Wat is er gebeurd op het gebied van data en AI?
Als februari ging over AI die opgroeide, dan gaat maart over AI die echt dingen doet.
Het daadwerkelijk uitvoeren van pijplijnen, het detecteren van bedreigingen, het schrijven en uitvoeren van code, het voeren van een real-time gesprek in meer dan 200 landen tegelijk. De dingen die deze maand zijn uitgekomen gaan over het thema autonomie. En de vraag hoeveel van die autonomie je overdraagt, en onder welke voorwaarden, dat wordt een stuk moeilijker om te vermijden.
Dit is wat opviel.
Gemini 3.1 Flash Live
Google heeft deze maand 3.1 Flash Live uitgebracht en het is hun meest capabele audiomodel tot nu toe.
En het zit zo: de meeste spraak-AI wordt getraind op een zuivere, gestructureerde dialoog. Iemand stelt een vraag en het model antwoordt. Maar zo werken echte gesprekken niet, toch? Mensen onderbreken zichzelf. Ze haken af. Ze voegen een “eh, eigenlijk, wacht, nee …” toe en veranderen dan volledig van richting.
Dat is precies waar 3.1 Flash Live voor is ontworpen. Het pikt akoestische signalen op en past zich aan. In de praktijk, als een klant gefrustreerd klinkt, merkt het dat en reageert het anders dan het zou doen bij iemand die volkomen kalm is.
Het is nu beschikbaar via de Gemini Live API, Gemini Enterprise en voor gewone gebruikers via Search Live en Gemini Live. Merk op dat alle audio-uitvoer is voorzien van een watermerk met SynthID, Google’s onmerkbare AI-content marker.
Claudecode: Automodus
Anthropic heeft deze maand de automatische modus voor Claude Code geïntroduceerd, momenteel in onderzoekspreview voor Teamplan-gebruikers, met Enterprise- en API-toegang die binnenkort worden uitgerold.
Het werkt met zowel Claude Sonnet 4.6 als Opus 4.6. Het standaardgedrag in Claude Code is altijd voorzichtig geweest: elke bestandsschrijfopdracht en elk bash-commando triggert een goedkeuringsprompt.
Dat is veilig, maar het betekent dat je een belangrijke taak niet kunt overdragen en terug kunt komen naar het voltooide werk. Het alternatief, het volledig overslaan van permissies met een vlag genaamd –dangerously-skip-permissions, doet wat er op het blik staat en brengt echte risico’s met zich mee.
De automatische modus zit tussen deze twee opties in. Voordat elke actie wordt uitgevoerd, wordt deze door een classificeerder beoordeeld op potentieel destructief gedrag: massale verwijdering van bestanden, exfiltratie van gevoelige gegevens en uitvoering van kwaadaardige code. Veilige acties worden automatisch uitgevoerd. Risicovolle acties worden geblokkeerd en Claude wordt omgeleid om een andere aanpak te vinden. Als het op blokkades blijft stuiten, verschijnt er uiteindelijk een prompt voor de gebruiker.
Opmerkelijk: Anthropic is transparant over het feit dat dit het risico niet wegneemt. De classificator kan in beide richtingen verkeerd oordelen, af en toe iets toestaan wat niet zou mogen, af en toe iets goedaardigs blokkeren.
Databricks: Lakewatch
Aanvallers kunnen nu AI-agenten inzetten die systemen scannen, kwetsbaarheden onderzoeken en aanvallen continu en met machinesnelheid coördineren. En de tools die verdedigers gebruiken zijn niet ontworpen voor die wereld. Traditionele SIEM-platforms (Security Information and Event Management tools), de dingen die bedrijven gebruiken om bedreigingen te monitoren en erop te reageren, zijn gebouwd rond workflows op menselijke snelheid.
Handmatige triage, gegevens in silo’s en, volgens Databricks, moeten beveiligingsteams momenteel tot 75% van hun gegevens weggooien omdat de kosten voor het opslaan en verwerken ervan te hoog zijn.
Lakewatch is hun antwoord daarop. Het is een open, agentgebaseerde SIEM die gegevens over beveiliging, IT en het bedrijf op één plek verzamelt, inclusief multimodale gegevens zoals video en audio, voor het detecteren van zaken als social engineering of bedreigingen van binnenuit. Vervolgens zet het AI-agenten in om detectie, triage en het opsporen van bedreigingen te automatiseren. Het idee is om machine-snelle aanvallen te beantwoorden met machine-snelle verdediging.
Claude-modellen voeden de redeneerlaag in Lakewatch, waarbij signalen uit verschillende gegevensbronnen worden gecorreleerd om bedreigingen sneller aan het licht te brengen. En Anthropic zelf gebruikt intern het beveiligingsmeerhuis van Databricks. Het is een van de meer echt geïntegreerde samenwerkingsverbanden die we recentelijk hebben gezien, in plaats van alleen een co-marketingexercitie.
Lakewatch is op dit moment in private preview en Adobe en Dropbox behoren tot de eerste klanten.
Databricks: DASF Agentic AI Uitbreiding
Naast Lakewatch heeft Databricks ook een belangrijke update van hun AI Security Framework gepubliceerd .
De meeste AI-beveiligingsgedachten zijn gericht op wat er gebeurt als een model een slecht antwoord geeft. Maar dat is nu een oud probleem. Het nieuwe probleem is wat er gebeurt als de AI handelt. Databases bevragen, API’s aanroepen, code uitvoeren, e-mails versturen en records wijzigen. En dan beslissen wat te doen op basis van wat het terugkrijgt. Elk van deze stappen is een potentiële kwetsbaarheid en de bestaande beveiligingsframeworks zijn daar niet echt op gebouwd.
Daarom heeft Databricks 35 nieuwe risico’s en 6 nieuwe controles toegevoegd, georganiseerd rond drie gebieden. Ten eerste, de redeneerlus van de agent zelf. Ten tweede, de interface van de tool. En ten derde, de verbindingslaag.
Het concept dat er echt uitsprong is wat ze de “dodelijke trifecta” noemen. Het risico neemt toe wanneer drie dingen tegelijk waar zijn: de agent heeft toegang tot gevoelige gegevens, verwerkt input van buiten een vertrouwde grens en kan externe acties uitvoeren. Als ze alle drie in het spel zijn, kan een goed geplaatste promptinjectie de hele zaak kapen.
De oplossing? Scope de machtigingen naar beneden, voeg een menselijk controlepunt toe en valideer de intentie voordat een tool wordt aangeroepen. Het volledige framework omvat nu 97 risico’s en 73 controles.
Databricks: Genie-code
En dan is er Genie Code, waarschijnlijk de update met de grootste dagelijkse gevolgen voor datateams, dus laten we daar wat tijd aan besteden.
Coding agents zijn goed in code. Maar voor gegevenswerk is code slechts het voertuig. De context leeft in lineage, gebruikspatronen, bedrijfssemantiek en beleidsregels. En daarom hebben algemene codeeragenten het vaak moeilijk als je ze op een gegevensprobleem wijst. Ze weten niet wat de gegevens betekenen, wie ermee in aanraking mag komen of hoe “correct” eruit ziet in jouw specifieke omgeving.
Genie Code is direct bovenop Unity Catalog gebouwd, waardoor het toegang heeft tot dit alles. Het controleert Lakeflow-pijplijnen en AI-modellen proactief op de achtergrond. Dus als een pijplijn breekt omdat een kolomtype is veranderd van geheel getal in tekenreeks, ziet het dit, zoekt het de oorzaak, valideert het een oplossing in een sandbox en past het deze toe voordat iemand in het team zelfs maar heeft gemerkt dat er iets mis is. Het maakt ook verbinding met externe tools zoals Jira, GitHub en Confluence via MCP, zodat het een ticket kan ophalen, het werk kan doen en het ticket kan bijwerken als het klaar is. En dankzij het permanente geheugen leert het na verloop van tijd de voorkeuren van je team kennen.
Aan de bestuurlijke kant worden alleen gegevens getoond die de gebruiker mag zien, wordt elke bewerking bijgehouden via het versiebeheersysteem van Databricks en wordt om bevestiging gevraagd voordat onderliggende tabellen worden aangeraakt.
Snowflake: Vaardigheden in gegevensbeheer voor Cortex-code
Als je ooit in een kamer hebt gezeten waar iemand zei “governance is cruciaal” en vervolgens ook “governance is een bottleneck”, dan heeft Snowflake je gehoord. En deze maand proberen ze beide problemen tegelijk op te lossen.
Snowflake heeft Data Governance Skills for Cortex Code gelanceerd, in feite een set AI-mogelijkheden die rechtstreeks in het platform zijn ingebouwd en waarmee je gegevens kunt beheren via natuurlijke taal. Geen SQL vereist. Je beschrijft wat je nodig hebt en Cortex Code zoekt de juiste query uit, voert die uit en onderneemt de actie. Dingen zoals “waar zijn de gevoelige gegevens in magazijn X?”, “welke downstream objecten zullen breken als ik deze tabel wijzig?”, of “stel een waarschuwing in als de datakwaliteit onder de 90% daalt”.
Governance in Snowflake leeft in hetzelfde platform als de gegevens zelf, dus wanneer u een kolom classificeert, wordt die classificatie onmiddellijk weergegeven in de lineage. Als een kwaliteitskenmerk faalt, kun je het stroomopwaarts traceren via dezelfde grafiek. En de Skills zelf zijn gebaseerd op meer dan 100 geverifieerde querypatronen die speciaal zijn gemaakt voor de governanceweergaven van Snowflake.
Power BI
De belangrijkste is de algemene beschikbaarheid van translytische taakstromen. Tot nu toe waren rapporten alleen-lezen; je bekeek de gegevens, je nam een beslissing en vervolgens ging je ergens anders naartoe om er iets mee te doen. Translytical task flows veranderen dat. Gebruikers kunnen nu records bijwerken, gegevens toevoegen en workflows starten in externe systemen, allemaal zonder het rapport te verlaten. Dus in plaats van “dit is wat er in de gegevens staat, ga nu een andere tool openen”, is het gewoon “dit is wat er in de gegevens staat, los het op”. Gebruikelijke toepassingen zijn onder andere het bewerken van records, het toevoegen van annotaties en het aanroepen van externe API’s. Het ondersteunt Fabric SQL databases, warehouses en lakehouses. Als je team rapporten en afzonderlijke workflows voor gegevensinvoer aan elkaar heeft geplakt, is dit de moeite van het bekijken waard.
Het tweede punt is Direct Lake in OneLake, dat nu ook algemeen beschikbaar is. Je semantische modellen kunnen direct query’s uitvoeren in OneLake zonder dat je gegevens hoeft te verversen. Het werkt vanuit Power BI Desktop, speelt mooi samen met OneLake beveiliging en geeft je snellere queryprestaties zonder de gebruikelijke verversingsoverhead.
Aan de cosmetische kant zijn moderne visuele standaardinstellingen nu in preview. Rapporten krijgen een Fluent 2 ontwerpopfrissing uit de doos. Schonere lijnen, betere opvulling en standaard dropdown slicers. Niets baanbrekends, maar het betekent dat nieuwe rapporten er goed uitzien zonder dat iemand alles handmatig vanaf nul moet opmaken.
En een kleinere die veel analisten stilletjes gelukkig zal maken: aangepaste totalen. U kunt nu bepalen wat de totale rij daadwerkelijk laat zien in een tabel of matrix: som, min, max, aantal, in plaats van gewoon te krijgen wat de maatregel evalueert in de volledige filtercontext.
Looker
Looker had een behoorlijk drukke maand, met veel dingen die van preview naar algemeen beschikbaar gingen, plus een aantal echt nuttige AI toevoegingen. Laten we eens kijken.
Allereerst heeft Conversational Analytics twee nieuwe modi gekregen. Snelle modus met snellere antwoorden voor eenvoudige vragen. De denkmodus is voor de complexere vragen, waarbij je wilt dat de agent het probleem eerst doordenkt voordat hij antwoordt. En bovendien stelt hij nu verduidelijkende vragen als je oorspronkelijke vraag dubbelzinnig is.
De visualisatieassistent is nu algemeen beschikbaar. Hiermee kun je de opmaak van grafieken aanpassen met behulp van natuurlijke taal via Gemini, je beschrijft gewoon wat je wilt. Kleine verandering, maar het soort ding dat verrassend veel tijd bespaart in een week.
Self-Service Explores is deze maand ook beschikbaar op GA, inclusief ondersteuning voor het uploaden van gegevens rechtstreeks vanuit Google Sheets. Als je niet-technische teamgenoten hebt die hebben gewacht op analisten om gegevens voor hen op te halen, dan is dit de update die dat gat begint te dichten.
Content Certificering is uitgebreid en is nu ook algemeen beschikbaar. Het omvat nu LookML Explores naast dashboards, admins kunnen content automatisch certificeren en wanneer Enhanced Search is ingeschakeld, kun je zoekresultaten filteren op certificeringsstatus.
Dashboards met tabbladen zijn nu ook GA. Je kunt dashboardinhoud organiseren over meerdere tabbladen binnen één dashboard en alleen het actieve tabblad wordt op elk moment geladen, wat betere prestaties en minder rommel betekent.
En tot slot is Enhanced Search nu in preview. Het maakt gebruik van Gemini om verder te gaan dan het matchen op trefwoorden, dus in plaats van de exacte naam van een dashboard of dataset te moeten onthouden, kun je zoeken met behulp van zakelijke termen of analytische vragen. “Totale kosten voor klantenwerving” vindt het juiste ding, zelfs als niemand het zo genoemd heeft. De moeite waard om in te schakelen en te testen als je instantie veel inhoud heeft om door te navigeren.
Een vraag voor jou
Elk hulpmiddel dat we hebben behandeld gaat sneller, werkt autonomer en vereist minder menselijke inbreng om dingen gedaan te krijgen. Maar al die autonomie is slechts zo goed als de fundamenten eronder. De kwaliteit van de gegevens. De toegangscontrole. Het classificatiebeleid. Het eigenaarschap.
Als die goed zijn, is agentic AI een multiplicator. Als dat niet het geval is, en eerlijk gezegd zijn de meeste bedrijven daar nog niet helemaal klaar voor, dan betekent het geven van meer autonomie aan de tools alleen maar dat we sneller de verkeerde kant op gaan.
Dus pak je badeendje en voer dat gesprek. Of neem een collega mee voor een kop koffie en praat erover:
Voordat je de tools meer autonomie geeft, moet je nagaan of je governancefundamenten klaar zijn voor wat dat betekent.
