De niet meer te negeren rol van Informatie-architectuur in AI

De essentiële rol van optimale informatie wordt te vaak onderschat in digitale transformaties. De aandacht gaat veelal uit naar technologie en tools. Dat is een probleem, want al die tools en technologie doen eigenlijk maar een ding: rondpompen van informatie. Als die informatie slecht is, kan geen coole (AI-)tool daar iets aan verhelpen.

Als de data in je organisatie gefragmenteerd, verouderd of vol inconsistenties is, lost kunstmatige intelligentie (AI) het probleem niet op; het is dan alleen maar een snellere manier om betrouwbare onzin te genereren. Zonder betrouwbare data kan geen enkele organisatie of digitale transformatie succesvol zijn.

Architectuur gaat ook over informatie

Om de digitale transformatie te laten slagen is een (enterprise) architectuur cruciaal. Enterprise Architectuur (EA) is vaak het domein van IT-architecten, die zich richten op applicaties, technologie en soms ook bedrijfsprocessen.

Echter, een cruciaal element ontbreekt in veel organisaties: een goed ingerichte Informatie-Architectuur (IA). Deze verwaarlozing is altijd een risico geweest, maar met de opkomst van (generatieve) AI is het risico nu exponentieel toegenomen. Zonder IA is de kans groot dat je investeringen in AI leiden tot teleurstelling – en het beruchte 'garbage in, garbage out'-scenario.

Lees mijn eerdere blog over Enterprise architectuur

Een tool is ook maar een tool

We zien het vaak: organisaties investeren in de nieuwste AI-tools, hopen op revolutionaire inzichten, maar stuiten op problemen. De data is versnipperd, inconsistent, ongestructureerd en simpelweg niet te gebruiken. Dit is een direct gevolg van het ontbreken van een gedegen Informatie-architectuur.

Informatie-architectuur omvat de organisatie, structurering en labeling van zowel data als content, zodat deze effectief kunnen worden gevonden, begrepen en gebruikt. Het gaat onder andere om het definiëren van:

• Datamodellen - Hoe data is gedefinieerd en gerelateerd.

• Contenttypologieën - Welke soorten content er zijn en hoe deze geclassificeerd worden.

• Taxonomieën en metadata - Hoe informatie gelabeld en gecategoriseerd wordt voor vindbaarheid, hergebruik en consistentie.

• Data governance - Beleid en processen om datakwaliteit, -veiligheid en compliance te waarborgen.

• Content governance - Beleid en processen om content relevant, up-to-date en bruikbaar te houden.

Kortom, informatie-architectuur zorgt ervoor dat de juiste informatie, op het juiste moment beschikbaar is voor de juiste persoon en in de optimale structuur en vorm voor de interface waarmee die persoon communiceert. Het is de basis voor geïnformeerde beslissingen, efficiënte processen en een optimale klantervaring.

IA als bindende factor in de Enterprise architectuur

Een succesvolle EA is niet een verzameling losse componenten, maar een samenhangend geheel. De IA speelt hierin een verbindende rol, tussen de:

• Business/Process architectuur - Welke informatie is nodig om de bedrijfsprocessen te ondersteunen en de strategische doelen te bereiken?

• Informatie-architectuur - Welke structuur en semantiek van informatie is nodig, wat zijn de informatiebronnen en hoe lopen de informatiestromen?

• Applicatie-architectuur - Welke applicaties beheren welke informatie, en hoe integreren ze met elkaar?

• Technologie architectuur - Welke technologieën worden gebruikt om de informatie op te slaan, te verwerken en te distribueren?

Zonder deze verbinding ontstaat er een silo-structuur, waarin data en content opgesloten zitten in afdelingen, de hoofden van experts en systemen. Dit leidt tot inefficiëntie, fouten en gemiste kansen.

AI versterkt de noodzaak van IA

De opkomst van AI maakt een goed ingerichte IA nog urgenter. AI-modellen, zoals generatieve AI, zijn afhankelijk van grote hoeveelheden kwalitatief goede data om te leren en effectieve resultaten te leveren.

• Datakwaliteit - AI-modellen zijn gevoelig voor ruis, onnauwkeurigheden en inconsistenties in de data. Een goede IA zorgt voor data governance en kwaliteitscontrole.

• Contextueel begrip - AI moet de context van de informatie begrijpen om relevante inzichten te genereren. Een gedefinieerde IA met metadata en taxonomieën helpt AI om de informatie correct te interpreteren.

• Toegankelijkheid - AI moet toegang hebben tot de juiste data en content. Een IA zorgt ervoor dat de informatie gestructureerd is en gemakkelijk kan worden gevonden.

• Ethische overwegingen - Een IA kan helpen bij het identificeren en mitigeren van biases in de data, wat cruciaal is voor ethisch verantwoorde AI-toepassingen.

Als je kunstmatige intelligentie (AI) wilt inzetten op basis van je eigen data en content – en dat is vaak de meest waardevolle toepassing – dan is een gebrek aan informatie-architectuur (IA) een gegarandeerde recept voor falen. Je zult data moeten opschonen, organiseren en verrijken, wat een kostbare en tijdrovende operatie is.

Garbage in, garbage out ...

De uitdrukking “Garbage In, Garbage Out” ontstond in de begintijd van de informatica. In een artikel uit 1957 over wiskundigen van het Amerikaanse leger die met ouderwetse IBM-mainframes werkten, werd de uitdrukking “Garbage In, Garbage Out” gebruikt om te beschrijven hoe slechte kwaliteit van de invoergegevens leidt tot slechte kwaliteit van de uitvoer. 

Dit gezegde is alleen maar relevanter geworden in onze steeds meer datagestuurde wereld. Onze beslissingen op basis van gegevens zijn slechts zo goed als de betrouwbaarheid van die gegevens.

Geen vertrouwen in data

Salesforce publiceerde vorige maand een rapport over een dilemma met betrekking tot datagestuurde besluitvorming: het vertrouwen in gegevens neemt af, terwijl de afhankelijkheid van gegevens toeneemt. 

Hoewel 76% van de bedrijfsleiders zegt dat de opkomst van AI hun behoefte om datagestuurd te werken vergroot, zegt slechts 36% vertrouwen te hebben in de nauwkeurigheid van de gegevens van hun bedrijf. En dat vertrouwen in gegevens is sinds 2023 met 27% gedaald (!).

Met steeds krachtigere AI-tools, waaronder AI-agenten die autonoom handelen, is de kwaliteit van de onderliggende data belangrijker dan ooit.

Aan de slag met Informatie-architectuur

Het inrichten van een IA is een complexe taak, maar de investering is het waard. Hier zijn een paar stappen om te beginnen:

• Begin klein - Begin met een specifiek business domein of proces.

• Betrek de stakeholders - Werk samen met business owners, contenteigenaren, data stewards en IT-architecten.

• Definieer data & contentmodellen - Identificeer de belangrijkste data- en contenttypen en definieer hun relaties.

• Implementeer metadata en taxonomieën - Label en categoriseer de informatie zodat deze gemakkelijk kan worden gevonden.

• Stel data & content governance in - Definieer beleid en processen om de kwaliteit en consistentie van de informatie te waarborgen.

• Maak IA een onderdeel van je EA - Integreer de IA in de totale Enterprise Architectuur.

De tijd van verwaarlozing is voorbij. Informatie-architectuur is geen ‘nice-to-have’ meer, maar een cruciale pijler van een succesvolle Enterprise architectuur – en zeker in het tijdperk van AI. Begin vandaag nog met het inrichten van jouw informatie-architectuur en leg de basis voor een datagedreven en intelligente organisatie.