AI en de moderne data-infrastructuur

Afhankelijk van wie je het vraagt, zou de ‘moderne’ data-infrastructuur haar beste tijd hebben gehad. AI-gedreven applicaties en agentic AI veranderen fundamenteel wat organisaties vandaag van hun data-infrastructuur vragen. Wie AI wil inzetten om sneller en beter te beslissen, ontkomt er dan ook niet aan om kritisch te kijken naar de opzet van die infrastructuur.

AI-agents moeten namelijk zelfstandig beslissingen kunnen nemen, op schaal kunnen werken en data van verschillende bronnen tegelijk samen kunnen voegen. Daarvoor moeten onderliggende data betrouwbaar, samenhangend en direct beschikbaar zijn. Datakwaliteit is daarbij het belangrijkst. Het principe “garbage in, garbage out” geldt ook op het moment dat AI zelfstandig beslissingen ondersteunt of uitvoert. Doordat agents data uit uiteenlopende vormen en omgevingen – on-premise, hybrid en public cloud – combineren, neemt ook de complexiteit toe, met latentie in systemen en vertraging in besluitvorming tot gevolg. Zonder een solide basis kan agentic AI niet waarmaken wat het belooft: sneller en beter beslissen.

Agent-native architectuur

McKinsey suggereert dat IT-architecturen “agent-native” moeten worden om de mogelijkheden van agentic AI te benutten. Dat vraagt om een data-volwassen IT-infrastructuur, om interoperabiliteit en open API’s die de integratie van ontwikkelingen mogelijk maken. Agentic AI zal de traditionele relatie tussen mens en machine volledig veranderen, en dat vergt een andere manier van denken over architectuur. Zoals McKinsey stelt: systemen worden niet langer georganiseerd rond schermen en formulieren, maar rond machineleesbare interfaces, autonome workflows en door agents geleide besluitvormingsprocessen.

Eigenaarschap en data als product

Met zulke grote hoeveelheden data is eigenaarschap van data lakes essentieel. Dat betekent duidelijk vastleggen wie verantwoordelijk is voor welke data, waar die vandaan komt en hoe die gebruikt mag worden. Zou houd je overzicht over wat de data over je organisatie vertellen, kun je de nauwkeurigheid monitoren, en stel je regels vast over de herkomst ervan. Zonder eigenaarschap en heldere governance-regels kun je niet meer op je eigen data vertrouwen, en daarmee evenmin op de beslissingen die agents erop baseren.

Dit kan worden aangepakt door jouw data als een product te behandelen: je richt je op het begrijpen van het doel en de waarde van data voor jouw organisatie. Denk aan sectoren met sterk overlappende processen en regelgeving, zoals de publieke sector en professionele dienstverlening, waar je terugkerende patronen kunt vatten in herbruikbare modellen. Door data en functionaliteit zo te productiseren, wordt het systematisch inzetbaar in plaats van een eenmalige exercitie.

Context is cruciaal

Naast architectuur en eigenaarschap is context creëren rondom data misschien wel de belangrijkste prioriteit. Want zonder context zal agentic AI het moeilijk hebben. Dit geldt met name in een bedrijfsomgeving waar governance en regelgeving betekenen dat organisaties erop moeten kunnen vertrouwen dat agents een degelijk kader krijgen. Daarnaast kennen bedrijfsprocessen zelf weinig grijs gebied – een beslissing is goed of fout. Zonder context maakt een agent dan al snel de verkeerde keuze.

Voor het creëren van die context is metadata cruciaal. Deze metadata verrijken data met betekenis en geven AI-agents het kader dat ze nodig hebben om goede beslissingen te nemen. Dat kader omvat best practices, zoals standaard dataformats en datakwaliteitscontroles, evenals sectorspecifieke kennis en interne beveiligingsregels. Applicaties als ERP slaan vaak data op met metadata-tags. Sommige experts spreken daarom zelfs over “kennissystemen” die de nauwkeurigheid en effectiviteit van AI-tools versterken.

Op weg naar Ambient ERP

Een systeem van agents zal de manier waarop bedrijfssoftware werkt volledig op zijn kop zetten. Maar pas wanneer de architectuur, eigenaarschap en context op orde zijn, ontstaat ruimte voor wat ik “Ambient ERP” noem: een omgeving waarin autonome agents onzichtbaar op de achtergrond opereren, gebruikers alleen oproepen wanneer hun oordeel nodig is en routinematig besluitvorming overnemen binnen heldere kaders.

Om dat punt te bereiken heb je niet alleen een moderne data-infrastructuur nodig. Het vraagt ook om een datacentrische cultuur en betere datageletterdheid binnen de organisatie. Voor organisaties die hun data begrijpen, doordacht inzetten en goed beschermen, opent agentic AI een nieuwe manier van werken. De technologie staat klaar; aan organisaties de uitnodiging om de basis op orde te brengen en de waarde te benutten.

​​Auteur: Claus Jepsen, Chief Technology Officer bij Unit4