AI: wachten op data is riskanter dan nu starten

Samenvatting

Snowflake waarschuwt: wachten op perfecte data vertraagt AI-waarde terwijl 97% al AI-initiatieven uitvoert.

Snowflake en AI: van datatransformatie naar parallel starten

Snowflake stelt in een blog van 29 oktober 2026 dat organisaties AI niet hoeven uit te stellen tot hun volledige dataomgeving klaar is. Volgens de aangehaalde cijfers voert 97% van de wereldwijde ondernemingen actieve AI-initiatieven uit, terwijl slechts 5% zegt dat de data daarvoor gereed is.

Fawad Qureshi beschrijft een terugkerend patroon: directies investeren jarenlang in data-infrastructuur en concluderen vervolgens dat eerst de transformatie moet worden afgerond. Snowflake bespreekt dit onderwerp ook in het ebook Break the Sequence.

Waarom wachten op data riskant is

De klassieke volgorde ontstond toen bedrijfsdata verspreid stond over lokale silo’s en propriëtaire opslagformaten. Organisaties moesten data eerst migreren en centraliseren, daarna governance inrichten en pas vervolgens analytics bouwen. Die technisch logische aanpak veranderde volgens Snowflake in een strengere regel: begin niet aan AI voordat alle legacyplatforms zijn vervangen.

Dat eindpunt blijft buiten bereik. Nieuwe applicaties komen erbij, regelgeving verandert, bedrijven nemen andere bedrijven over en AI-modellen ontwikkelen zich verder. De blog noemt niets doen daarom een groter risico dan gecontroleerd beginnen, zeker wanneer concurrenten hun voorsprong per uitgesteld kwartaal vergroten.

Snowflake onderscheidt drie manieren waarop ondernemingen vastlopen. De battle-scarred groep heeft al jaren en veel kapitaal in datatransformatie geïnvesteerd en ziet de AI-belofte als een herhaling van eerdere beloften rond warehouses, lakes en lakehouses. Tegelijk kunnen transformatie en AI volgens Snowflake naast elkaar lopen.

Concrete takeaway

Kies een afgebakend AI-initiatief waarmee je vandaag resultaat kunt toetsen op beschikbare data. Leg vast welke databeperkingen het experiment heeft en laat de bredere transformatie parallel doorgaan. Wacht niet op een volledig afgewerkte dataomgeving: gebruik het verschil tussen de huidige situatie en het gewenste niveau als input voor de volgende verbeterstap.