvoorbeeld het AI-platform voorzien. Dus dat is leuk om mee te nemen. En ook aan de andere kant van de keten: wij doen ook retail, dus supermarktketens behoren ook tot ons klantenportfolio. Wat ons natuurlijk een unieke kijk geeft op de levensmiddelenindustrie. Dus ja, Delaware is wel bezig met de voedingsindustrie.

Alexander Platteeuw: Maar dus niet alleen de maakindustrie, ook de distributie daarrond.

David Swillen: Ja. De verpakkingsindustrie die de voedingsindustrie bevoorraadt, zit daar ook tussen.

Alexander Platteeuw: Oké, dus het volledige plaatje.

Waarom food een ideale AI-proeftuin is

Alexander Platteeuw: Ik denk dat je al een deel van het antwoord geeft. En wat maakt volgens jullie de foodwereld dan zo'n interessante — ik noem het dan — AI-proeftuin?

David Swillen: Voeding is van nature interessant, zou ik zeggen. AI is niet gelinkt aan één industrie, dat weten we allemaal. Maar wat het voor mij het interessantste maakt bij voeding of levensmiddelen, is vooral de variabiliteit die er is. Grondstoffen die toekomen, vooral als we spreken over verse groenten: dan zeggen we niet van dag tot dag, dan is het van uur tot uur dat het product kan veranderen. Een andere kleur, een andere vochtigheid.

David Swillen: Ook omgevingsparameters. Ik weet nog, in de tijd dat ik paté hielp maken: de temperatuur buiten had een invloed op de stabiliteit van de emulsie. Dus je weet dat er heel veel parameters zijn. We weten allemaal dat ze invloed hebben, maar we kunnen nooit zeggen: dát is het kantelpunt, of dát is het juiste effect. Dat is natuurlijk ideaal voor AI. Die kan op die processen tendensen gaan herkennen.

David Swillen: Verder is er in de voedingsindustrie heel veel technologie aanwezig. Lijnen zijn uitgerust met camera's, met detectoren, met sensoren. Dat zijn allemaal ideale toestellen of deelprocessen waar AI gebruik van kan maken, omdat zij data capteren. En dan zeg je vandaag: ja, wat doen we met die data? Ik kan daar misschien veel meer mee. AI kan daar inzichten uit verwerven die wij eigenlijk niet kunnen zien.

Alexander Platteeuw: Iedereen heeft de mond vol van AI, ook in de voedingsindustrie, ook bij mijn klanten. Maar de meeste mensen zien dat vooral eens verschijnen in een TikTok-filmpje. Of op Instagram, waarbij je je afvraagt: heeft Trump dit nu echt gezegd of niet? Mijn persoonlijk gevoel is dat het bij veel bedrijven, zeker bij de kleinere voedingsbedrijven, nogal een abstract begrip blijft. Wat betekent dit dan voor ons persoonlijk? Dat is leuk op TikTok, maar in ons bedrijf? Leg eens in mensentaal uit: wat is AI voor een voedingsbedrijf, of wat kan het zijn?

AI in mensentaal: genereren, controleren, handelen

David Swillen: Ik ga het misschien nog meer toespitsen op de mensen die luisteren. Dat zijn vooral quality- en quality control-gerelateerde mensen. Ik heb geprobeerd vanuit de point of view van een quality manager te denken en een aantal functionaliteiten weer te geven van wat AI kan doen.

David Swillen: Laat ons beginnen met een van de eerste zaken: iets genereren. Dat zien we inderdaad op TikTok — je kan beelden genereren, je kan prentjes maken, whatever. Maar als we kijken naar een quality manager: wat doet hij, of wat krijgt hij? Jammer genoeg heel veel vragenlijsten. Ik denk dat dat nog altijd zo is. Je krijgt van klant A een vragenlijst…

Alexander Platteeuw: De nagel op de kop.

David Swillen: …en klant B stuurt misschien dezelfde vragenlijst, maar toch nog iets anders geformuleerd. Een vraag bij, een vraag minder. Dat is heel veel werk. Daar kan je AI gaan gebruiken die toegang heeft tot jouw documentatie, waar je normaal je antwoorden uithaalt, en die kan er eigenlijk voor zorgen dat die lijst vooraf ingevuld wordt.

David Swillen: Jij als quality manager krijgt dan een ingevulde lijst, en AI kan dan zelfs weergeven wat we graag zien in quality: groen, geel, rood.

Alexander Platteeuw: Voilà, het verkeerslichtprincipe.

David Swillen: Waarbij AI aangeeft: groen, ik ben er redelijk zeker van; rood, ik weet het eigenlijk niet, maar ik geef toch een antwoord. En het geeft dan ook een bronvermelding waarop het zich gebaseerd heeft. Dat is een tooling die de quality manager heel veel tijd gaat besparen. In het begin ga je alles checken, maar op den duur ga je vertrouwen krijgen in het systeem. Dan zeg je: de groene moet ik misschien niet meer echt bekijken, de rode moet ik natuurlijk zelf gaan doen. En het goede daaraan is dat het systeem altijd blijft bijleren. Je laadt de gecorrigeerde versie weer op en het systeem leert daaruit.

David Swillen: Dat is dus één functionaliteit. En het tweede is controleren. Wat doet een quality manager ook? Veel vragenlijsten uitsturen, naar de leveranciers. Je krijgt die ingevuld terug en dan begint het werk opnieuw: we moeten gaan verifiëren of alles beantwoord is, en of het juist beantwoord is. Ook daar kan AI aan de hand van een template gaan kijken: hoe is die vraag beantwoord, is dat juist, schat ik dat juist in? En die gaat je dan een classificatie geven: die leverancier heeft misschien maar 60% van de vragen correct beantwoord, er is een probleem met vraag 3a, 6 of 16b. Dat is dus een tweede functie, wat we dan een controlerende functie noemen.

David Swillen: Als we dan nog ietsje verder gaan, dan gaan we naar het interpreteren van iets en er actie op ondernemen. En dat is een reëel voorbeeld. Heel veel bedrijven maken gebruik van een algemeen e-mailadres: info@, zelfs voor klachtenregistratie — quality@, complaints@. Daar komt heel wat informatie op toe. Niet enkel klachten, iedereen gebruikt dat e-mailadres.

David Swillen: Wat is er eigenlijk gebeurd? Normaal gezien was het de quality manager die dagelijks door die mailbox ging en dacht: oké, hier zit een klacht tussen. Nu was die persoon op verlof — die manager mag af en toe op verlof gaan, geen probleem. Maar het toeval wilde dat er wel een vervanger was aangeduid die tijdens die afwezigheid de mailbox controleerde, en net die dag was díé ziek.

Alexander Platteeuw: Oei.

David Swillen: Niemand checkte de mailbox. Gelukkig was er wel een AI-systeem actief. Dat ging analyseren, ging scannen: welke mails zijn hier belangrijk, welke vragen om onmiddellijke stappen, naar interpretatie van het AI-model? En dat stuurde dan automatisch een mail naar iemand van de directie. Daardoor creëer je eigenlijk een back-upsysteem: het leest de mail, neemt actie, stuurt een mailtje door — en zo werd het gewaarborgd.

David Swillen: Dus het kan zeer ver gaan. Ik heb geprobeerd om aan de hand van die voorbeelden eenvoudig uit te leggen wat AI kan. Maar voor mij is het vooral een ondersteunende functie. Zo zie ik het eigenlijk. AI gaat je helpen in taken die je anders minutieus moet doen.

Alexander Platteeuw: Repetitieve.

David Swillen: Repetitief, tijdslopend. Daar kan AI echt wel toegevoegde waarde creëren en het iets makkelijker maken.

Alexander Platteeuw: En ik denk ook: het menselijk oog wordt al eens moe. Kijk naar dat voorbeeld van de vragenlijst. Je hebt er vandaag al twintig gecontroleerd; tegen vijf uur 's avonds ben je die laatste vragenlijst niet meer even geconcentreerd aan het bekijken als de eerste.

David Swillen: En AI gaat gewoon door op hetzelfde niveau. Die wordt normaal niet moe.

Automatische kwaliteitscontrole op de lijn

Alexander Platteeuw: Wat ook af en toe in sommige media verschijnt, is de kwaliteitscontrole op de werkvloer, op de lijn zelf, op het product. Sommige mensen denken: oei, dat is echt science fiction. Licht eens toe: hoe ver zijn we vandaag, en wat is misschien nog toekomstmuziek?

David Swillen: Vandaag staan we daar heel ver. Ik ga een voorbeeld geven uit de aardappelchipsindustrie. Er bestaat een lijn die aan de hand van alle sensoren, camerabeelden, luchtvochtigheid en productvochtigheid — gelinkt aan de controleanalyses die op het product gebeurd zijn: krokantheid, uitzicht, kleur — het proces gaat aansturen en bijsturen wanneer er afwijkingen in het proces gezien worden.

David Swillen: Dat gebeurt vandaag echt, waarbij je eigenlijk een continue controle krijgt door het systeem. Het systeem doet een interpretatie en stuurt het proces bij. Quality control verifieert dan het systeem: is het juist, is het niet juist? Zo heb je al lijnen die bijna semi-continue controles doen.

David Swillen: En we zien ook heel veel toepassingen in bedrijven die 's nachts draaien. Dan heb je minder mensen, en die mensen moeten al heel veel taken doen. Dan kan AI wel een oogje in het zeil houden: oké, loopt dat hier zoals het moet? Die gaat de procesdata analyseren en daar heel vroeg afwijkingen in zien, zodat je kunt bijsturen. Dus: zijn we daar ver van af? Nee, het gebeurt al.

Ketendenken: data over bedrijven heen

David Swillen: Naar toekomstmuziek toe — maar dat is misschien heel extreem gedacht van mijzelf. Wij denken vooral in ketens. Als je nu bijvoorbeeld kijkt naar iemand die desserts maakt, roomdesserts. Stel dat we vandaag geen idee hebben van wat eigenlijk de luchtigheid van mijn dessert beïnvloedt. Allez, oké, heel lokaal hebben we daar wel een idee van: die weet wel in zijn eigen bedrijf wat zijn parameters zijn. Maar stel nu dat we helemaal teruggaan in de keten, tot en met het dierenvoeder dat we aan de melkkoe geven.

Alexander Platteeuw: Oké.

David Swillen: Want wij weten dat de voederfabrieken heel veel analyses doen. De melkveehouder doet ook heel veel analyses. De melkfabriek die ertussen zit, ook. Maar eigenlijk zijn dat datasilo's. Die data is beschermd en wordt enkel binnen dat domein gebruikt. Ze blijft daar.

David Swillen: Maar stel nu — utopisch — dat we daar een datalaag over zetten die die data kan gebruiken doorheen de keten. Dan kun je misschien tot de vaststelling komen dat je zegt: als ik weet dat de koe dát voeder krijgt, dan heeft de room die daarvoor gebruikt wordt wel een effect op de luchtigheid van mijn dessert. Dus nu ben ik echt out of the box aan het denken, maar volgens mij kan AI daar wel een tendens in ontdekken.

Alexander Platteeuw: Dat gaat dus wel een enorme samenwerking vergen. Dan moet de data openlijk gedeeld worden.

David Swillen: Maar dat kan anoniem, uiteindelijk. AI gaat niet zeggen: ah ja, maar die melkveehouder doet dit of dat. Nee, het gaat om de data die gecapteerd wordt, en in de data worden dan de tendensen blootgelegd. Dus dat is extreem gedacht, zal ik zeggen. Maar het kan. Je kunt ook kortere ketens gaan bekijken: twee naburige industrieën die gelinkt zijn — hoe kunnen we dat beter op elkaar afstellen? Laat ons dus stapsgewijs beginnen. Maar je vroeg iets voor de toekomst; ik denk dat dat er misschien wel bij hoort.

Alexander Platteeuw: Een zeer mooi aansprekend voorbeeld, inderdaad.

Start to AI: slice the elephant

Alexander Platteeuw: Jullie hebben ondertussen ook een e-book gepubliceerd, getiteld "Hoe voedingsbedrijven AI inzetten en wat jij daarvan kan leren". Ik zou het de luisteraars trouwens warm aanbevelen. Daar staat, heb ik gelezen, dat AI vaak niet van de grond komt omdat het te groot wordt aangepakt.

David Swillen: Ja, ik kan mij daar wel in vinden — ik heb de voorbeelden al gegeven, dat gaat zeer ver. Dat is een mastodont die je binnenhaalt. Het is niet voor het genereren van een presentatie dat je AI binnenhaalt.

David Swillen: Hoe wij dat noemen, is eigenlijk: slice the elephant. Je hebt een olifant — deel hem op in kleine stukjes die behapbaar zijn. En ik weet niet of je sportief bent of niet, Alexander, maar je hebt een hype gehad: Start to Run. Dat kent iedereen, dat heeft iedereen gehoord. Wel, wij hebben zoiets als Start to AI voor bedrijven. Een soort starterkit waarin wij een aantal stappen doorlopen om AI behapbaar te maken.

David Swillen: Ik ga dat heel kort doorlopen. Wat doen we meestal? De eerste stap is een inspiratiesessie: tonen wat er gebeurt in de voedingsindustrie. Wat doen jullie buren, jullie collega's? Waar zijn naburige, gelijkaardige industrieën mee bezig rond AI? Want dan zie je de ogen opengaan: oh, daar hadden we niet aan gedacht.

David Swillen: Tweede stap, zeer belangrijk: we zitten samen met de directie. Waarom? AI is een investering voor je bedrijf. Het is niet van: ik ga nu ChatGPT installeren en mijn lijn gaat automatisch lopen. Nee, er gaan ook wel investeringen nodig zijn — nogmaals, als dat moet mee-evolueren. Dus je moet als bedrijf ergens duidelijk maken waar je naartoe wil met AI, en hoe ver je wil gaan. Dat is strategie. De mensen moeten wel overtuigd zijn om daarin te investeren.

Alexander Platteeuw: Dat is logisch.

David Swillen: En wat wij dan doen: meestal gaan we naar één afdeling, één proces. Meestal een tijdrovend proces waarvan we zeggen: daar gaan we een use case van maken. Daar gaan we in één keer samen op inzoomen en kijken wat AI hier kan doen. Zo leren de mensen wat AI is, welke inspanningen nodig zijn om het systeem te laten werken, maar ook: wat brengt het op, op het einde van de rit?

David Swillen: En eens dat proces is afgerond, kun je zeggen: oké, we gaan meerdere processen doen in die afdeling, we gaan cross-afdeling werken en dan de naburige silo's bekijken. Dan zijn we vertrokken. Maar het is wel belangrijk dat je het stapsgewijs doet, want anders haal je iets binnen en zeg je: ja, wat moet ik hier nu mee beginnen? Hoe begin ik hier eigenlijk aan?

Alexander Platteeuw: En dan zien mensen het waarschijnlijk niet meer zitten.

David Swillen: Uiteindelijk is er nog iets heel belangrijks — en daar gaan we denk ik ook nog over spreken — en dat is het beleid rond AI. AI is een nieuwe technologie die je binnenbrengt in je bedrijf. Het gaat over data die gevoelig is. Wat gaan we daarmee doen? Dus daar helpen wij bedrijven ook mee: vooral het strategische, de ondersteunende policy, wie ermee mag werken enzovoort.

Wat kost het? AI voor kmo's

Alexander Platteeuw: We kennen elkaar wel, en je weet dat ik zelf ook een groot believer ben van de mogelijkheden. Volgens mij zijn die kansen enorm. Mij moet je dus niet overtuigen.

David Swillen: Ik ben ook niet aan het overtuigen, maar ik ben wel enthousiast.

Alexander Platteeuw: Ja, dat merk ik. Daarom heb ik je ook uitgenodigd. In alle andere afleveringen van deze podcast is het ook al aan bod gekomen, en iedere gesprekspartner ziet ook altijd wel het potentieel. Maar als ik dan met die voedingsbedrijven op de werkvloer ga praten en het wordt iets concreter, dan komt er plotseling zoiets van: ja, maar hoeveel gaat mij dat kosten? Dat is er bijvoorbeeld eentje die al eens naar boven komt.

David Swillen: Relevant ook, hè.

Alexander Platteeuw: Zoals je zei: het vraagt een investering en de directie moet erachter staan, uiteraard. Maar zien jullie op die korte tijd dat AI nu aan de oppervlakte is komen drijven, de kosten al dalen, zoals dat eigenlijk altijd is met nieuwe technologie? In het begin kost dat stukken van mensen, en na verloop van tijd is dat betaalbaar voor de man in de straat. Met andere woorden: is AI vandaag al iets voor de kleine kmo, of is dat omwille van de kostprijs nog iets meer voor de grote jongens?

David Swillen: Nee, absoluut niet. De voorbeelden die ik daar gaf, van die vragenlijsten in te vullen: dat is zeer toegankelijk. En daar zijn ook prijsschema's voor, en die zijn betaalbaar. Wat je gaat doen, is meestal betalen per vragenlijst, per case die je kan doen. Er zijn dus systemen ontwikkeld om ook kleinere bedrijven daarmee in contact te brengen, aan een voordelig tarief: oké, jullie hebben misschien maar tien vragenlijsten per jaar. EcoVadis invullen, ook wel bekend bij sommige quality managers — ja, begin er maar aan.

David Swillen: Meestal beginnen bedrijven met één case. Voilà: we gaan een keer proeven, we gaan een keer zien wat dat ons opbrengt. En zo begint dat te groeien. Er zijn dus instapmodellen, zeker. De overheid subsidieert ook hier en daar rond AI.

Alexander Platteeuw: Interessant om weten.

David Swillen: En verder zijn er vooral ook softwareproviders rond AI die aan funding doen. Maar dan moet je wel met een partner samenwerken om jouw project op te zetten, en moet het iets groter zijn. Dan wordt het wel toegankelijk. Dus ik zou zeggen: nee, het is zeker toegankelijk voor kleinere bedrijven.

David Swillen: Eén eenvoudig voorbeeld is Copilot. Dat heb je bij wijze van spreken standaard geïnstalleerd. Maar daar kun je ook al redelijk wat mee — al is het maar meetings capteren, actiepunten enzovoort.

Alexander Platteeuw: Ja, dat is juist.

De werkvloer: lager geschoolde medewerkers en jobvrees

Alexander Platteeuw: Een andere "ja, maar" die ik wel eens hoor, is: ja, maar wij werken met meestal minder geschoolde mensen op de werkvloer. Ten eerste gaan die mensen niet met al die technologie kunnen werken, en ten tweede, als ze het al zouden kunnen, dan gaan ze er ook geen voorstander van zijn, want ze gaan redeneren: oei, dit gaat mijn job afnemen. Hoe zien jullie dat?

David Swillen: Wel, het is een tweeledige vraag, dus ik ga ook tweeledig antwoorden. Wat heel belangrijk is — of wat wij proberen te doen met AI — is dat te embedden in het systeem. Zodat je als gebruiker eigenlijk niet merkt dat er AI aan te pas komt.

David Swillen: Ik ga opnieuw een voorbeeld geven uit de voedingsindustrie. Ik neem nu een aankoper. Je kunt zeggen: dat is geen laaggeschoolde, maar goed, dat maakt niet uit. Wat doet een aankoper die zegt: ik moet een bepaald ingrediënt gaan aankopen? Vandaag de dag gaat hij meestal naar Excel — sommige bedrijven werken nog met Excel. Hij gaat in de Excel kijken en zeggen: oh, daar heb ik een goede relatie mee, weet je wat, ik ga het daar bestellen. Niets mis mee.

David Swillen: Wat kan AI daar doen? Wat wij dan voorzien, is: één, AI heeft toegang tot je volledige database van leveranciers. Twee, je geeft toegang tot alles wat quality control of quality management doet, want zij doen meestal de evaluatie van de leveranciers: leveren die tijdig aan, zijn er klachten geweest, et cetera. Je kan dat koppelen aan financiële parameters, om te zien of er hier een gevaar van financiële aard is waardoor die niet meer kan leveren. Je kan het eventueel koppelen aan internationale recalls, zelfs aan frauduleuze praktijken — daar zijn allemaal databases voor beschikbaar.

David Swillen: En wat gebeurt er dan? De aankoper, in een omgeving waar AI actief is, zegt: ik wil dit ingrediënt gaan aankopen, en selecteert dat in de lijst. Hij krijgt een pop-upvenster waarin direct een overzicht zichtbaar is: dit zijn de mogelijke leveranciers, gerangschikt van hoog naar laag met een score, berekend op deze facetten — en hier een alarm: oei, er is hier iets mis mee, die is slecht in de media gekomen. Waardoor het gebruik eigenlijk gemakkelijker wordt. AI werkt op de achtergrond, die aankoper heeft eigenlijk niets moeten doen.

David Swillen: Je moet bij AI dus niet denken dat het altijd iets is waarbij iemand een prompt, een opdracht moet geven. Nee, het zit ingebed in het proces en gebeurt eigenlijk automatisch. Zelfs die kwaliteitscontroleur aan de lijn gaat een beeld te zien krijgen, al dan niet gegenereerd met AI, met actiepunten — maar hij moet daar zelf eigenlijk geen actie voor ondernemen. Gewoon lezen. En natuurlijk altijd kritisch zijn, dat zijn we allemaal in quality: dat interpreteren en dan zeggen: oké, dit is juist, dat is niet juist.

David Swillen: Dus dat wil ik toch wel nuanceren: het is heel belangrijk dat je het inbedt in het systeem, en dat AI eigenlijk aanwezig is zonder dat je het weet.

David Swillen: Dan de tweede vraag: gaat AI jobs kosten? Als we kijken naar de creatieve sector — wat je allemaal kunt met filmpjes maken en media — dan misschien wel. In de voedingsindustrie zou ik het toch ook wat nuanceren. Het voorbeeld dat ik gegeven heb van die productielijn die al zelfsturend is: die camera's zijn er al, die automatisering in die lijn is er al, die sensoren zijn er al. AI is eigenlijk een laag daarbovenop, die vooral die complexe data gaat capteren, interpreteren en er actie op gaat ondernemen. Dus komt daar een job voor in gevaar? Ik denk het niet. Het gaat zeer ondersteunend zijn voor de persoon die daaraan staat. Die gaat zeggen: ah, nu krijg ik meer inzichten, nu kan ik ook bijsturen, nu zie ik waar het effect zit. Dus ik zie het vooral als: omarm het, gebruik het en pluk er de vruchten van.

Alexander Platteeuw: Ik hoor je eigenlijk ook zeggen: die operator daar aan de lijn is misschien minder geschoold, maar die krijgt gewoon extra tools die hem informatie geven, en je product is beter geborgd, beter gegarandeerd dan vroeger.

David Swillen: Ja, en dat geeft ook een geruststelling aan de quality manager en aan het beleid: oké, wij zijn er nu zeker van dat zaken beter en sneller gecapteerd worden, en de mensen leren daar ook mee werken.

Garbage in, garbage out: datakwaliteit en prompting

Alexander Platteeuw: AI — dat hebben we zelf al ondervonden in ons privéleven, denk ik, als we aan ChatGPT denken: garbage in, garbage out. Je hebt het al in veel van je voorbeelden gezegd, en dat sleutelwoord is data. Op basis van data gaat AI iets doen. Welke rol spelen datakwaliteit en datatoegang dus in de slaagkansen van AI-projecten in de food?

David Swillen: Dat effect is enorm. Hoe beter je data is, hoe beter je antwoord. Ik denk dat dat logisch is. Ik neem aan dat je toch refereert naar het privégebruik van ChatGPT. Misschien een tip: mensen gebruiken dit misschien, maar de eerste regel die ik normaal intik, is: "Gelieve niets te genereren voordat ik go zeg." Het systeem antwoordt dan heel kort: "Ja David, heel goed, ik begin zodra je go zegt." En dan komt het erop neer je prompt te schrijven. Een prompt is eigenlijk een opdracht.

David Swillen: En hoe beter jij dat formuleert, hoe beter jij de logica in het systeem brengt: oké, ik wil dat je zoekt in België, ik wil dat je zoekt op levensmiddelenindustrie, ik wil dat je zoekt op informatie uit 2024 tot 2026. Je gaat dus eigenlijk een beetje afbakenen en zeggen: voilà, in dit kader mag jij gaan zoeken. Je geeft de context. En dan ga je echt een goed antwoord krijgen.

David Swillen: Want anders gaat AI altijd een antwoord genereren, whatever. Dat gaat altijd zeggen: "Ja, ja, Alexander, ik begrijp dit, en het kan zijn dat…" Op zich zijn dat geen slechte antwoorden, maar het is niet concreet genoeg. Je kunt er eigenlijk niets mee. En dat is waar de kunst zit: dat prompt genereren, dat prompt correct zetten. En itereren, zeer belangrijk: kijken van oké, is dat antwoord juist, kan ik misschien nog iets verfijnen? Dus dat is meer dat proces.

David Swillen: Dus het klopt: je data moet beschikbaar zijn en van goede kwaliteit zijn. Je kunt daar zelfs AI voor gebruiken, om een keer te checken of mijn datakwaliteit oké is of niet. Dus ik kan het eigenlijk ook gebruiken om te optimaliseren en te verbeteren.

Vertrouwelijke data, cloud en AI-policy

Alexander Platteeuw: Die data dus: enerzijds de kwaliteit, anderzijds de datatoegang. Bij de grote jongens in de foodwereld is, naar mijn gevoel als ik met die mensen spreek, wel eens de tegenwerping: ja maar, dat systeem gaat leren op basis van mijn data, mijn recepturen, mijn producten, mijn processen. Ik heb geen zin dat een concurrent een systeem gebruikt dat eigenlijk getraind is op wat ik doe. En daarbij denken ze dan misschien ook: ja, die kan dan ook aan mijn data. Ik denk dat er nochtans manieren zijn om een AI-systeem te trainen zonder dat die bedrijfseigen data onder welke vorm dan ook zichtbaar worden voor een andere partij. Hoe zit dat juist?

David Swillen: In de IT-wereld is dat niet abnormaal. Wij zitten nu ook met ERP-pakketten in een move naar de cloud. Je hoort dat ook: ah, onze data zit in de cloud. Dat heeft ook wat tijd gekost voor bedrijven om zich daaroverheen te zetten: mijn data zweeft daar ergens rond, ja, ik vertrouw dat niet, ik wil dat hier fysiek bij mij op de bureau zien. Voilà, díé computer daar, ik weet dat het daarop staat.

David Swillen: Nu, ik heb het al vermeld: een AI-policy opstellen is wel belangrijk in je bedrijf. Wat ga je daarmee doen? Je gaat ergens aanduiden: oké, hiervóór gaan we AI gebruiken, dáárvoor gaan we geen AI gebruiken. Zeer belangrijk. Je kan AI laten lopen op je eigen omgeving en daar gebruiken. Natuurlijk, als je externe bronnen gaat consulteren, dan is er altijd een risico.

David Swillen: Maar vandaag de dag zien we dat bedrijven daar echt op aan het inzetten zijn. AI gaat de wereld veranderen, AI gaat blijvend zijn, en je ziet dat er volop wordt ingezet op de beveiliging van systemen: dat de data zeer anoniem is, dat die niet gecapteerd kan worden door andere bedrijven. Daar zijn echt specialisten voor. Die hebben we ook in huis bij Delaware, mensen die echt op die securitylaag rond AI bezig zijn.

David Swillen: Maar het is niet zo dat we ChatGPT gaan installeren bij een klant en zeggen: gebruik dat maar. Want dat is publiek. Daar moet je je van bewust zijn: haal dat niet binnen.

Alexander Platteeuw: Je had wel het voorbeeld uit de zuivel, van de datasilo's vandaag. Laat ons daar een laag bovenop leggen — dat vraagt natuurlijk wel een openheid, dat opstellen.

David Swillen: Dat klopt. Maar het is vooral kijken: wat halen we eruit? En wat is de win-win voor alle partijen die zich engageren? Natuurlijk moet er een engagement zijn tussen de verschillende bedrijven, maar het kan misschien leiden tot inzichten die er vandaag niet zijn en die de algemene business gaan verbeteren. Dus daar zou ik gewoon zeggen: ja, open mind, kijk wat er mogelijk is. Natuurlijk de grenzen goed bepalen: welke data delen we, hoe wordt die gedeeld? Ja, het is wel een uitdaging, laat ons daar eerlijk in zijn.

Alexander Platteeuw: Maar zie je dat bedrijven daar al in mindset aan het veranderen zijn?

David Swillen: Ja. Bij de zeer grote bedrijven zijn wij vandaag vooral met strategie bezig, met policy bezig: hoe wordt dit gebruikt? Dat zien we wel in de markt, ja, daar gebeurt de beweging.

Agentic AI: drie sprekende voorbeelden

Alexander Platteeuw: Een andere term is "agentic". Dat klinkt spannend natuurlijk: systemen die zelf beslissingen nemen. Je vraagt aan een systeem om te analyseren, en als het ergens een fout opmerkt, moet het zelf bijsturen. Je hebt het voorbeeld gegeven van de aardappelchips. En dan gaat het misschien ook wel een mail sturen naar quality, waarin het zegt: kijk, dit is het rapport van de voorbije shift. En naar de technische dienst: by the way, jongens, dat onderdeel begint wel op het einde van zijn levensduur te geraken, dat zouden jullie best eens bijstellen of onderhouden. Dat zijn zaken die pakweg drie jaar geleden nog niet bestonden. Heb je nog sprekende voorbeelden van die AI?

David Swillen: Ja, ik heb er wel nog een paar. Concreet: ik ben even teruggegaan naar mijn roots. Zoals je weet, heb ik in de diepvriesgroentesector gewerkt. Er is vandaag een bedrijf in België dat daar een testcase rond AI heeft gedaan.

David Swillen: Belangrijk in de diepvriessector, of in de groentesector, is vooral dat je je productielijn continu blijft aanvullen. De goederen moeten toekomen, die moeten in die lijn gaan, en je wil eigenlijk de tijd tussen blancheren en invriezen zo kort mogelijk houden.

Alexander Platteeuw: Juist.

David Swillen: Dat is een hele uitdaging, want je hebt landbouwer A die daar zit, landbouwer B die aan een heel andere kant ligt, en het weer heeft een invloed. Wat hebben ze daar gedaan? Ze hebben echt een studie gedaan: oké, we gaan een aantal parameters meenemen in het AI-model. De afstand tot de fabriek. De weersomstandigheden: gaat het regenen, want dat heeft een invloed op de snelheid waarmee er geoogst kan worden, of er überhaupt geoogst kan worden. De aanvoer aan de fabriek zelf: hoe druk is het daar? Camera's. De invoer van de lijn — zij weten ongeveer wat het rendement van hun lijn is, algemeen opgevolgd door data, enzovoort. Ze hebben daar AI een keer op losgelaten en gezegd: we willen dat AI aanstuurt naar een optimale aanlevering, om ons proces zo kort mogelijk te houden.

David Swillen: Een gok: hoeveel procent heeft dat opgebracht?

Alexander Platteeuw: Minder stilstanden, want dat is het grootste probleem: dat de lijn stopt. Tien procent?

David Swillen: Zesentwintig procent.

Alexander Platteeuw: Ja.

David Swillen: Dan zie je dus dat AI wel in staat is om zeer complexe zaken te analyseren, te combineren en daar ook acties in te ondernemen die wel degelijk iets doen.

David Swillen: Een ander voorbeeld, dan gaan we meer naar retail toe, naar klanten toe. Vooral in de versmarkt: zeer belangrijk, verse producten, we weten allemaal, korte keten. Je wil daar zeker niet te weinig van produceren, want het moet verkocht raken. Je wil ook niet te veel produceren, want het heeft maar een beperkte houdbaarheid.

David Swillen: Wat hebben we daar gedaan? De broodmachine die wel bekend is in de supermarkt: je stopt daar je brood in en je snijdt dat, de meeste mensen doen dat. Daar hebben we ook eens een AI-proces op losgelaten. Wat deed AI? Herkennen welk brood er op dat moment gesneden werd. Waarom? Om de aanvoer te kunnen garanderen. Want het ene brood verkoopt niet altijd even goed, en doorheen de dag kan dat fluctueren, dat kan van periode tot periode variëren. Daar wilde dat bedrijf inzicht in hebben. En dat hebben ze door AI te gebruiken: kijken wat het verbruik nu is, moet er bijgeproduceerd worden, moet dat bijgesteld worden? Ik denk dat we daar drie jaar geleden misschien alleen nog maar van droomden. Daar zou een keer mee gelachen worden.

David Swillen: Er zijn er vooral ook diepvriezers: AI-diepvriezers die zien welke producten eruit gaan. Oké, daar is de houdbaarheid ietsje langer, maar je kunt ook in de frigo's gaan kijken, waar er toch een soort captatie is van: wat gaat hieruit, moet er eventueel bijgestuurd worden? En dat kan naar je warehouse management system zelf gaan: zet dat product hier dicht bij de deur, want dit beweegt veel sneller.

David Swillen: En dan nog eentje. Dat is misschien vooral iets voor ons, maar eigenlijk ook voor quality managers: er wordt heel veel training gegeven. Ik ga voor mezelf spreken: de maandagmorgen gaat misschien niet zo vlot als de woensdagnamiddag. Allez, ik weet niet hoe dat komt, maar bij mezelf merk ik dat soms op: misschien geef ik dan niet net dezelfde voorbeelden, ben ik misschien ietsje minder enthousiast, was het verkeer druk, whatever.

David Swillen: Wat wij nu doen — want wij hebben heel veel opleidingen, we willen altijd up-to-date zijn — er zijn vandaag trainingsmodellen die werken met avatars. Niet enkel de film Avatar moet je daarbij in beeld hebben: een avatar is eigenlijk een chatbot, maar het is een persoon die de les geeft. Altijd in dezelfde kwaliteit, maar ook interactief. Dat is een wondere wereld. Want nu moet niemand meer gaan bellen op een onmogelijk uur om die opleiding te kunnen volgen. Nee, die kan dezelfde opleiding in dezelfde kwaliteit op afstand volgen wanneer hij wil. En het gaat een persoonlijk gevoel geven, een interactief gevoel. De eerste keer heb ik mezelf betrapt: is dit nu AI of niet? Natuurlijk begin je dat wel te merken, maar wetende dat dit ook nog maar het begin is…

Alexander Platteeuw: Het staat al zeer ver. Ik vind het ook magisch.

Productontwikkeling over tien jaar

Alexander Platteeuw: Iets anders waarin jij uiteraard ook je sporen verdiend hebt, is productontwikkeling. Toen we elkaar de eerste keer tegenkwamen, zat je in die rol. Zie jij die job nog bestaan over pakweg tien jaar? Want ook met AI denk ik: met de juiste tools gaat een AI-tool een ontwikkeling voorstellen — oké, déze ingrediënten, déze additieven, en dat zal het gewenste resultaat geven.

David Swillen: Oh nee, eigenlijk niet. Ik ben ervan overtuigd dat die job zeker gaat blijven bestaan. Waarom? Je hebt nog zaken die voor mij vandaag zeer moeilijk in data om te zetten zijn. Spreek over smaak.

Alexander Platteeuw: Kleur, denk ik, gaat al redelijk.

David Swillen: Krokantheid, ja, daar kunnen we over discussiëren — ik weet dat ze daar aan de universiteiten mee bezig zijn. Mondgevoel. Oké, je kan alles in data gaan omzetten. Maar vooral: je hebt toch menselijke interactie nodig, je hebt menselijke inspiratie nodig. Je kan dat niet volledig laten sturen door AI. Ik denk dat dat niet gaat werken.

David Swillen: Wat wel zo is: omarm het. Vroeger wilde ik een keer een gerecht maken — ik zat toen in de visindustrie — en ik wilde een vispannetje maken, maar met een Braziliaanse touch. Ik heb echt het internet moeten afzoeken, kookboeken moeten doorzoeken: zit hier iets toepasbaars in? Ik denk dat als ik vandaag in een goede interactie met AI iets vraag, gericht vraag, dat ik wel een aantal voorstellen ga krijgen. Dus dat maakt het weer gemakkelijker, het kan je helpen, het kan je inzichten geven. Maar op het einde van de dag hoop ik dat jij het maakt. En dat je kijkt: is het voor de Europese markt of niet?

David Swillen: Dus ik zie het vooral als een uitbreiding, als tooling die je kan gebruiken. Ja, zeker doen. Maar het menselijk vernuft, het interpreteren van data, het echt proeven — allez, zeker in productontwikkeling: nee. Ondersteunend kan het wel.

Alexander Platteeuw: Maar goed, misschien spreken we elkaar binnen tien jaar terug.

David Swillen: Ja, altijd welkom om dan opnieuw te komen en een update te geven.

Low hanging fruit: waar begin je vandaag?

Alexander Platteeuw: Nu, wat zijn volgens jou vandaag de grootste low hanging fruits voor foodbedrijven die met AI willen starten?

David Swillen: Ik denk dat ik een aantal voorbeelden al benoemd heb. Voor mij gaat het in de foodwereld vooral over repetitieve zaken die je doet en die heel veel tijd in beslag nemen. Dat is ook een deel van de oefening: wat gaan wij doen? We gaan in een bedrijf echt een keer een analyse maken. Wat is hier nu de low hanging fruit?

David Swillen: Want dat is ook het gevaar met AI: ineens zie je alle mogelijkheden. Ah ja, we gaan dát daar doen, we gaan predictief onderhoud doen — ooit al van gehoord? Dat is AI die gaat voorspellen, zoals een dokter: oei, daar gaan we toch eens moeten naar kijken. Een lasnaad in de fabriek kan ook opgevolgd worden, en op tijd zeggen: nu moet die machine bijgesteld worden. Allez, de mogelijkheden zijn echt enorm. Daar is het echt afbakenen en zeggen: kijk, we gaan samen een keer door het proces gaan en we gaan daar de belangrijkste zaken uithalen.

David Swillen: Dus dát is de low hanging fruit. Eigenlijk zou je zeggen: alle processen die heel veel tijd in beslag nemen, die lang duren — kijk daar eerst naar. Waar is de winst? Je kunt samenvattingen van Teams-meetings doen, maar ik hoop dat iedereen dat al doet, want die functionaliteit is er al.

Alexander Platteeuw: Pas op, ik weet niet of iedereen dat al doet, hoor.

David Swillen: Goed, het is een tip.

Eén advies, en afsluiting

Alexander Platteeuw: Stel: je mag een voedingsbedrijf één advies geven om er morgen mee te beginnen. Wat zou dat zijn?

David Swillen: Dat is een open doel: contacteer Delaware. Nu, wat ik daar heel belangrijk aan vind, is dat het leeft bij de klant, bij het bedrijf zelf. Stel daar een team samen van verschillende mensen die zich willen engageren om dat project te dragen. Het advies is wel: laat je begeleiden, want anders gaat het alle kanten op.

David Swillen: Maar het is wel heel belangrijk dat het bedrijf erachter staat, dat het het potentieel wil zien en zegt: vandaag staan we hier, morgen willen we dat doen, en over tien jaar willen we daar naartoe groeien. Dan heb je ook wel een partner nodig die je doorheen dat proces begeleidt, want simpel is het niet, en niemand weet waar we binnen tien jaar staan.

Alexander Platteeuw: Het verandert natuurlijk. Wie had ooit gedacht dat we dit soort gesprek gingen hebben?

David Swillen: Inderdaad. Het gaat zich altijd bijstellen. Ook daar is het belangrijk om met een partner te werken die weet: oké, dit komt eraan. Iemand die een beetje vooruit kan kijken samen met het bedrijf. En ook die policy's, die strategieën schrijven — daar kun je wel steun bij gebruiken.

Alexander Platteeuw: David, hartelijk dank voor het enthousiaste gesprek.

David Swillen: Ik hoop dat het even enthousiast overkwam.

Alexander Platteeuw: Ik was al enthousiast, maar ik ben nu nog enthousiaster geworden. Ik hoop onze luisteraars en onze kijkers ook. En ik zou zeggen: blijf ons op de hoogte houden van de evoluties. Want zoals je zelf net gezegd hebt, het evolueert razendsnel. En dat komt soms nogal zwaar over bij veel mensen, veel managers: wat komt er hier in godsnaam allemaal op ons af?

David Swillen: Ik hoop dat ik vandaag een beetje toelichting heb kunnen geven, dat het voor de luisteraar een beetje duidelijk geworden is wat AI is en wat we ermee kunnen doen. En laat ons ermee aan de slag gaan. Omarm het.

Alexander Platteeuw: Super. Oké David, bedankt.

David Swillen: Graag gedaan.

Alexander Platteeuw: Dit was Better Food Safe Than Sorry, de podcast voor de nieuwsgierige voedselveiligheidspassionata. Bedankt om te luisteren. Wil je meer inzichten? Word dan VIP-member van foodsafety.academy of surf naar aplusquality.be.