Dit is meer dan een infrastructuurdeal
Microsoft en Databricks maakten op 23 juli bekend dat zij hun strategische samenwerking verlengen tot in de jaren dertig. Databricks gaat meer van zijn eigen kernoperatie draaien op Azure Databricks en gebruikmaken van Microsofts Cobalt-infrastructuur. Microsoft integreert op zijn beurt Databricks-functionaliteit zoals Genie en Unity AI Gateway dieper in zijn producten.
De infrastructuurafspraken zijn fors, maar de taal eromheen is interessanter. Beide bedrijven leggen de nadruk op AI die klanten, producten, operatie, kengetallen en bedrijfsprocessen begrijpt. De belofte is niet alleen toegang tot een sterker model. Het gaat om AI die steunt op betrouwbare bedrijfskennis, consistent wordt beheerd en beschikbaar komt in de hulpmiddelen waarin mensen al werken.
Daarmee leggen Microsoft en Databricks de echte bottleneck van enterprise AI bloot: niet een tekort aan modellen, maar een tekort aan bruikbare bedrijfscontext.
Bedrijfscontext is niet hetzelfde als een agent meer data geven
De meeste organisaties hebben al genoeg data. Het probleem is dat betekenis verspreid zit over databases, documenten, dashboards, SharePoint-sites, mailboxen en de hoofden van ervaren medewerkers. Twee systemen kunnen dezelfde klant noemen maar een andere status tonen. Finance en operations kunnen hetzelfde kengetal anders definiëren. Een procedure staat misschien op papier, terwijl de uitzonderingen die het echte werk bepalen alleen in e-mailthreads terug te vinden zijn.
Een agent lost dat niet op door meer rijen te lezen. Die moet weten welke bron leidend is, hoe begrippen zijn gedefinieerd, welke informatie actueel is, wie haar mag zien en welke handeling is toegestaan. Ook de methoden rond de data zijn nodig: bedrijfsregels, goedkeuringsgrenzen, uitzonderingsroutes en het bewijs dat vereist is voordat een beslissing verder mag.
Daarom hoort bedrijfscontext bij de operationele architectuur. Zonder die context kan een agent overtuigende antwoorden geven en toch handelen op basis van de verkeerde definitie, een verouderd document of onvolledige rechten.
AI in Teams zetten is nog niet hetzelfde als AI in het proces zetten
De uitgebreidere samenwerking verbindt Databricks met diensten in het Microsoft-ecosysteem, waaronder Entra, Purview, OneLake, Power BI, Microsoft 365, Teams en Copilot. Daardoor kan beheerde data en AI dichter bij het dagelijkse werk komen. Maar dicht bij de gebruiker is nog niet hetzelfde als geïntegreerd in de werkstroom.
Een bruikbare operations-agent moet meer doen dan in Teams verschijnen. Die moet de besproken case herkennen, de juiste gegevens ophalen, organisatieregels toepassen, toegangsrechten respecteren, de volgende systeemactie voorbereiden of uitvoeren en uitzonderingen bij de juiste medewerker neerleggen. Ook moet achteraf zichtbaar zijn welke informatie en regels tot het resultaat hebben geleid.
Het kanaal is alleen de voordeur. De waarde zit erachter: een gecontroleerd pad van data naar methode, tool, beslissing en actie.
De contextlaag wordt de basis van een AI-native operatie
Voor organisaties die verder willen dan losse assistants kun je de architectuur zien als een operating layer met zes verbonden onderdelen: data, methoden, tools, governance, kanalen en agents. Data levert de feiten. Methoden leggen vast hoe het werk hoort te verlopen. Tools verbinden de agent met operationele systemen. Governance bepaalt rechten en grenzen. Kanalen brengen de functionaliteit naar medewerkers en klanten. Agents coördineren het werk over die lagen heen.
De aankondiging van Microsoft en Databricks bevestigt die richting. Genie en beheerde bedrijfsdata kunnen kennis toegankelijk maken; identiteits-, beveiligings- en governancediensten kunnen het gebruik begrenzen; Microsoft-kanalen brengen de functionaliteit naar de gebruiker. Het lastige implementatiewerk is om die onderdelen rond één concreet proces te verbinden zonder onderweg betekenis of controle te verliezen.
Daarom maakt alleen een platformkeuze een bedrijf nog niet AI-native. Het platform levert componenten. De organisatie moet nog steeds bepalen welke context leidend is, haar werkwijzen expliciet maken en vastleggen waar mensen verantwoordelijk blijven.
Een praktische manier om te beginnen
Kies één proces met een zichtbare bottleneck en een duidelijke eigenaar. Breng de gebruikte bronnen, definities, beslissingen, systemen, rechten en uitzonderingen in kaart. Test daarna of een agent één nuttige vervolgstap met bewijs kan voorbereiden, in plaats van meteen het hele proces te willen automatiseren.
Meet operationele uitkomsten: doorlooptijd, foutpercentage, consistentie, handmatige overdrachten en het aantal cases dat zonder herstelwerk kan worden afgerond. Dat levert een betere businesscase op dan het meten van prompts, licenties of tokenverbruik.
De les uit de samenwerking tussen Microsoft en Databricks is simpel. Enterprise AI wordt nuttig wanneer zij begrijpt hoe het bedrijf echt werkt. Modellen doen ertoe, maar bedrijfscontext zet hun capaciteit om in betrouwbare operationele waarde.