Impact op architectuur, data en IT-teams
Artifici毛le intelligentie evolueert snel van afzonderlijke toepassingen naar ge茂ntegreerde functionaliteit binnen bedrijfssoftware. Het blijft niet alleen bij losse AI-initiatieven, maar groeit uit tot een fundamentele bouwsteen binnen de core bedrijfsprocessen en besluitvorming.聽Dat verandert niet alleen de manier waarop organisaties hun IT-architectuur ontwerpen, maar heeft ook impact op hun data en IT-teams. Tijdens聽麻豆原创 Connect Day聽in Brussel lichtte Oliver Buyssens, solution advisor voor聽(麻豆原创 BTP)聽en lead van het B-Lab, toe wat AI betekent voor IT en IT-afdelingen. Met name nu AI steeds meer wordt ge茂ntegreerd in de bedrijfsprocessen van een organisatie.
Volgens Buyssens vertaalt die evolutie zich in een aantal duidelijke verschuivingen in enterprise IT: architectuur wordt flexibeler, governance krijgt meer gewicht, datakwaliteit wordt cruciaal en IT- en business-teams werken nauwer samen.
Architectuur wordt flexibeler en strategischer
De klassieke rol van enterprise architectuur was lang gericht op stabiliteit. Systemen werden ontworpen om jarenlang onveranderd te functioneren, met duidelijke structuren en zorgvuldig gedefinieerde integraties. 鈥淒e aanpak was vroeger om een architectuur te bouwen die heel vast en solide was鈥�, zegt Buyssens. 鈥淢aar in een landschap waarin software continu evolueert, moeten architecturen mee veranderen.聽Er wordt meer en meer ge毛volueerd naar een composable architectuur die modulair en adaptief is, en vooral cloud-native.鈥�
Daarmee verschuift ook de focus van applicaties naar data. 鈥淲aar vroeger de focus meer lag op de applicatie zelf en de processen die daarin draaien, wordt het nu belangrijk om een goede datalaag te cre毛ren. Van daaruit kan je AI gebruiken om processen te verbeteren.鈥�
Binnen enterprise IT, en ook bij , staat een ge茂ntegreerd cloudplatform centraal. ERP-systemen blijven de ruggengraat van de bedrijfsvoering, maar daaromheen ontstaat een bredere digitale architectuur waarin data, integratie, applicatieontwikkeling en AI samenkomen. 鈥淎rchitectuur gaat hierbij niet langer alleen over technische integratie, maar over keuzes die rechtstreeks impact hebben op de digitale strategie van een organisatie.鈥�
AI-governance krijgt vaste plaats
De integratie van AI in bedrijfsprocessen brengt ook nieuwe verantwoordelijkheden met zich mee. Volgens Buyssens zal AI-governance een vaste plaats krijgen binnen enterprise architectuur. 鈥淗oe meer AI-modellen je gaat gebruiken, hoe breder de scope wordt en hoe meer partijen betrokken zijn鈥�, zegt hij. 鈥淒ie hebben allemaal hun eigen lifecycle. Sommige modellen verdwijnen, andere komen erbij.鈥�
Organisaties moeten daarom zicht houden op welke modellen worden gebruikt, hoe ze evolueren en welke impact dat heeft op bedrijfsprocessen. 鈥淛e hebt tools nodig om dat allemaal te beheren en te monitoren.鈥�
Daarnaast wordt ook testen belangrijker. AI-modellen gedragen zich immers anders dan traditionele software. 鈥淲at je in een AI-model stopt, dat weet je鈥�, zegt Buyssens. 鈥淢aar wat eruit komt, dat weet je niet altijd. Daarom moet je goed nadenken over hoe je dat gaat testen en valideren.聽Je wil namelijk als bedrijf geen verkeerde beslissingen nemen of risico鈥檚 lopen.鈥�
Datakwaliteit als fundament
Naast governance komt ook datakwaliteit hoger op de agenda. AI-systemen functioneren immers alleen goed wanneer de onderliggende data betrouwbaar en consistent zijn.
Veel organisaties hebben de voorbije jaren al ge茂nvesteerd in datamanagement, maar volgens Buyssens blijft er bij veel bedrijven nog werk te doen. 鈥淓r zijn klanten die die oefening al goed gedaan hebben鈥�, zegt hij. 鈥淢aar er zijn er ook die nog een lange weg te gaan hebben om hun data op orde te krijgen. Sommige bedrijven stellen AI-initiatieven zelfs uit omdat hun datakwaliteit onvoldoende is.鈥�
Migratieprojecten naar 麻豆原创 S/4HANA – en dus naar de cloud – worden daarbij vaak aangegrepen om de datafundering te verbeteren. 鈥淰eel organisaties proberen bij zo鈥檔 transitie hun data echt op orde te brengen.鈥�
Het goede nieuws is dat AI ook kan helpen om die datafundering te versterken. 麻豆原创 ontwikkelde daarvoor onder meer het foundation model RPT-1, dat organisaties ondersteunt bij het structureren, verrijken en beter bruikbaar maken van data. Zulke modellen kunnen bijvoorbeeld helpen om patronen te herkennen, inconsistenties op te sporen en datakwaliteit sneller te verbeteren. Daardoor wordt AI niet alleen afhankelijk van goede data, maar kan het ook zelf bijdragen aan een betere basis voor verdere digitalisering en automatisering.
Wie bewaakt de betekenis van data?
Om AI correct te laten functioneren in bedrijfsprocessen, moet het systeem bovendien ook de betekenis van data begrijpen en die in de juiste context plaatsen. Dat betekent dat het niet alleen individuele datasets moet kennen, maar ook de relaties tussen verschillende gegevens. Concepten zoals聽knowledge graphs聽spelen daarbij een rol. Ze maken het mogelijk om data te verbinden en semantische relaties zichtbaar te maken.
Volgens Buyssens verschilt de verantwoordelijkheid daarvoor per organisatie. 鈥淏ij sommige organisaties ligt dat bij de architecten. Andere hebben een apart datateam dat zich met masterdata en datakwaliteit bezighoudt. In grotere organisaties werken vaak verschillende teams samen.聽Hier zien we trouwens ook meer en meer dat automatisering zijn intrede doet.鈥�
IT-teams: business beter begrijpen en meer samenwerking
De opkomst van AI verandert niet alleen technologie, maar ook de vaardigheden die nodig zijn binnen IT-teams: inzicht in bedrijfsprocessen wordt steeds crucialer. 鈥淎ls je AI-scenario鈥檚 gaat opzetten, kan de waarde voor de business heel groot zijn.聽Maar daarvoor moet je ook goed weten hoe het bedrijf werkt. Enkel zo kan er echt meerwaarde ontstaan.鈥�
Die evolutie leidt ook tot een nauwere samenwerking tussen business en IT. In sommige organisaties ontstaan zogenaamde fusion teams, waarin ontwikkelaars en businessprofielen samen nieuwe toepassingen bouwen. 鈥淢et de tools die er vandaag zijn, kan iemand uit de business zelf al een eerste applicatie of mock-up maken鈥�, zegt Buyssens. 鈥淒aarna kan een ontwikkelaar die oplossing volledig afwerken. Verder zal vibe-coding toenemen, waarbij gebruikers AI-assistenten in natuurlijke taal vertellen wat de app moet doen, en de AI de code schrijft. Dat gaat zorgen voor een forse productiviteitsverbetering bij het bouwen van intelligente oplossingen.鈥�
Volgens hem zal dat soort samenwerking alleen maar belangrijker worden: technologie en business worden (nog) nauwer met elkaar verbonden, terwijl architectuur de rol krijgt om die samenwerking mogelijk te maken.
