Anthropic: lessen uit zelfservice BI implementatie

Samenvatting

Anthropic noemt semantische modellen en versiebeheer onmisbaar voor agentic self-service BI, omdat AI op ruwe tabellen verkeerde metriekdefinities oplevert.

Anthropic over agentic self-service BI

Anthropic publiceerde recent een artikel over succes met agentic Self-Service Business Intelligence (SSBI), waar de Tabular Editor Blog de belangrijkste lessen uitlicht en vertaalt naar Microsoft BI, waaronder Copilot, data agents en agentic development. De kern: self-service analytics werkt anders dan agents code laten schrijven. Bij software bestaan veel goede oplossingen en vangen een compiler, type checker of tests fouten vaak goedkoop af. Bij analytics ligt dat anders: voor een businessvraag bestaat volgens de auteurs maar één juist antwoord, afhankelijk van definities die in de organisatie leven. Daardoor moet je het proces zo inrichten dat je verkeerde paden wegneemt en de kans op het juiste antwoord vergroot.

Fundering en metadata als product

De blog benadrukt dat Anthropic AI niet als vervanger van een semantic layer ziet. AI op raw tables met alleen een context file bleek geen alternatief; AI-generated metric definitions werkten niet. Daarom leggen ze de nadruk op klassieke basisprincipes: dimensional en semantic modeling, plus data quality via testing en CI/CD.

Daarnaast behandelt Anthropic metadata, context en skills als een first-class, versioned product. Beschrijvingen, definities en instructies in data-artifacts moeten curated zijn, en ook documentatie en vaardigheden horen daarbij. Anthropic koppelt dat expliciet aan governance, source control, tests en evals en CI/CD als gebieden voor verdere investering.