Dan Sommer, Qlik: 'CIO’s zijn dichter bij agentic AI dan ze denken'

De uitdaging voor CIO’s is om menselijke intelligentie, organisatiekennis en AI zodanig te combineren dat er werkelijke waarde ontstaat. Volgens Dan Sommer, market intelligence lead bij Qlik en voormalig Gartner-analist, is dat precies waar CIO’s nu mee worstelen. De eerste golf van AI-experimenten heeft in veel organisaties tot zichtbare use cases geleid. Tegelijk ontstaan nieuwe vragen. Hoe schaal je AI zonder dat de kosten uit de hand lopen? Hoe voorkom je dat agentic AI processen uitvoert zonder voldoende controle? “Iedereen probeert opnieuw te bepalen hoe de AI-stack eruit moet zien”, zegt Sommer. “Maar ook: hoe ziet de organisatie eruit in een wereld van agentic AI?”

Tokenkosten

Sommer ziet een duidelijke verschuiving in de gesprekken met CIO’s. Een jaar geleden draaide veel nog om de vraag hoe organisaties überhaupt met AI moesten beginnen. Er was druk vanuit raden van bestuur en CEO’s om “iets met AI” te doen, vaak zonder dat duidelijk was welke waarde dat moest opleveren. Inmiddels is die fase in veel organisaties voorbij. “Ik zou zeggen dat het zes maanden of een jaar geleden nog veel meer fear of missing out was”, zegt Sommer. “Mensen sprongen erin, maar tastten in het duister. Nu zijn er veel succesvolle interne use cases en zien mensen echte waarde.”

Daarmee is het probleem niet verdwenen, maar veranderd. “Eerst was de vraag nog: hoe krijgen we AI-adoptie? Dat is heel snel verschoven naar: we hebben AI-adoptie, misschien zelfs te veel AI-adoptie. Hoe doen we dit kostenefficiënt? Want onze tokenkosten gaan volledig door het dak.”

AI literacy

Qlik sprak de afgelopen jaren veel over data literacy: het vermogen van organisaties en medewerkers om data te begrijpen, te interpreteren en te gebruiken in besluitvorming. Volgens Sommer is daar nu een laag bij gekomen. Organisaties hebben AI literacy nodig. ”Dat gaat verder dan training in prompten of het gebruik van generatieve AI-tools. Het gaat om begrip van modellen, kosten, risico’s, datagebruik en toepassingsgebieden. Niet elk model is geschikt voor elke taak. Niet elke dataset hoort thuis in een publieke AI-dienst. En niet elke AI-output is betrouwbaar genoeg om zonder controle in een bedrijfsproces te gebruiken.”

“Soms moet je voor deze workload dit model gebruiken, en voor een andere workload een ander model”, zegt Sommer. “Anders ben je binnen tien minuten door je credits heen. 

Context, vertrouwen en vrijheid

Volgens Sommer zijn er drie voorwaarden om waarde uit AI te halen: context, vertrouwen en vrijheid. Die begrippen vormen volgens hem de basis voor een AI-stack die niet alleen experimenteel werkt, maar ook schaalbaar en bestuurbaar is.

“De eerste voorwaarde is context. AI-systemen moeten begrijpen wat de begrippen, processen en definities binnen een organisatie betekenen. Zonder context blijft AI generiek. Een taalmodel kan dan wel tekst produceren, maar weet niet hoe een organisatie omzet definieert, welke datakwaliteit vereist is, welke klantsegmenten relevant zijn of welke uitzonderingen in processen gelden.”

De tweede voorwaarde is vertrouwen. “ “Er is veel AI-rommel. Datakwaliteit is nog nooit zo belangrijk geweest. Voor organisaties betekent dit dat observability, datakwaliteit en governance opnieuw zwaarder gaan wegen. In klassieke analytics was dat al relevant, maar bij AI wordt het urgenter. Als AI-output wordt gebruikt in beslissingen of processen, moet duidelijk zijn op welke data die output is gebaseerd, hoe betrouwbaar die data zijn en welke controles zijn toegepast.”

De derde voorwaarde is vrijheid. Sommer gebruikt dat begrip in de zin van interoperabiliteit en keuzevrijheid. “We weten niet hoe de AI-stack er over twee jaar, over vijf jaar of zelfs over twee maanden uitziet”, zegt hij. “Daarom zijn interoperabiliteit en vrijheid belangrijker dan ooit. Die keuzevrijheid is niet alleen technisch, maar kan ook geopolitiek relevant zijn. AI-systemen, cloudplatforms en data-infrastructuur zijn steeds vaker verbonden met soevereiniteitsvragen, regelgeving en toegang tot technologie.” Dat sluit aan bij een van de terugkerende thema’s voor Europese CIO’s: hoe bouw je een moderne AI-architectuur zonder onnodige afhankelijkheden?

Onafhankelijke laag in de AI-stack

Sommer positioneert Qlik in dat landschap als een partij die organisaties helpt context, vertrouwen en interoperabiliteit te organiseren. Hij wijst onder meer op Qliks Open Lakehouse-benadering, gebaseerd op open table formats. Het uitgangspunt is dat organisaties hun data onder management kunnen brengen, ook wanneer die verspreid staan over meerdere platformen, clouds en systemen.

“We willen data onder management brengen voor elke organisatie met een gefedereerd landschap of meerdere databronnen”, zegt Sommer. “We kunnen helpen die dataworkloads te orkestreren en de juiste workloads op de juiste plaats te draaien.” Volgens hem is de onafhankelijke positie van Qlik daarbij belangrijk. “Grote platformleveranciers kunnen vergelijkbare claims doen, maar hebben vaak een belang bij het verplaatsen van data naar hun eigen omgeving. Wij hebben dat belang niet.”

Die onafhankelijkheid kan relevant zijn voor organisaties die hun data niet in één cloud- of platformomgeving willen concentreren. Sommer ziet bovendien dat hybride en on-premises architecturen terugkeren in het gesprek. Niet alles verhuist naar de cloud. “Soms wil je lokaal modellen draaien, of executies en queries lokaal uitvoeren. Dat kan met Qlik en de technologie van onze associative engine.” Daarmee sluit Qlik aan op een bredere trend in de markt. Na jaren waarin cloudmigratie vaak als standaardrichting gold, kijken organisaties kritischer naar workloadplaatsing. Kosten, latency, regelgeving, datagevoeligheid en AI-performance bepalen steeds vaker waar data en berekeningen plaatsvinden.

Hij besluit: “Organisaties hebben vaak al grote investeringen gedaan in Databricks, Snowflake, SAP of andere platformen. Qlik kan zich aanpassen aan de stack van de klant en als onderdeel van een ecosysteem functioneren.” Qliks eigen roadmap beweegt eveneens richting agentic AI. Sommer vat de positionering samen met de uitspraak: “Je bent dichter bij agentic AI dan je denkt. Veel organisaties beschikken al over data, processen en platforms waarop agentic capabilities kunnen worden gebouwd, mits de context en governance op orde zijn.”