Webinar | Van snelle AI-output naar betrouwbare data: waar engineering onmisbaar blijft

“Kunnen we dit niet gewoon met AI bouwen?” De vraag komt in bijna iedere data sprint voorbij, vaak met de beste intenties. Wanneer pipelines soepel draaien en oplossingen doen wat ze moeten doen, stelt niemand vragen. Totdat de output door een ander team wordt hergebruikt. Totdat finance en sales verschillende definities blijken te hanteren. Of totdat een bron vlak voor de maandafsluiting stilletjes van schema verandert. Dán stapelen de vragen zich op die AI niet heeft beantwoord.

Prompt engineering is geen engineering

AI maakt het verleidelijk om te denken dat een goed geformuleerde prompt hetzelfde kan opleveren als een goed ontworpen dataplatform. Dat verschil voel je niet meteen. Totdat je beseft dat je niet zozeer waarde versnelt, maar vooral de verspreiding van onzekerheid binnen je organisatie. Prompt engineering levert wisselende output op. Engineering creëert systemen die voorspelbaar, testbaar, uitlegbaar en onderhoudbaar blijven — ook wanneer de oorspronkelijke bouwer verder is gegaan.

AI als ducttape is prima in de startfase, waar het belangrijker is om snel een idee op tafel te leggen dan om meteen te zorgen dat de oplossing goed onderhoudbaar is. In productie verandert dat verhaal. Daar verwacht je dat dezelfde input altijd hetzelfde resultaat oplevert, en dat iemand kan uitleggen waarom een getal is wat het is.

Data engineering als fundament onder AI

Goede engineering en AI versterken elkaar: AI versnelt het bouwen, terwijl engineering ervoor zorgt dat wat eruit komt voorspelbaar, testbaar en uitlegbaar blijft. In de praktijk betekent dat gedeelde definities tussen teams, geautomatiseerde tests op pipelines, datakwaliteitschecks die fouten tegenhouden in plaats van doorlaten, monitoring en eigenaarschap dat blijft bestaan wanneer de oorspronkelijke bouwer verdergaat.

Zodra dat fundament staat, wordt AI de versneller die de hype belooft. Denk aan snellere documentatie, semantisch zoeken door je datalandschap en snellere analyses op data die je daadwerkelijk vertrouwt. Zo kijken we bij Rockfeather naar AI: niet als vervanging van data engineering, maar als versneller erbovenop. We weten dat dit makkelijk klinkt vanuit engineers. Maar in de praktijk blijkt juist dat het ook echt zo werkt.

Wat je meeneemt

• Waar AI wel en niet thuishoort binnen een dataplatform, en wat dat betekent voor betrouwbaarheid en kosten.
• Wat een dataplatform betrouwbaar houdt: definities, tests, modellering en eigenaarschap.
• Waar AI direct waarde creëert voor je datafundament.

Voor wie is dit webinar

Managers, data leads, IT-beslissers en analisten die actief met AI en data werken. Vooral relevant als je verantwoordelijk bent voor de schaalbaarheid of betrouwbaarheid van je dataplatform, of als je zelf bouwt en wilt weten hoe je werk overdraagbaar blijft op het moment dat het ertoe doet.

Details

• Datum: 18 juni 2026
• Tijd: 10:00-10:30
• Locatie: Online
• Taal: Nederlands