No doubt een herkenbaar probleem: de business wil data. Ze sturen een verzoek naar IT of nog ergens anders. Maar ze kunnen niet wachten, hun project moet vooruit. Dus exporteren ze zelf iets uit een dashboard, plakken het in een spreadsheet, en werken daarmee verder.
Het gevolg: de data-afdeling verzuipt in requests en teams werken met verouderde exports die ze zelf beheren. En niemand weet precies welke data waar naartoe gaat.
Idealiter kan business en hun projecten direct aan data (gestandaardiseerd, graag), zonder dat we iets moeten verbieden, en blijft de controle over de toegang bij IT.
Tools zoals MCP maken datasets, databases of interne systemen beschikbaar voor taalmodellen (let's face it: alle AI-projecten die business zelf opzet zijn LLM). En dat op een manier waarbij de IT-afdeling nog steeds bepaalt wie wat ziet, zonder handmatige verwerking van requests.
Een team dat data nodig heeft, verbindt zich met de interface, krijgt enkel de data waar ze toegang voor hebben, en kan meteen aan de slag. Geen ticket. Geen wachten. Verplicht elke LLM om context te geven over de request (kunnen die dingen) en steek gevoelige data achter een extra controlelaag.
Klinkt misschien als controle opgeven, maar is eigelijk het tegenovergestelde. De ongecontroleerde spreadsheet-export verdwijnt, wildgroei aan rogue data stops. Het wordt ineens duidelijk welk team welke data gebruikt, wanneer, en waarvoor.
't Zelfde als bij AI-modellen: als je de toegang niet organiseert, organiseren mensen het zelf. Dan hebben we nog minder zicht.
Bouw de interface. Stel de rechten in. En laat teams hun eigen werk doen.