Achter de tech
Wat als je asset tracking je problemen niet alleen toonde, maar ze ook oploste? Ik geloof dat asset tracking die kant op gaat. Maak kennis met onze agents. Ik toon ze aan het werk in echte operaties in het veld, gebouwd door domeinexperts in plaats van engineers, en ik leg uit hoe we dat mogelijk maken. Onderweg deel ik wat AI volgens mij zou moeten kosten, en waarom de meeste van onze agents geschreven zijn met een LLM maar er bewust niet op draaien.
Ik eindigde mijn vorige post met een vraag: AI-assistenten beantwoorden de vragen die je stelt en doen de taken die je hen geeft. Maar wat met de vragen waar je nooit aan denkt? En de vragen die niemand de hele dag wil stellen? Je wilt je niet afvragen of de transporten van vannacht goed verlopen zijn; je wilt iets dat ze dag en nacht in het oog houdt en je, als een transport misloopt, vertelt wie verantwoordelijk is, met het telefoontje naar die partij al ingepland als taak. Iets dat je rugdekking geeft.
Maak kennis met de agents. Een agent is in onze wereld een 24/7-helper met één specifieke taak. Hij observeert voortdurend je trackers en je operaties. Hij beslist wat gezond is en wat aandacht vraagt. En hij handelt: instellingen in het platform aanpassen, een rapport of dashboard op maat voor je neus zetten, een taak aanmaken in een ander systeem, of de juiste persoon verwittigen met het bewijs al in bijlage. De voordelen zijn duidelijk. Ten eerste weet je het snel en kun je snel handelen, omdat problemen opduiken op het moment dat ze gebeuren. Ten tweede schaal je op zonder extra mensen aan te nemen, omdat agents het routinematige opvolgen overnemen terwijl je team de beslissingen houdt. En ten derde gaat de kwaliteit omhoog, omdat agents niet moe worden en geen alerts missen.
Ik toon je er twee aan het werk bij echte klanten. De eerste is een field agent: het type dat de trackingopstelling zelf bewaakt. Een van onze grotere klanten volgt zo’n 30.000 assets met BLE-tags, gelokaliseerd via 2.800 vaste zone-ankers verspreid over hun sites. Vóór de agents kreeg de operations manager voortdurend vragen over de scanopstelling, en hij had nooit de tijd om ze uit te zoeken. Waarom verscheen deze bok in de verkeerde zone, en waarom was die andere twee dagen van de kaart verdwenen? Faalde een tag, of een anker? En met elke maand meer tags in gebruik: moet de configuratie opnieuw afgesteld worden, of hebben we extra zone-ankers nodig, en waar? Niemand kon daar een antwoord op geven zonder een dag in de data te graven, of met een telefoon in de hand naar de site te gaan.
Vandaag weet de BLE Infrastructure Optimizer-agent het. Hij voert voortdurend gezondheidscontroles uit op de volledige scaninfrastructuur: hoe goed scant elk anker, hoeveel tags ziet het, verschuift de signaalkwaliteit, en springen tags heen en weer tussen ankers?
In zijn eerste week op het werk signaleerde een van die controles een zwakke schakel: één enkel zone-anker waar 823 tags van afhankelijk waren geworden. Eén kastje aan één muur; één congestierisico voor een hele zone. De agent handelde op twee niveaus. Hij herconfigureerde het anker meteen met een langere scantijd, als tijdelijke workaround, zodat geen enkele tag gemist zou worden. En hij stelde de structurele oplossing voor, twee nieuwe zone-ankers op die plek, met de installatietaak klaar voor de teams. De manager keurde het goed, en de workaround hield stand tot de nieuwe ankers er hingen. Geen dashboard-archeologie, en niemand die moest wachten tot iemand toevallig over het probleem struikelde. Gewoon gemoedsrust. Elke asset blijft op de kaart verschijnen, op een locatie die je kunt vertrouwen.
En dit is geen luxe voor grote vloten. Het telt zelfs meer voor kleinere vloten: onze klant met 30.000 assets had tenminste nog een operations manager die vragen over de opstelling opving. Een klant met een paar honderd tags heeft daar helemaal niemand voor. Daarom draait dezelfde agent daar vandaag ook.
De tweede agent is een operation agent: het type dat werkt aan je bedrijfsprocessen. Hier is een case van een van onze toeleveranciers in de automotive. Ze kregen telkens motoren binnen die tijdens het transport beschadigd waren. Ze wisten niet waar het gebeurde, en ze wisten niet wie verantwoordelijk was. De verpakking waarin die motoren reizen, draagt trackers die niet alleen de locatie vastleggen, maar ook schokken. Tot nu toe was het analyseren van die schokken samen met locaties en mogelijke verantwoordelijken een moeizame zoektocht door verschillende databronnen. Het is precies het soort case dat een operation agent vandaag oplost.
De handling detective doorzoekt die schokdata voortdurend en vindt de hotspots waar goederen ruw behandeld worden. Rond een verdachte locatie maakt hij een observatiezone aan, volgt hij hoeveel schokken er gebeuren en hoe zwaar ze zijn, en beoordeelt hij het risico. Dan komt het deel dat inzicht omzet in actie: hij legt de transportdocumenten uit het ERP van de klant ernaast, wijst de vervoerder aan die het meest waarschijnlijk verantwoordelijk is, met een betrouwbaarheidsscore erbij, en maakt een taak aan zodat iemand die vervoerder contacteert voordat de volgende motor beschadigd raakt.
Er is een catalogus met kant-en-klare agents in het platform: kies de helper die je nodig hebt, beantwoord een paar vragen om hem in te stellen, en hij staat in enkele minuten live. Geen code, geen consultants. En als hij niet helemaal op maat van je noden is, bouwen wij er een op maat, of doet een van onze partners dat, en staat hij in enkele dagen live. Herinner je je de doos Lego uit deel 1, het horizontale platform dat krachtig is maar op maat van niemand? Agents zijn de manier waarop de laatste stukjes eindelijk voor jouw proces gebouwd worden.
En wat kost dat? Hier is mijn mening. Een groot deel van de softwaresector plakt AI op zijn prijslijst als betaalde add-on. Ik geloof niet in dat model, en als koper word ik er zenuwachtig van. De meeste softwareoplossingen gebruiken AI, ze maken geen AI zoals Anthropic of OpenAI dat doen. Dus is er bij Sensolus geen AI-pakket en geen AI-toeslag. We prijzen zoals we altijd deden; je krijgt er gewoon meer voor.
En wat met de AI-tokens? Wel, een groot deel van onze agents gebruikt helemaal geen taalmodel. Ze draaien op deterministische logica: dezelfde input, hetzelfde antwoord, elke keer weer. Voorspelbare code waar het kan, AI waar het duidelijk waarde toevoegt. We spenderen alleen AI-tokens als de waarde duidelijk is. Als een operation agent wel een LLM gebruikt, breng je je eigen API-sleutel mee en betaal je je AI-provider rechtstreeks; wij nemen geen marge op tokens. En hoewel de meeste agents niet op een LLM draaien, zijn bijna allemaal geschreven met een LLM. Een goede agent bouwen met een LLM vraagt mensen die asset tracking en jouw proces kennen, niet alleen het model. Ik geloof ook sterk dat “wat heeft je AI je vorige maand gekost?” binnen twee jaar een standaardvraag wordt bij aankopen.
Blijft er één vraag over: bouw je je eigen applicaties op de AI-connectors uit deel 3, of draai je agents binnen het trackingplatform? We leerden het antwoord in huis, en het is niet het een of het ander. Voor een ad-hocvraag vraagt iedereen hier, onze engineers inbegrepen, het gewoon aan een assistent bovenop onze AI-connectors. Maar als een vraag steeds terugkomt, schreven onze engineers de agent als een losstaande app, en één voor één verhuisden die apps terug naar het platform. Waarom?
Een deel van het antwoord klinkt saai tot de dag dat het ertoe doet. Binnen het platform worden hosting, beveiliging en updates centraal geregeld, en staat één partij in voor de volledige stack, van begin tot eind. Bovendien begint een agent met de bouwstenen die er al zijn, ritten, verblijftijden, geozones, schokken, en plugt hij rechtstreeks in de bestaande schermen en workflows van het platform, zodat wat een agent vindt, opduikt waar je mensen al werken.
En er is nog een reden, waarschijnlijk de meest veelzeggende. Vandaag hebben zelfs die engineers het bouwen uit handen gegeven. De mensen die kant-en-klare agents afstellen of je agents op maat bouwen, zijn mensen uit het veld, onze customer success- en technical sales-teams, die honderden trackingprocessen hebben gezien en die opgebouwde expertise meebrengen naar het jouwe. Voor hen telt het saaie deel dubbel. Zij kunnen zich focussen op de beste agent voor jouw proces bouwen, terwijl de lelijke details eronder geregeld zijn.
En wat ze bouwen, blijft werken. Zelfgebouwde apps hebben de neiging om stilletjes te verrotten: de persoon die ze bouwde vertrekt, een interface verandert, niemand durft nog aan de code te komen. Agents worden getest, onderhouden en doorontwikkeld samen met het platform zelf. Het is dezelfde filosofie die deel 2 beschreef voor onze firmware: één keer geleverd, voor altijd verbeterd.
Ik eindig met wat ik geloof, want daar begon deze reeks. Velddata is de enige data in het AI-tijdperk die je niet kunt kopen, alleen vastleggen (deel 1). De kwaliteit ervan wordt gemaakt in het veld, niet verzameld (deel 2). Ze moet stromen naar welke AI je teams ook al gebruiken (deel 3). En agents moeten er dag en nacht op handelen, zodat waarde niet langer afhangt van iemand die eraan denkt om te kijken (deze post). Samengevat: bedrijven die asset tracking combineren met AI, bouwen een concurrentievoordeel op, en bedrijven die geen van beide doen, riskeren ingehaald te worden door wie het wel doet. Je hebt nu gezien hoe dat eruitziet in productie. Neem dus de test mee, voor elk AI-verhaal dat je dit jaar zult horen, van ons of van iemand anders: stel één vraag. Staat het op een roadmap, of draait het in productie?
Een laatste bekentenis. Wat mensen overtuigt van agents, is zelden een artikel, en nooit een slide. Het is het uur waarin we er een bouwen voor hun eigen proces. Elke klant die een agent voor zich heeft zien bouwen, wilde er meer.
Kies een proces rond je assets waar het knelt en kom een koffie drinken met ons. We ontwerpen er een agent voor en rollen hem deze week uit, niet volgend kwartaal. Al klant bij Sensolus? De agent store ligt op één klik in het platform. Zie je de agents liever eerst aan het werk? Contacteer ons voor een demo.
Vraag demo aanWat betekent AI voor het bijhouden van bedrijfsmiddelen? Mijn overtuiging: AI heeft het bijhouden van bedrijfsmiddelen nodig, en het bijhouden van bedrijfsmiddelen heeft AI nodig. Bedrijven die deze twee combineren, zullen een concurrentievoordeel opbouwen.
Waar komen AI-geschikte veldgegevens vandaan? In dit bericht wordt de stack van onder naar boven doorgenomen. Gebruik het als checklist bij het koppelen van je apparatuur.
De meeste teams maken al gebruik van een AI-assistent; dat is de plek waar mensen dagelijks nadenken en vragen stellen. Daarom houden we het platform open: jouw gegevens zijn van jou, en het platform sluit aan op de plek waar je mensen zich al bevinden. Breng je eigen AI mee; sluit de Sensolus Foundation aan.