AI is niet het probleem. Data is de uitdaging.

Medewerkers gebruiken generatieve AI, softwareleveranciers voegen nieuwe functies toe aan applicaties en bestuurders onderzoeken hoe processen slimmer kunnen worden ingericht. Toch betekent het gebruik van AI nog niet dat een organisatie ook een samenhangende AI-strategie heeft.

De stap van experiment naar structurele toepassing blijkt vaak lastig. Niet alleen vanwege de technologie, maar vooral omdat data versnipperd is over databases, applicaties, bestanden en andere omgevingen. Welke informatie is beschikbaar? Is die betrouwbaar en actueel? En mag zij voor een specifieke toepassing worden gebruikt?

Van digitale soevereiniteit naar AI

In het eerste artikel van deze reeks stond digitale soevereiniteit centraal: het vermogen om zelf keuzes te blijven maken over data, technologie en digitale processen. AI maakt dat vraagstuk concreter. Wie later wil profiteren van AI, moet vandaag al nadenken over welke data beschikbaar blijft en onder welke voorwaarden die mag worden gebruikt. 

Daarmee is de vraag niet alleen waar data staat. Minstens zo belangrijk is welke informatie een organisatie in de toekomst nog nodig denkt te hebben. Data die niet wordt bewaard, geclassificeerd of vindbaar gemaakt, kan later ook niet zomaar als fundament voor AI dienen.

Dat betekent niet dat organisaties alles onbeperkt moeten opslaan. Het vraagt juist om bewuste keuzes: welke data heeft blijvende waarde, welke informatie moet actueel blijven en welke wettelijke of ethische beperkingen gelden voor het bewaren en gebruiken ervan?

Data bepaalt de waarde van AI

Veel AI-trajecten beginnen met een technisch gesprek over modellen en infrastructuur. Volgens Jaco van Dijk is dat de verkeerde volgorde. Eerst moet duidelijk zijn welk bedrijfsprobleem de organisatie wil oplossen.
“Het is niet zo van: koop een computer met iets erin en een beetje software erop en je bent klaar”, zegt hij. 

Wil de organisatie medewerkers sneller toegang geven tot kennis, klantvragen efficiënter beantwoorden of besluitvorming ondersteunen? Pas wanneer de toepassing duidelijk is, kan worden bepaald welke data daarvoor nodig is en welke technologie daarbij past.

“Als ik geen data heb, dan heb ik ook geen AI”, aldus Jaco. “Data is gewoon de belangrijkste voedingsbron voor AI.” 

Dataclassificatie en indexering worden daarmee belangrijk. Een AI-datalaag kan relevante informatie uit verschillende bronnen toegankelijk maken, zonder dat iedere toepassing afzonderlijk alle onderliggende bestanden en systemen hoeft te doorzoeken. De organisatie blijft echter zelf verantwoordelijk voor de kwaliteit, actualiteit, toegang en bruikbaarheid van die informatie. 

Ook hoeft niet alle data naar één centrale omgeving te worden verplaatst. Bij een gedistribueerde aanpak kan de verwerking plaatsvinden op of nabij de locatie waar de data zich bevindt. Alleen de vraag en het relevante antwoord hoeven dan over het netwerk te gaan.

“Data wil je niet meer verplaatsen”, zegt Jaco. 

Eerst valideren, dan opschalen

Hoewel de strategische vragen groot zijn, adviseert Jaco organisaties om praktisch te beginnen.

“Altijd met een pilot beginnen. Validatie doen”, zegt hij. “Begin klein en dan ga je pas groot groeien.” 

Een beperkte pilot kan al aantonen of een toepassing bruikbare resultaten oplevert. Pas daarna wordt duidelijk hoeveel gebruikers, databronnen, capaciteit en beheer nodig zijn. Infrastructuur wordt zo niet het vertrekpunt, maar het gevolg van een gevalideerde bedrijfstoepassing.

Voor Infinity IT past dit binnen een bredere verschuiving in de markt. Organisaties zoeken niet alleen technologie, maar vooral een manier om de bedrijfsvraag, data, infrastructuur en governance met elkaar te verbinden. Daarbij gaat het ook om controle: welke datasets worden gebruikt, waar draait het model en kan achteraf worden gereconstrueerd hoe een antwoord of handeling tot stand kwam?

Die vragen worden nog relevanter bij AI-agents die zelfstandig taken uitvoeren. Dan moeten duidelijke grenzen gelden voor welke informatie zij mogen gebruiken en welke handelingen zij wel of niet mogen verrichten.

De keuzes van vandaag bepalen de flexibiliteit van morgen

De discussie over AI gaat vaak over modellen en technologie. De fundamentelere uitdaging ligt bij de data. Welke informatie wil een organisatie bewaren? Hoe blijft die informatie betrouwbaar en bruikbaar? En welke kennis wil zij over drie of vijf jaar nog kunnen inzetten?

Organisaties die deze afweging uitstellen, kunnen toekomstige AI-mogelijkheden beperken door beslissingen die vandaag over data worden genomen. Wie nu bewust kiest welke informatie wordt bewaard, geclassificeerd en beschikbaar gehouden, creëert ruimte om later te innoveren en van koers te veranderen.

Daarmee krijgt digitale soevereiniteit een praktische invulling. Het gaat niet alleen over de locatie van data, maar ook over het vermogen om die data gecontroleerd te benutten en zelfstandig bij te sturen wanneer technologie, wetgeving of bedrijfsdoelen veranderen. 

Daarna dient zich een volgende bestuurlijke vraag aan. Data bruikbaar houden, infrastructuur opschalen en controlemechanismen inrichten vraagt om investeringen. In het derde deel van deze reeks staat daarom de financiële kant van AI centraal: hoe kunnen organisaties opschalen zonder de grip op de kosten te verliezen?