Laatst sprak ik tijdens een rondetafel een organisatie die na zeven jaar bouwen aan hun datawarehouse besloot om weer helemaal opnieuw te beginnen. Dat is een pijnlijke constatering, maar het verbaast me helaas niet. Volgens recent onderzoek (Cloudera/HBR, 2026) is slechts 7% van de organisaties écht klaar voor AI. Dat betekent dat de overgrote meerderheid AI-initiatieven bouwt op een gebrekkig fundament…
Want wie ik de afgelopen maanden ook spreek in ons vakgebied, de boodschap is overal hetzelfde: er wordt, zeker op directieniveau, geschreeuwd om AI. Organisaties eisen snelle implementaties en de markt belooft gouden bergen via chatbots en agents. Dus wat doen we? We focussen ons massaal op de applicatielaag. We bouwen in hoog tempo agents, maar vergeten ondertussen de datakwaliteit en de governance.
Zonder context, zonder controle en zonder structuur creëren we geen innovatie, maar een onbeheersbaar ‘datamoeras’. AI is namelijk niet de eerste stap, maar de verbindende factor!
De echte waarde van de huidige AI-hype zit voor mij dan ook niet in de glimmende, losse tools die we vandaag aanschaffen. De werkelijke winst is dat AI ons dwingt om onze Martech stack eindelijk eens fundamenteel opnieuw in te richten. Waar voorheen losse applicaties via API-koppelingen werden verbonden, verschuift de markt volgens Scott Brinkers visie nu naar een composable canvas: een modulaire structuur waarin applicaties direct opereren op één universele datalaag. We zien deze trend al bij grote spelers die overstappen op headless architecturen. Binnen die beweging moeten ook de traditionele CDP’s, die ooit het ultieme klantbeeld beloofden, transformeren naar een dynamische, real-time beslissingslaag.
De winnaars van morgen bouwen een centrale database met sterke semantische standaarden. Waarom? Omdat AI-modellen context nodig hebben om logisch te kunnen redeneren. Pas als productdata, servicenotities en klantprofielen binnen dezelfde universele laag leven, begrijpt een AI-agent dat een gefrustreerde klant niet zit te wachten op een geautomatiseerde kortingscode, maar op een concrete oplossing voor een vertraagde levering.
Analist Apoorv Durga omschrijft dit goed, hij noemt het een paradox: AI maakt personalisatie operationeel eenvoudiger, maar strategisch en kwalitatief complexer. Het is technisch indrukwekkend dat we met generatieve AI in real-time unieke uitingen per individu kunnen maken. Maar zonder echte relevantie blijft de boodschap oppervlakkig. Als de inhoud de plank misslaat, schaadt dat het klantvertrouwen direct.
Mijn advies is hierin praktisch: doe het beide, naast elkaar. Je kunt de business vandaag niet onthouden van de operationele voordelen van AI. Start dus vooral met die snelle AI-toepassingen om directe waarde te bewijzen, maar doe dat altijd parallel aan het bouwen van je centrale datafundament. De uitdaging verschuift namelijk definitief van de techniek (hoe we personaliseren) naar de inhoud (wat we communiceren).
Zorg wel dat je korte termijn AI-successen niet ten koste gaan van je lange termijn architectuur. Want pas als je die twee sporen slim combineert, laat je AI de Martech stack eindelijk écht voor je werken.
