Single Source Ep. 6: AI loopt vast op productdata die niet op orde is

Elk AI-project rond productdata loopt tegen dezelfde muur aan: het onderliggende record was niet op orde. Dat is de kern van aflevering 6 van The Single Source. Wie eerst het model inzet, krijgt dezelfde gaten, alleen sneller en op meer kanalen.

Volgens de sessienotities is Helen Grimster, Director of Product Marketing bij Syndigo, te gast in het gesprek. Op de sprekerskaart staat daarnaast Frank Weeber, managing partner bij IntoData, naast Stephan Spijkers en Chris Jobse van PIMvendors.com. Beide namen staan in de notities. Wie er echt aan het woord is, hoor je in de opname hieronder.

Het gesprek gaat over waarom datakwaliteit nog altijd de grens bepaalt van wat AI kan, wat ervoor nodig is om iemand echt eigenaar van het record te maken, en hoe je een basis legt waardoor de output betrouwbaar wordt. Productdatakwaliteit en governance gaat uitgebreider in op die eigenaar, de regels en de afspraak over wanneer een record compleet is.

Sprekers

• Frank Weeber, managing partner, IntoData
• Stephan Spijkers, medeoprichter, PIMvendors.com
• Chris Jobse, medeoprichter, PIMvendors.com
• Helen Grimster, Director of Product Marketing, Syndigo

Waar de aflevering op uitkomt

Datakwaliteit bepaalt of AI de groei versnelt of de bestaande chaos verder verspreidt. Onvolledige, inconsistente of onbeheerde productdata levert geen beter antwoord op, maar een slechter antwoord, sneller en op grotere schaal. De basis bepaalt hoe ver je kunt komen met alles wat je erop bouwt. AI-klare productdata gaat uit van dezelfde beperking: een AI-agent kan alleen antwoorden met wat er echt in het record staat.

Eigenaarschap is het knelpunt dat niemand ziet. In de meeste organisaties is de verantwoordelijkheid voor kwaliteit over teams verdeeld en is niemand aanspreekbaar. Daardoor lopen kwaliteitsprojecten vast en groeit de achterstand. Een opschoning zonder eigenaar moet je later gewoon opnieuw doen.

Hallucinaties zijn vaak een dataprobleem. Is de output fout of inconsistent, dan ligt de oorzaak vaak in de referentiedata en niet in een zwak model. Geld uitgeven aan een sterker model voordat het record is aangepakt, is de verkeerde volgorde.

"Goed" hangt ook van het kanaal af. Een record dat compleet genoeg is voor een intern ERP-systeem, voldoet niet voor e-commerce, syndicatie naar marktplaatsen of print. Je hebt per kanaal een expliciete kwaliteitsnorm nodig. Eén definitie voor alles is niet genoeg. Waar ERP stopt en PIM begint laat de praktische taakverdeling zien: het ERP-systeem beheert de transactionele kern, en het verkoopklare record is een andere klus.

Meerdere versies van de waarheid vragen om een spelregel. Als productdata tussen systemen, leveranciers en kanalen heen en weer gaat, stapelen tegenstrijdige records zich op. Vastleggen welke bron leidend is, en die rangorde ook afdwingen, komt vóór elke zinvolle inzet van AI.

Kwaliteit is een doorlopend proces. Zie je het als een eenmalige opschoning, dan ben je over een tijd dezelfde data opnieuw aan het opschonen. Blijvende kwaliteit vraagt om workflows in het dagelijkse werk, meetbare normen en iemand die aanspreekbaar blijft. Af en toe een inhaalslag maken houdt het niveau niet vast.

De aflevering wijst ook op twee middelen die teams te weinig inzetten: gamification en samenwerking tussen afdelingen. Om mensen de kwaliteit hoog te laten houden is meer nodig dan een beleidsdocument. Volgens de sessie werken gerichte prikkels en afstemming tussen afdelingen op de lange termijn beter dan een opdracht van bovenaf.

Wat je hiermee doet

Wijs eerst een eigenaar van het productrecord aan en leg de kwaliteitsnorm vast voor de twee kanalen die echt omzet maken, en trek pas daarna budget uit voor een model. Dat kost tijd: een governance-ronde stelt de demo uit. Sla je die ronde over, dan moet je die demo later uitleggen, als de antwoorden stellig klinken en fout blijken.

Zijn de eigenaar en de regels per kanaal nog niet geregeld, dan is de vraag bij de selectie niet welk model je koopt, maar welk systeem die regels kan borgen. De PIM-implementatiegids laat zien waar dat werk in een implementatie valt, inclusief het deel dat over mensen en processen gaat in plaats van over software.