Agentic AI staat of valt met een solide 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 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 ervan.

AI-agents moeten zelf­standig beslis­singen kunnen nemen, op schaal kunnen werken en data uit verschil­lende bronnen samen­voegen. Daarvoor moeten onder­lig­gende data betrouw­baar, samen­han­gend en direct beschik­baar zijn. Data­kwa­li­teit is daarbij het belang­rijkst, want ook bij agentic AI geldt het principe “garbage in, garbage out”. Doordat agents data uit uiteen­lo­pende omge­vingen combi­neren, van on-premise tot hybride en public cloud, neemt de complexi­teit toe, met latentie en vertraagde besluit­vor­ming tot gevolg. Zonder solide basis kan agentic AI niet waarmaken wat het belooft.

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 infra­struc­tuur, inter­o­pe­ra­bi­li­teit en open API’s. Agentic AI verandert de relatie tussen mens en machine volledig, 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 besluitvorming.

Eigenaarschap en data als product

Met grote hoeveel­heden data is eige­naar­schap van data lakes essen­tieel. Dat betekent duidelijk vast­leggen wie verant­woor­de­lijk is voor welke data, waar die vandaan komen en hoe die gebruikt mogen worden. Zo blijft er zicht op wat de data over de orga­ni­satie vertellen, kan hun nauw­keu­rig­heid worden bewaakt en kunnen er regels over de herkomst worden vast­ge­legd. Zonder eige­naar­schap en heldere gover­nance valt er niet langer op de eigen data te vertrouwen, en daarmee evenmin op de beslis­singen die agents erop baseren.

Een manier om dit aan te pakken is data als een product te behan­delen. Denk aan sectoren met sterk over­lap­pende processen en regel­ge­ving, zoals de publieke sector of zakelijke dienst­ver­le­ning, waar terug­ke­rende patronen zich laten vatten in herbruik­bare modellen. Zo worden data en func­ti­o­na­li­teit herbruik­baar, in plaats van iets wat bij elk project opnieuw moet worden ingericht.

Context is cruciaal

Naast archi­tec­tuur en eige­naar­schap is het creëren van context rondom data misschien wel de belang­rijkste prio­ri­teit. Zonder context heeft agentic AI het moeilijk, zeker in een bedrijfs­om­ge­ving waar gover­nance en regel­ge­ving om een degelijk kader vragen. Bedrijfs­pro­cessen kennen bovendien weinig grijs gebied: een beslis­sing is goed of fout, en zonder context maakt een agent al snel de verkeerde keuze.

Daarvoor zijn metadata cruciaal. Deze metadata verrijken data met betekenis en geven agents het kader dat ze nodig hebben. Dat kader omvat beproefde methodes, zoals standaard data­for­mats en data­kwa­li­teits­con­troles, maar ook 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 archi­tec­tuur, eige­naar­schap en context op orde zijn, ontstaat ruimte voor wat ik “Ambient ERP” noem: een omgeving waarin autonome agents op de achter­grond opereren, gebrui­kers alleen oproepen wanneer hun oordeel nodig is en routi­ne­matig besluit­vor­ming binnen heldere kaders overnemen.

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 en doordacht inzetten, 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.