S&OP heeft zich geleidelijk ontwikkeld van het op korte termijn balanceren van vraag en aanbod tot het belangrijkste tactische bedrijfsplanningsproces, waarin marketing, sales, demand planning, supply planning en financiële planning samenkomen. Hoewel nog niet veel bedrijven dit niveau van volwaardige Integrated Business Planning hebben bereikt, laten de koplopers zien dat het inmiddels absoluut haalbaar is en enorme waarde kan toevoegen.
Technologie heeft een essentiële rol gespeeld in deze ontwikkeling. De visie achter Integrated Business Planning bestaat al tientallen jaren, maar zonder ondersteunende technologie was deze moeilijk te realiseren. Cloudcomputing, de omzetting van volumes naar financiële waarde, aggregatie en desaggregatie, scenarioplanning en het werken met onvolledige masterdata bleken essentieel om IBP in de praktijk mogelijk te maken.
Het veranderkundige aspect blijft uiteraard belangrijk, maar dankzij deze essentiële bouwstenen ligt IBP inmiddels binnen het bereik van iedere professionele organisatie die de voordelen ervan wil benutten.
De voor de hand liggende vraag is in hoeverre AI invloed zal hebben op IBP. Zal agentic AI de besluitvorming overnemen, het IBP-proces revolutioneren en eindelijk de visie van ‘no-touch’ of ‘lights-out planning’ mogelijk maken?
Wij denken van niet. Naar onze mening zorgt het complexe, functieoverstijgende en tactische karakter van IBP ervoor dat mensen ook de komende jaren de leiding zullen houden. Zij maken afwegingen over verschillende functiegebieden heen voor de middellange termijn en stemmen deze af op de strategie van de organisatie.
De impact van AI op IBP zal echter aanzienlijk zijn. AI verbetert de beslissingsondersteuning en kan mogelijk nieuwe onderwerpen aan de agenda toevoegen. Geleidelijk zal AI zijn weg vinden binnen IBP en dan met name binnen de aanleverende en ondersteunende processen. Laten we enkele belangrijke voorbeelden bekijken die dit illustreren, zonder te pretenderen volledig te zijn.
Er is al veel gezegd over AI binnen Advanced Planning Systems (APS). Belangrijke toepassingen zijn forecasting met machine learning op basis van oorzakelijke factoren, exception management, automatische scenarioanalyses en LLM’s die de gebruikersinterface verrijken. Deze toepassingen helpen om de nauwkeurigheid van forecasts en het serviceniveau te verbeteren, het werkkapitaal te optimaliseren en planners efficiënter te laten werken. In een afzonderlijk artikel gaan we dieper in op de groeiende rol van AI binnen APS.
Afhankelijk van de flexibiliteit van de sourcingmatrix kan continue netwerkoptimalisatie enorme besparingen opleveren, met name voor multinationale ondernemingen. De traditionele aanpak bestaat uit een grootschalig onderzoek dat eens in de vijf jaar wordt uitgevoerd, gevolgd door een meerjarig programma om de aanbevelingen te implementeren. Moderne, door AI ondersteunde tools veranderen deze aanpak in hoog tempo. Netwerkoptimalisatie krijgt hierdoor een veel continuër karakter en kan zelfs worden geïntegreerd in het maandelijkse IBP-proces.
Het gebruik van AI-native tools zoals Optilogic is zoveel eenvoudiger dan dat van meer traditionele tools, dat bedrijven hiermee grotendeels zelfstandig kunnen werken. Het onderliggende operations-researchplatform verschilt misschien niet eens zoveel van dat van traditionele tools, maar de manier waarop je ermee communiceert, de verwerking van data en de mogelijkheden om de resultaten te analyseren, zijn door AI volledig veranderd.
Meer over dit onderwerp lees je in deze blog.
Een belangrijk onderdeel van de ontwikkeling naar een hoger IBP-volwassenheidsniveau is het meten van de kwaliteit aan de hand van assessments. Zonder voortdurende en consistente metingen is het moeilijk om de volwassenheid van IBP te verbeteren of zelfs maar op peil te houden. Idealiter worden deze assessments uitgevoerd door een centraal team, maar daarvoor zijn aanzienlijke middelen nodig die in de meeste organisaties niet beschikbaar zijn. Veel bedrijven kiezen daarom voor jaarlijkse zelfevaluaties, wat ten koste gaat van de kwaliteit, consistentie en onafhankelijkheid.
Daarom hebben wij een volledig geautomatiseerde, AI-gebaseerde assessmenttool ontwikkeld. Deze tool kan S&OP- en IBP-professionals bovendien coachen en zo helpen om het proces verder te verbeteren.
Sinds eind 2025 heeft AI-ondersteunde softwareontwikkeling een enorme vlucht genomen. Hierdoor zijn eindeloos veel mogelijkheden ontstaan, waaronder het ‘opvullen van gaten’: het ontwikkelen van maatwerkoplossingen voor unieke, complexe of ontbrekende functionaliteiten binnen het systeemlandschap van een organisatie.
Door het functieoverstijgende en complexe karakter van IBP is het zeer aannemelijk dat de reguliere systemen niet alle benodigde beslissingsondersteuning bieden. AI-ondersteund programmeren kan hiervoor een gestructureerde oplossing bieden, zonder dat organisaties hoeven terug te vallen op complexe Excel-oplossingen.
Meer over AI-coded apps lees je hier.
Het heeft tientallen jaren geduurd voordat technologie grootschalige toepassing van IBP mogelijk maakte. Zelfs nu hebben de meeste bedrijven hun tactische planningsproces nog niet verder ontwikkeld dan een solide S&OP-proces. AI ontwikkelt zich echter met zo’n ongekende snelheid dat de impact ervan op IBP waarschijnlijk vele malen sneller merkbaar zal zijn. Toch verwachten wij dat de besluitvorming binnen IBP de komende jaren grotendeels mensenwerk blijft, met uitzondering van routinematige beslissingen die door AI-agents worden afgehandeld.
De huidige, door AI gedreven ontwikkeling van IBP vindt vooral plaats binnen de aanleverende en ondersteunende processen. Hierdoor ontstaat een niveau van kwaliteit en flexibiliteit in beslissingsondersteuning dat tot voor kort ondenkbaar was.
Bedrijven moeten deze ontwikkelingen niet onderschatten en tijdig aanhaken om concurrerend te blijven. Iedereen experimenteert met AI, maar er is een duidelijke visie en strategie nodig om daadwerkelijk bedrijfswaarde te realiseren voordat een ander dat doet. Ben je nog niet begonnen? Dan is dit het moment.