Een bekende uitdaging bij AI is de kwaliteit van de onderliggende data. Zonder betrouwbare en goed georganiseerde data kunnen ook geavanceerde AI-modellen geen betrouwbare resultaten leveren. CIO beschrijft echter een interessante volgende stap: AI wordt niet alleen consument van data, maar kan ook worden ingezet om de datalevenscyclus zelf beter te beheren.

Dat begint bij de basis. Data moet vindbaar zijn, zodat AI relevante informatie kan lokaliseren. Data moet begrijpelijk zijn, met consistente definities en voldoende context. Data moet betrouwbaar zijn, inclusief de juiste toegangsrechten. En uiteindelijk moet data snel genoeg beschikbaar zijn om daadwerkelijk waarde te kunnen leveren.

AI kan vervolgens helpen bij verschillende onderdelen van deze datalevenscyclus. Denk aan het identificeren van ontbrekende informatie, het herkennen van afwijkingen, datacleaning en het automatisch toevoegen van metadata.

Dat kan een interessante ontwikkeling zijn voor organisaties waar datamanagement nog veel handmatig werk vraagt. Zeker wanneer de hoeveelheid data blijft groeien, kunnen AI en AI-agents helpen om data efficiënter te classificeren, controleren en beschikbaar te maken.

Maar het artikel laat ook duidelijk de keerzijde zien. AI werkt probabilistisch. Een uitkomst die zeer waarschijnlijk correct is, is niet hetzelfde als een gegarandeerd correcte uitkomst. Zeker bij gevoelige of sterk gereguleerde data kan dat verschil cruciaal zijn.

Daarmee ontstaat een interessante wisselwerking. Goede data is noodzakelijk voor goede AI, terwijl goede AI kan helpen om data beter te beheren. Maar tussen die twee blijft governance noodzakelijk.

Voor Caronne betekent dit dat AI niet gezien moet worden als vervanging van goed datamanagement. Organisaties moeten nog steeds afspraken maken over definities, kwaliteit, eigenaarschap, toegang en verantwoordelijkheid. AI kan vervolgens helpen om die afspraken op grotere schaal en met minder handmatig werk uit te voeren.

De vraag is daarom niet of we de volledige datalevenscyclus aan AI kunnen overlaten. Interessanter is om per onderdeel te bepalen waar AI aantoonbaar waarde toevoegt, welke mate van zekerheid nodig is en waar menselijke controle noodzakelijk blijft.

Zo kan AI zich ontwikkelen van alleen een gebruiker van bedrijfsdata naar een hulpmiddel om diezelfde data beter vindbaar, begrijpelijk en betrouwbaar te maken.

En misschien zit juist daar een belangrijke volgende stap in de ontwikkeling van datagedreven organisaties: AI die niet alleen waarde haalt uit data, maar ook helpt om de basis voor toekomstige AI-toepassingen steeds beter te maken.


(CIO, artikel, 2026-09-24)