Na AI komt BI. Waarom AI niet werkt zonder fundament.

„Als BI’er zeg ik altijd: na AI komt BI.”

Meestal wordt er gelachen, waarna het gesprek snel weer doorgaat over AI-initiatieven. Begrijpelijk, want AI geeft direct antwoorden en wekt daarmee de indruk van inzicht. Het belooft snelheid en minder afhankelijkheid van rapportages.

In de praktijk ontstaat echter vaak een ander beeld zodra de eerste toepassingen live gaan. Het AI-antwoord wijkt af van het dashboard. Definities kloppen niet. En als je vraagt hoe het antwoord tot stand is gekomen, blijft het stil.

Wat op het eerste gezicht een AI-probleem lijkt, blijkt iets fundamentelers. Dit is een datafundament-probleem.

AI maakt bestaande problemen zichtbaarder

AI is geen nieuwe databron. Het is een nieuwe manier om bestaande data te bevragen. Waar je vroeger een dashboard opende, stel je nu een vraag aan een copilot of agent. De interactie verandert, maar de onderliggende data blijft hetzelfde.

En daar zit het risico. AI presenteert antwoorden alsof ze kloppen. Overtuigend geformuleerd, zonder voorbehoud. Maar als de data niet klopt, of als definities niet consistent zijn, dan levert AI geen beter inzicht. Het levert een geloofwaardige interpretatie van slechte data.

AI versnelt geen inzicht als het fundament niet klopt. Het versnelt inconsistentie.

Hoe het er in de praktijk uitziet

Veel organisaties werken met meerdere platformen naast elkaar. SAP voor de bedrijfsprocessen, Microsoft voor samenwerking en analyse of een combinatie die in de loop der jaren zo is gegroeid.

Die combinatie is krachtig. Maar in de praktijk staan die werelden te vaak los van elkaar. Data wordt gekopieerd tussen systemen. Definities worden per afdeling of tool opnieuw uitgevonden. „Omzet” betekent hier iets anders dan daar. En „klant”? Dat hangt ervan af aan wie je het vraagt.

Dit is geen uitzonderlijke situatie, het is eerder de norm. En zolang die basis niet klopt, helpt geen enkel AI-initiatief. De technologie is er. Het fundament ontbreekt.  

Het fundament: één semantische laag voor alles

De oplossing ligt niet in méér tools. Die heb je al. De oplossing ligt in één laag waarin definities centraal staan: wat is een klant, wat is omzet, wat is een regio. Eens vastgelegd, geldig voor rapporten, copilots en AI-agents tegelijk.

Dit is wat BI al jaren doet, maar wat in het AI-tijdperk belangrijker is dan ooit. Want AI werkt niet óp ruwe data. Het werkt via de betekenis die je aan die data geeft. Zonder die semantische laag is AI slechts een snelle weg naar het verkeerde antwoord.

Welk platform past bij jou?

Het goede nieuws: je hoeft dit fundament niet van nul op te bouwen. Moderne dataplatformen zijn hier voor ontworpen. En als SAP- of Microsoft-klant heb je meerdere routes.

•  SAP Business Data Cloud brengt SAP-data samen in één beheerde omgeving, met ingebouwde semantiek op basis van je ERP-processen. Sterk als SAP het hart van je organisatie is.

•  Microsoft Fabric combineert lakehouses, data warehouses en AI-toepassingen binnen één geïntegreerd ecosysteem. Sterk als je al diep in de Microsoft-wereld zit en brede integratie wilt.

• Azure Databricks biedt maximale flexibiliteit in data engineering en machine learning. Sterk als je maatwerk nodig hebt en een sterk technisch team in huis hebt. 

En soms is het antwoord: beide. SAP en Microsoft sluiten elkaar niet uit. Integendeel. De juiste keuze hangt af van je bestaande landschap, je team en je ambities.

Terug naar de grap

Na AI komt BI. Niet als volgende stap, maar als voorwaarde. De organisaties die het meest uit AI halen, zijn niet degenen met de meest geavanceerde modellen. Het zijn de organisaties die hun datafundament op orde hebben. Die weten wat hun data betekent. En die één versie van de waarheid hebben. Voor iedereen, in elk systeem.

Wil je weten welk fundament bij jouw organisatie past? We denken graag met je mee zonder voorkeur voor een platform, wel met kennis van beide werelden.