Een vraag in gewone taal aan je data stellen en er een grafiek voor terugkrijgen: dat is de belofte van AI-gestuurde Business Intelligence-tools. Planbi en Génération BI belichamen twee verschillende benaderingen van die belofte, maar de echte uitdaging zit niet in de vraaginterface. Die zit in wat er daarna gebeurt: houdt het getoonde antwoord rekening met de toegangsrechten van de gebruiker die de vraag heeft gesteld, en kun je teruggaan naar de brongegevens die het antwoord onderbouwen?
Traceerbaarheid van AI-gegenereerde BI-antwoorden: het criterium dat demo’s niet laten zien
Tijdens een demonstratie typt een verkoper een vraag en verschijnt er een grafiek. Het effect is indrukwekkend. Wat een demo bijna nooit laat zien, is de bewijsketen achter het resultaat.
Neem een eenvoudig voorbeeld. Een commercieel manager vraagt: “Wat is de omzet per regio in dit kwartaal?” De tool genereert een tabel. Meteen rijzen er twee vragen. Ten eerste: hebben de getoonde gegevens alleen betrekking op de regio’s waarvoor deze manager verantwoordelijk is? Ten tweede: kan hij, als een cijfer afwijkend lijkt, erop klikken om de ruwe brongegevens te bekijken?
De assistenten in natuurlijke taal van Microsoft zijn bijvoorbeeld gebaseerd op de semantische modellen en Fabric-resources waartoe de gebruiker al toegang heeft. De kwaliteit van de machtigingen blijft bepalend voor betrouwbare antwoorden. Met andere woorden: als je toegangsrechten vooraf niet goed zijn ingesteld, laat de AI je te veel of juist te weinig zien.
Voordat je kiest tussen Planbi en Génération BI, controleer je hoe elke oplossing deze machtigingslaag beheert en of elk gegenereerd antwoord verwijst naar de gegevensrijen waarop het is gebaseerd.

Toegangsrechten en AI in BI: waarom governance vóór de interface komt
Je hebt misschien al gemerkt dat hetzelfde dashboard twee verschillende verhalen kan vertellen, afhankelijk van wie het bekijkt. Dat is normaal: beveiligingsfilters (row-level security) beperken welke rijen per profiel zichtbaar zijn. Met daarbovenop een generatieve AI-laag wordt dit mechanisme nog belangrijker.
Waarom? Omdat een vrij geformuleerde vraag toegang kan proberen te krijgen tot niet-toegestane gegevens. Een regionaal directeur die vraagt “vergelijk mijn resultaten met die van de regio Zuid”, mag de gegevens van regio Zuid alleen zien als hij daartoe bevoegd is. AI mag de beveiligingsregels voor gegevens nooit omzeilen.
De Microsoft-documentatie vermeldt bovendien dat de Copilot-ervaring in BI in preview is, door beheerders moet worden ingeschakeld en geautoriseerde toegang tot de betreffende inhoud vereist. Controleer of deze functie daadwerkelijk beschikbaar is in jouw omgeving, en niet alleen of ze in een brochure wordt genoemd. Dat hoort bij het selectieproces.
Interactielogboeken: een vaak over het hoofd gezien aandachtspunt
Elke vraag aan een AI genereert een logboek. Dat logboek bevat de vraag, het antwoord en soms persoonsgegevens. De CNIL adviseert om de bewaartermijn van deze logboeken vast te stellen, evenals de toegangsregels die ervoor gelden. AI-interactielogs zijn zelf ook een governancevraagstuk.
Vraag elke leverancier concreet het volgende:
- Waar worden gebruikersvragen opgeslagen en hoelang worden ze bewaard?
- Worden gegenereerde antwoorden bewaard, en wie kan ze achteraf bekijken?
- Worden gegevens, al is het maar tijdelijk, verwerkt via servers buiten de Europese Unie?
Deze vragen staan niet altijd in de gebruikelijke vergelijkingsschema’s. Toch zijn ze bepalend voor je AVG-naleving.
Semantische laag en bedrijfsdefinities: wat een BI-antwoord bruikbaar maakt
Stel je voor dat twee collega’s binnen hetzelfde bedrijf het woord ‘marge’ gebruiken. De een bedoelt de brutomarge, de ander de nettomarge. Als de BI-tool geen gedeeld woordenboek heeft (de zogenaamde semantische laag), kan de AI met de verkeerde definitie antwoorden zonder dat iemand het merkt.
Zonder een betrouwbare semantische laag geeft AI snel antwoord, maar kan dat antwoord onjuist zijn. Dat is de meest voorkomende valkuil van ‘Gen BI’: de interface werkt soepel, het antwoord lijkt logisch, maar de onderliggende berekening komt niet overeen met wat de gebruiker bedoelde.
Controleer voordat je Planbi en Génération BI vergelijkt op gebruiksgemak of prijs hoe beide oplossingen omgaan met bedrijfsdefinities. Vereist de oplossing een centrale begrippenlijst? Kan een beheerder de formules die de AI gebruikt goedkeuren of corrigeren? Dit zijn de mechanismen die een conversatiegadget onderscheiden van een betrouwbaar sturingsinstrument.

Regelgeving voor AI in bedrijven: een tijdlijn om in de gaten te houden
De Europese AI-verordening (AI Act) wordt gefaseerd ingevoerd. De tijdlijn is sinds de goedkeuring ervan gewijzigd en de verplichtingen verschillen naargelang het risiconiveau dat aan het systeem is toegekend. Voor een BI-oplossing met AI wordt het risico doorgaans als beperkt ingeschat, maar dat betekent niet dat controles overbodig zijn.
Vraag je leverancier hoe die de verplichtingen van de AI Act opvolgt en hoe die klanten bij de komende deadlines wil ondersteunen. Een leverancier die deze vraag vandaag niet kan beantwoorden, laat je morgen alleen tegenover de toezichthouder staan.
De CNIL benadrukt bovendien dat de verplichtingen van de AVG volledig van toepassing zijn op het gebruik van AI-systemen die persoonsgegevens verwerken. Controleer onder meer de volgende punten:
- Of de leverancier je gegevens eventueel hergebruikt om zijn modellen te trainen
- Gegevensoverdracht buiten de EU en de bijbehorende contractuele waarborgen
- Of je medewerkers hun rechten (inzage, rectificatie en verwijdering) kunnen uitoefenen met betrekking tot gegevens die door de AI worden verwerkt
De keuze tussen Planbi en Génération BI draait niet alleen om een lijst met functies. De traceerbaarheid van antwoorden, de naleving van toegangsrechten, de kwaliteit van de semantische laag en de naleving van regelgeving vormen samen een fundament dat een conversatie-interface, hoe aantrekkelijk ook, niet kan vervangen. Test deze vier punten tijdens je volgende evaluaties: ze geven veel beter inzicht in de werkelijke volwassenheid van een oplossing dan een gelikte demo.



