Agent assembly line: vaardigheden en schaal voor dbt

Samenvatting

dbt laat zien hoe Riot Games AI-agents inzet om een datawarehouse op schaal opnieuw op te bouwen voor Wild Rift.

dbt en de agent assembly line

Tijdens dbt Summit 2026 beschreef Jess Zhang van Riot Games hoe haar team AI-agents gebruikte voor Echoes on the Rift, een evenement dat op 7 augustus 2026 startte. De dataset koppelde mobiele Wild Rift-accounts aan pc-accounts van League of Legends en omvatte meer dan 60 metrics over vijf jaar.

De grootste tabel bevatte ongeveer 18 terabyte en 129 miljard ruwe game-events. Het team bouwde daarom een assembly line met vijf stappen: bronkolommen vinden, waarden profileren, een silver-model maken, een gold-model bouwen en het resultaat valideren voordat een mens de pull request beoordeelt.

Een contextarchitectuur stuurt de agents aan. Engineers definiëren de systeeminstructies en tools, engineers en analisten leggen naamgevingsregels en schemacontracten vast in een playbook, en een analist beschrijft de taak in één zin. dbt v2 controleert types tijdens de compilatie tegen de catalogus, volgens Zhang in seconden.

Waarom dbt en agentische ontwikkeling belangrijk zijn

Riot Games verving een model waarin bedrijfslogica, orkestratie en transformaties samenkwamen in grote PySpark-jobs. Daardoor kostte het veel tijd om metrics te begrijpen, testen te herhalen en domeinkennis toe te voegen zonder de volledige tooling te leren.

De nieuwe werkwijze splitst die kennis op in expliciete lagen en controleert elk gegenereerd model op syntax, compilatie en uitvoering. Die volgorde beperkt fouten vroeg: eerst controleert het systeem SQL-vorm, daarna bestaande tabellen en kolommen, en pas daarna aannames over echte data zoals null-percentages en rijaantallen.

De vergelijking met handmatig werk nuanceert het verhaal. Het eerdere project vroeg twee maanden volledig beschermde focustijd. Echoes on the Rift duurde ongeveer tweeënhalve maand, terwijl Zhang daarnaast bereikbaarheidsdiensten draaide, veranderende scope opving en het agentsysteem bouwde. De winst zit volgens haar dus niet simpelweg in kortere doorlooptijd, maar in een andere verdeling van engineeringwerk.

Concrete takeaway voor dbt-teams

Leg bij agentische dbt-projecten eerst systeeminstructies, naamgevingsregels, schemacontracten en validatiestappen vast. Laat agents daarna pas modellen genereren en houd menselijke beoordeling van de pull request als vaste controle.