AI verandert niet alleen hoe organisaties data analyseren, maar ook hoe data-infrastructuren worden ontwikkeld en beheerd.

Tijdens Expedition 2026 kondigde Snowflake nieuwe functionaliteiten aan waarmee AI-agents bedrijfsdata beter kunnen interpreteren, toegangsrechten kunnen respecteren en werkzaamheden rondom datapipelines kunnen automatiseren.

Deze ontwikkeling roept een interessante vraag op: wat betekent dit voor de toekomstige rol van data engineers en data architects?

Van pipelines bouwen naar autonoom databeheer

Met Snowflake CoCo kunnen AI-agents terugkerende data-engineeringtaken uitvoeren. Denk aan het monitoren van pipelines, onderzoeken van fouten en voorbereiden van codewijzigingen. De ontwikkelaar beoordeelt vervolgens of een voorgestelde wijziging daadwerkelijk wordt doorgevoerd.

CoCo Cloud Agents en CoCo Automations zijn inmiddels algemeen beschikbaar. Andere aangekondigde mogelijkheden bevinden zich nog in verschillende previewfasen.

Snowflake introduceert daarnaast Business Ontology, waarmee organisaties bedrijfsbegrippen zoals omzet en klantwaarde eenduidig kunnen definiëren. Deze definities worden gekoppeld aan onderliggende data en krijgen een verantwoordelijke eigenaar.

Met Cortex AI Gateway kunnen organisaties bovendien centraal beheren welke modellen, tools en systemen AI-agents mogen gebruiken.

Samen illustreren deze ontwikkelingen hoe AI zich verplaatst van het analyseren van data naar het beheren van de onderliggende data-infrastructuur.

De waarde van data professionals verschuift

Voor data engineers betekent dit dat een deel van het technische uitvoeringswerk verder geautomatiseerd kan worden.

Maar een werkende pipeline is nog geen garantie voor betrouwbare informatie.

Welke gegevens vormen de juiste basis voor een analyse? Hoe worden bedrijfsbegrippen gedefinieerd? Welke architectuur past bij de organisatie? En hoe beoordelen we of een automatisch voorgestelde wijziging verantwoord is?

Dit zijn vraagstukken waarbij technische expertise, bedrijfskennis en beoordelingsvermogen samenkomen.

Voor zelfstandige data engineers en architecten ontstaan daardoor nieuwe mogelijkheden om zich te onderscheiden. Niet uitsluitend door technische oplossingen te realiseren, maar ook door organisaties te helpen de juiste architectuur, definities en kwaliteitscontroles in te richten.

Voor CIO’s en dataleiders verandert tegelijkertijd de vraag naar expertise. Ervaring met specifieke technologie blijft belangrijk, maar het vermogen om technische keuzes te verbinden aan bedrijfsdoelstellingen wordt steeds waardevoller.

AI maakt vakmanschap niet overbodig

Bij Caronne geloven we dat technologie mensen moet ondersteunen en ruimte moet creëren voor werkzaamheden waarin expertise en beoordelingsvermogen het verschil maken.

AI-agents kunnen data engineers helpen repetitieve werkzaamheden te verminderen. Maar het ontwerpen van een betrouwbare data-architectuur, het vaststellen van verantwoordelijkheden en het beoordelen van bedrijfscontext blijven cruciaal.

Dat vraagt van organisaties om bewuste keuzes in hun data- en AI-strategie, en van professionals om hun expertise voortdurend verder te ontwikkelen.

De data professional van de toekomst onderscheidt zich niet alleen door wat hij technisch kan bouwen, maar vooral door zijn vermogen om te bepalen wat gebouwd moet worden, waarom en onder welke voorwaarden.


(BI Platform, artikel, 2026-11-05)