AI-agenten falen zonder de juiste databasis

Sophie Jansen · 2026-06-11

Als je jouw organisatie wilt helpen met AI-agenten om processen te versnellen, begin je bij de basis. En dat betekent: jouw data beschikbaar maken voor AI. Agentic AI schaalt namelijk op datasterkte. Niels Zeilemaker, global CTO bij Xebia, legt uit waarom dat zo cruciaal is. "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 voegt hij velden samen die nooit verbonden mogen worden," zegt Zeilemaker. "Die fouten zijn niet per se de schuld van de agent. Het is de schuld van jouw fundament, dat nog niet klaar is voor AI-agenten." ### Waarom datacatalogi het verschil maken Een belangrijk aandachtspunt is datacatalogisering. Het is geen nieuw concept, maar voor AI-agenten verandert het spel. "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 of loop je even langs. Je hebt een achterdeurtje." "Agenten hebben zo'n achterdeur niet. Ze moeten vertrouwen op wat er in de catalogus staat. Staat er een foute beschrijving? Dan presteren ze niet." > "Agenten moeten vertrouwen op de datacatalogus en wat er staat geschreven. En als de beschrijving fout is, presteren ze niet." ### Kennis delen als drijvende kracht Xebia helpt organisaties om AI-strategie om te zetten in productieklare oplossingen die echte transformatie versnellen. De kernwaarden van het bedrijf zijn mensen eerst en kwaliteit zonder compromis. Maar volgens Zeilemaker is kennis delen misschien wel het belangrijkst. "Kennis delen is essentieel voor ons. Het stelt ons in staat om voorop te lopen en snel in te spelen op veranderingen in de markt. Iedereen heeft de drang om nieuwe dingen te ontdekken en te delen wat werkt en wat niet," zegt hij. "Door veel te investeren in kennisdeling en innovatie, proberen we autoriteit te worden in een aantal domeinen." ### Data en AI: de perfecte combinatie Data en AI is duidelijk een van die domeinen. Op de AI & Big Data Expo vertelde Zeilemaker hoe je die AI-basis bouwt en gefragmenteerde datalandschappen verenigt. Hij gaf een eerlijk verslag van hoe het combineren van doelgerichte AI-agenten met expert-engineering een tijdlijn van 12 tot 24 maanden comprimeert tot een vaste prijs met mijlpalen. De rode draad? Xebia's Agentic Data Foundation (ADF). 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. "Na migraties op de ouderwetse manier en versnelling met LLM-codering, integreren we dit nu in het dataplatform," zegt Zeilemaker. "We gebruiken de extra context om migraties nog verder te versnellen." ### Xebia ACE: AI-native softwareontwikkeling Die opgebouwde ervaring leidde tot Xebia Axis: Agentic Data Foundation. Het is Xebia's antwoord om bedrijven te helpen hun data sneller AI-klaar te maken dan welk alternatief dan ook. Een ander wapen in Xebia's arsenaal is Xebia ACE: AI-Native Software Engineering. Dit framework integreert AI in de volledige softwareontwikkelingscyclus van een organisatie. Goed toegepast kan de levering met wel 40% worden versneld, terwijl de kosten voor legacy-transformatie met tot 70% dalen. Zeilemaker merkt op dat Xebia ACE vooral nuttig is voor grote ondernemingen die vasthouden aan specifieke governance of werkwijzen. Het biedt structuur zonder flexibiliteit te verliezen. ### De basis is cruciaal De les is simpel: zonder een solide datafundament falen AI-agenten. Het begint bij een goede datacatalogus, kennis delen en de juiste tools. Xebia laat zien dat het mogelijk is om in maanden te doen wat vroeger jaren kostte. Maar alleen als je de basis op orde hebt. Dus voordat je AI-agenten loslaat op je organisatie, vraag jezelf af: is mijn data er klaar voor?