Over de organisatie
Sector
Life sciences &
biotechnologie
Omvang
Internationale scale-up met
wereldwijde sales en
support
Vraagstuk
Meerdere versies van de waarheid
Wens om AI te gebruiken op bedrijfsdata
Twijfel over datakwaliteit
Oplossing
dgl Business Solution
(DAGONGIN Agentic AI platform)
Het technische fundament stond, de betekenislaag ontbrak
LUMICKS heeft de techniek voor elkaar: moderne infrastructuur, systemen die met elkaar praten. Wat ontbrak, was de laag erboven die vastlegt wat een begrip betekent en waar het staat: de ontologie. Heldere definities, met eigenaren die daarover beslissen.
Data uit Salesforce, Power BI en Excel vertellen wat er is gebeurd, maar niet wat de organisatie eronder verstaat. Concreet:
- Kernbegrippen als prospect, campaign en order amount kregen over systemen en afdelingen heen een andere invulling - meerdere versies van de waarheid
- Bij managementrapportages kwam steeds dezelfde vraag terug: klopt dit cijfer, en volgens welke definitie?
- Definities bestonden wel, maar verspreid over documenten, dashboards en hoofden - nergens vastgelegd, zonder eigenaar, en daardoor onbruikbaar voor software
- De wens om AI op eigen bedrijfsdata in te zetten was er. Maar AI op ruwe data erft die onduidelijkheid - en handmatig bouwen kost maanden die er niet waren
Wat dit deed met de organisatie
- Finance reconstrueerde en verifieerde cijfers in plaats van ze te duiden
- De ambitie om AI in te zetten bleef een ambitie - er was geen betekenislaag
Wat er op het spel stond
Besluiten op cijfers zonder consensus is besluiten met een blinde vlek. En AI op ruwe data geeft structureel onbetrouwbare antwoorden: het model heeft geen referentie voor wat juist is. Daar komt externe druk bovenop: AVG/GDPR, de EU AI Act en CSRD vragen dat een organisatie kan laten zien hóe een beslissing tot stand kwam. Dat vraagt om vastgelegde definities met een verantwoordelijke eigenaar. En een scale-up heeft weinig marge om verkeerde besluiten terug te draaien: het moet snel én goed.
We konden het lang oneens zijn over wat 'order amount' nou precies betekende. Nu staat het er gewoon - en heeft iemand er zijn naam onder gezet.
Michiel Hoedemakers - IT Business Analyst
Waarom dgl?
Een oplossing die start vanuit de Business, oftewel een Business Solution en niet weer een technische tool.
De aanpak van dgl draait om één principe: laat AI het werk doen waar AI goed in is en laat de business bepalen wat waar is.
AI werkt op machinesnelheid, de business houdt de regie. Inventariseren en voorstellen doen gaat in uren; wat juist is, bepaalt de organisatie - niet het model.
AI doet het werk dat niemand wil doen
Niemand wil Excel-bestanden uitpluizen, Power BI-modellen doorspitten of rapportdefinities reconstrueren. Traag, saai, foutgevoelig - precies waar AI in uitblinkt. De DAGONGIN software leest dashboards, rapportages, datamodellen en metadata uit, met bestaande definities en taxonomieën als vertrekpunt, en stelt domeinen, definities, business rules en eigenaarschap voor.
De business houdt de regie
Elk voorstel gaat langs de business. De agent neemt de gebruiker bij de hand: hij stelt voor, licht toe waar het vandaan komt en vraagt om een oordeel - goedkeuren, aanscherpen of afwijzen met toelichting. Dat is human in the loop in de praktijk: de machine voert uit, de mens beoordeelt en houdt zo de regie.
Wat DAGONGIN doet
Van bronsystemen naar antwoorden die kloppen.
Salesforce, Power BI en Excel
De software leest velden, tabellen, relaties, dashboards en rapportages uit; bestaande taxonomieën en definities gaan als input mee. Ruwe data, zonder gedeelde betekenis.
Betekenis, vastgelegd
De agent stelt domeinen, definities, business rules en eigenaarschap voor: wat betekent een begrip en waar staat het. De business keurt goed. Het resultaat is machine leesbaar.
Vraag, rapport en dashboard
AI combineert de cijfers uit de bronsystemen (read only) met de betekenis uit de goedgekeurde laag. Elk antwoord, elk rapport en elk dashboard geeft betrouwbare uitkomsten. Snel én herleidbaar.
De meerwaarde van de middelste stap. Een AI-model dat rechtstreeks op ruwe data draait, gokt naar de bedoeling. Een AI-model dat over een gevalideerde ontologie draait, kent de bedoeling - en kan laten zien op welke goedgekeurde definitie het antwoord rust. Daar begint betrouwbare AI voor bedrijfsdata.
Wat dgl bracht
Een ontologie in een kort tijdsbestek
Bestaande taxonomieën, datamodellen en rapportages vormen de input. Daaruit bouwt de agent de definities op: wat een begrip betekent en waar het in Salesforce, definities. Door de AI functionaliteit van het platform in deze fase in te zetten, ontstaat de ontologielaag in een kort tijdsbestek.
Van ontologie naar rapportage en dashboard
De eerste rapportages voor Sales werken rechtstreeks met de goedgekeurde laag. Een rapportdefinitie waar in Power BI weken werk in zat, staat via de agent in tien minuten. Omdat AI de business rules niet opnieuw hoeft af te leiden, volgen analyses en dashboards in hetzelfde tempo.
Controle op datakwaliteit
DAGONGIN bewaakt de datakwaliteit en signaleert waar de ontologie ontbreekt of ambigu is. Zo is in één oogopslag zichtbaar welk cijfer sluitend is en welk cijfer nog aandacht van een eigenaar vraagt.
Een blauwdruk voor wat volgt
De ontologielaag voor Sales dient als blauwdruk voor de datastructuur eronder en voor elk volgend domein - geen eenmalig project, maar een laag die meegroeit, onderhouden door de eigenaren zelf.
Het resultaat
Van technisch fundament naar werkende rapportages. Door slim gebruik te maken van de AI functionaliteit van het platform, geleverd in een kort tijdsbestek.
De business value
AI combineert gegevens uit de bronsystemen (read only) met definities uit een door de business gevalideerde betekenislaag. LUMICKS werkt nu met rapporten die op eenduidige, goedgekeurde definities rusten - en kan daarbovenop AI inzetten zonder in te leveren op betrouwbaarheid.
Snelheid. Een rapportdefinitie waar in Power BI weken werk in zat, staat via de agent in tien minuten. Dat patroon geldt breder: complex ontwikkelwerk waar eerder specialisten en doorlooptijd voor nodig waren, laat LUMICKS nu door AI doen. De vraag verschuift van ‘wanneer kunnen we beginnen’ naar ‘wat pakken we als eerste aan’.
Betrouwbaarheid en eigenaarschap. Elk antwoord rust op een definitie die de business zelf heeft goedgekeurd. Het eigenaarschap ligt waar de kennis zit: bij de business, niet bij IT. Dat maakt sturen op data mogelijk én achteraf aantoonbaar waar een cijfer vandaan komt.
Schaalbaarheid. Wat voor Sales is opgebouwd, is de blauwdruk voor de rest van de organisatie. Elk volgend domein bouwt voort op dezelfde laag in plaats van opnieuw te beginnen.
Een eenvoudiger landschap. Omdat rapportages en dashboards rechtstreeks met de goedgekeurde laag werken, wordt een deel van het bestaande rapportagelandschap overbodig. Dure tooling en licenties kunnen worden uitgefaseerd
In het kort
✅ Binnen enkele weken een werkende ontologielaag, via de agent opgebouwd en goedgekeurd door de business
✅ Analyse van bestaande systemen, rapportages en metadata op machinesnelheid - de business hoeft alleen de voorstellen te valideren
✅ Betrouwbare rapportages voor Sales op basis van goedgekeurde definities, opgeleverd binnen hetzelfde traject
✅ Één gedeelde, machine-leesbare betekenis van kernbegrippen over Salesforce, heen - AI en rapportagetools lezen uit de goedgekeurde laag in plaats van uit ruwe bronnen Power BI en Excel
✅ Antwoorden op datavragen zijn herleidbaar tot een goedgekeurde definitie met een aanwijsbare eigenaar
✅ Geborgde datakwaliteit die direct zichtbaar is in rapportages dankzij duidelijke labeling, toelichting en kwaliteitscores. Inclusief actiegerichte aanbevelingen.
Wil jij betrouwbare AI voor bedrijfsdata, zonder de controle uit handen te geven?
Herken je de twijfel over de betrouwbaarheid van AI-uitkomsten? Ontdek wat een
door de business gevalideerde ontologielaag jouw organisatie brengt.