Artificiële intelligentie (AI) is niet meer weg te denken uit de huidige tijd. Of u nu werkt bij een gemeente, de rijksoverheid of een pensioenfonds: vrijwel iedere organisatie is bezig met AI, of overweegt ermee te starten. Maar beseffen organisaties voldoende dat goed datamanagement (DM) de sleutel is om écht waarde uit AI te halen? En dat AI op zijn beurt ook kan bijdragen aan het verbeteren van datamanagement? 

Tijdens een recente Ronde Tafel bij Kasteel Heemstede gingen we hierover in gesprek met vertegenwoordigers uit verschillende sectoren. De discussie leverde waardevolle inzichten op, die we graag met u delen. Maar laten we bij het begin beginnen: wat verstaan we eigenlijk onder AI? En welke rol speelt data en datamanagement in dit geheel?  

Wat is AI?  

Vraag drie mensen om een definitie van een AI en u krijgt waarschijnlijk drie verschillende antwoorden. De één noemt ChatGPT, de ander menselijke intelligentie, en weer een ander noemt zelflerende algoritmen. Allemaal hebben ze deels gelijk.  

AI is technologie waarmee computers en machines menselijk leren, begrip, probleemoplossing, besluitvorming, creativiteit en autonomie kunnen nabootsen (IBM, 2025).  AI begon in de jaren 50’ als wetenschappelijk onderzoeksveld, maar nu zien we dagelijks nieuwe toepassingen en nieuwsberichten. Dit is vooral dankzij doorbraken in Generatieve AI (GenAI), het type AI dat in staat is nieuwe content te generen. Maar deze vooruitgang was niet mogelijk geweest zonder technieken die ervoor zorgen dat AI-systemen kunnen leren van data. 

De cruciale rol van data en datamanagement 

Vanaf de jaren tachtig is het leren van data – wat we nu kennen als machine learning – steeds belangrijker geworden. Waar wetenschappers voorheen probeerden om menselijke intelligentie na te bootsen met vaste ‘als-dit-dan-dat’-regels, bleek deze aanpak al snel zijn beperkingen te hebben.  

Met de komst van machine learning veranderde dit fundamenteel: door een dataset aan te bieden en via een wiskundig proces patronen te ontdekken, kunnen modellen nu zelf verbanden leggen in de data. Zo ontstaan modellen die niet langer afhankelijk zijn van door mensen vastgestelde regels. 

Hierbij is de rol van data essentieel. Zonder voldoende data kan een AI-systeem simpelweg niet leren. Maar niet alleen de hoeveelheid, ook de kwaliteit van de data bepaalt in grote mate het succes van AI-toepassingen. Onvolledige of onbetrouwbare data leiden tot minder betrouwbare uitkomsten. Daarom is goed datamanagement geen luxe, maar een absolute randvoorwaarde voor organisaties die waarde willen halen uit AI. 

De wisselwerking tussen datamanagement en AI 

Datamanagement vormt binnen én tussen organisaties de basis voor het gestructureerd omgaan met data gedurende de hele levenscyclus: van het creëren en gebruiken tot het uiteindelijk verwijderen van data. Het doel is helder: altijd beschikken over de juiste data, van de juiste kwaliteit, op het juiste moment. Goed datamanagement zorgt daarmee voor volledige en betrouwbare data, wat essentieel is voor het realiseren van betrouwbare AI-toepassingen.  

Een opvallende ontwikkeling is de inzet van AI om datamanagement te versterken. AI kan datakwaliteit monitoren, metadata beheren, de herkomst van data (data lineage) inzichtelijk maken en compliance-processen automatiseren. Zo helpt AI om de kwaliteit van data continu te verbeteren, en profiteert AI vervolgens zelf weer van deze verbeterde data. Dit onderstreept de krachtige wisselwerking tussen datamanagement en AI. 

Datamanagement en AI: De belangrijkste lessen

Wat betekent dit nu voor uw organisatie? Tijdens de Ronde Tafel werd duidelijk dat de wisselwerking tussen datamanagement en AI volop in ontwikkeling is. De discussies met diverse vertegenwoordigers uit verschillende sectoren (o.a. pensioensector, publieke sector) leverden een zestal lessen op: 

• Ontkoppeling datamanagement en AI: DM en AI zijn vaak ontkoppeld binnen organisaties. Het besef dat goed datamanagement een voorwaarde is voor succesvolle AI, ontbreekt vaak nog.  Daarnaast weet men vaak niet hoe ze deze koppeling in de praktijk moeten brengen.  
• Van gestructureerde naar ongestructureerde data: GenAI is erg goed in het analyseren van ongestructureerde data. Denk hierbij aan mails, documenten, artikelen en zelfs beeldmateriaal. Waar de focus van datamanagement vaak ligt op het organiseren van gestructureerde data zien we langzamerhand een verschuiving naar ongestructureerde data. Veel organisaties zijn hier onvoldoende op voorbereid. 
• AI kan datamanagement versterken: Zoals eerder aangegeven kan AI helpen om de kwaliteit van data te verbeteren. Toch wordt AI hiervoor nog beperkt ingezet bleek uit een korte enquête tijdens de Ronde Tafel; hier liggen kansen voor de toekomst. 
• Verhouding tussen datastrategie en AI-strategie: Steeds vaker rijst de vraag hoe de AI-strategie zich verhoudt tot de datastrategie en de bredere digitale strategie. Hoe sluiten deze strategieën op elkaar aan, en wie draagt binnen de organisatie de verantwoordelijkheid voor de samenhang en uitvoering? 
• Het belang van goede governance groeit: Het is essentieel om duidelijk vast te leggen welke data AI mag gebruiken. Je wilt bijvoorbeeld voorkomen dat AI verouderde beleidsdocumenten of contracten meeneemt, of dat er onnodig persoonsgegevens worden verwerkt. Dit vraagt om strakke afspraken over dataclassificatie, eigenaarschap en versiebeheer. Onzekerheid op dit vlak verklaart waarom de adoptie van AI in veel organisaties nog achterblijft. 
• Strenge eisen aan risk & compliance: Door de impact van AI op mensen en organisaties stellen toezichthouders steeds strengere eisen, bijvoorbeeld vastgelegd in de AI-act. Dit betekent dat organisaties hun risk & compliance-processen goed op orde moeten hebben, terwijl het vaak nog lastig is om volledig zicht te krijgen op de werking en gevolgen van AI. Vooral in de publieke sector leidt dit tot extra voorzichtigheid bij het toepassen van AI. 

Deze lessen laten zien dat datamanagement en AI onlosmakelijk met elkaar verbonden zijn. Maar ook dat we nog aan het begin staan van wijdverbreide AI implementatie. 

Datamanagement en AI in de praktijk brengen

Maar dan de vertaling naar de praktische handvatten. Hoe zorg je voor goed datamanagement in tijden van AI? En hoe zorg je ervoor dat de wisselwerking optimaal wordt benut? Op basis van voorgaande inzichten noemen we eenaantal praktische handvatten: 

• Stimuleer een data-cultuur: Stimuleer een data-cultuur en wees duidelijk over de rol die data heeft in tijden van AI. Groeiend begrip en kennis over de wederzijdse afhankelijkheid dragen bij aan data en AI-minded organisatie, waarin innovatie toepassingen van data en AI sneller hun plek vinden.  

• Een gestructureerde aanpak: Zorg voor een gestructureerde aanpak voor de opzet van een geïntegreerde data en AI strategie. Deze geïntegreerde strategie neemt de strategische doelen van de organisatie als uitgangspunt. Door de plannen te integreren, wordt invulling gegeven aan de wederzijdse afhankelijkheid en gaan ze elkaar versterken in plaats van tegenhouden. 

• Organiseer eigenaarschap: Zorg voor duidelijk eigenaarschap van het datamanagement en gerelateerde producten zoals datasets, dashboards en AI-toepassingen. Eigenaarschap creëert duidelijkheid en kan onder andere bijdragen aan herbruikbaarheid van data en AI-toepassingen.  

• Neem iedereen mee: Neem alle onderdelen van de organisatie mee in de ambitie op het gebied van AI. Wat is bijvoorbeeld de impact van de inzet van AI op de risk en compliance afdeling en op HR? Hoe nemen we de medewerkers mee en integreren we de oplossingen in de huidige processen? AI is geen IT-feestje, het gaat de hele organisatie aan.  

Datamanagement en AI: Onlosmakelijk verbonden

Datamanagement en AI zijn geen losse uitdagingen binnen een organisatie, maar versterken elkaar.  Door hun afhankelijkheid bepalen ze gezamenlijk de snelheid waarmee nieuwe AI toepassingen succesvol geïmplementeerd kunnen worden. Wie het maximale uit data en AI wil halen, kan ze niet los van elkaar zien. Door deze wisselwerking te omarmen, ontstaat ruimte voor innovatie, betere besluitvorming en een toekomstbestendige organisatie. Laat deze wisselwerking niet aan het toeval over. Maak van datamanagement en AI een gezamenlijke prioriteit binnen jouw organisatie en bouw zo aan een fundament waarop de toekomst van data én AI rust.  Bij Bisnez bouwen we graag met je mee.  

Bronvermelding 

IBM. (2025, November 17). What is AI? https://www.ibm.com/think/topics/artificial-intelligence