Context zorgt voor autonomie bij AI-systemen

Samenvatting

Context geeft AI-systemen de kennis die ze nodig hebben om zelfstandig en betrouwbaar te handelen.

Context voor AI-systemen

Tijdens een breakout-sessie op dbt Summit 2026 stelden Ben Moser van dbt Labs en Kevin Kim van Fivetran dat vertrouwen in een AI-agent vooral afhangt van de context vóór de agent handelt. Fivetran Context Layer adresseert dit door bronnen zoals Notion, Confluence, Salesforce, HubSpot, Postgres, dbt en Sigma samen te brengen, te indexeren voor semantisch zoeken en aan elkaar te koppelen via een ontologie.

Een eenvoudige vraag over ARR bevat al meerdere interpretaties: gaat het om geboekte of actuele ARR, tellen diensten mee, welke tabel geldt als bron en wie mag de uitkomst zien? Zonder gedeelde definities splitst zo’n vraag zich op in deelvragen die een agent niet betrouwbaar kan beantwoorden.

Waarom context voor AI-systemen telt

Een dbt-project bevat al een deel van de benodigde kaart van het bedrijf. Modellen, tests, documentatie en lineage geven agents gecontroleerde informatie over gemodelleerde data. De lastiger context staat vaak buiten het warehouse, bijvoorbeeld in supporttickets, Slack-berichten, verkoopgesprekken en interne kennis.

Moser beschrijft context als een spectrum. Semantische en structurele context vormen het eenvoudige uiteinde; situationele en interpretatieve context vragen om begrip van betekenis die in de tijd verandert. Alles tegelijk aan een agent voeren werkt volgens hem niet. Gerichte opbouw voorkomt dat een agent onbekende informatie zelf moet invullen.

Agents Schema bevat daarvoor een root table die de inhoud van een schema uitlegt. Een concept table legt bedrijfsspecifieke afkortingen vast, zoals HRBP en SKO. Zo hoeft een agent zulke termen niet te raden. Fivetran koppelt bijvoorbeeld een revenuetable in Postgres aan een document in Notion, in plaats van beide als losse feiten te behandelen.

Concrete takeaway voor AI-systemen

Breng vóór je een agent laat handelen eerst de definities, toegangsregels, lineage en bedrijfstermen in kaart. Gebruik dbt voor gemodelleerde context en beoordeel met Fivetran Context Layer welke ongestructureerde bronnen nog ontbreken.