AI verbinden met data: stappenplan van Fivetran

Samenvatting

Fivetran beschrijft hoe een contextlaag AI koppelt aan bedrijfsdata en antwoorden controleerbaar, herhaalbaar en minder foutgevoelig maakt.

Context engineering bij Fivetran

Fivetran beschrijft in 2026 een aanpak om AI-toepassingen met bedrijfsdata te verbinden. De kern is een contextlaag die niet alleen ruwe gegevens aanbiedt, maar ook semantiek, bedrijfsregels, relaties, lineage en metadata vastlegt.

Volgens Fivetran lag de technische uitdaging bij FivetranChat eind 2024 vooral bij pipelines, vector search, middleware en prompt engineering. Inmiddels ziet het bedrijf de toegang tot relevante bedrijfscontext als het grootste obstakel voor praktische AI-toepassingen. Foundation-modellen kunnen steeds complexere vragen verwerken, maar kennen de betekenis van bedrijfsdata niet automatisch.

Een kolom met de naam ARR zegt bijvoorbeeld weinig zonder informatie over herkomst, berekeningen, uitgesloten accounts en vergelijkbare metrics. Die context bepaalt of een AI-systeem een zakelijke vraag correct kan beantwoorden.

Waarom contextlagen voor AI tellen

De voorgestelde contextlaag fungeert als één beheerde bron van waarheid binnen het datawarehouse. Iedere AI-agent gebruikt dezelfde definities en toegangsrechten, in plaats van zelf betekenis aan velden toe te kennen. Dat ondersteunt deterministische, herhaalbare antwoorden en maakt de herkomst van resultaten inzichtelijk.

Fivetran verdeelt de taken helder. AI interpreteert vragen, plant onderzoeken, gebruikt tools, combineert informatie en legt bevindingen uit. Databases bewaren feiten, leggen relaties vast, voeren berekeningen uit en regelen toegang. De contextlaag verbindt die twee functies.

De aanpak sluit aan op toepassingen zoals interactieve kennisbanken, conversational analytics en coding copilots die een codebase begrijpen. Daarmee verschuift de aandacht van alleen modelkeuze naar het onderhouden van definities en bedrijfsregels als data product.

Concrete takeaway voor context engineering

Leg voor elke AI-toepassing vast welke definities, lineage, toegangsrechten en bedrijfsregels het systeem mag gebruiken. Begin met één concrete metric, zoals ARR, en controleer of een agent de herkomst, uitzonderingen en berekening ervan consequent kan uitleggen.