Voordat je AI-agents uitrolt, moeten vijf dingen op orde zijn: afgesproken definities voor je belangrijkste cijfers, een benoemde eigenaar per definitie, zicht op de kwaliteit van de data die de agent leest, duidelijke afspraken over welke data een agent mag gebruiken, en een manier om fouten te melden. De meeste organisaties beginnen bij het model en de toegang. Begin bij de definities. Een agent erft wat je hebt, ook de tegenstrijdigheden.
Waarom een AI-agent je definitieprobleem groter maakt
De gangbare gedachte is dat AI-agents een technologieproject zijn: kies een platform, regel de toegang, start een pilot. Dat klopt maar half. Het grootste risico zit niet in het model, maar in de cijfers die het leest.
Bijvoorbeeld: in je organisatie bestaan twee rapporten met "omzet". Het ene telt kredietnota's mee, het andere niet. Je controller weet dat en kiest het juiste. Een agent weet dat niet. Hij kiest er een en antwoordt vlot, zonder voorbehoud.
In de praktijk vangen mensen zulke verschillen op met context die nergens staat. Een agent heeft die context niet. Wat niet beschreven is, bestaat voor hem niet.
Wat een collega weet en wat een agent moet krijgen
| Vraag | Hoe een collega het oplost | Wat een agent nodig heeft |
|---|---|---|
| Wat betekent dit cijfer? | Weet het uit ervaring, of vraagt het | Een geschreven definitie per KPI |
| Welke versie is de juiste? | Kent het gecertificeerde rapport | Eén afgesproken bron per definitie |
| Wie beslist erover? | Kent de controller bij naam | Een benoemde eigenaar in de metadata |
| Is de data van vandaag in orde? | Hoort het in de wandelgang | Een kwaliteitsstatus die hij kan lezen |
Welke definities moeten klaar zijn voor een AI-agent?
Je hoeft niet alles te definiëren. Begin bij de cijfers waarover de agent vragen zal krijgen: omzet, marge, klantaantallen, voorraad, verzuim. Dat zijn ook de cijfers waarover in je directiecomité discussie bestaat.
Schrijf per KPI één zin in gewone taal. Leg vast welke bron de juiste is. En los verschillen tussen afdelingen op voordat de agent live gaat, niet erna. Een agent die twee definities ziet, kiest willekeurig.
Wie is eigenaar als een agent een fout cijfer geeft?
Iemand moet kunnen zeggen: deze definitie klopt, of ze klopt niet. Dat is de eigenaar van het cijfer, meestal iemand uit de business, niet uit IT.
Leg die eigenaar vast naast de definitie. Als een agent een vreemd antwoord geeft, weet je dan meteen wie het moet nakijken. Zonder eigenaar belandt elke fout bij het datateam, dat de business niet goed genoeg kent om ze op te lossen.
Welke data mag een agent gebruiken?
Dit is het deel waar de meeste CIO's al mee bezig zijn, en terecht. Bepaal per agent welke bronnen hij mag lezen, onder wiens rechten, en welke data uitgesloten is, zoals persoonsgegevens of vertrouwelijke financiële cijfers.
Bouw daarvoor op wat je al hebt: je bestaande rechtenbeheer en je classificatie van gevoelige data. Laat je juridische team nagaan welke verplichtingen uit de Europese AI-verordening voor jouw toepassing gelden. Voor het risicobeheer rond AI is het NIST AI Risk Management Framework (2023) een bruikbaar openbaar vertrekpunt.
Hoe weet je of je organisatie klaar is?
Doe een eenvoudige test. Kies een handvol vragen die je directie vaak stelt, zoals "wat was de marge vorig kwartaal?". Stel ze aan twee mensen uit verschillende afdelingen.
Krijg je hetzelfde antwoord, met dezelfde bron? Dan is die definitie klaar voor een agent. Krijg je twee antwoorden, dan weet je waar je moet beginnen. Een agent zou precies hetzelfde verschil maken, alleen sneller.
Een checklist voor de CIO: Definities, Eigenaars, Kwaliteit, Toegang, Terugkoppeling
- Definities: één geschreven definitie per KPI waarover de agent vragen krijgt, met één afgesproken bron.
- Eigenaars: een benoemde eigenaar uit de business per definitie, die fouten beoordeelt.
- Kwaliteit: een kwaliteitsstatus per dataset, zodat de agent en de lezer weten of de data van vandaag bruikbaar is.
- Toegang: per agent vastgelegd welke bronnen hij mag lezen en welke data uitgesloten is.
- Terugkoppeling: een vaste weg om foute antwoorden te melden, die eindigt bij de eigenaar van de definitie.
Waar dScribe past
dScribe is de plek waar je definities, eigenaars en datakwaliteit vastlegt, voordat een agent ze nodig heeft. Dezelfde definitie die je lezers in het Power BI-rapport zien, kan ook de bron zijn voor je AI-agents. dScribe regelt niet welke data een agent mag lezen. Dat blijft bij je bestaande rechtenbeheer.
Tot slot
Een AI-agent is zo betrouwbaar als de definities die hij leest. Wie eerst het model kiest en daarna de definities regelt, krijgt snelle antwoorden die niemand vertrouwt. Begin bij de cijfers waarover de agent vragen krijgt. Spreek af wat ze betekenen, wie erover beslist en of de data in orde is. Pas dan heeft een agent iets om op te bouwen.
Veelgestelde vragen
Wat moet een CIO regelen voordat AI-agents live gaan?
Afgesproken definities voor de belangrijkste KPI's, een eigenaar per definitie, zicht op datakwaliteit, toegangsafspraken per agent en een manier om fouten te melden. De laatste drie kennen de meeste IT-teams al. De eerste twee worden het vaakst overgeslagen.
Is onze data klaar voor AI-agents?
Stel een paar veelgestelde directievragen aan twee mensen uit verschillende afdelingen. Krijg je verschillende antwoorden, dan krijgt een agent dezelfde verwarring mee. Begin daar met opruimen.
Waarom geeft onze AI-assistent andere cijfers dan onze Power BI-rapporten?
Meestal omdat de assistent een andere bron of een andere definitie gebruikt dan het rapport. Hij weet niet welke versie gecertificeerd is, tenzij je hem dat expliciet vertelt. Eén afgesproken definitie per KPI, gedeeld door rapport en agent, lost dat op.
Wie is verantwoordelijk als een AI-agent een fout cijfer gebruikt?
De organisatie blijft verantwoordelijk voor de beslissing. Praktisch moet er per definitie een eigenaar zijn die kan zeggen of het cijfer klopt. Zonder die eigenaar komt elke fout bij IT terecht.
Heb je een data catalog nodig voordat je AI-agents uitrolt?
Je hebt een onderhouden lijst van definities en eigenaars nodig, die de agent kan lezen. Of dat in een catalog staat of ergens anders, is minder belangrijk dan dat ze actueel en afgesproken is.