Mathias Coopmans, SAS: “AI moet niet alleen vooruit, maar ook op de rails blijven”

SAS is van oudsher sterk in analytics, statistiek, datamining en machine learning. Juist vanuit die achtergrond kijkt Coopmans genuanceerd naar de huidige golf van generatieve AI. De nieuwe mogelijkheden zijn groot, maar de waarde ontstaat volgens hem vooral wanneer generatieve AI wordt gecombineerd met bewezen analytische modellen, betrouwbare data, goede governance en schaalbare IT.

“De gesprekken die wij hebben met IT-leadership gaan vaak over drie thema’s”, zegt Coopmans. “Hoe kunnen zij waarde brengen voor hun eindgebruikers in een meer servicegeoriënteerde context? Hoe kijken zij vandaag naar cloud computing en soevereine clouds? En hoe kunnen zij AI en generatieve AI inzetten zonder dat het een pure technologische oefening wordt?”

Die laatste vraag raakt direct aan het thema van Gartner IT Symposium/Xpo 2026, Ignite Intelligence. Coopmans: “Hoe kunnen ze zorgen dat ze die trein niet missen, maar anderzijds ook die trein op de rails houden?”

Generatieve AI boven op bewezen analytics

“SAS biedt al 50 jaar lang expertise in statistiek, data mining en analytics. zegt hij. “Wij integreren (generatieve) AI in onze oplossingen. Bijvoorbeeld met credit scoring of fraudedetectie bij banken. Onze modellen kunnen signalen aanwijzen die mogelijk frauduleus zijn, met zo min mogelijk false positives en false negatives.”

“We hebben sterke algoritmes die bewezen goed zijn”, zegt Coopmans. “Maar generatieve AI kan helpen om de outcomes in meer menselijke taal onder te brengen, zodat de gebruiker begrijpt waarom de ene case wel als verdacht wordt aangeduid en de andere niet.”

Daarmee verandert de rol van AI. Generatieve AI neemt niet noodzakelijk het analytische model over, maar maakt de interpretatie ervan toegankelijker. Dat is belangrijk in sectoren waar besluitvorming uitlegbaar moet blijven, zoals financiële dienstverlening, verzekeringen, overheid en compliancegevoelige processen.

Van fraudedetectie tot douanecontrole

Een concreet voorbeeld komt uit douane- en belastingdiensten in Europa. “Door de groei van e-commerce komen dagelijks miljoenen pakketten Europa binnen. Douanediensten kunnen die niet allemaal handmatig controleren. Zij hebben modellen nodig die aangeven waar de kans op fraude, vervalsing of foutieve aangifte het grootst is.”

Daar speelt de IT-afdeling een cruciale rol. “Het gaat niet alleen om een model bouwen, maar om schaalbaarheid, responstijden, veiligheid en dataverwerking. Als het aantal pakketten verdubbelt, moet de oplossing blijven werken. Als fraudeurs hun werkwijze aanpassen, moeten modellen snel kunnen worden aangepast en naar productie worden gebracht.”

De waarde zit dus niet alleen in innovatie, maar in productiebetrouwbaarheid. Coopmans benadrukt dat dit vaak onderbelicht blijft in AI-discussies. “Iedereen praat graag over innovatieve projecten”, zegt hij. “Maar als je kijkt waar echt waarde wordt geleverd, dan is dat door dingen die in productie draaien.”

AI als natuurlijke toegang tot analytics

Een tweede patroon ziet SAS in retail. “Bijvoorbeeld voorraadbeheer in winkels, voor verse en niet-verse producten. Traditionele forecasting, tijdreeksanalyse en statistische modellen kunnen bepalen welke voorraadniveaus verstandig zijn en wanneer moet worden bijbesteld. Generatieve AI maakt het mogelijk om zulke modellen via natuurlijke taal te bevragen.”

“Een storemanager kan een vraag stellen in gewone taal. Het systeem vertaalt die vraag naar een analyse op de achtergrond en geeft het antwoord terug in begrijpelijke bewoordingen.”

Daarmee wordt generatieve AI een user interface voor analytics. “Het verlaagt de drempel voor medewerkers. Vroeger moesten mensen op training om een bepaalde taal te leren. Die tijd is voorbij. We zitten in een nieuwe realiteit waarin we de drempel naar SAS willen verlagen.”

Agents komen stapsgewijs de software binnen

AI-agents zullen tijdens Gartner IT Symposium/Xpo nadrukkelijk aan bod komen. “Bij SAS worden agents al in oplossingen verwerkt. Klanten krijgen die met hun maandelijkse updates erbij. Het is aan de gebruiker om die al dan niet in te schakelen.”

Sommige agents zijn zichtbaar voor eindgebruikers. Coopmans noemt een agent in campaign management die een marketingbriefing in Word of PDF kan lezen en op basis daarvan een multichannelcampagne kan voorbereiden. Waar iemand eerder handmatig een flow moest bouwen voor e-mail, online kanalen of callcenteracties, kan een agent het ontwerp klaarzetten. “De human in the loop moet nog valideren of het document juist geïnterpreteerd is, maar het levert wel productiviteitswinst op.”

Andere agents helpen bij rapportages of visualisaties. Zij kunnen voorstellen hoe data het best worden weergegeven, maar ook rapporten bouwen in de huisstijl van een organisatie. De interactie wordt meer conversatie dan klassieke toolbediening. Er zijn ook agents die meer op de achtergrond werken, en bijvoorbeeld helpen om de schaalbaarheid, veiligheid en stabiliteit van een SAS-omgeving te monitoren. Daarmee raken agents niet alleen de eindgebruiker, maar ook IT operations.

Soevereiniteit gaat over meer dan datalocatie

Naast AI is soevereiniteit een belangrijk gespreksonderwerp. “Wij leveren technologie waarmee klanten met hun data werken, maar houden die data niet zelf vast. Daardoor verschilt onze positie van cloudproviders die ook de onderliggende infrastructuur aanbieden.” In discussies over soevereiniteit kijkt SAS daarom naar de infrastructuur waarop oplossingen draaien. Dat kan public cloud zijn, private cloud, on-premises of een Europese cloudprovider. “Klanten vragen steeds vaker hoe we met Europese providers kunnen samenwerken.”

Het SAS-platform is daarbij goed verplaatsbaar, omdat het niet diep afhankelijk is van specifieke cloudservices. “Omdat ons platform niet zo afhankelijk is van specifieke diensten die alleen door één hyperscaler worden aangeboden, kunnen wij vrij onafhankelijk opereren”, zegt Coopmans. “Vandaar dat wij prima in Europese clouds kunnen draaien.” SAS heeft ook zijn supportbeleid aangepast, zodat klanten in Europese cloudomgevingen hetzelfde supportniveau kunnen krijgen als in traditionele hyperscaler- of on-premisesomgevingen.

Op langere termijn kijkt SAS ook naar quantum AI. Met SAS Quantum Lab, biedt SAS een leeromgeving binnen SAS Viya waarin organisaties kunnen experimenteren met de mogelijke impact van quantumtechnologie op hun bestaande analyses. Het gaat vandaag nog niet om brede productie-inzet op echte quantumcomputers, maar om simulatie, validatie en voorbereiding. Zo kunnen zowel quantumexperts als niet-specialisten ideeën testen, zonder meteen zwaar te investeren in gespecialiseerde infrastructuur. Dit kan organisaties helpen om zich tijdig voor te bereiden op een toekomst waarin quantumcomputers beschikbaar en betaalbaar genoeg worden voor bredere inzet.

Legacy blijft waarde leveren

Een opvallend punt dat Coopmans noemt is de rol van legacy. “In veel AI-discussies ligt de nadruk op nieuwe technologie, maar veel klanten werken nog met bestaande systemen, inclusief mainframes. Ook daar kun je innoveren. Klanten kunnen moderne SAS-versies prima koppelen aan oudere omgevingen. De vraag is niet welke AI-toepassing indrukwekkend is, maar welke toepassing veilig in productie draait, uitlegbaar blijft en daadwerkelijk waarde levert voor de organisatie.”