Vraag een AI-agent naar "de omzet van vorig kwartaal" en je krijgt een antwoord. Gegarandeerd. Alleen weet niemand welke definitie de agent gebruikte.
Het experiment dat elke organisatie kan doen
Stel dezelfde vraag aan drie afdelingen: wat was onze omzet vorig kwartaal? Finance rekent met gefactureerde omzet exclusief creditnota's. Sales telt getekende orders. Operations kijkt naar geleverde orders. Drie eerlijke antwoorden, drie verschillende getallen.
Een AI-agent die rechtstreeks op je databases of op losse rapporten wordt aangesloten, doet precies hetzelfde, maar dan onvoorspelbaar. De ene keer pakt hij de factuurtabel, de andere keer een verkooprapport. Het antwoord klinkt elke keer even overtuigend.
Wat een semantische laag is
Een semantische laag is één plek waar definities, berekeningen en relaties vastliggen. Wat "omzet" betekent. Hoe "marge" wordt berekend. Welke kalender geldt, hoe klanten worden gegroepeerd, wat een actieve klant is. In het Microsoft-ecosysteem leeft die laag in het semantische model van Power BI en Fabric, dezelfde laag waar je maandrapportage al op draait.
Daarmee is de redenering simpel: laat de agent niet zelf interpreteren, maar laat hem dezelfde laag bevragen als je rapportages. Dan geeft hij per definitie dezelfde antwoorden als je maandrapportage, en kun je op de uitkomsten sturen.
Wat er gebeurt zonder
- De pilot-paradox. De demo is indrukwekkend, want niemand controleert de cijfers tijdens een demo. In productie valt het binnen weken stil zodra het eerste antwoord aantoonbaar afwijkt van het managementrapport.
- Stille fouten. Erger dan een fout antwoord is een plausibel fout antwoord. Zonder vastgelegde definities is er geen manier om te toetsen wat de agent deed.
- Wildgroei. Elke afdeling bouwt zijn eigen AI-oplossing op zijn eigen interpretatie van de data. De definitie-discussies die je met BI net had opgelost, komen terug in het kwadraat.
De volgorde der dingen
Dit is waarom ik AI altijd de bekroning op het fundament noem, nooit de eerste stap. In het BI maturity model is de semantische laag de voorwaarde om door te groeien naar level 6, AI Foundation. Wie die sprong wil maken zonder de tussenliggende levels, bouwt een dak zonder muren.
Het goede nieuws: een semantische laag is geen jarenproject. Wie al een redelijk data & AI platform heeft, kan in weken een laag neerzetten die zowel Power BI als agents bedient. Dubbel rendement uit dezelfde investering.
Waar te beginnen
Begin met de vraag of je platform er klaar voor is. De Data & AI quickscan brengt in kaart wat je nu gebruikt, waar de gaten zitten en wat de eerste stap is. En is het fundament zelf nog niet op orde, begin dan daar: data & AI platform.