Hoe verandert AI je dashboard in een gesprek?

Je hebt dashboards gebouwd, rapportages ingericht en toch kijkt bijna niemand. Van 1.000 mensen met toegang zijn er maar 84 die er actief naar kijken. AI belooft dat te veranderen, maar alleen als je iets onder de motorkap op orde hebt.

In dit artikel lees je hoe AI je dashboard verandert in een gesprek, waarom dat misgaat zonder een goede datalaag, en waar je morgen begint.

We baseren ons op aflevering 2 van podcast De Dataleiders, opgenomen na de Qlik AI Reality Tour op 23 juni 2026.

Bekijk de hele aflevering hier.

Wat verandert er aan je dashboard door AI?

Je gaat van zelf zoeken naar vragen stellen. In plaats van naar een dashboard navigeren en filteren, stel je een vraag in gewone taal en krijg je antwoord. Daarna stel je een verdiepende vraag. Het statische dashboard verdwijnt naar de achtergrond.

Stef Comello schetst drie fases. Eerst praat je met je data in natuurlijke taal. Daarna laat je AI de inzichten en dashboards voor je bouwen, werk dat nu nog bij data-analisten en BI-consultants ligt. In de derde fase signaleren assistenten zelf afwijkingen, doen ze voorspellingen en zetten ze acties uit, tot het versturen van een mail of het plaatsen van een order. Het saaie werk gaat door naar de machine.

Waarom levert AI op je data onbetrouwbare antwoorden op?

Omdat een taalmodel niet rekent, maar voorspelt. Het berekent wat het meest waarschijnlijke volgende woord is. Koppel je het aan ruwe data, dan kent het de context en de processen niet. Koppel je het aan een database, dan krijg je antwoorden die overtuigend ogen maar inhoudelijk vaak niet kloppen. Het model hallucineert en vult de rest zelf in op basis van trainingsdata.

Mensen verwachten dat een taalmodel ook met cijfers rekent. Dat is een denkfout. Rekenen en taal voorspellen zijn twee verschillende werelden.

Wat is een semantische laag en waarom heb je die nodig?

Een semantische laag is een geschoonde tussenlaag die het AI-model context geeft. Definities, begrippen, processen en business rules liggen daar vast. Daardoor begrijpt het model de samenhang in je data.

Neem een simpele vraag: geef de omzet over alle klanten van vorig jaar. Wanneer is iemand een klant? Vanaf de eerste factuur, vanaf het CRM-record of vanaf het eerste mailcontact? Onderling heb je daar afspraken over gemaakt, beschreven of onbeschreven. Een taalmodel kent die niet en vult ze zelf in. De ene keer pakt het het eerste mailcontact, de andere keer de tweede aanmaning. Dan ga je de verkeerde kant op met je redenering.

Wanneer is je organisatie klaar voor AI?

AI-ready zijn is meer dan schone en bereikbare data. Volgens het onderzoek dat op het event werd gepresenteerd gaat het om vijf dingen:

1. Je AI kan real time bij verschillende bronnen, zonder losse eilandjes.
2. De AI snapt de betekenis en context, via een intelligente laag met definities en business rules.
3. Beslissingen berusten op betrouwbare invoer van hoge kwaliteit.
4. Alles draait veilig, met heldere afspraken over wie wat mag zien en hoe je dat beheert.
5. Het geheel kan meeschalen, ook als de vraag onverwacht piekt.

Dat lijstje komt vrijwel overeen met de latere fases van het datavolwassenheidsmodel. Pas daar kun je AI serieus vertrouwen. Verifiëren blijft nodig, maar dan kun je het echt toepassen.

Waar zit de grootste kans?

Bij de mensen die nu niets met data doen. In het voorbeeld van 1.000 gebruikers bouwen er 10, kijken er 74 mee en doen ruim 900 niks. Die 900 hadden een drempel: het dashboard was te complex of de data te lastig. Als je interactie in gewone taal mogelijk maakt en de kwaliteit op orde is, verdwijnt die drempel. Je bereikt mensen die nooit een dashboard openden. Zo zet je ze in hun kracht en laat je ze het werk doen dat AI niet kan.

Waar begin je?

Niet bij het AI-model, maar bij de datalaag. Zorg dat de data eronder betrouwbaar, begrepen en bestuurd is. Geef context en leg definities vast op de punten die ertoe doen. Je hoeft het niet perfect te maken. Wie zijn fundament op orde heeft, bouwt een voorsprong op. Wie achterblijft, krijgt serieuze uitdagingen.

Begin met de vraag waar je staat in je datavolwassenheid. Daarvoor heeft Climber een scan die je in een paar minuten inzicht geeft.

Benieuwd hoe datavolwassen jouw organisatie is? Doe de gratis scan.