Data & AI trends

Volgens een nieuw rapport over menselijk risico, waarover WINMAG Pro bericht, staat AI inmiddels op de tweede plaats van menselijke risico’s op de werkvloer. Medewerkers hebben generatieve AI sneller omarmd dan securityteams het gebruik konden reguleren. Het rapport wijst op drie gebieden: ongeautoriseerd gebruik van generatieve AI-tools, vibe coding door medewerkers zonder ontwikkelachtergrond, en risico’s die ontstaan wanneer AI-agents zelfstandig handelen. Voor organisaties betekent dit dat de invoering van hulpmiddelen als Copilot niet alleen een adoptievraag is, maar vooral een kwestie van afspraken over toegang tot data, toegestaan gebruik en toezicht.

Uit onderzoek van Censuswide in opdracht van Veeam blijkt dat 70 procent van de organisaties in EMEA te maken heeft met zogeheten shadow agents: AI-workflows en agents die buiten het zicht van IT zijn opgezet en met gevoelige data interageren. Waar schaduw-IT eerder draaide om ongeautoriseerde apps, gaat het nu om geautomatiseerde processen die zelfstandig bedrijfsdata benaderen en verwerken. Daarmee wordt de vraag wie welke data mag inzien urgenter dan bij klassieke software. Voor organisaties betekent dit dat de invoering van AI-assistenten alleen beheersbaar blijft als toegangsrechten, dataclassificatie en logging vooraf zijn geregeld, in plaats van achteraf te worden hersteld.

Consultancy.nl publiceerde een analyse van Mobilee over datakwaliteit. De strekking: organisaties die waarde halen uit data en AI investeren niet als eerste in technologie, maar in vertrouwen in de gegevens. Dat vertrouwen ontstaat als medewerkers weten wat data betekenen, hoe betrouwbaar ze zijn en wie verantwoordelijk is voor de kwaliteit. Concreet adviseert de auteur om per belangrijke dataset vast te leggen wie beslissingen neemt over de gegevens en wie in de dagelijkse praktijk controleert of ze correct worden vastgelegd en gebruikt. Voor organisaties betekent dit dat datakwaliteit vooral een kwestie is van eigenaarschap en werkafspraken, en dat een technische oplossing alleen dat probleem niet wegneemt.

Data mesh werkt in de praktijk vooral als hybride model, schrijft TechTarget. In plaats van bestaande data lakes en warehouses te vervangen, combineren organisaties een centraal platform met verspreid eigenaarschap van dataproducten. Een voorbeeld is een grote logistieke dienstverlener die met adviesbureau Kearney het dataplatform, de catalogus, kwaliteitsstandaarden, beveiliging en AI-governance centraal hield, terwijl bedrijfsonderdelen voor vracht, netwerk en retail zelf hun dataproducten en roadmaps beheerden. Dat voorkwam een kostbare herbouw van het cloudplatform en versnelde de analyses. Voor organisaties betekent dit dat de keuze voor een data-architectuur minder gaat over het vervangen van technologie en meer over de verdeling van verantwoordelijkheden op een gedeeld fundament.

De gemeente Helmond werkt samen met Argaleo en KPN aan slimme toepassingen voor gemeenten, meldt iBestuur. Helmond gebruikt al jaren slimme verkeerslichten, sensoren en digitale modellen, maar voor elke afzonderlijke toepassing kwam vaak een eigen dashboard. De gegevens bleven daardoor lastig te gebruiken buiten het systeem van de leverancier. De centrale vraag is nu hoe bestaande sensoren voor meerdere opgaven kunnen worden ingezet, met een veilige ingang voor data als uitgangspunt. Het voorbeeld laat zien dat losse oplossingen op termijn tot versnipperde data leiden: pas met een architectuur die bronnen los van leveranciers ontsluit, kunnen organisaties dezelfde gegevens voor meerdere doelen gebruiken.

Microsoft heeft zijn segmentrapportage voor fiscaal 2027 herzien. De nieuwe indeling volgt de manier waarop het management de activiteiten beoordeelt en kapitaal toewijst, met de nadruk op geïntegreerde AI-infrastructuur, adoptie van het Copilot-platform en cloudproductiviteit. Voor het eerste kwartaal verwacht het bedrijf een Azure-groei van ongeveer 45 procent in constante valuta. Het segment Productivity and Business Processes zou in het midden tot hoge dubbele cijfers blijven groeien, gedreven door zakelijke Copilot-adoptie. Voor organisaties betekent dit dat Copilot een vaste plek krijgt in de Microsoft-omgeving die zij al gebruiken, waardoor vragen over toegangsrechten, datakwaliteit en werkafspraken eerder aan de orde komen dan gepland.

Xebia en Data Expo publiceren de Data & AI Monitor 2026/2027 voor de Benelux. Organisaties experimenteren volop met AI, maar de waarde ervan blijft vaak onbewezen. In de publieke sector en het onderwijs meet 31 procent de waarde van AI helemaal niet, en ook in de zorg blijft waardemeting achter. Volgens Mariam Halfhide van Xebia wijzen de cijfers niet op een technologieprobleem, maar op een besturingsprobleem: experimenteren lukt, het wordt lastig bij eigenaarschap, betrouwbare data, risico en succesmeting. Voor organisaties betekent dit dat de opbrengst van AI vooral afhangt van hoe eigenaarschap, datakwaliteit en meting in de eigen processen zijn geregeld.

Microsoft meldde op de Deutsche Bank Technology Conference dat het gebruik van Microsoft 365 Copilot inmiddels vergelijkbaar is met dat van Teams en Outlook. Veel klanten breiden uit van beperkte pilots naar licenties voor de hele organisatie. Daarbij combineert Microsoft een vaste prijs per gebruiker met facturering op basis van verbruik voor agentische taken, en voegt het hulpmiddelen toe om kosten te bewaken. Copilot Cowork is bedoeld voor langlopend werk in meerdere stappen. Voor organisaties betekent de stap van pilot naar brede uitrol dat afspraken over datatoegang, rechten en kostenbeheer vooraf geregeld moeten zijn, omdat Copilot alleen toont wat medewerkers al mogen zien.

ITdaily beschrijft in een opiniestuk hoe de opkomst van AI de focus binnen compliance verschuift. Het gaat niet langer alleen om welke medewerkers toegang hebben tot data, maar ook om welke autonome AI-systemen die informatie mogen gebruiken, onder welke voorwaarden en met welke audit trail. Regelgeving zoals NIS2 en de EU AI Act versterkt die verschuiving. Volgens het stuk is goed databeleid daarbij niet alleen een verplichting: wie data goed structureert, legt tegelijk de basis voor betrouwbare AI-toepassingen. Voor organisaties betekent dit dat de kwaliteit van het datafundament steeds meer bepaalt hoe snel en verantwoord zij AI kunnen inzetten.