Physical AI verovert de fabrieksvloer
De wereldwijde vraag naar industriële automatisering stijgt explosief. Volgens de International Federation of Robotics werden er in 2024 maar liefst 542.000 industriële robots geïnstalleerd, een verdubbeling ten opzichte van tien jaar geleden. Experts verwachten dat dit aantal in 2025 zal stijgen naar 575.000 en in 2028 zelfs de 700.000 eenheden passeert. Deze groei onderstreept het belang van Physical AI, een markt die door Grand View Research wordt gewaardeerd op 81,64 miljard dollar in 2025.
Google DeepMind speelt hierop in met de introductie van Gemini Robotics en Gemini Robotics-ER. Waar traditionele AI zich beperkt tot tekst en beeld, sturen deze nieuwe modellen robots direct aan middels visuele perceptie en ruimtelijk inzicht. Het systeem kan via natuurlijke taal opdrachten krijgen voor complexe taken, zoals het hanteren van objecten die niet in de training voorkwamen. Hierdoor verschuift de rol van AI van een passieve adviseur naar een actieve deelnemer in de fysieke werkomgeving.
Veiligheidsrisico’s en governance bij Physical AI
Het besturen van fysieke machines brengt andere risico’s met zich mee dan pure software-automatisering. Een model output kan een robotbeweging of een machine-instructie worden, waardoor veiligheidslimieten een cruciaal onderdeel van het systeemontwerp worden. Het gaat niet meer alleen om de vraag of de technologie de taak begrijpt, maar of de uitvoering veilig is voor de mensen en infrastructuur in de directe omgeving.
Onderzoek van McKinsey uit 2026 toont aan dat veel bedrijven hier nog niet klaar voor zijn: slechts een derde van de organisaties heeft een volwassen strategie voor de governance van autonome systemen. Google probeert dit gat te dichten met de ASIMOV-dataset. Hiermee kunnen ontwikkelaars testen of hun Physical AI-toepassingen veiligheidsinstructies begrijpen en onveilige situaties, zoals botsingen of overmatige kracht, proactief vermijden.
Voor de zakelijke markt betekent dit dat de implementatie van Physical AI hand in hand moet gaan met strikte protocollen. Het gaat hierbij om technische zaken zoals stabiliteit, maar ook om administratieve kaders. Je moet vooraf bepalen welke acties menselijke goedkeuring vereisen en hoe je de activiteiten van autonome machines nauwkeurig logt voor controle en review achteraf.
Wat valt ons op?
Een model output kan een robotbeweging of een machine-instructie worden, waardoor veiligheidslimieten een cruciaal onderdeel van het systeemontwerp worden.
Wat betekent dit voor jou?
Voor het MKB betekent Physical AI dat automatisering toegankelijker wordt, maar het dwingt je ook tot een kritische blik op de veiligheid in de werkplaats.
- Inventariseer welke handmatige handelingen in je magazijn of productieproces geschikt zijn voor aansturing via visuele AI-modellen.
- Stel strikte escalatiepaden op: bepaal exact wanneer een menselijke operator moet ingrijpen bij een autonome beslissing van een machine.
- Controleer of je huidige aansprakelijkheidsverzekering dekking biedt voor schade veroorzaakt door autonome, zelflerende systemen.
