Kilo: data scientist bouwt ontbrekende contextlaag voor AI-agenten

Samenvatting

Kilo bouwt een contextlaag waarmee AI-agenten niet alleen cijfers vinden, maar ook beslissingen en hun geschiedenis begrijpen.

Kilo bouwt een contextlaag voor AI-agenten

Pedro Heyerdahl werkte als enige data scientist bij Kilo Code, voordat het bedrijf onderdeel werd van Anaconda. Tijdens dbt Summit 2026 beschreef hij hoe hij AI-agenten inzette voor technische vraagstukken, maar merkte dat betere codeverwerking niet automatisch tot betere zakelijke conclusies leidde.

Zijn aanpak combineert dbt MCP, dbt skills, de Wizard CLI en dbt Semantic Layer met een goed gedocumenteerd dbt-project. Daardoor kan een agent modellen, lineage en metriekdefinities volgen. Toch blijft zo’n project een selectieve weergave van de organisatie. Beslissingen, mislukte pogingen en discussies staan vaak in Slack, vergaderingen en pull requests.

Heyerdahl testte eerst één groot geheugenbestand. Dat werkte tijdelijk, maar bevatte later verouderde informatie. Retrieval over ruwe bedrijfsdocumenten en directe toegang tot Slack en Jira via MCP lieten de agent nog steeds zelf bepalen welke bron betrouwbaar was.

Daarna bouwde hij drie versies van een pipeline. De eerste maakte samenvattingen in Wikipedia-stijl. De tweede haalde afzonderlijke feiten, beslissingen, entiteiten en voorschriften uit bronmateriaal. De derde voegde temporele geldigheid en supersession toe: het systeem legt vast wanneer informatie gold en welke beslissing haar verving.

Waarom context voor AI-agenten verder gaat dan metadata

De aanpak maakt een onderscheid tussen technische context en organisatorische kennis. Een semantic layer beschrijft wat een metriek betekent, maar niet automatisch waarom een team voor die definitie koos of wanneer een eerdere beslissing niet meer geldt. Dat verschil bepaalt hoe een agent tegenstrijdige informatie interpreteert.

De huidige pipeline gebruikt een AI-gateway. Goedkopere modellen verwerken routinematige extractie; frontier-modellen krijgen taken die meer beoordeling vragen, zoals het opstellen van artikelen. Een reflectiestap vergelijkt nieuwe informatie met bestaande feiten en markeert conflicten of vermoedelijk verouderde inhoud voor menselijke controle.

Concrete takeaway voor AI-agenten

Leg naast dbt-documentatie ook feiten, beslissingen, verantwoordelijken en geldigheidsperiodes vast. Ontwerp de kennislaag bovendien zo dat vervangen informatie beschikbaar blijft voor historische analyse, maar niet verschijnt als actuele waarheid.