Lang leve AI – maar BI is niet dood

De opkomst van AI leidt bij sommige organisaties tot de vraag of Business Intelligence nog wel toekomst heeft. Als AI zelf inzichten kan genereren, vragen beantwoorden en afwijkingen signaleren, waarom zouden we dan nog investeren in dashboards, rapportages, datamodellen, KPI-structuren en semantische lagen?

Die vraag lijkt logisch, maar vertrekt vanuit een verkeerde tegenstelling. De toekomst draait niet om BI óf AI. De toekomst draait om de combinatie van beide.
AI kan veel versnellen, maar BI zorgt voor de noodzakelijke context. Zonder die context ontstaat het risico dat organisaties sneller analyseren, sneller concluderen en sneller beslissen — maar niet per se beter.

Deze blog sluit aan op eerdere bijdragen op BI-Platform waarin dezelfde rode draad zichtbaar wordt: AI legt bloot hoe volwassen — of onvolwassen — organisaties werkelijk met data omgaan. In mijn eerdere blog AI als lakmoesproef voor datavolwassenheid betoogde ik dat AI-succes niet begint bij het model, maar bij de kwaliteit, betekenis en bestuurbaarheid van data. Ook de terugblik op de DWBI Summit 2026 onderstreepte dit punt: zonder goede, ‘ready-to-use’ data is er geen duurzaam AI-succes.

Vanuit die lijn is de vraag of BI nog toekomst heeft eigenlijk verkeerd gesteld. BI verdwijnt niet door AI; BI wordt juist een noodzakelijke voorwaarde om AI betrouwbaar, uitlegbaar en bestuurbaar te maken.

AI verandert de rol van BI
Business Intelligence is jarenlang vooral gezien als het domein van rapportages, dashboards en periodieke stuurinformatie. In veel organisaties is BI de plek waar cijfers worden verzameld, gestructureerd en gepresenteerd. Daarmee heeft BI een belangrijke functie vervuld: het creëren van een gedeeld beeld van de werkelijkheid.
Waar BI aan de mens het gedeelde beeld van de werkelijkheid bood, kan het nu AI een goed beeld van die werkelijkheid geven.

AI-systemen kunnen patronen herkennen, verklaringen suggereren, tekst genereren, voorspellingen doen en analyses automatiseren. Maar AI heeft geen vanzelfsprekend begrip van wat een organisatie bedoelt met omzet, klant, marge, risico, uitval, patiënt, productiviteit of kwaliteit. Die betekenis moet ergens vandaan komen.

In volwassen BI-omgevingen is veel van die betekenis al aanwezig: in KPI-definities, dimensionele modellen, rapportagestructuren, business rules, datamarts, semantische lagen en governance-afspraken. Dat zijn geen verouderde artefacten uit het dashboardtijdperk, maar essentiële bouwstenen voor betrouwbare AI.

Van dashboards naar beslisondersteuning
De klassieke discussie over BI ging vaak over rapportage: welk dashboard is leidend, welke cijfers kloppen, waarom verschilt de ene rapportage van de andere? Dat waren soms taaie discussies, maar ze hadden ook waarde. Ze dwongen organisaties om definities, bronnen en verantwoordelijkheden expliciet te maken.

Met AI verschuift die discussie. Het gaat niet meer alleen om de vraag of een dashboard klopt, maar ook om de vraag of een AI-advies, voorspelling of gegenereerde analyse betrouwbaar genoeg is om op te sturen.

Daarmee groeit BI door van rapportage-instrument naar beslisfundament. BI biedt de structuur waarmee AI-uitkomsten kunnen worden geïnterpreteerd, gecontroleerd en ingebed in de dagelijkse sturing. Waar AI versnelt, moet BI verankeren.

Zonder BI ontstaat het risico dat AI losraakt van de bestuurlijke werkelijkheid van de organisatie. Dan krijg je analyses zonder gedeelde definities, voorspellingen zonder verantwoordelijke eigenaar en inzichten zonder duidelijk besluitproces.

De semantische laag wordt cruciaal
Een van de belangrijkste verbindende schakels tussen BI en AI is de semantische laag. Die laag vertaalt ruwe data naar businessbetekenis. Ze legt vast welke begrippen worden gebruikt, hoe KPI’s worden berekend, welke relaties tussen objecten bestaan en welke regels gelden binnen een domein.

Voor mensen is dat al belangrijk. Voor AI is het cruciaal. Een AI-toepassing die vragen beantwoordt over omzetontwikkeling, klantgedrag of operationele risico’s moet weten welke definitie van omzet geldt, welke klantstatus relevant is en welke periode, regio of productstructuur moet worden gebruikt. Zonder die semantiek kan AI nog steeds een overtuigend antwoord geven, maar niet noodzakelijk een betrouwbaar antwoord. En dat is des te riskanter omdat AI vaak zo zelfverzekerd klinkt.

Wat Gartner en Forrester zeggen
Die ontwikkeling wordt ook zichtbaar in de internationale analistenwereld. Gartner beschrijft composite semantic layers als een belangrijke ontwikkeling voor data en analytics in 2026: niet één universele semantische laag als ideaalbeeld, maar een samenhangend geheel van semantische artefacten dat helpt om contextgaten, analytische silo’s en inconsistente businesslogica te verminderen.
Ook Gartners publicatie over Open Semantic Interchange wijst in die richting: semantiek moet herbruikbaar, overdraagbaar en inzetbaar worden, als fundament voor analytics, agents en applicaties.

Forrester wijst eveneens op het belang van moderne BI voor een bredere groep gebruikers. In de blog over de “other 80%” van BI-gebruikers wordt zichtbaar dat veel businessgebruikers nog steeds afhankelijk zijn van gespecialiseerde teams voor datasourcing, datadiscovery, integratie, KPI’s, analytics en inzichten.

Moderne BI met rijke semantische lagen, guided analytics en betere selfservice kan die afhankelijkheid verminderen. Daarnaast verbindt Forrester data governance en AI governance steeds nadrukkelijker aan elkaar in haar Data and AI Governance Model. Daarmee verschuift de semantische laag van een BI-component naar een AI-control layer. Ze bepaalt niet alleen hoe mensen cijfers interpreteren, maar ook hoe AI-systemen begrippen, KPI’s, relaties en uitzonderingen begrijpen.

BI-professionals worden belangrijker
De rol van BI-professionals verandert daarmee fundamenteel. Het maken van standaardrapportages zal verder geautomatiseerd worden. Maar de behoefte aan mensen die begrijpen hoe data, definities, modellen, processen en besluitvorming samenhangen, neemt juist toe.

BI-specialisten, data-analisten, datamodelleurs en data stewards worden steeds meer de brug tussen business, data en AI. Zij kunnen beoordelen of een AI-uitkomst logisch is, welke aannames in de data zitten, welke KPI-definitie gebruikt moet worden en waar interpretatiefouten kunnen ontstaan.

Daarmee verschuift de waarde van BI van het bouwen van dashboards naar het organiseren van betrouwbare informatieproducten. Het dashboard is dan niet het eindpunt, maar één van de manieren waarop betrouwbare data en betekenis beschikbaar worden gemaakt.

AI zonder BI leidt tot versneld wantrouwen
Veel organisaties willen AI inzetten om sneller tot inzichten te komen. Dat is begrijpelijk. Maar snelheid zonder fundament kan averechts werken.
Wanneer gebruikers merken dat AI-antwoorden niet aansluiten op bestaande rapportages, definities of managementinformatie, ontstaat twijfel. Niet alleen over de AI-toepassing, maar over de informatievoorziening als geheel. Dan versnelt AI niet het vertrouwen, maar juist het wantrouwen.

Dat sluit aan bij recente berichtgeving op BI-Platform over AI op basis van onbetrouwbare data. Daarin wordt beschreven dat bijna de helft van de onderzochte organisaties in de afgelopen twaalf maanden zakelijke beslissingen nam op basis van onjuiste, incomplete of verouderde financiële data. Ook het artikel over datamanagement, back-up en beveiliging in het AI-tijdperk laat zien dat de groei van data de druk op continuïteit, gegevensbescherming, governance en kosten verder vergroot.

De boodschap is consistent: hoe meer organisaties AI inzetten in primaire processen, hoe groter de behoefte wordt aan betrouwbare, herleidbare en goed bestuurde data. AI maakt datamanagement, BI en governance dus niet minder relevant. Het maakt ze zichtbaarder, urgenter en strategischer.

BI en AI zijn geen aparte werelden
In veel organisaties zijn BI en AI nog gescheiden domeinen. BI zit bij reporting, analytics of finance. AI zit bij innovatie, data science, digital of IT. Die organisatorische scheiding is begrijpelijk, maar steeds minder houdbaar.
AI heeft betrouwbare data nodig, maar ook businesslogica. BI heeft sterke modellen, definities en rapportages, maar moet interactiever, proactiever en intelligenter worden. De echte waarde ontstaat wanneer beide werelden elkaar versterken.

BI kan AI voorzien van betrouwbare definities, gecontroleerde dataproducten, semantiek, lineage en governance. AI kan BI verrijken met natuurlijke taal, automatische analyse, anomaliedetectie, verklaringen, voorspellingen en nieuwe vormen van interactie.
Daarmee wordt BI niet vervangen door AI, maar uitgebreid door AI. En AI wordt niet volwassen zonder BI, maar blijft dan hangen in losse experimenten, overtuigende demo’s en moeilijk beheersbare toepassingen.

Tot slot
BI is niet dood. Wat verdwijnt, is het idee dat BI alleen draait om statische dashboards en achterafrapportages. In een AI-gedreven organisatie wordt BI juist een fundament onder betrouwbare analyse, uitlegbare inzichten en bestuurbare besluitvorming.
AI heeft data nodig, maar vooral data met betekenis. En precies daar ligt de kracht van goed ingericht BI: het verbinden van cijfers aan definities, context, processen en verantwoordelijkheid.

Organisaties die BI en AI als aparte werelden blijven behandelen, missen een belangrijk deel van de waarde. Organisaties die ze combineren, bouwen aan een informatievoorziening waarin AI niet los boven de organisatie zweeft, maar stevig verankerd is in de manier waarop de organisatie kijkt, stuurt en beslist.
De vraag is dus niet of AI BI gaat vervangen. De echte vraag is of BI volwassen genoeg is om AI betrouwbaar te maken.