Huel: analyticsreis van dashboards naar AI-agents

Samenvatting

Huel verschuift van self-service dashboards naar AI-agents met Spotter, waarbij uitlegbaarheid en menselijke controle centraal staan.

Huel en Spotter: van dashboards naar AI-agents

Huel bouwde eerst een moderne datastack en self-service dashboards waarmee medewerkers zelf vragen konden stellen. In 2026 beschrijft het foodbedrijf de volgende stap: agentic analytics met Spotter, de AI-analyticsagent van ThoughtSpot.

Huel testte aanvankelijk modellen in Snowflake die het rechtstreeks via Claude beschikbaar wilde maken. Het team ontdekte dat standaard-LLM’s vooral als tussenlaag fungeren en onvoldoende laten zien hoe een antwoord tot stand komt. Spotter toont juist hoe data werd berekend. Gebruikers kunnen visualisaties controleren en aanpassen binnen het platform.

Uitlegbaarheid bij Huel en agentic analytics

De casus laat zien dat een chatinterface op zichzelf geen volwaardige BI-werkwijze vormt. Bij complexere vragen rond een groeiend omnichannelbedrijf moeten gebruikers kunnen nagaan welke berekening achter een antwoord zit. Huel koppelt daarom uitlegbaarheid aan een feedbacklus en menselijke controle.

Dat onderscheidt Spotter in deze toepassing van een directe combinatie van Snowflake met Claude of ChatGPT. De gebruiker krijgt niet alleen een antwoord, maar kan ook eigen vakkennis toepassen om een visualisatie te beoordelen en bij te sturen. Die werkwijze ondersteunt bovendien de bedrijfscompliance die Huel noemt.

De financiële context blijft leidend. Huel is een foodbedrijf en beschikt niet over een technologie- of engineeringbudget zoals Spotify of Netflix. Daarom moet elke technologie rechtstreeks bijdragen aan commerciële groei. Het artikel presenteert die commerciële toets als uitgangspunt voor AI-analytics, niet het bouwen van een eigen groot taalmodel.

Concrete takeaway voor Huel-gebruikers

Beoordeel een AI-analyticsplatform niet alleen op de kwaliteit van gegenereerde antwoorden. Test vooral of gebruikers berekeningen kunnen volgen, visualisaties kunnen aanpassen en wijzigingen via een gecontroleerde feedbacklus kunnen terugbrengen naar het analyticsproces. Leg die eisen vast voordat je generatieve AI rechtstreeks op bedrijfsdata aansluit.