Dat zegt veel over de fase waarin AI zich inmiddels bevindt. De technologie is er. Veel organisaties hebben geëxperimenteerd met Copilot, chatbots en andere generatieve AI-toepassingen. De volgende uitdaging is om AI daadwerkelijk onderdeel te maken van processen, besluitvorming en de dagelijkse bedrijfsvoering. Daarvoor is meer nodig dan alleen een goed AI-model.
De afgelopen jaren draaide het gesprek over AI vooral om de mogelijkheden. Wat kan generatieve AI? Welke werkzaamheden kunnen we automatiseren? Kunnen medewerkers vragen stellen aan bedrijfsinformatie? En welke processen kunnen worden ondersteund door AI-agents? Die vragen blijven relevant, maar de aandacht verschuift. Microsoft ziet dat organisaties inmiddels voorbij de eerste experimenten bewegen. Ze willen weten welke resultaten AI concreet oplevert en hoe zij hun investeringen kunnen terugverdienen. Daarmee wordt AI steeds minder een los innovatieproject en steeds meer een organisatievraagstuk.
Want een AI-toepassing kan technisch goed functioneren, maar levert nog niet automatisch waarde op. Dat gebeurt pas wanneer de toepassing aansluit op een duidelijk proces, betrouwbare informatie gebruikt en medewerkers helpt om betere of snellere beslissingen te nemen.
De vraag is daarom niet alleen:
Wat kan AI voor onze organisatie betekenen?
Maar vooral:
Hoe zorgen we ervoor dat AI binnen onze organisatie betrouwbaar en aantoonbaar waardevol wordt?
Microsoft gebruikt in de aankondiging van Frontier Company het begrip unique IQ. Daarmee bedoelt Microsoft de kennis die een organisatie onderscheidt van anderen.
Die intelligentie bestaat uit verschillende onderdelen:
Microsoft stelt dat organisaties een platform nodig hebben waarop deze kennis zich verder kan ontwikkelen. Vanuit dat fundament kunnen zij verschillende AI-modellen gebruiken om toepassingen en geautomatiseerde workflows te bouwen.
Dat is een belangrijk uitgangspunt.
AI wordt vaak besproken alsof de intelligentie vooral in het model zit. Maar de werkelijke waarde ontstaat wanneer een model wordt verbonden met de kennis, context en data van een specifieke organisatie.
Een algemeen AI-model weet bijvoorbeeld niet automatisch:
Juist die context maakt het verschil tussen een algemeen antwoord en een antwoord waarmee je binnen je organisatie echt verder kunt.
Een AI-toepassing kan alleen werken met de informatie die beschikbaar wordt gesteld. Wanneer die informatie actueel, volledig en betrouwbaar is, kan AI helpen om verbanden te herkennen, informatie toegankelijk te maken en processen te ondersteunen. Maar wanneer data onvolledig, verouderd of tegenstrijdig is, wordt dat probleem door AI niet automatisch opgelost.
In veel organisaties staat informatie verspreid over verschillende systemen. Denk aan financiële gegevens in een ERP-systeem, klantinformatie in een CRM-systeem en operationele informatie in afzonderlijke applicaties, documenten of Excel-bestanden. Daarnaast worden begrippen niet altijd overal hetzelfde gebruikt.
De ene afdeling hanteert bijvoorbeeld een andere definitie van omzet, bezettingsgraad, productiviteit of klant dan een andere afdeling. Daardoor kunnen rapportages verschillende cijfers tonen, terwijl ze op het eerste gezicht over hetzelfde onderwerp gaan.
Bij traditionele rapportages leidt dit al snel tot de bekende discussie:
Welk cijfer klopt?
Bij AI wordt die vraag nog belangrijker.
Een AI-toepassing kan informatie namelijk niet alleen tonen, maar deze ook gebruiken voor analyses, adviezen en geautomatiseerde acties. Als het uitgangspunt niet betrouwbaar is, kan AI met grote snelheid een overtuigend maar onjuist antwoord produceren. Een goed ingericht datafundament is daarom geen technisch detail. Het bepaalt in belangrijke mate of AI-uitkomsten bruikbaar en betrouwbaar zijn.
Een organisatie hoeft niet te wachten totdat alle data perfect is voordat zij AI kan gebruiken.
Wel moet duidelijk zijn welke gegevens voor een toepassing nodig zijn, waar deze gegevens vandaan komen en wat zij precies betekenen.
Dat vraagt onder meer om afspraken over:
Een modern dataplatform helpt om gegevens uit verschillende systemen samen te brengen en gecontroleerd beschikbaar te stellen.
Microsoft Fabric biedt hiervoor één geïntegreerd platform voor onder andere data-integratie, opslag, verwerking, analyse en business intelligence. Power BI helpt vervolgens om deze data te vertalen naar rapportages, dashboards en heldere managementinformatie.
Het doel is daarbij niet om simpelweg zoveel mogelijk data te verzamelen.
Het doel is om data om te zetten in betrouwbare en bruikbare informatie die medewerkers, rapportages en toekomstige AI-toepassingen vanuit hetzelfde uitgangspunt kunnen gebruiken.
Een belangrijk onderdeel daarvan is het semantische model. In een semantisch model wordt vastgelegd wat data binnen de organisatie betekent. Hierin worden bijvoorbeeld relaties tussen gegevens, berekeningen, KPI’s en zakelijke definities opgenomen.
Denk aan vragen als:
Wanneer dit centraal wordt vastgelegd, hoeven deze definities niet in ieder rapport of iedere analyse opnieuw te worden bedacht. Dat zorgt voor consistentie. Iedereen werkt vanuit dezelfde definities en dezelfde versie van de waarheid. Dat is belangrijk voor managementinformatie, maar minstens zo belangrijk wanneer medewerkers straks in natuurlijke taal vragen gaan stellen aan bedrijfsdata. Een AI-assistent moet namelijk niet alleen weten waar een getal staat. De assistent moet ook begrijpen wat dat getal binnen de context van de organisatie betekent. Het semantische model vormt daarmee de verbinding tussen technische data en de zakelijke betekenis ervan.
Microsoft benadrukt in de aankondiging van Frontier Company twee centrale begrippen: intelligentie en vertrouwen. Organisaties hebben volgens Microsoft niet alleen een platform nodig waarop hun eigen kennis en data kunnen worden benut. Zij hebben ook een betrouwbaar platform nodig waarmee AI-oplossingen kunnen worden bewaakt, beheerd, beveiligd en bestuurd.
Dat vertrouwen is essentieel.
Hoe meer toegang een AI-toepassing heeft tot bedrijfsinformatie en systemen, hoe groter de mogelijke impact ervan wordt.
Een AI-tool die een tekst herschrijft, vraagt om andere maatregelen dan een agent die zelfstandig gegevens verwerkt, analyses uitvoert of acties start binnen een bedrijfsproces.
Organisaties moeten daarom vooraf nadenken over vragen zoals:
Governance en beveiliging zijn hierdoor geen onderwerpen die pas aan het einde van een AI-project aan bod komen. Ze moeten vanaf het begin worden meegenomen in het ontwerp.
Microsoft benoemt daarnaast expliciet dat de eigen intelligentie van een organisatie beschermd moet blijven. Bedrijfsdata, intellectueel eigendom en concurrentievoordeel mogen volgens Microsoft niet worden gebruikt op een manier waardoor de kennis die een organisatie onderscheidt, uiteindelijk voor anderen beschikbaar wordt. Ook dat onderwerp wordt belangrijker naarmate organisaties meer AI gebruiken.
Medewerkers voeren informatie in bij AI-toepassingen, AI-systemen krijgen toegang tot documenten en databronnen en agents kunnen op termijn steeds meer processtappen uitvoeren.
Daarom moet vooraf duidelijk zijn:
AI-adoptie vraagt dus niet alleen om innovatie, maar ook om zorgvuldig beheer van wat de organisatie al heeft opgebouwd.
Een ander interessant uitgangspunt uit de aankondiging van Microsoft is dat organisaties niet afhankelijk zouden moeten zijn van één AI-model. Microsoft beschrijft een open en modeldivers platform waarin organisaties per situatie het meest geschikte model kunnen gebruiken. Dat kan een model van Microsoft of OpenAI zijn, maar ook een ander commercieel, open-source of sectorspecifiek model. Die gedachte sluit aan bij de praktijk. Niet iedere AI-toepassing stelt dezelfde eisen. Voor het samenvatten van documenten kan een ander model geschikt zijn dan voor complexe data-analyses, beeldherkenning of een specialistisch proces binnen de zorg of industrie.
De keuze voor een AI-model hoort daarom niet het vertrekpunt te zijn.
Eerst moet duidelijk zijn:
Pas daarna kun je bepalen welk model en welke technische oplossing daar het beste bij passen.
Microsoft Frontier Company combineert AI-engineering met branchekennis, verandermanagement en continue verbetering. Dat is niet toevallig. AI implementeren is namelijk niet uitsluitend een technisch project. Het verandert ook de manier waarop mensen werken en beslissingen nemen. Een toepassing kan technisch uitstekend zijn, maar alsnog weinig worden gebruikt wanneer medewerkers het nut niet zien, de uitkomsten niet vertrouwen of niet begrijpen hoe AI binnen hun werkzaamheden past.
Een succesvolle implementatie vraagt daarom ook om:
De mensen die dagelijks met een proces werken, beschikken bovendien vaak over kennis die niet volledig in systemen of documentatie is vastgelegd. Juist die praktijkkennis is nodig om te bepalen waar AI kan helpen, welke uitzonderingen bestaan en wanneer menselijke beoordeling noodzakelijk blijft.
De oprichting van Microsoft Frontier Company laat zien dat AI een nieuwe fase ingaat. De mogelijkheden van de technologie blijven zich snel ontwikkelen, maar het onderscheid wordt steeds minder gemaakt door alleen toegang te hebben tot een AI-model. Het verschil zit in de manier waarop organisaties hun eigen data, expertise, processen en besluitvorming weten te verbinden met AI. Daarbij zijn intelligentie en vertrouwen onlosmakelijk met elkaar verbonden.
Door gegevens uit verschillende systemen samen te brengen, definities eenduidig vast te leggen en informatie veilig beschikbaar te stellen, ontstaat een omgeving waarin rapportages, analyses en AI-toepassingen vanuit dezelfde betrouwbare bron kunnen werken.
In Summa helpt organisaties om data uit verschillende systemen samen te brengen en te vertalen naar heldere managementinformatie. Met Microsoft Fabric en Power BI bouwen we aan een schaalbare dataomgeving waarin gegevens betrouwbaar, veilig en bruikbaar beschikbaar zijn. Niet alleen voor de rapportages van vandaag, maar ook voor de AI-toepassingen van morgen.
Wil je weten waar jouw organisatie staat en welke stappen nodig zijn om je dataomgeving verder voor te bereiden op AI? Neem dan contact met ons op.
