Daar leven we al jaren mee. Zolang mensen de cijfers zelf ophaalden, corrigeerden ze onbewust. "Oh, jij bedoelt exclusief retouren." Die stille correctie, gebaseerd op ervaring en context, hield het werkbaar.
Een AI-agent doet dat niet.
Vraag een agent naar de omzet en je krijgt één getal, met volle overtuiging, zonder de context die een ervaren collega er vanzelf bij pakt. De agent weet niet dat finance en sales een andere definitie hanteren. Hij kiest een tabel, telt een kolom op en presenteert het resultaat alsof het de waarheid is. En omdat het er zo stellig uitziet, gaat iedereen het geloven. Je oude definitieprobleem is niet weg. Het is alleen sneller en zelfverzekerder geworden.
Waar je definities één keer wonen
Een semantisch model is de plek waar je die definities vastlegt. Wat is omzet, wat is marge, wanneer telt een klant als actief. Eén keer goed opgeschreven, met de logica erachter, zodat ieder rapport hetzelfde bedoelt.
Het punt is dit: bevraag je dat model in plaats van de ruwe tabellen eronder, dan krijgen mens én agent hetzelfde antwoord. De agent verzint geen eigen definitie meer. Hij gebruikt die van jou.
Drie dingen veranderen daardoor:
-
Antwoorden worden reproduceerbaar. Dezelfde vraag levert altijd hetzelfde getal, of je het nu maandag of vrijdag stelt.
-
Vertrouwen schaalt mee. Je vertrouwt het antwoord van de agent omdat je de definitie eronder vertrouwt, niet omdat het er overtuigend uitziet.
-
Rechten blijven gelden. De agent respecteert dezelfde row-level security als je rapporten. Iemand ziet via de agent niets wat hij in een dashboard ook niet zou mogen zien.
De valkuil
AI is geen shortcut om slechte datahygiëne over te slaan. Een agent loslaten op een rommelig model versnelt alleen hoe snel iedereen het verkeerde getal gelooft. Wildgroei aan definities wordt met AI niet minder erg, hij wordt onzichtbaarder. Eerst je definities op orde, dán de agent erbij.
Dat klinkt als een rem op de hype, maar het is juist het tegenovergestelde. Organisaties die hun betekenislaag op orde hebben, kunnen AI wél veilig loslaten. De rest bouwt sneller vertrouwen af dan op.
De volgende stap is niet chatten
De volgende fase van BI is niet "chatten met je data". Het is zorgen dat je definities kloppen, zodat het niet meer uitmaakt wie de vraag stelt. Een mens, een agent, een nieuwe collega die je model voor het eerst opent: allemaal hetzelfde antwoord.
Eén definitie van omzet. Ook voor je AI-agent. Juist voor je AI-agent.
Deze blogpost is een bijdrage van DataTako, hét white-label distributieplatform voor Power BI. Met DataTako deel je dashboards en rapporten veilig en schaalbaar met medewerkers, klanten en partners via je eigen volledig gebrande portaal. Meer inspiratie vind je op www.datatako.com of bezoek DataTako tijdens Data Expo.
