AI-agenten falen zonder de juiste databasis

Sophie Jansen · 2026-06-11

Als je organisatie AI-agenten wil inzetten om processen te versnellen, begin dan bij de basis. Je data moet klaar zijn voor AI. Agentic AI schaalt namelijk op de kracht van je data, legt Niels Zeilemaker, global CTO bij Xebia, uit. “Als je daar niet over nadenkt, kun je de beste agent bouwen, maar die zal nooit de juiste data vinden. Misschien interpreteert hij data verkeerd, of koppelt hij velden die nooit verbonden hadden mogen worden”, zegt Zeilemaker. “Die fouten zijn niet per se de schuld van de agent. Het is de schuld van je fundament, dat niet klaar is voor AI-agenten.” ### Waarom datacatalogi cruciaal zijn voor AI-agenten Een belangrijk punt is datacatalogisering. Geen nieuw concept, maar voor agenten liggen de kaarten anders. “Als je een datacatalogus opzet voor een organisatie met alleen mensen, is er altijd een back-up”, legt Zeilemaker uit. “Als iets niet goed gedocumenteerd is, bel je een collega. Je hebt een achterdeurtje: ‘Hoe werk ik met deze dataset?’” Agenten hebben dat niet. Ze moeten vertrouwen op wat er in de catalogus staat. Staat de beschrijving fout? Dan presteren ze niet. ### Xebia’s aanpak: van strategie naar productie Xebia helpt organisaties om AI-strategie om te zetten in productieklare oplossingen. De kernwaarden? Mensen eerst, kwaliteit zonder compromis, en kennisdeling. Volgens Zeilemaker is dat laatste het belangrijkst. “Kennisdeling is heel belangrijk voor ons. Het stelt ons in staat om voorop te lopen en snel aan te passen aan nieuwe marktontwikkelingen. Iedereen is gretig om nieuwe dingen te ontdekken en te delen wat werkt, en wat niet”, zegt hij. “Door veel in te zetten op kennisdeling en innovatie, kiezen we een paar domeinen waar we de autoriteit willen zijn.” Data en AI is zo’n domein. Op de AI & Big Data Expo vertelde Zeilemaker hoe je die AI-basis bouwt en gefragmenteerde datalandschappen verenigt. Een eerlijk verhaal over hoe het combineren van doelgerichte AI-agenten met expert engineering een traject van 12 tot 24 maanden comprimeert tot een vaste prijs met duidelijke mijlpalen. ### Agentic Data Foundation: de oplossing De rode draad is wat Xebia Agentic Data Foundation (ADF) noemt. Dit breidt het dataplatform uit om agenten te hosten, zowel voor klantgerichte toepassingen als interne processen. Er is altijd veel vraag geweest naar migratie van legacy naar moderne platforms, maar Xebia ziet steeds meer klanten die een snellere en betrouwbaardere aanpak willen. Zeilemaker zegt dat consultant en klant de oplossing dan samen ontwikkelen. > “Agenten moeten vertrouwen op de datacatalogus en wat erin staat – en als de beschrijving fout is, zullen de agenten niet presteren” “Na migraties op de ouderwetse manier, en sommige versneld met LLM-codering, integreren we dit nu in het dataplatform. We gebruiken de extra context om migraties nog verder te versnellen”, zegt hij. Die opgebouwde ervaring leidde tot Xebia Axis: Agentic Data Foundation. Xebia’s antwoord om bedrijven hun data sneller AI-klaar te maken dan welk alternatief dan ook. ### Xebia ACE: AI-native software engineering Een ander wapen in Xebia’s arsenaal is Xebia ACE: AI-Native Software Engineering. Dit raamwerk integreert AI in de hele softwareontwikkelingscyclus (SDLC). Als het goed wordt toegepast, kan de levering tot 40% versnellen en dalen de kosten voor legacy-transformatie met tot 70%. Zeilemaker merkt op dat Xebia ACE vooral nuttig is voor grote ondernemingen die “misschien nog vasthouden aan een bepaalde governance of werkwijze”.