WEBVTT

00:00:00.000 --> 00:00:02.580
Je zakelijke eye hallucineert niet omdat hij kapot is.

00:00:02.740 --> 00:00:04.380
Hij hallucineert omdat hij blind is.

00:00:04.580 --> 00:00:08.500
De meeste organisaties behandelen hun co-pilot nu als een luxe zoekbak voor hun OneDrive.

00:00:08.720 --> 00:00:13.880
Ze hebben maanden besteed aan het opschonen van SharePoint mappen en het labelen van PDF's in de veronderstelling dat ze er dan zijn.

00:00:14.040 --> 00:00:16.740
Maar in werkelijkheid is dat slechts 10% van uw bedrijf.

00:00:16.880 --> 00:00:23.260
De overige 90% zit opgesloten in losgekoppelde silo's, verouderde databases en tools van derden die uw AI niet is kan zien.

00:00:23.260 --> 00:00:30.020
Als u een model vraagt de status van een project samen te vatten en het heeft alleen toegang tot een PowerPoint van afgelopen dinsdag, dan krijgt u antwoord.

00:00:30.180 --> 00:00:33.580
Het klinkt professioneel en ziet er gestructureerd uit, maar het is onjuist.

00:00:33.760 --> 00:00:38.540
Het model weet niets van de prioriteitsticket die een uur geleden is geopend of de budgetstop in uw ERP-systeem.

00:00:38.840 --> 00:00:42.260
Onvolledige intelligentie op grote schaal is geen hulpmiddel, maar een aansprakelijkheid.

00:00:42.420 --> 00:00:48.400
Het creëert een cultuur van zelfverzekerd gissen, waarbij uw duurste talent vertrouwt op een machine die de belangrijkste helft van het verhaal mist.

00:00:48.400 --> 00:00:54.200
Als uw data niet is geïndexeerd en voorzien van rechten binnen de Microsoft Graph, bestaat het in feite niet voor uw AI.

00:00:54.440 --> 00:00:57.400
We moeten voorbij de fase van het simpelweg chatten met een pdf.

00:00:57.620 --> 00:01:00.220
We treden een tijdperk binnen van het real-time bedrijfsbrein.

00:01:00.380 --> 00:01:02.980
En dat brein heeft een zenuwstelsel nodig om te kunnen functioneren.

00:01:03.160 --> 00:01:06.360
De wereld van statische intelligentie, de RAG-huwelijksreis is voorbij.

00:01:06.560 --> 00:01:09.880
Het afgelopen jaar was iedereen geobsedeerd door Retrieval Augmented Generation.

00:01:10.120 --> 00:01:12.240
Het was de goocheltruc die LLMs nuttig maakte.

00:01:12.460 --> 00:01:16.540
Je wijst het model naar een map, het leest de bestanden en plotseling kent het uw bedrijfsbeleid.

00:01:16.540 --> 00:01:20.580
Maar nu deze pilots in productie gaan, ontstaan er grote scheuren in de fundering.

00:01:20.800 --> 00:01:22.960
Die scheur is de realiteit van verouderde data.

00:01:23.480 --> 00:01:26.300
Traditionele RAG vertrouwt op handmatige uploads of statische mappen.

00:01:26.460 --> 00:01:27.500
Het is een momentopname.

00:01:27.760 --> 00:01:33.020
Je traint je AI in feite door hem een foto van een rijdende auto te laten zien en te vragen hoe hard het voertuig op dit moment rijdt.

00:01:33.080 --> 00:01:36.600
Dit creëert een kennisachterstand die besluitvorming met een hoog risico de das omdoet.

00:01:36.780 --> 00:01:39.540
In een wereld waar zaken doen gaat op de snelheid van een slackbericht,

00:01:39.760 --> 00:01:43.720
is vertrouwen op een document dat 48 uur geleden is bijgewerkt recept voor een ramp.

00:01:43.720 --> 00:01:48.640
Stel je voor dat je AI een agressieve inkoopactie voorstelt op basis van het kwartaalrapport van vorige week.

00:01:48.780 --> 00:01:50.900
Het is een solide aanbeveling op één ding na.

00:01:51.080 --> 00:01:55.140
Het negeert volledig de systeemupdate van vanmorgen die een verstoring in de toeleveringsketen aangaf.

00:01:55.320 --> 00:01:57.820
Door de AI te volgen heb je zojuist een risicomachine gebouwd.

00:01:57.940 --> 00:01:59.440
Je hebt een fout geautomatiseerd.

00:01:59.600 --> 00:02:03.040
Het oude bedrijfsmodel ging ervan uit dat mensen de tijd hadden om op zoek te gaan naar context.

00:02:03.260 --> 00:02:07.220
Je opende vijf tabbladen, checkte het CRM, bekeek het projectbord en dan pas een besluit.

00:02:07.380 --> 00:02:10.340
Het nieuwe model gaat ervan uit dat context naar de AI moet worden gepust.

00:02:10.340 --> 00:02:14.440
Als de machine je wil bijstaan, heeft deze hetzelfde situationeel bewustzijn nodig als jij.

00:02:14.680 --> 00:02:17.340
Daarom schiet eenvoudige document grounding tekort voor de moderne onderneming.

00:02:18.040 --> 00:02:20.700
Het mist het verbindende weefsel van live systeemtelemetrie.

00:02:20.900 --> 00:02:23.160
Het merendeel van je waarheid staat niet in een woorddocument.

00:02:23.420 --> 00:02:25.180
Het zit in de status van je systemen.

00:02:25.320 --> 00:02:31.080
Het is de status in afwachting van een factuur, de prioriteitsvlag op een klant ticket of de uitzondering in een addedlogboek.

00:02:31.280 --> 00:02:35.320
Wanneer je de graph alleen je documenten geeft, bouw je een brein met een losgekoppeld zenuwstelsel.

00:02:35.320 --> 00:02:37.660
Het brein kan denken, maar het kan de vloer niet voelen.

00:02:37.840 --> 00:02:40.540
Het weet niet of het gebouw in brand staat of dat de voordeur op slot zit.

00:02:40.700 --> 00:02:42.420
Het verwerkt enkel tekst in een vacuüm.

00:02:42.560 --> 00:02:45.420
Om deze kloof te dichten, moeten we onze denkwijze over data veranderen.

00:02:45.520 --> 00:02:47.220
We verplaatsen niet langer alleen maar bestanden.

00:02:47.400 --> 00:02:48.560
We streamen de realiteit.

00:02:48.800 --> 00:02:52.380
We moeten overstappen van een bibliotheekmodel, waarbij de AI naar een plank gaat om een boek te zoeken,

00:02:52.540 --> 00:02:56.080
naar een sensormodel, waarbij de AI constant wordt gevoed met de telemetrie van het bedrijf.

00:02:56.240 --> 00:03:00.000
Deze verschuiving is wat een chatbot onderscheidt van een werkelijke intelligentielaag.

00:03:00.000 --> 00:03:04.540
De een beantwoordt vragen over het verleden, terwijl de ander je helpt bij het navigeren door het heden.

00:03:04.700 --> 00:03:09.180
Als je dat laatste wilt, moet je de Microsoft Graph niet langer als een optionele opslagbak zien,

00:03:09.460 --> 00:03:12.500
maar als het centrale zenuwstelsel van je gehele bedrijfsvoering.

00:03:12.780 --> 00:03:15.300
Zonder die live-verbinding schaal je geen intelligentie.

00:03:15.460 --> 00:03:18.160
Je schaalt alleen de snelheid waarmee je de plank mislaat.

00:03:18.200 --> 00:03:23.240
We moeten deze muur van statische informatie afbreken en de brug slaan naar live geïndexeerd bewustzijn.

00:03:23.500 --> 00:03:24.360
Blinde vlek 1.

00:03:24.580 --> 00:03:26.100
De spookgoedkeuringsketen.

00:03:26.380 --> 00:03:29.020
Goedkeuringen zijn de eigenlijke levensader van je operaties.

00:03:29.020 --> 00:03:32.300
Het zijn de ja- of nee-signalen die bepalen of er geld wordt overgemaakt,

00:03:32.440 --> 00:03:34.640
code wordt uitgerold of een contract wordt getekend.

00:03:34.780 --> 00:03:35.860
Maar hier is het probleem.

00:03:36.040 --> 00:03:39.220
In de meeste organisaties leven deze cruciale signalen in de schaduw.

00:03:39.420 --> 00:03:41.020
Ze zitten begraven in gespecialiseerde inkooptools,

00:03:41.740 --> 00:03:46.360
verborgen in verouderde ticketsystemen of gevangen in de oneindige scroll van de e-mail threads van leidinggevende.

00:03:46.540 --> 00:03:48.500
Voor je AI zijn deze goedkeuringen spoken.

00:03:48.760 --> 00:03:50.540
Ze bestaan simpelweg niet in zijn wereld.

00:03:50.720 --> 00:03:54.600
Dit creëert een specifiek gevaarlijk fenomeen dat ik het syndroom van voorbarige besluitvorming noem.

00:03:54.600 --> 00:03:59.080
Het gebeurt wanneer een gebruiker de AI vraagt om een status-update of een aanbeveling voor een projectfase.

00:03:59.260 --> 00:04:01.760
De AI kijkt naar de beschikbare documenten in SharePoint.

00:04:01.960 --> 00:04:03.000
Het ziet het projectplan.

00:04:03.220 --> 00:04:04.400
Het ziet de conceptfactuur.

00:04:04.580 --> 00:04:06.560
Het concludeert dat alles klaar is voor actie.

00:04:06.720 --> 00:04:08.320
Het vertelt de gebruiker om door te gaan.

00:04:08.500 --> 00:04:11.960
Maar het kan de status, in afwachting, in uw externe inkoopsoftware niet zien.

00:04:12.140 --> 00:04:15.920
Het weet niet dat het juridische team een specifieke clausule heeft gemarkeerd in een extern portaal.

00:04:16.060 --> 00:04:17.940
Het resultaat is niet slechts een kleine fout.

00:04:18.160 --> 00:04:21.020
Het is een volledige ineenstorting van het organisatorische vertrouwen.

00:04:21.020 --> 00:04:27.140
Wanneer de AI een gebruiker aanzet tot een actie die een bestaande workflow schendt, eindigt u met dubbel werk en omzelde controles.

00:04:27.320 --> 00:04:33.920
U hebt junior medewerkers die bestellingen initiëren die niet zijn goedgekeurd, simpelweg omdat de intelligente assistent zei dat de weg vrij was.

00:04:34.140 --> 00:04:36.300
Dit is geen falen van de logica van het LLM.

00:04:36.480 --> 00:04:38.240
Het is een falen van de zichtbaarheid ervan.

00:04:38.420 --> 00:04:42.340
U hebt het gevraagd projectmanager te zijn, terwijl u het opsluit in een kamer met slechts de helft van de bestanden.

00:04:42.520 --> 00:04:45.740
De kosten van deze ontbrekende context worden gemeten in herbewerkingcycli.

00:04:45.740 --> 00:04:53.980
Elke keer dat een door AI gegenereerd concept wordt afgewezen omdat het een afgewezen of on-hold status in een extern systeem miste, verliest u de beloofde productiviteitswinst.

00:04:54.100 --> 00:04:59.200
U wordt gedwongen handmatige validatiestappen terug in het proces te voegen, wat het doel van automatisering teniet doet.

00:04:59.360 --> 00:05:06.880
U neemt in feite een supersnelle assistent aan en huurt vervolgens een mens in om elke beweging van die assistent te controleren, omdat de assistent fundamenteel onwetend is over de huisregels.

00:05:07.160 --> 00:05:10.180
Aangepaste connectoren zijn de enige manier om deze kloof te overbruggen.

00:05:10.340 --> 00:05:13.700
Hiermee kunt u status en toestand naast de ruwe inhoud weergeven.

00:05:13.700 --> 00:05:18.800
Wanneer u een connector naar uw inkooptool bouwt, indexeert u niet alleen de tekst van de inkooporder.

00:05:19.020 --> 00:05:21.700
U indexeert de metadata van de goedkeuringsketen.

00:05:21.840 --> 00:05:27.160
U geeft de graph een manier om te begrijpen dat de geldigheid van een document gekoppeld is aan een specifieke systeemvlag.

00:05:27.360 --> 00:05:30.860
Dit verandert de AI van een documentlezer in een procesbewuste partner.

00:05:31.100 --> 00:05:36.520
Het stopt met zich alleen te baseren op de woorden in het document en begint zich te baseren op de huisregels.

00:05:36.520 --> 00:05:41.320
Wanneer een gebruiker vraagt, kunnen we dit verzenden, zegt de AI niet alleen, het plan zegt ja.

00:05:41.480 --> 00:05:45.860
Het zegt, het plan zegt ja, maar het externe verzendportaal toont een wachtende veiligheidsgoedkeuring.

00:05:46.100 --> 00:05:49.200
Dat is het verschil tussen een chatbot en een enterprise intelligentie laag.

00:05:49.320 --> 00:05:52.980
We moeten stoppen met aannemen dat machtigingen en statussen op magische wijze synchroniseren.

00:05:53.180 --> 00:05:56.360
Als de goedkeuring buiten de graph leeft is de AI blind voor de poortwachter.

00:05:56.560 --> 00:06:00.720
Door deze verbindingen te ingenieren, verandert u die spookgoedkeuringen in concrete datapunten.

00:06:00.720 --> 00:06:04.080
U zorgt ervoor dat de AI de grenzen van uw bedrijfslogica respecteert.

00:06:04.220 --> 00:06:06.720
U verandert een zelfverzekerde gokker in een conforme adviseur.

00:06:07.460 --> 00:06:12.740
Dit is hoe uw dubbel werk stopt en begint met het bouwen van een AI die daadwerkelijk begrijpt hoe uw bedrijf beslist.

00:06:16.060 --> 00:06:18.960
Blinde Vlek 2, de gefragmenteerde klantreis.

00:06:19.220 --> 00:06:21.720
Denk na over hoe een klant uw bedrijf daadwerkelijk ervaart.

00:06:21.960 --> 00:06:24.600
Zij zien geen afdelingen, zij zien één enkele entiteit.

00:06:24.840 --> 00:06:27.440
Maar de interne realiteit is een verzameling van geïsoleerde eilanden.

00:06:27.620 --> 00:06:29.400
Je CRM bevat de verkoopgegevens.

00:06:29.580 --> 00:06:31.520
Je ticketsysteem beheert de ondersteuningsvragen.

00:06:31.520 --> 00:06:34.240
Je leveringsplatform houdt de daadwerkelijke uitvoering bij.

00:06:34.440 --> 00:06:39.720
Midden in deze archipel heb je een AI-assistent geplaatst die alleen een kaart heeft van het Microsoft 365 eiland.

00:06:39.920 --> 00:06:43.740
Dit zorgt voor een bevooroordeelde reactie die verwoestend kan zijn voor je merkreputatie.

00:06:44.000 --> 00:06:48.500
Stel je een scenario voor waarin een lange termijn klant een e-mail stuurt voor een offerte voor een nieuw project.

00:06:48.720 --> 00:06:50.400
Je AI ziet die e-mail in Outlook.

00:06:50.560 --> 00:06:53.920
Het scant je SharePoint mappen en ziet de historische contracten van de klant.

00:06:54.140 --> 00:06:59.260
Vervolgens stelt het een vrolijke, proactieve follow-up op waarin een vergadering wordt voorgesteld om de uitbreiding te bespreken.

00:06:59.260 --> 00:07:03.000
Het klinkt perfect, maar er ontbreekt een cruciaal stukje context.

00:07:03.260 --> 00:07:10.380
De AI ziet niet het kritieke prioriteits-ticket in je externe servicedesk waar diezelfde klant momenteel klaagt over een systeemstoring.

00:07:10.660 --> 00:07:17.640
Omdat die ticketgegevens niet in de grafiek zijn geïndexeerd, stelt de AI een beleefde verkoopraadje op terwijl de klant in crisis verkeert.

00:07:17.640 --> 00:07:23.460
Wanneer je accountmanager op verzenden drukt voor dat door AI gegenereerde concept, heb je niet alleen een verkoop gemist.

00:07:23.620 --> 00:07:26.960
Je hebt de klant laten weten dat je volledig buiten hun realiteit staat.

00:07:27.180 --> 00:07:32.960
We proberen dubbel werk en inconsistente klantervaringen op te lossen, maar dat kan niet als de AI naar fragmenten kijkt.

00:07:33.180 --> 00:07:36.820
De meeste organisaties denken dat ze dit hebben opgelost omdat ze integraties hebben.

00:07:37.020 --> 00:07:39.820
Ze zeggen, ons CRM is geïntegreerd met onze e-mail.

00:07:40.020 --> 00:07:42.380
Maar dit is de structurele fout die je moet begrijpen.

00:07:42.820 --> 00:07:44.760
Geïntegreerd is niet hetzelfde als geïndexeerd.

00:07:44.920 --> 00:07:49.820
Een integratie kan je een CRM-record laten zien in Outlook, maar dat betekent niet dat de AI erover kan redeneren.

00:07:49.980 --> 00:07:54.580
Om de punten te verbinden en te beseffen dat een verkoopvraag moet worden gepauseerd vanwege een ondersteuningscrisis,

00:07:54.780 --> 00:07:56.640
moeten die gegevens in de semantische index staan.

00:07:56.820 --> 00:07:59.660
Het moet deel uitmaken van het uniforme wereldmodel van de grafiek.

00:07:59.880 --> 00:08:03.540
Zonder indexering is de AI slechts een snelle typist zonder situationeel bewustzijn.

00:08:03.720 --> 00:08:06.480
Het is een gespecialiseerde tool die het grotere geheel niet kan zien.

00:08:06.480 --> 00:08:11.340
Door aangepaste connectoren naar deze externe eilanden te bouwen, geef je de grafiek een uniformbeeld van de overdracht.

00:08:11.340 --> 00:08:13.300
Je verandert deze fragmenten in een reis.

00:08:13.540 --> 00:08:17.320
Wanneer het ticketsysteem, het CRM en de leveringslogs allemaal zijn geïndexeerd,

00:08:17.480 --> 00:08:20.040
kan de AI eindelijk de klantlevenscyclus in zijn geheel zien.

00:08:20.220 --> 00:08:23.580
Het wordt zich bewust van de spanning tussen een lopende verkoop en een open ticket.

00:08:23.780 --> 00:08:26.660
Het kan de gebruiker waarschuwen, ik heb deze follow-up opgesteld,

00:08:26.840 --> 00:08:30.020
maar er is een onopgelost probleem met hoge prioriteit in het serviceportaal.

00:08:30.240 --> 00:08:33.720
Dit is hoe je van geautomatiseerde antwoorden naar intelligente interactie gaat.

00:08:33.720 --> 00:08:38.860
Je stopt het hersenwerk dat ontstaat wanneer mensen handmatig een AI moeten corrigeren die het volledige verhaal niet kende.

00:08:38.860 --> 00:08:42.820
Je voorkomt de tenenkrommende momenten waarop je technologieën ongeorganiseerd laat lijken.

00:08:42.980 --> 00:08:45.920
Je geeft je AI in feite het vermogen om de situatie goed in te schatten,

00:08:46.120 --> 00:08:50.180
maar daarvoor moet je stoppen met het verspreid opslaan van je klantgegevens op afzonderlijke eilanden.

00:08:50.380 --> 00:08:54.840
Je moet de bruggen bouwen die die context naar de grafiek brengen waar de AI het daadwerkelijk kan gebruiken.

00:08:55.080 --> 00:08:59.760
Bewustzijn over de hele reis is het enige dat een gefragmenteerde puinhoop verandert in een concurrentievoordeel.

00:08:59.760 --> 00:09:05.720
Als je de overdrachten niet indexeert, betaal je enkel voor een assistent die voortdurend de belangrijkste vergadering van de dag mist.

00:09:05.940 --> 00:09:08.820
Blinde vlek 3, blootstelling aan risico's en uitzonderingen.

00:09:08.960 --> 00:09:13.460
Elke organisatie draait op een verborgen laag van uitzonderingen die zelden in het officiële handboek terechtkomen.

00:09:13.640 --> 00:09:18.820
Je hebt het standaardbeleid dat iedereen leest tijdens de onboarding, maar daarnaast heb je de realiteit van hoe het werk echt wordt gedaan.

00:09:19.080 --> 00:09:23.900
Deze realiteit is gebouwd op vrijstellingen, altijd notities, speciale prijsafspraken en lokale veiligheidsprotocollen.

00:09:23.900 --> 00:09:26.920
Dit zijn niet zomaar extra documenten om in de archieven te bewaren.

00:09:26.960 --> 00:09:31.200
Het zijn de vangrails die voorkomen dat je bedrijf in een juridische of financiële afgrond stort.

00:09:31.380 --> 00:09:36.640
Het probleem is dat deze vangrails bijna nooit in de standaard SharePoint mappen staan die je AI momenteel leest.

00:09:36.840 --> 00:09:42.940
Ze staan in niche-systemen, obscure databases of verouderde compliance-locaties verbuiten de Microsoft-grafiek.

00:09:43.140 --> 00:09:49.020
Wanneer je AI een standaardactie aanbeveelt, gaat deze ervan uit dat het algemene beleid altijd voor iedereen geldt.

00:09:49.100 --> 00:09:52.320
Maar in de bedrijfswereld is de uitzondering vaak belangrijker dan de regel.

00:09:52.320 --> 00:09:55.500
Als je assistent een standaard verzendroute voorstelt aan een nieuwe werknemer,

00:09:55.720 --> 00:10:00.100
maar de specifieke milieuvrijstelling in een regelgevend portaal over het hoofd ziet, heb je niet zomaar een fout gemaakt.

00:10:00.260 --> 00:10:04.640
Je hebt een compliance-nachtmerrie gecreëerd door een intelligente tool te gebruiken om een overtreding te automatiseren.

00:10:04.860 --> 00:10:09.620
Dit is waar de blinde vlek verschuift van een productiviteitsprobleem naar een structurele bedreiging voor het hele bedrijf.

00:10:09.780 --> 00:10:13.320
Bewustzijn is het fundamentele verschil tussen simpele automatisering en echte intelligentie.

00:10:14.420 --> 00:10:18.020
Automatisering volgt het script, terwijl intelligentie de context van dat script begrijpt.

00:10:18.020 --> 00:10:24.920
Als de AI geen aangepaste koppeling heeft met die niche-risicosystemen, kan hij het verschil niet zien tussen een routine-taak en een risicovolle uitzondering.

00:10:25.140 --> 00:10:27.860
Hij zal je het juiste antwoord geven voor de verkeerde situatie.

00:10:28.060 --> 00:10:34.720
Hij zal zelfverzekerd tegen een verkoper zeggen dat hij een standaardkorting moet aanbieden aan een klant die in een aparte juridische database als geen korting staat gemarkeerd.

00:10:34.880 --> 00:10:36.860
De AI is niet opstandig of moeilijk aan het doen.

00:10:37.080 --> 00:10:39.160
Hij is simpelweg fundamenteel niet op de hoogte.

00:10:39.340 --> 00:10:43.380
We moeten het gesprek verleggen van wat het beleid is naar wat het beleid is voor dit specifieke geval.

00:10:43.380 --> 00:10:48.340
Die verschuiving vereist een aangepaste connector die uitzonderingsdata naar de redeneerlaag van de graph haalt.

00:10:48.540 --> 00:10:53.140
Wanneer je auditnotices en vrijstellingen indexeert, geef je de AI het vermogen om stop te zeggen.

00:10:53.320 --> 00:10:57.160
Je stelt de AI in staat om te herkennen wanneer een standaardprocedure niet gevolgd mag worden.

00:10:57.400 --> 00:11:00.160
Dit is hoe je de rewa van je AI-strategie bewijst aan het bestuur.

00:11:00.360 --> 00:11:03.100
Het gaat niet alleen om hoeveel e-mails je sneller hebt opgesteld.

00:11:03.300 --> 00:11:09.460
Het gaat om de kostbare compliance-schendingen die je vermeedt omdat de AI op de hoogte was van een speciale status in een verouderd archief.

00:11:09.460 --> 00:11:14.020
De meeste teams negeren deze niche-systemen omdat ze moeilijk te bereiken zijn of een laag volume hebben.

00:11:14.240 --> 00:11:18.440
Ze richten zich eerst op de grote SharePoint-sites, maar juist daar hoopt het risico zich op.

00:11:18.560 --> 00:11:23.260
De grote sites bevatten de algemene kennis, terwijl de niche-systemen de kritieke uitzonderingen bevatten.

00:11:23.440 --> 00:11:27.360
Door die laatste te negeren, train je je AI feitelijk om een zelfverzekerde amateur te zijn.

00:11:27.580 --> 00:11:31.100
Dat is iemand die de basis kent, maar niet weet waar de landmijnen begraven liggen.

00:11:31.280 --> 00:11:34.960
Het ontwikkelen van deze connectors is niet slechts een technische taak voor de IT-afdeling.

00:11:35.180 --> 00:11:37.040
Het is een risico-beperkende strategie.

00:11:37.040 --> 00:11:42.940
Het gaat erom dat je, terwijl je AI opschalt in de organisatie, niet tegelijk de kans op een katastrofale misser vergroot.

00:11:43.080 --> 00:11:47.460
Je baseert de logica van de machine op de werkelijke complexiteit van je bedrijfsactiviteiten.

00:11:47.700 --> 00:11:53.220
Wanneer de AI de audit notitie naast het projectplan kan zien, stopt het als risico en wordt het een beschermer.

00:11:53.420 --> 00:12:00.460
Je verandert de blinde vlek in een strategisch voordeel, zodat elke AI gestuurde actie niet alleen snel, maar fundamenteel veilig is.

00:12:00.700 --> 00:12:03.760
Dit is hoe je een bedrijfsbrein bouwt dat echt weet wat de belangen zijn.

00:12:03.760 --> 00:12:10.180
De architectuur van live ingestie. Als we willen stoppen met gissen, moeten we praten over hoe de brug daadwerkelijk wordt gebouwd.

00:12:10.380 --> 00:12:13.400
Dit gaat niet over bulk datavoorziening of ouderwetse migraties.

00:12:13.600 --> 00:12:16.680
We bouwen een hoogwaardige pijplijn die de redeneermachine voedt.

00:12:16.760 --> 00:12:20.880
Om dit te doen, gebruik ik een raamwerk genaamd het Event Reasoning Orchestration model.

00:12:21.160 --> 00:12:25.900
Het is de blauw druk om een stille database om te vormen tot een actieve deelnemer in de wereld van je AI.

00:12:25.900 --> 00:12:31.220
De eerste pijler is de verbinding. Dit is je fysieke link naar de bron, maar het is meer dan alleen een verbinding.

00:12:31.440 --> 00:12:35.340
Je dumpt niet zomaar een bak met data in de graph. Je brengt identiteiten in kaart.

00:12:35.540 --> 00:12:37.520
Dit is waar de meeste engineering teams struikelen.

00:12:37.700 --> 00:12:43.760
Als je externe systeem een gebruiker identificeert als medewerker 99 en Microsoft Entra ID kent hen als jamedoeatcompany.com,

00:12:43.820 --> 00:12:45.520
kan de AI de persoon niet koppelen aan de rechten.

00:12:45.720 --> 00:12:47.840
Je moet die identiteit bij de bron normaliseren.

00:12:48.100 --> 00:12:53.480
Voordat er één byte aan data beweegt, moet je zorgen dat elk record het DNA van je bedrijfsidentiteitssysteem draagt.

00:12:53.480 --> 00:12:57.440
Als de AI niet kan verifiëren wie de eigenaar is van de data, zal deze aan niemand worden getoond.

00:12:57.600 --> 00:13:00.840
De tweede pijler is het schema. Zie dit als het woordenboek voor je connector.

00:13:01.080 --> 00:13:02.880
Je moet de graph vertellen waar deze naar kijkt.

00:13:03.060 --> 00:13:06.620
Is dit een statusveld? Is het een vervaldatum? Is het een kritieke uitzondering?

00:13:06.800 --> 00:13:10.160
Als je deze eigenschappen niet duidelijk definieert, ziet de AI alleen een muur van tekst.

00:13:10.300 --> 00:13:13.040
De AI vindt misschien het trefwoord, maar begrijpt de betekenis niet.

00:13:13.220 --> 00:13:17.200
Door een rijk schema te maken, laat je de semantische index informatie correct rangschikken.

00:13:17.320 --> 00:13:21.780
Je vertelt het brein om eerst naar dit specifieke veld te kijken als de gebruiker naar risico's vraagt.

00:13:21.780 --> 00:13:25.800
Je leert de machine effectief hoe de aangeleverde telemetrie prioriteit moet krijgen.

00:13:26.020 --> 00:13:28.920
De derde pijler is de toegangscontrole lijst, of ACL.

00:13:29.320 --> 00:13:30.600
Dit is beveiligingsfiltering.

00:13:30.840 --> 00:13:35.300
In de wereld van AI zijn machtigingen de enige barrière tussen een productiviteitsboost en een enorm datalag.

00:13:35.440 --> 00:13:38.360
Je connector moet de bronmachtigingen met absolute precisie repliceren.

00:13:38.560 --> 00:13:43.420
Als een gebruiker een record in de oorspronkelijke SQL-database niet kan zien, mag diegene het ook niet zien in een co-pilot-antwoord.

00:13:43.580 --> 00:13:47.980
We gebruiken entra-ID-gestuurde rechten om te zorgen dat elke query in real-time wordt gefilterd.

00:13:48.120 --> 00:13:51.340
Als de AI meer ziet dan de gebruiker mag zien, heb je geen tool gebouwd.

00:13:51.340 --> 00:13:53.140
Je hebt een kwetsbaarheid gebouwd.

00:13:53.300 --> 00:13:54.900
Dan is er nog de kwestie van snelheid.

00:13:55.080 --> 00:13:57.780
Je moet de doelstellingen voor de latentie van je service definiëren.

00:13:58.000 --> 00:13:59.760
Niet alles hoeft bijna real-time te zijn.

00:13:59.960 --> 00:14:06.240
Je archief-auditlogboeken kunnen waarschijnlijk een batch sync van 24 uur aan, maar je openstaande goedkeuringstatussen moeten worden gestreamd.

00:14:06.340 --> 00:14:09.740
We stappen af van de nachtelijke scan en gaan naar event-gestuurde ingestie.

00:14:09.960 --> 00:14:14.260
Wanneer een status in je app verandert, moet die wijziging een directe update van de graph-index triggeren.

00:14:14.420 --> 00:14:17.020
Dit zorgt ervoor dat de AI niet met verouderde informatie werkt.

00:14:17.160 --> 00:14:19.000
De technische verschuiving hier is ingrijpend.

00:14:19.000 --> 00:14:21.480
We gaan van datamigratie naar semantische indexering.

00:14:21.640 --> 00:14:23.580
Je verplaatst de data niet om deze op te slaan.

00:14:23.720 --> 00:14:25.960
Je verplaatst het zodat de AI erover kan redeneren.

00:14:26.120 --> 00:14:29.500
Je bouwt een kaart van je bedrijfslogica waar het LLM doorheen kan navigeren.

00:14:29.700 --> 00:14:33.000
Deze architectuur verandert een verzameling silo's in een verenigde intelligentielaag.

00:14:33.840 --> 00:14:38.100
Het is het verschil tussen een stijl losgekoppelde sensoren en een volledig functionerend dashboard.

00:14:38.320 --> 00:14:44.580
Door dit ingestiemodel te beheersen, stop je met data loodgieter te zijn en word je de architect van het collectieve bewustzijn van je bedrijf.

00:14:44.580 --> 00:14:47.180
Dit is het fundament van het real-time bedrijfsbrein.

00:14:47.780 --> 00:14:49.460
Governance als concurrentievoordeel

00:14:49.460 --> 00:14:53.700
We moeten stoppen met het zien van governance als een reeks afwijzingen van de juridische afdeling.

00:14:53.920 --> 00:14:58.360
In het tijdperk van de Microsoft Graph is governance eigenlijk uw grootste concurrentievoordeel.

00:14:58.580 --> 00:14:58.920
Waarom?

00:14:59.060 --> 00:15:03.600
Omdat de organisatie die haar data het meest kan vertrouwen, degene is die het snelst kan schakelen.

00:15:03.600 --> 00:15:10.840
Als u constant twijfelt aan uw AI omdat u niet zeker weet of deze regionale grenzen of gebruikersrechten respecteert, zult u uit voorzichtigheid op de rem trappen.

00:15:11.020 --> 00:15:14.360
U beperkt de uitrol, u belemmert precies de rewa waar u naar streeft.

00:15:14.520 --> 00:15:18.780
Het probleem is dat we bestens locaties met de ruime toegangsrechten voorheen als stille risico's beschouwden,

00:15:18.980 --> 00:15:24.040
maar in een wereld waar AI actief naar context zoekt om een prompt te beantwoorden, wordt diezelfde locatie een tikkende tijdbom.

00:15:24.220 --> 00:15:27.040
Het principe van minimale rechten is niet langer slechts een suggestie.

00:15:27.180 --> 00:15:29.360
Het is de hoeksteen van een veilige AI-strategie.

00:15:29.520 --> 00:15:31.880
Uw connectors moeten op een eenvoudige regel zijn gebouwd.

00:15:31.880 --> 00:15:34.860
Als een gebruiker er geen toegang toe mag hebben, mag de AI het niet tonen.

00:15:35.040 --> 00:15:38.820
Wij gebruiken entra-ID gestuurde rechten omdat deze één bron van waarheid bieden.

00:15:38.960 --> 00:15:45.360
We willen geen handmatige toegangsverzoeken voor AI-zichtbaarheid en we willen al helemaal geen rechten op twee verschillende plekken beheren.

00:15:45.540 --> 00:15:50.120
We willen dat het systeem precies weet waar een persoon over mag redeneren op basis van dienstrol en identiteit.

00:15:50.360 --> 00:15:52.280
Dan is er nog het vraagstuk van datalocatie.

00:15:52.500 --> 00:15:56.780
Alleen omdat informatie in de graph is geïndexeerd, betekent dit niet dat regionale grenzen zijn verdwenen.

00:15:56.780 --> 00:16:02.180
Het staat in de index, is nooit een excuus om te negeren waar die data fysiek is opgeslagen of via juridictie over heeft.

00:16:02.360 --> 00:16:06.460
Uw governance model moet rekening houden met de EU-databegrenzing en andere soevereinen vereisten.

00:16:06.660 --> 00:16:12.260
U moet kunnen aantonen dat, hoewel uw AI op de hoogte is van de data, deze data niet is gemigreerd naar een regio waar deze niet thuis hoort.

00:16:12.440 --> 00:16:14.860
Dit brengt ons bij een fundamentele verschuiving in eigenaarschap.

00:16:15.040 --> 00:16:17.900
Elke aangepaste connector die u bouwt, heeft meer nodig dan alleen een ontwikkelaar.

00:16:18.020 --> 00:16:19.380
Er is een business owner nodig.

00:16:19.380 --> 00:16:23.520
Deze persoon is verantwoordelijk voor de kwaliteitsstandaard en het levenscyclusbeleid van die data.

00:16:23.780 --> 00:16:28.960
Zij beslissen wanneer een connector wordt beëindigd en wanneer het schema moet worden bijgewerkt om veranderingen in de business te weerspiegelen.

00:16:29.140 --> 00:16:31.980
Zonder dit eigenaarschap wordt uw graph een digitale stortplaats.

00:16:32.180 --> 00:16:36.660
Het verandert in een verzameling verlaten sensoren die verouderde telemetrie leveren aan een verwart brein.

00:16:36.840 --> 00:16:41.100
De realiteit van 2026 is dat uw AI slechts zo goed is als uw governance model.

00:16:41.380 --> 00:16:44.940
Als u connectors als een eenmalig IT-project behandelt, zult u falen.

00:16:44.940 --> 00:16:48.960
Maar als u ze behandelt als een continu bedrijfsbewustzijnstrategie, zult u winnen.

00:16:48.960 --> 00:16:53.840
U bouwt aan een kader van vertrouwen waarmee uw medewerkers deze tools met volledig vertrouwen kunnen gebruiken.

00:16:54.000 --> 00:16:59.360
U zorgt ervoor dat de collectieve intelligentie van het bedrijf met dezelfde nauwkeurigheid wordt bestuurd als uw financiële audits.

00:16:59.600 --> 00:17:04.140
Dat vertrouwen stelt je in staat om op te schalen terwijl je concurrenten vastzitten in commissievergaderingen.

00:17:04.320 --> 00:17:06.520
Doodsbang voor wat hun AI per ongeluk zou kunnen onthullen.

00:17:06.720 --> 00:17:07.800
Je huiswerk is simpel.

00:17:08.160 --> 00:17:11.720
Identificeer het ene systeem waar het ontbreken van context momenteel voor het meeste dubbel werk zorgt.

00:17:11.920 --> 00:17:13.560
Probeer niet de hele OCA aan leeg te scheppen.

00:17:13.560 --> 00:17:15.500
Zoek één connector met een grote impact.

00:17:15.500 --> 00:17:19.900
Misschien is het je inkoopstatus of je CRM ticket status en breng die naar Outlook of Teams.

00:17:20.160 --> 00:17:23.120
Bewijs dat bewustzijn elke keer wint van simpele automatisering.

00:17:23.340 --> 00:17:30.240
Als deze verschuiving van statische rach naar live telemetrieën kijk op bedrijfsintelligentie heeft veranderd, volg mij, Milko Peters, dan op LinkedIn.

00:17:30.520 --> 00:17:35.260
Deel dit met je team, vooral als je het zat bent om belangrijke beslissingen te nemen op basis van gedeeltelijke context.

00:17:35.640 --> 00:17:38.460
Bewustzijn is wat van een hippe chatbot een echt bedrijfsbrein maakt.

00:17:38.460 --> 00:17:40.940
Het is tijd om te stoppen met gissen en te beginnen met zien.

00:17:41.160 --> 00:17:43.680
Laten we het zenuwstelsel bouwen dat jouw onderneming verdient.
