27 mai 2026
Kunstmatige intelligentie zorgt voor een geleidelijke omwenteling in de prijsbepaling en promotie. Julien Theys, medeoprichter van Agilytic, ziet een snelle democratisering van tools die vroeger voorbehouden waren aan technische profielen. Maar achter deze modetrend benadrukt de medeoprichter van het Belgische bedrijf vooral de voorwaarden die moeten worden gecreëerd om AI correct te gebruiken in het kader van promoties en prijsbepaling. Interview.
Is kunstmatige intelligentie bezig de sectoren van prijsbepaling en promotie ingrijpend te veranderen?
Ja, absoluut. Maar twee realiteiten kunnen tegelijkertijd waar zijn. Enerzijds kunnen er zeepbeleffecten zijn, projecten die mislukken of bedrijven die verdwijnen, terwijl we anderzijds vaststellen dat onze manier van werken in het tijdperk van AI nooit meer hetzelfde zal zijn. Dat is precies wat we hebben meegemaakt met e-commerce in het begin van de jaren 2000. Wat er vandaag de dag verandert op het gebied van prijsstelling en promotie, is vooral de democratisering van de analysemogelijkheden. Wat voorheen voorbehouden was aan datawetenschappers, wordt geleidelijk toegankelijk voor vakmensen.
Betekent dit dat vakspecialisten nu zelf geavanceerde analyses kunnen uitvoeren?
Ja, tot op zekere hoogte. AI versterkt hun vakkennis. De kennis blijft bij hen, maar ze kunnen veel verder gaan in de snelheid van de analyse en het verkennen van mogelijke scenario's.
Ik maak vaak de vergelijking met Excel. Sommige mensen gebruiken het alleen om kolommen handmatig in te voeren. Anderen maken macro's, draaitabellen of zeer geavanceerde automatiseringen. Het zijn echter dezelfde tools. Met AI zien we precies hetzelfde fenomeen.
Wat zijn de meest concrete voordelen op het gebied van pricing?
De drie grote voordelen blijven snelheid, kwaliteit en kosten. Een retailexpert kan vandaag de dag veel sneller vooruitgang boeken zonder wekenlang te hoeven wachten op een reactie van een data-afdeling. Dit verlaagt de kosten en versnelt de besluitvorming. En als de tool correct wordt gebruikt, lijdt de kwaliteit er niet onder. Maar daar komt de hele methodologische kwestie om de hoek kijken.
Juist, veel bedrijven zijn bang voor hallucinaties of fouten van AI.
Dat is een terechte vraag, maar tegenwoordig is het beheersbaar. Er moeten methodologische waarborgen worden ingebouwd, men moet leren de resultaten te controleren en de beperkingen van de tools te begrijpen. Het probleem is niet zozeer de tool als wel de manier waarop deze wordt gebruikt. Tussen iemand die ChatGPT gebruikt om e-mails samen te vatten en iemand die agents inzet die de hele nacht aan complexe analyses kunnen werken, is er al sprake van radicaal verschillende gebruiksniveaus.
Data blijft niettemin centraal staan. Zijn alle bedrijven hier echt klaar voor?
Nee. Bij retailers zijn er vaak al grote hoeveelheden gegevens beschikbaar. Voor merken ligt het soms wat ingewikkelder. De echte uitdaging blijft first party data: direct in contact staan met de consument. Als die gegevens er niet zijn, moet je creatief zijn: concurrentieonderzoek automatiseren, bepaalde verzameling van marktinformatie robotiseren, enz. Maar u hebt gelijk: zonder betrouwbare gegevens blijven de mogelijkheden van AI beperkt.
U legt veel nadruk op de aanpak en minder op de tools zelf. Waarom?
Omdat de tools te snel evolueren. Als we een opleiding uitsluitend rond een specifieke tool opbouwen, raakt die heel snel verouderd. Wat we vooral moeten aanleren, is een manier van denken: inzicht krijgen in de verschillende soorten prijsstelling, de verschillende promotiemechanismen en vooral een probleemoplossende logica ontwikkelen.
Het belangrijkste is om te leren de juiste vragen aan de AI te stellen, niet alleen maar op knoppen te klikken.
Sommige bedrijven lijken toch veel sneller vooruitgang te boeken dan andere…
Ja, we zien nu al een echte kloof ontstaan. Sommige organisaties experimenteren enorm en ontwikkelen een echte intellectuele nieuwsgierigheid. Andere blijven verlamd door angst of het bekende “zo hebben we het altijd gedaan”. Naar mijn mening zullen de bedrijven die er de komende twee of drie jaar echt mee aan de slag gaan, een aanzienlijke voorsprong nemen op hun concurrenten.
Veel AI-projecten blijven echter steken in de proof of concept-fase…
Dat geldt zelfs voor de overgrote meerderheid. Tussen 80 en 95 % van de projecten komt nooit verder dan dit stadium. Meestal zijn er twee problemen: ofwel is het bedrijfsprobleem in het begin niet goed genoeg gedefinieerd, ofwel heeft niemand aan de industrialisatie gedacht. Het is niet voldoende om iets op een testmachine te laten werken. Het moet in de echte systemen van het bedrijf kunnen worden geïntegreerd. We zien ook veel organisaties die alle tools in alle richtingen testen zonder ooit een algemeen kader te definiëren, zonder samenhangende opleiding of standaardisatie van de werkwijzen. Uiteindelijk leidt dit soms tot twee jaar lang aanmodderen…
En in tegenstelling tot wat vaak wordt gedacht, bestaat er vandaag geen volledig geautomatiseerde AI-tool die uw bestanden met één klik omzet in betrouwbare conclusies. Toch kan AI wel degelijk een grote meerwaarde bieden om beter te analyseren wat er tijdens en rond een promotie gebeurt. Door verschillende variabelen te combineren (trends, seizoensinvloeden, kannibalisatie, externe effecten, enz.) helpt AI om de promotionele impact nauwkeuriger te isoleren, de performancedrijvers beter te begrijpen en analytische resultaten om te zetten in concrete acties. Julien Theys legt u uit hoe tijdens onze training “Promotion analysis with AI” op 4 juni.