AI verandert onze sector
in Maakindustrie

Het korte antwoord

De vraag is niet wat AI kan doen. Het gaat erom welk deel van je bijdrage per machine-uur goedkoper wordt voor iemand anders om te leveren. Bij fabrikanten komt dit op een specifieke plek naar voren. De getallen die het antwoord dragen zijn bijdrage per machine-uur en capaciteitsbenutting. De complicatie in deze sector is dat het $45M automatiseringsplan afhangt van juist die klant die het margeprobleem veroorzaakt. De algemene versie van dit probleem en de situatie waarin je zit vragen om andere eerste stappen.

De meeste AI-strategiegesprekken starten bij wat mogelijk is en eindigen nergens, omdat mogelijkheden niet de variabele zijn die uitkomsten bepaalt. De variabele is of het werk dat de bijdrage per machine-uur bepaalt, dramatisch goedkoper wordt voor een concurrent of voor de geconcentreerde klant om zelf te produceren.

Dat is regel voor regel te beantwoorden. Voor elke omzetlijn: welk deel van de kosten is het werk dat geautomatiseerd wordt, hoeveel van je prijs wordt verdedigd door iets anders dan dat werk, en hoe snel kan een geloofwaardige concurrent gelijke tred houden op scrap rate of omsteltijd.

De ongemakkelijke uitkomst is meestal dat de blootgestelde lijnen de winstgevende zijn, omdat hoge bijdrage per machine-uur meestal rust op het informatie-werk dat takt en benutting bepaalt. De reactie is zelden sneller adopteren; het is wat je in rekening brengt verplaatsen naar wat de automatisering waardevoller maakt in plaats van minder, voordat het $45M-plan instort met de klant die al marge onder druk zet.

Hoe je ziet dat dit jouw probleem is

Deze drie samen zijn het kenmerk. Eén op zichzelf wijst meestal ergens anders op.

✓ Bijdrage per machine-uur daalt op dezelfde lijnen waar benutting stabiel lijkt.
✓ De klant die het meeste volume drijft, begint te vragen waarom omsteltijd of scrap rate nog steeds de levertijd bepaalt.
✓ Een nieuwere concurrent offert hetzelfde onderdeel aan voor een fractie van de huidige prijs terwijl de vereiste takt gehaald wordt.

De stap die het meestal erger maakt. De tools adopteren zonder te veranderen waar je voor rekent, waardoor je kosten per machine-uur en je prijs tegelijk dalen en de marge waar die was blijft.

Who this is for — and who it is not

It is for you if you run or finance a manufacturer and the pressure is showing up as price, not as lost deals. It is the situation where the numbers are available but nobody has put them in an order that produces a decision.

It is not for you if Percision is the wrong tool if you already know the answer and only need execution capacity, or if the business is pre-revenue — then the constraint is evidence about the market, not analysis of your own figures. Percision is not a lawyer, tax advisor, auditor, licensed appraiser, clinical or regulatory filer, or an AI implementation shop. It does not do HR casework, creative-only brand work, or impersonate a named consulting firm. It is a strategy analysis engine — not a template library. Also wrong if you need facilitation, politics, or someone to sit with a lender or buyer. Those are human jobs.

Percision is not a lawyer, tax advisor, auditor, licensed appraiser, clinical or regulatory filer, or an AI implementation shop. It does not do HR casework, creative-only brand work, or impersonate a named consulting firm. It is a strategy analysis engine — not a template library.

Hoe dit eruitziet als de analyse echt draait

Below is an excerpt from a real run of this analysis on een fabrikant. It is a sample profile rather than a customer, and it is engine output translated from English — this is the format you get, on your own numbers.

The subject is Kessler Industrial Components, a sample company profile used for testing rather than a customer — $310M revenue, three plants.

This is one move out of a full analysis. Read a complete report — every page, no email required.

Wat de engine met deze vraag doet

This question routes to AI Horizon, one of 29 engagements the platform runs. For fabrikanten it works through contribution per machine hour, capacity utilisation, customer concentration and scrap, then produces the sequence rather than a list of options — which move first, what it funds, and the observation that would say the sequence is wrong.

You watch the analysis get built before paying anything. Lees hier een volledig rapport if you would rather see the depth first.

Vragen die mensen hierover stellen

Moeten we AI in ons product bouwen of eerst intern gebruiken?

Intern eerst is meestal juist, omdat het bewijs oplevert over je eigen economie voordat je klanten beloftes doet. De uitzondering is wanneer een concurrent al de verwachting van de klant heeft veranderd, want dan komt interne efficiëntie te laat.

Hoe snel gaat dit echt in mijn sector?

Beoordeel op prijs, niet op aankondigingen. Wanneer de marktprijs voor wat je verkoopt begint te dalen, is de verstoring gearriveerd, ongeacht wat de technologie kan laten zien.

Wat als we te klein zijn om hierin te investeren?

Kleinere bedrijven hebben meestal het voordeel dat ze snel kunnen veranderen waar ze voor rekenen. De zet die telt is herpositioneren, en dat is goedkoper voor jou dan voor een gevestigde speler met een grote basis om te beschermen.

Is this different in manufacturing than in other industries?

Materially, yes. The $45M automation case depends on the very customer that causes the margin problem — which changes both the diagnosis and the order of the fixes. The metrics that decide it here are contribution per machine hour, capacity utilisation, customer concentration, and an answer built on industry-general benchmarks will usually point at the wrong one first.

What data do I need before this analysis is worth running for a manufacturer?

Less than most people expect. Your last twelve months of revenue and cost split the way you already split it, plus whatever you hold on contribution per machine hour and capacity utilisation. The analysis is explicit about what it is assuming where your data stops, which is more useful than waiting for numbers you may never have.

When is Percision the wrong tool?

Percision is the wrong tool if you already know the answer and only need execution capacity, or if the business is pre-revenue — then the constraint is evidence about the market, not analysis of your own figures. Percision is not a lawyer, tax advisor, auditor, licensed appraiser, clinical or regulatory filer, or an AI implementation shop. It does not do HR casework, creative-only brand work, or impersonate a named consulting firm. It is a strategy analysis engine — not a template library. Also wrong if you need facilitation, politics, or someone to sit with a lender or buyer. Those are human jobs.

Does Percision replace a lawyer, tax advisor, auditor, or AI implementation team?

Percision is not a lawyer, tax advisor, auditor, licensed appraiser, clinical or regulatory filer, or an AI implementation shop. It does not do HR casework, creative-only brand work, or impersonate a named consulting firm. It is a strategy analysis engine — not a template library.