Data engineering & AI in 2025

Dat AI een focuspunt is geworden, is niet zonder reden. Van meerdere kanten heeft de voorbereiding op AI/ML ons werk al flink beïnvloed.

Om te highlighten wat voor impact Artifical Intelligence of Machine Learning heeft, wilde ik wat persoonlijke voorbeelden uit mijn werk delen.

SAP HANA Cloud wordt actief doorontwikkeld met de HANA-vector engine . Dit maakt het mogelijk om Machine Learning te ondersteunen (denk aan het semantisch opslaan van relaties tussen objecten of texten) via RAG (Retrieval Augmented Generation).

In het kort betekent dit dat HANA Cloud niet alleen een plek is voor gestructureerde data, maar ook een volwassen backend wordt voor GenAI of LLM’s. Hierdoor gaan onze BI-systemen antwoorden geven op data-vraagstukken, die rijker en contextueler zijn dan voorheen.

Door evenementen als SAP TechEd en de Databricks World Tour, is het duidelijk geworden dat Agentic AI de volgende grote stap is.

Agentic AI wordt gepositioneerd als een systeem die op een platform taken zelfstandig gaat uitvoeren. Waar het in het verleden een bijtaak van je werkzaamheden was, of een collega die je kon aansturen, gaat dit een “autonoom” programma zijn die een proces kan oppakken. Voor mij voelt het als een assistent die onder jouw verantwoordelijkheid taken kan gaan uitvoeren.

Jugo is al jaren “Partner in Education” bij Fontys, waar wij samen met select groepjes studenten bezig zijn met data-innovaties. De afgelopen jaren hebben wij ons gericht op de ontwikkeling van tools die dashboards verbeteren met Machine Learning. Hierbij gebruiken we Computer Vision en LLM’s om rapporten contextueel te analyseren en concrete verbetervoorstellen te genereren aan de hand van de regels van de Internationale Business Communication Standards (IBCS).

Over de gehele linie bij onze klanten zien we dat de voorbereidingen getroffen worden om AI als geintegreerd onderdeel van de IT-voorziening te plaatsen. Klinkt groots, maar wat wordt hiermee bedoelt?

We zien dat bedrijven de AI-oplossingen willen gaan gebruiken (Microsoft’s Copilot, SAP’s Joule, Databrick’s Genie als coding-asisstants), (ML Playground, SAP Databricks), maar dat bedrijven nog voorzichtig zijn met de adoptie.

AI heeft een aantal valkuilen waar bewust mee omgegaan moet worden. Denk aan het hele governance: wie heeft eigenaarschap? Verantwoordelijkheid? Waar is de transparantie in het beslissingsproces?

Op het Data & IT event van ASML waren er interessante discussies over het gebruik en de ethiek omtrend AI, waarbij een punt eruit sprong: Bij verkeerde inzet van AI, is de verantwoordelijkheid oneerlijk geregeld. Hierbij zijn er verschillende schalen van autonomie:

• human-in-the-loop: een mens beheert de acties van het systeem.
• human-on-the-loop: a human mag het proces inzien en ingrijpen.
• human-out-of-the-loop: volledig autonoom, buiten het zicht van de mens.

Waar een human-out-of-the-loop veel vraagtekens heeft:

• Wie is er verantwoordelijk als er fouten worden gemaakt?
• Is dit eerlijk tegenover de verantwoordelijke? (heeft diegene invloed op het proces en de output, of is het een zondebok?)
• Mag het wettelijk gezien wel? (mag jij benadeeld worden door een volledig autonoom proces?)

Hoe deze governance-vraagstukken worden ingevuld heeft dus flink wat invloed op de kwaliteit en snelheid waar de AI-adoptie mee plaatsvindt.

Voor dagelijks gebruik, hebben de coding assistants al een grote invloed op de werkuitvoering.

Het genereren van voorbeelden, het (veilig!) reviewen van code, of die excel-functies-die-je-nodig-hebt-maar-niet-precies-weet-waar-het-zat zijn manieren waarop wij copilot of een joule ons helpt. Het is te vergelijken met een willekeurige collega. Je weet niet of het klopt, maar het helpt je vaak wel de goede richting in.

Daarnaast zijn wij bij jugo altijd aan het testen en innoveren. Op ons Databricks-platform zijn er al een flink aantal modellen getrained, en zijn er collega’s bezig met de

data-science opties. We trainen modellen op ons Databricks-platform en onderzoeken de mogelijkheden van SAP Joule voor SQL en CAP.

Dus, we sluiten 2025 af met veel grondwerk voor AI, waar we voorzichtig de voordelen kunnen proeven. Volgend jaar gaat laten zien hoe waardevol dit gaat zijn en hoe ons vakgebied nog meer gaat veranderen.

De techniek is er, maar de échte strijd en de transformatie van ons vakgebied in 2026 zullen draaien om de verantwoordelijkheid. Durven (of moeten) we de stap te zetten naar 'human-out-of-the-loop' BI.