AI-analytics: datavisualisaties bouwen met natuurlijke taal vs SQL

Samenvatting

AI-analytics wordt betrouwbaarder wanneer natuurlijke taal steunt op zakelijke context, governance en een semantische laag.

AI-analytics en natuurlijke taal: wat er gebeurt

Databricks beschrijft waarom natuurlijke-taalanalyse lange tijd minder opleverde dan beloofd. Systemen konden vragen wel omzetten naar kolommen, SQL en grafieken, maar begrepen niet welke bedrijfsdefinities achter die gegevens schuilgingen. Daardoor konden dezelfde vragen verschillende antwoorden opleveren.

Richard Tomlinson, verantwoordelijk voor productmarketing van Databricks-analyticsproducten, wijst op een semantische laag als ontbrekende schakel. Die laag legt vast wat bijvoorbeeld omzet betekent, welke tabel de gecertificeerde bron is, hoe boekjaren lopen en welke filters altijd gelden. Governance bepaalt daarnaast welke gegevens elke gebruiker mag zien.

Waarom dit belangrijk is

De vergelijking met SQL draait daarmee niet alleen om de manier waarop iemand een vraag formuleert. SQL maakt een query expliciet, terwijl natuurlijke taal extra interpretatie vraagt. Zonder vastgelegde definities moet een AI-systeem betekenis afleiden uit tabel- en kolomnamen. Dat werkt bij eenvoudige opzoekvragen, maar minder goed wanneer teams verschillende definities gebruiken, koppelingen tussen tabellen onduidelijk zijn of bedrijfsregels alleen in hoofden bestaan.

Voor BI-teams verschuift de aandacht daardoor van alleen een taalmodel naar de onderliggende inrichting van data en metrics. Een antwoord moet niet alleen plausibel klinken, maar ook controleerbaar zijn: gebruikers moeten kunnen nagaan welke bron en definitie het resultaat bepalen. Toegangsregels horen daarbij, zodat een breder gebruik van natuurlijke taal niet automatisch bredere datatoegang betekent.

Concrete takeaway

Inventariseer vóór je natuurlijke-taalvisualisaties inzet de definities van kernmetrics, gecertificeerde bronnen, boekjaarregels, vaste filters en toegangsrechten. Zonder die afspraken vertaalt AI vooral woorden naar SQL; met die afspraken kan het antwoord aansluiten op de bedrijfscontext.