Waarom een semantische laag niet genoeg is voor AI

Elk dataplatform levert nu een semantische laag, en meestal gratis. Definieer een begrip één keer, is de belofte, en iedereen stroomafwaarts leest hetzelfde getal. Het is een goed idee, en een idee dat lang op zich heeft laten wachten. Het is ook niet de laag die AI nodig heeft, en dat verschil gaat veel zwaarder wegen dan het ooit voor dashboards deed.

Wat een semantische laag doet

Een semantische laag is een woordenboek voor je dashboards. Hij neemt de termen waar een organisatie ruzie over maakt, omzet, een actieve klant, brutomarge, en pint elk vast op één definitie, zodat een query overal hetzelfde getal teruggeeft. Die consistentie is echt en waardevol. Voor het BI-tijdperk was het vaak precies het ontbrekende stuk.

Daar houdt het werk op. Een semantische laag legt vast wat een getal betekent. Hij zegt niet waar het getal vandaan komt, wie ervoor staat, wanneer het voor het laatst is afgesproken, of het antwoord ooit terechtkomt bij de persoon die ernaar moet handelen. Dat waren acceptabele gaten toen de uitkomst een grafiek was die een mens naleest en op gevoel toetst. Ze zijn niet langer acceptabel op het moment dat iets naar dat getal handelt zonder ook maar te twijfelen.

Dezelfde definitie, een andere opdracht: bestuurd, in het werk, en van jou.

Betekenis definiëren is niet betekenis besturen

Er is verschil tussen een definitie en een bestuurde definitie, en dat is het verschil tussen een getal dat je kunt lezen en een getal dat je kunt vertrouwen. Een bestuurde definitie draagt drie dingen die het begrip alleen niet heeft: de bron waaruit hij wordt berekend, de eigenaar die hem heeft vastgesteld, en de datum waarop dat gebeurde. Herkomst is eersteklas, geen tekening die iemand er los bij bijhoudt. Wordt een cijfer betwist, dan is het antwoord geen week reconciliatie. Het is een spoor, in seconden, naar de vastlegging en de persoon erachter.

Definitie, bron, eigenaar en datum maken van een getal een spoor.

Dat is de grens tussen een woordenboek en een systeem van vastlegging voor betekenis. Een woordenboek vertelt je wat een woord zou moeten betekenen. Het vertelt je niet wie verantwoordelijk is als het woord niet klopt.

Betekenis moet het werk bereiken

Een definitie die alleen in de querylaag leeft, verandert wat een dashboard zegt. Ze verandert niet wat er dinsdagochtend gebeurt. De waarde van een vertrouwd getal valt waar een besluit wordt genomen: in de afwijkingenlijst die een controller doorwerkt, de melding die afgaat voordat een kostenpost landt, de reparatie in een proces dat stil kapot was. Een semantische laag voedt een grafiek. Betekenis in de operatie krijgen, in de systemen die mensen al gebruiken en de manier waarop ze al werken, is een ander vak, en het is het grootste deel van de afstand tussen een vastgelegd begrip en een resultaat.

AI draait op betekenis, niet op dashboards

Hier is waarom dat verschil nu gaat tellen. Bij een dashboard zit een mens in de lus die merkt dat een getal er vreemd uitziet. Bij een agent niet. Zet een model op definities die het onderling oneens zijn, zonder eigenaar en zonder herkomst, en het produceert antwoorden sneller en vertrouwt ze minder terecht. Het wordt met overtuiging fout, op schaal, in de taal van zekerheid.

Intelligentie bovenop is niet betrouwbaarder dan de betekenis eronder. Een semantische laag is gebouwd om BI consistent te maken. De laag die AI nodig heeft, heeft een grotere opdracht: de ene bron van betekenis zijn waarop zowel mensen als agents draaien, de hele weg bestuurd, zodat alles wat erop wordt gebouwd dezelfde definities, dezelfde eigenaren en dezelfde herkomst erft. De woorden "onder je data en AI" doen daar echt werk. Aan een metrics-laag is nooit gevraagd om een agent te dragen.

Betekenis die stapelt

Er is nog een eigenschap die het dashboardtijdperk nooit nodig had. Als betekenis bestuurd is, wordt ze scherper door gebruik. Elk beslecht begrip, elke benoemde eigenaar, elk ingericht proces wordt een fundament dat het volgende hergebruikt in plaats van opnieuw opbouwt. Onbestuurd verwordt hergebruik tot een wildgroei van tegensprekende spreadsheets die elkaar steeds minder vertrouwen. Bestuurd stapelt hergebruik: het tiende antwoord staat op de negen ervoor, en de organisatie wordt gestaag slimmer zonder telkens bij nul te beginnen. Een semantische laag staat stil door ontwerp. Betekenis die leert van gebruik niet.

Elk beslecht begrip wordt het startpunt van het volgende antwoord.

Van jou, of gehuurd

Het laatste verschil is waar de laag woont. De semantische lagen die de platformen uitleveren, wonen binnen hun muren, en ze zijn gratis om dezelfde reden dat een eerste hapje gratis is. De betekenis van je bedrijf is het laatste dat je wilt huren. Een laag die haar bewaart, hoort soeverein te zijn, te draaien waar jij dat bepaalt, en van jou te blijven, contracten en definities inbegrepen, overdraagbaar over welke platformen je nu en later ook gebruikt.

Een system of intelligence

Zet dat bij elkaar, besturing in plaats van definitie, betekenis die het werk bereikt, één bron die mensen en AI delen, waarde die stapelt, eigendom dat blijft, en je beschrijft geen semantische laag meer. Je beschrijft een andere laag met een andere opdracht.

Datahub noemt dat een system of intelligence: de gestuurde laag onder je data en AI die een organisatie één vertrouwde, zelflerende bron van betekenis geeft, en die van haar blijft.

Een semantische laag definieert een begrip. Een system of intelligence bestuurt betekenis, zet haar aan het werk, en bezit haar. Definitie is waar de semantische laag stopt. Het is waar het system of intelligence begint.