Waarom AI-agenten falen zonder de juiste datafundering

Sophie Jansen · 2026-06-11

Als je organisatie AI-agenten wil inzetten om processen te versnellen, begin dan bij de basis: je data beschikbaar maken voor AI. Agentische 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. Hij interpreteert data verkeerd of koppelt velden die nooit verbonden hadden mogen worden," zegt Zeilemaker. "Die fouten liggen niet aan de agent, maar aan je fundering die niet klaar is voor AI-agenten." ### Data catalogus: de ruggengraat van AI Een belangrijk aandachtspunt is data catalogiseren. Het is geen nieuw concept, maar voor AI-agenten verandert het spel. "Als je een data catalogus opzet voor een organisatie met alleen mensen, is er altijd een vangnet," legt Zeilemaker uit. "Bij slechte documentatie bel je een collega voor uitleg. Agenten hebben dat niet. Ze moeten vertrouwen op wat er in de catalogus staat. Staat er iets fout, dan presteren ze niet." ### Kennis delen als drijfveer Xebia helpt organisaties AI-strategie om te zetten in productieklare oplossingen. Het bedrijf staat voor 'people first' en 'kwaliteit zonder compromis', maar de belangrijkste waarde is volgens Zeilemaker kennis delen. Dat bleek ook tijdens TechEx Global North America, waar Xebia actief was. "Kennis delen is cruciaal voor ons. Het stelt ons in staat om voorop te lopen en snel aan te passen aan marktveranderingen," zegt hij. "Iedereen heeft de drang om nieuwe dingen te ontdekken en te delen wat werkt. Zo bouwen we autoriteit op in specifieke domeinen." ### Agentic Data Foundation: de oplossing Tijdens AI & Big Data Expo vertelde Zeilemaker hoe je een AI-fundering bouwt en gefragmenteerde datalandschappen verenigt. De aanpak combineert speciaal gebouwde AI-agenten met expert engineering. Dat verkort een traject van 12 tot 24 maanden naar een vaste prijs met mijlpalen. De rode draad is Xebia's Agentic Data Foundation (ADF). Dit breidt het dataplatform uit om agenten te hosten, zowel voor klantgerichte als interne processen. Xebia ziet een groeiende vraag naar snellere en betrouwbaardere migraties naar moderne platforms. "We ontwikkelen de oplossing samen met de klant," zegt Zeilemaker. > "Agenten moeten vertrouwen op de data catalogus en wat erin staat. Staat de beschrijving fout, dan presteren ze niet." ### Versnelling met AI-native engineering Na traditionele migraties en versnellingen met LLM-codering, integreert Xebia nu AI direct in het dataplatform. "De extra context versnelt migraties verder," aldus Zeilemaker. Die ervaring leidde tot Xebia Axis: Agentic Data Foundation, waarmee bedrijven hun data sneller AI-klaar maken dan alternatieven. Daarnaast heeft Xebia ACE: AI-Native Software Engineering. Dit framework integreert AI in de hele softwareontwikkelingscyclus (SDLC). Bij correcte implementatie versnelt de levering tot 40% en dalen legacy-transformatiekosten tot 70%. Vooral voor grotere ondernemingen die vasthouden aan bestaand governance is dit waardevol. ### Conclusie AI-agenten falen niet door technische beperkingen, maar door een zwakke datafundering. Investeer in een goede data catalogus en een solide platform. Dat is de basis voor succesvolle AI-implementatie.