Data & AI trends

Overheden en onderwijsinstellingen zetten AI in voor steeds meer processen, van het beoordelen van aanvragen tot het opsporen van fraude, maar passen hun infrastructuur daar nauwelijks op aan. Dat blijkt uit de achtste editie van het Enterprise Cloud Index van Nutanix. Volgens Sammy Zoghlami, SVP EMEA bij Nutanix, is ongecontroleerde ‘shadow AI’ een van de grootste governance-uitdagingen in de publieke sector, en verschuift de aandacht van AI-ambities naar de vraag of organisaties operationeel klaar zijn. Koplopers richten zich niet op elke afzonderlijke toepassing, maar bundelen hun technologische basis. Voor organisaties betekent dit dat de staat van het datafundament bepaalt hoe snel AI verantwoord kan worden ingezet.

Uit de achtste editie van het Enterprise Cloud Index van Nutanix blijkt dat overheden en onderwijsinstellingen AI inmiddels breed inzetten, van het beoordelen van aanvragen tot het opsporen van fraude. Tegelijkertijd zegt 73 procent van de ondervraagde IT-leiders in de publieke sector dat de huidige infrastructuur niet geschikt is om complexe AI-workloads on-premises uit te voeren. Daarnaast ziet 91 procent risico’s in ongecontroleerd AI-gebruik, zowel voor de uitvoering van publieke taken als voor de beveiliging van gevoelige gegevens. Voor organisaties betekent dit dat de waarde van AI-toepassingen wordt begrensd door de staat van het onderliggende datafundament en door de mate waarin het gebruik ervan is ingericht.

Op iBestuur betoogt Enable-U dat het plan voor één Rijksdienst alleen kan slagen als overheidsorganisaties eerst hun basis op orde brengen. De eerste stap is volgens de auteur weten welke gegevens er zijn, waar ze staan, wie ervoor verantwoordelijk is en wat ze precies betekenen. Bij de meeste overheidsorganisaties is dat nog niet het geval, waardoor centraliseren volgens het stuk bij voorbaat kansloos is. Het artikel benoemt drie stappen die niet overgeslagen kunnen worden voordat samenvoeging zinvol wordt. Voor organisaties die diensten of systemen willen bundelen betekent dit dat een geordend datafundament met duidelijk eigenaarschap voorafgaat aan elke centralisatie.

De verplichting tot AI-geletterdheid in artikel 4 van de EU AI Act is met de Digital Omnibus aangepast, meldt Wolters Kluwer. De eis dat medewerkers over een toereikend niveau moeten beschikken, is vervangen door de plicht om de ontwikkeling van AI-geletterdheid te ondersteunen, zonder dat een bepaald niveau moet worden gewaarborgd. De regel geldt voor elke organisatie die AI-systemen aanbiedt of gebruikt, dus ook voor werkgevers die medewerkers met een assistent als Microsoft Copilot laten werken. Dat vraagt aantoonbare maatregelen: training, werkafspraken en uitleg over wat het systeem wel en niet kan. Voor organisaties betekent dit dat adoptie en kennisopbouw bij een Copilot-invoering geen bijzaak zijn, maar onderdeel van de naleving.

Microsoft heeft een analyse gepubliceerd van ongeveer 40.000 agents die organisaties met Copilot Studio hebben gebouwd. Volgens het bedrijf geeft die analyse een nulmeting van de huidige adoptie van agents in bedrijven en een manier om de ontwikkeling daarvan te volgen. Tegelijk introduceert Microsoft een nieuwe harness, die makers meer mogelijkheden moet geven om complexere bedrijfsproblemen met agents aan te pakken. Daarmee verschuift het gebruik van Copilot van losse experimenten naar agents die processen in de organisatie uitvoeren. Voor organisaties betekent dit dat afspraken over wie agents bouwt, welke data zij mogen benaderen en hoe het beheer is geregeld, minstens zo bepalend zijn als de techniek zelf.

De IND laat inmiddels ongeveer tweehonderd medewerkers werken met Robin, een AI-assistent die het ministerie van Justitie en Veiligheid vorig jaar ontwikkelde als veilig alternatief voor ChatGPT, zo meldt NRC. Dat gebruik is niet gemeld. De chatbot werd eerst getest door een groep innovatieve medewerkers en daarna stapsgewijs breder beschikbaar gemaakt. Een vergelijkbare assistent bij de Britse immigratiedienst bespaarde veel werktijd, maar in de pilotfase bevatte ongeveer een op de tien AI-samenvattingen fouten. Voor organisaties laat dit zien dat het invoeren van een AI-assistent voor medewerkers vraagt om afspraken over registratie, toegang tot informatie en controle van de uitkomsten, en niet alleen om het beschikbaar stellen van de tool.

Consultancy.nl bericht dat Van Dam Datapartners bij de provincie Noord-Brabant data tot een vast onderdeel van het werk heeft gemaakt. Binnen de afdeling Wonen, Werken, Leefomgeving was volop data beschikbaar, maar keuzes leunden geregeld nog op ervaring. Het traject was daarom gericht op het benutten van die bestaande gegevens in de dagelijkse besluitvorming, en niet op het verzamelen van nog meer data. Het voorbeeld laat zien dat beschikbaarheid van data op zichzelf weinig verandert zolang eigenaarschap, werkprocessen en gewoonten niet meebewegen. Voor organisaties betekent dit dat een dataplatform pas waarde oplevert wanneer het gebruik ervan in het werk is verankerd.

Op TechTarget betoogt Bill Schmarzo dat veel organisaties de AI-stack ten onrechte behandelen als een nieuw domein naast het dataplatform dat zij al hebben. Volgens hem is het model slechts het zichtbare deel van AI: de data-architectuur doet het zware werk en bepaalt of uitkomsten op schaal consistent en betrouwbaar zijn. Een goed opgezette architectuur verliest geen waarde, maar wordt door onderhoud en hergebruik juist nuttiger. Slechts enkele onderdelen zijn volgens hem echt nieuw en verdienen aparte investering. Voor organisaties betekent dit dat de staat van hun datafundament grotendeels bepaalt hoe ver zij met AI kunnen komen.

InfoWorld beschrijft hoe Microsoft met Azure Databases, Fabric, OneLake, Power BI en governancetooling systemen van vastlegging en operationele applicaties verbindt met analytics en AI. De auteur plaatst dit in een beslisarchitectuur met vijf lagen: context, beslislogica, bevoegdheid, orkestratie en uitvoering, inclusief een pad om acties te controleren of terug te draaien. Betrouwbare data is daarbij de voorwaarde: zonder vertrouwde data is automatisering op schaal moeilijk te vertrouwen. De architectuur moet volgens het artikel de werklast, datavolwassenheid, kosten en bedrijfswaarde volgen, niet één vaste eindbestemming. Voor organisaties betekent dit dat de keuze voor een datafundament vooraf bepaalt hoe controleerbaar latere automatisering en AI-toepassingen zijn.

Securitybedrijf Syskit publiceerde op 10 september zijn State of Microsoft 365 Governance Report. Daaruit blijkt dat 76 procent van de ondervraagde organisaties in het Verenigd Koninkrijk en de Verenigde Staten een zakelijke AI-tool zoals Copilot heeft ingevoerd of test op Microsoft 365-data. De controle blijft achter bij het vertrouwen: 91 procent zegt te kunnen zien welke agents actief zijn en waar die bij kunnen, maar slechts 22 procent heeft een formeel beleid dat vastlegt welke data AI-agents mogen benaderen. Bijna één op de tien laat agents bestaande rechten overerven. Voor organisaties betekent dit dat een Copilot-uitrol pas beheersbaar is als rechten en datatoegang vooraf zijn beoordeeld en vastgelegd.

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.