Artificial Intelligence in productontwikkeling: hype, hulpmiddel of hefboom?

Afgelopen december zat ik bij een bijeenkomst van de werkveldadviescommissie van Industrieel Product Ontwerpen in Groningen. We bespraken de actuele ontwikkelingen in ons vakgebied, met één duidelijk hoofdthema: Artificial Intelligence (AI). Niet als abstract toekomstbeeld, maar als concrete vraag: wat betekent AI nu écht voor productontwikkeling?

In 2025 is generatieve AI definitief doorgedrongen tot het dagelijkse werk van veel professionals. Chatbots, image generation en code assistentie zijn in korte tijd veranderd van curiositeit naar dagelijkse tool. In sectoren als onderwijs, softwareontwikkeling, marketing en consultancy is de impact overduidelijk. Maar toen de vraag op tafel kwam wat dit betekent voor fysieke productontwikkeling, had niemand direct een concreet antwoord.

Binnen PEZY waren we op dat moment met dezelfde vragen bezig. Welke AI-tools voegen echt iets toe aan ons werk? Hoe borgen we kwaliteit en vertrouwelijkheid van informatie? En misschien wel de belangrijkste vraag: waar blijft de menselijke hand essentieel?

Ik volg de ontwikkeling van AI al jaren en heb er in verschillende fases zelf mee geëxperimenteerd. Van vroege tools als DeepArt en Artbreeder tot Stable Diffusion op mijn eigen laptop. Tegelijk ben ik altijd kritisch gebleven. Waar voegt AI echt waarde toe? Waar is het vooral hype? En waar ontstaat juist het risico dat snelheid wordt verward met kwaliteit?

Die vraag werd voor mij extra concreet toen een van mijn gesprekspartners een LinkedIn-post aanhaalde van Guido Stompff, lector Design Thinking bij Hogeschool Inholland. Hij beschreef hoe zijn jaarlijkse “coffeefilter challenge” dit jaar voor het eerst mislukte. Waar studenten jarenlang met een grote variatie aan ideeën kwamen, eindigde nu vrijwel elk groepje met hetzelfde idee. De reden? Chatbots. Wat ooit een creatieve oefening was met vijftien minuten uitbundige interactie, werd een exercitie van drie minuten tussen studenten en hun telefoon. In stilte.

Het is een treffend voorbeeld van de paradox van AI: meer snelheid, maar minder variatie, minder beleving en soms ook minder echte vernieuwing.

Productiviteit, met kanttekeningen

Recent onderzoek laat een vergelijkbaar beeld zien. AI kan productiviteitswinst opleveren, zeker in softwareontwikkeling. Waar eerdere studies nog wezen op vertraging door A.I.-tools, zien we inmiddels ook duidelijke versnellingen. Tools als GitHub Copilot, Claude Code en Codex zijn voor veel ontwikkelaars al niet meer weg te denken.

Maar die winst komt niet zonder vraagtekens. Kwaliteit, onderhoudbaarheid, schaalbaarheid en beveiliging zijn allemaal aspecten waar AI nog mee worstelt. Ook op organisatieniveau is het beeld grillig: veel AI-initiatieven leveren nog geen meetbare impact op, terwijl de kosten oplopen.

Ook in marketing en design is AI inmiddels ingeburgerd. Grote merken experimenteren volop met AI-gegenereerde campagnes. Tegelijkertijd groeit het tegengeluid. Discussies over copyright, authenticiteit en intentionaliteit zijn relevanter dan ooit. Zeker in meer artistieke domeinen is de weerstand groot.

Waarom productontwikkeling anders is

Je zou verwachten dat productontwikkeling een vergelijkbare ontwikkeling doormaakt. We zitten immers op het snijvlak van techniek, design en business. Toch is er een belangrijk verschil.

AI is zo goed als de data waarop het getraind is. Daar zit in productontwikkeling precies de crux.

Waar softwarecode en beeldmateriaal in overvloed beschikbaar zijn, geldt dat niet voor fysieke producten. Bedrijven beschermen hun ontwerpen zorgvuldig. CAD-data is zelden openbaar. En zelfs als je die data zou hebben, is het nog maar de vraag of die goed bruikbaar is.

Producten zijn complex. Ze combineren meerdere functies, geïntegreerde oplossingen en talloze afwegingen tussen kosten, maakbaarheid, gebruikservaring, betrouwbaarheid en esthetiek. Juist echte inventiviteit laat zich moeilijk trainen, omdat er per definitie geen dataset bestaat van oplossingen die nog niet bedacht zijn.

Er bestaan inmiddels indrukwekkende tools die 3D-modellen kunnen genereren. Maar de kloof tussen een visueel overtuigend model en een maakbare, betrouwbare assembly is groot.

Ook binnen CAD-software zien we AI-gedreven functionaliteiten opkomen, zoals generative design. Die kunnen waardevol zijn, maar zijn voorlopig vooral gericht op het creëren van losse onderdelen. Niet op het ontwerpen van complete, geïntegreerde producten die in de praktijk moeten functioneren.

Waar AI wél werkt

Betekent dat dat AI geen rol speelt in productontwikkeling? Absoluut niet. Ik gebruik het inmiddels zelf bijna dagelijks.

Maar vooral voor de “low-hanging fruit”. Vertalingen, tekstbewerking, samenvattingen. En misschien wel het meest waardevolle: zoeken. Met chatbots kun je veel gerichter zoeken dan met traditionele zoekmachines. Ze helpen bijvoorbeeld bij het vinden van leveranciers, brononderzoek naar fysische principes of methodes voor data analyse, of het in kaart brengen van concurrerende producten.

De winst zit hier in snelheid, zonder dat je per se inlevert op kwaliteit. Mits je kritisch blijft, doorvraagt en bronnen controleert.

Daarnaast zien we toepassingen in de hoek van vormgeving. Niet door AI het werk te laten doen, maar als ondersteuning in het voorbereidende werk. Voor moodboards, referentiemateriaal, eerste richtingen voor materialisatie, kleur en afwerking, en visualisaties. De rol van de designer verschuift daarmee deels van uitvoerder naar regisseur.

Misschien wel de meest interessante toepassing zit in het verkennen van productproposities. AI kan grote hoeveelheden reviews analyseren en patronen herkennen. Waar zijn gebruikers tevreden over? Waar liggen frustraties? Welke verwachtingen komen steeds terug? Het kan helpen bij het formuleren van USP’s ten opzichte van de bestaande markt, het structureren van ideeën en het visualiseren van concepten op een niveau dat geschikt is om potentiële klanten of stakeholders enthousiast te maken.

In het afgelopen jaar hebben drie klanten bij ons aangeklopt die dankzij AI-tools hun productidee hebben verfijnd en op papier gezet. Niet als eindpunt, maar wel als opstap. Het gaf hen genoeg vertrouwen om de volgende stap te zetten.

Maar precies daar zit ook een risico: AI kan de illusie wekken dat je verder bent dan je daadwerkelijk bent.

De onmisbare menselijke factor

Want tussen een goed idee en een succesvol product zit nog een wereld van werk.

Het vertalen van een concept naar een functioneel, maakbaar, betrouwbaar en aantrekkelijk product vraagt om meer dan data en algoritmes. Het vraagt om afwegingen. Om context. Om gesprekken met stakeholders. Om het oplossen van tegenstrijdige eisen. Om ervaring met materialen, productieprocessen, toleranties, gebruikssituaties en gedrag in de praktijk.

En uiteindelijk vraagt het om testen in de echte wereld. Werkt het product echt? Is het gebruiksvriendelijk? Voelt het goed? Houdt het stand? Dat zijn vragen die je niet beantwoordt met een prompt, maar met fysieke prototypes, gebruikersfeedback en iteratie.

De menselijke hand blijft daarin essentieel.

Conclusie

AI verandert ons vakgebied, maar voorlopig minder radicaal dan in software of grafisch ontwerp. Het neemt ons werk niet over, maar zorgt wel voor verschuivingen. Net zoals CAD-software, Photoshop en 3D-printers dat eerder hebben gedaan.

We zien een gedeeltelijke verschuiving van creëren naar cureren, en van maken naar beoordelen. De echte waarde zit op dit moment vooral in ondersteunende taken: sneller inzicht krijgen, mogelijkheden verkennen, brononderzoek doen, proposities aanscherpen en communicatie verbeteren.

Maar de kern van productontwikkeling blijft voorlopig mensenwerk: het maken van dingen die niet alleen logisch klinken of goed ogen, maar in de echte wereld betrouwbaar functioneren.