Data & AI Summit '25 Fall bezocht

Op 27 november 2025 hebben we deelgenomen aan de 'Data & AI Summit '25 Fall' onder organisatie van Google.

Onze organisatie heeft recent het besluit genomen om serieus aan de slag te gaan met 'datagebruik', en stilletjes is er een project van start gegaan. Aanvankelijk verliep het in een ontspannen tempo en we pakten taken op waar we konden, maar toen hoorden we dat Google de 'Data & AI Summit '25 Fall' zou organiseren.

Met het idee dat we 'op de hoogte moeten blijven van de nieuwste trends in datagebruik', hebben we deelgenomen met weinig druk, en dat was een uitstekende keuze. We konden veel meer interessante presentaties volgen dan we hadden verwacht.

Wat is Data & AI Summit '25 Fall?

Zoals de titel al suggereert, draaide de conferentie vooral om 'AI-agenten'. Het was een hybride evenement met ongeveer 3.000 deelnemers, wat een groot succes was. Ik ben ter plaatse geweest, en bij sommige sessies stonden mensen in de rij of moesten ze staande deelnemen omdat de zitplaatsen vol waren. Dit onderstreepte de grote aandacht voor datagebruik en AI.

Het tijdschema van de dag zag er ongeveer zo uit.

https://cloudonair.withgoogle.com/events/data-ai-summit-25f

In dit artikel rapporteren wij over de keynote en de sessies die vooral indruk op ons hebben gemaakt!

Keynote: het tijdperk van 'co-creatie' met data-agents - volgende generatie data-analyse via AI-ready data-infrastructuur

De keynote begon met Hamada van Google Cloud en diens presentatie over "De drie vereisten voor AI-agents", gevolgd door cases van praktische data-utilisation bij Lion Corporation en Mercari Inc., en ten slotte een 'live demo van conversationele analyse' door Google's technology division - een driedelig programma.

◼︎ De drie vereisten voor AI-agents

Hamada presenteerde de drie essentiële vereisten voor het grootschalig implementeren van AI-agents en het delegeren van werkzaamheden aan hen: "Action (proactiviteit)", "Memory (geheugen)" en "Context (betrouwbaarheid)".

Action: AI-agents zouden proactief moeten handelen in plaats van passief te zijn.

Hier wordt de 'transparantie van het denkproces' cruciaal. Voor het verbeteren van de transparantie van analyses is het concept van 'Advanced Reasoning' - waarbij een reeks stappen in fasen wordt opgedeeld - de sleutel, zo werd uitgelegd.

Memory: de 'korte-termijngeheugen' en 'lange-termijngeheugen' waarmee AI-agents effectief functioneren.

In de uitleg van 'lange-termijngeheugen' - het in real-time toegang hebben tot gegevens die een bedrijf bezit - werd een use case gepresenteerd waarin met spraakinvoer werd gecommuniceerd met een AI-agent en een productbestelling werd geplaatst. Dit is veel sneller dan de traditionele tap-gebaseerde bediening, en het werd duidelijk dat AI al veel meer tot onze nabije realiteit is gaan behoren.

Context: voor betrouwbare antwoorden is context essentieel.

Er werd uitleg gegeven over het belang van de 'semantic layer' om gebruikers naar de juiste databases en formules te leiden.

Voor de semantic layer heb ik in latere presentaties ook veel informatie gehoord, en ik merkte dat de aandacht ervoor steeds groter wordt.

◼︎Casestudies over datagebruik

Lion Corporation presenteerde over dataplatformconstructie, en Mercari Corporation introduceerde initiatieven voor datademocratisering.

Vooral het onderwerp datademocratisering sprak mij aan omdat het dicht bij huis is. Met de invoering van AI-agenten kunnen medewerkers datagebruik – wat voorheen voorbehouden was aan analisten – nu zelf doen. Het scheppingsproces dat iedereen toegang tot data geeft, is iets wat we ook graag zouden willen overnemen.

In onze interne kennisdelingssessie kort daarna hebben we al gezegd dat we dit snel willen implementeren.

◼︎Demo van conversationele analytics

Met 'Conversation analytics agent in BigQuery' als voorbeeld werd een demo van een conversationele analytics-agent getoond.

Ik had maar oppervlakkig contact gehad met BigQuery, dus het was echt een openbaring dat je nu dataanalyse in natuurlijke taal kunt uitvoeren. Met ondersteuning als datanauwkeurigheidsverhogingen via Gemini-suggesties en automatische generatie van golden queries, was ik onder de indruk van hoe complete de ondersteuning is en hoe relatief eenvoudig de instelling kan gebeuren.

Conversational Analytics API in praktijk: gegevens uit BigQuery ophalen met natuurlijke taal – handleiding voor het bouwen van AI-agenten

In een presentatie van Ailet Corporation werd een casestudy gepresenteerd waarin BigQuery en Conversational Analytics API werden gecombineerd voor gegevensanalyse via een chatinterface.

De inhoud bestond uit het opslaan van sitegegevens in BigQuery en het delegeren van queryuitvoering en analysetaken aan Conversational Analytics API. Door AI-agenten toegankelijk te maken via dagelijks gebruikte communicatietools, werd een omgeving opgezet waarin iedereen gemakkelijk gegevens kan gebruiken.

Dit voorbeeld belichaamde precies de 'democratisering van gegevens' die in de keynote werd besproken, met een zeer eenvoudige structuur. We willen dit snel in ons bedrijf implementeren.

Hoewel ik graag zelf zou willen implementeren, gezien mijn realistische vaardigheden zou dit jaren duren. Daarom laat ik dit liever over aan onze engineers!

Minimale stappen! Google Trends-integratie AI-agent × productmastergegevens samenwerking

In een presentatie van Aeon Smart Technology Corporation werd getoond hoe AI wordt ingezet voor 'productmastergegevens' – een initiatief uniek voor bedrijven met fysieke winkels.

Het thema van de presentatie waren twee uitdagingen: 'het oplossen van vage zoekopdrachten' en 'automatische matching met trends'. Beide benaderingen gebruikten Google Vertex AI Search.

— Vage zoekopdrachten in productmastergegevens met AI

Als unieke uitdaging voor bedrijven met fysieke winkels werden vage klantvragen zonder specifieke productnamen besproken. Traditionele systemen vereisen 'exacte overeenkomst', dus vragen die mensen gemakkelijk kunnen beantwoorden vormen een groot probleem voor systemen. Dit initiatief was een poging om dit probleem aan te pakken met een AI-benadering.

In de demo werd een systeem gepresenteerd dat ook bij vage zoekinvoer, zoals bij internetzoeken, onmiddellijk passende productinformatie uit big data kan ophalen. Ik begrijp de onderliggende techniek niet helemaal, maar ik was gewoon onder de indruk dat een bedrijf dit op dit niveau kan realiseren.

— Automatische koppeling van trendgegevens met productdata

Het doel was om de levertijd tussen het ontstaan van klantbehoeften en het moment waarop producten daadwerkelijk in de winkel liggen, te verkorten. Dit zou worden bereikt door externe trendinformatie onmiddellijk op te vangen en deze automatisch aan interne productdata te koppelen.

Dit was ook een interessant onderwerp over geavanceerde technologie. Ik kan me nog niet helemaal voorstellen hoe we dit in onze diensten kunnen toepassen, maar ik ben benieuwd om Google Vertex AI Search zelf eens uit te proberen.

Samenvatting

Ik heb slechts de sessies geselecteerd die op me indruk hebben gemaakt. Hoe beviel het u? Ik ben blij als ik de indruk die ik op de dag kreeg van "Innovatie door data-agenten" een beetje heb kunnen delen.

Eerlijk gezegd gingen we vrij voorzichtig om met datagebruik, maar na deelname aan deze summit realiseerde ik me: "Ik moet niet achterblijven in deze trend en moet echt van start gaan!" Het was een zeer waardevolle gelegenheid.

Ten eerste wil ik beginnen met de "definitie van data en semantische laag", waarvan het belang meerdere keren werd benadrukt op het summit.