Nieuwsbericht
AI schuift steeds verder de data-infrastructuur in
ClickHouse heeft zijn analytische database uitgebreid met ingebouwde AI-functies. Daarmee kunnen gebruikers rechtstreeks vanuit SQL onder meer teksten classificeren, informatie extraheren, vertalen, embeddings genereren en semantische vergelijkingen uitvoeren.De ontwikkeling laat zien dat AI steeds minder als een losstaande laag bovenop het dataplatform wordt geplaatst. In plaats daarvan wordt AI-functionaliteit onderdeel van de data-infrastructuur zelf.
Traditioneel vraagt een AI-workflow vaak om verschillende technische componenten. Data wordt uit een database gehaald, naar een model of aparte dienst gestuurd, verwerkt en vervolgens opnieuw opgeslagen of gecombineerd met andere gegevens.
ClickHouse probeert dat proces eenvoudiger te maken door AI-functies direct vanuit SQL beschikbaar te stellen. Een gebruiker kan bijvoorbeeld ongestructureerde tekst classificeren of gestructureerde informatie extraheren en de uitkomst direct combineren met reguliere databasequery’s.
Ook retrieval augmented generation kan daardoor dichter bij de bestaande data plaatsvinden. Embeddings kunnen worden gegenereerd en naast de oorspronkelijke data worden opgeslagen, waarna vector search en tekstgeneratie binnen dezelfde workflow kunnen worden gecombineerd.
Voor organisaties kan dat de technische drempel voor AI verlagen. Data- en BI-professionals die al met SQL werken, krijgen toegang tot nieuwe mogelijkheden zonder voor iedere toepassing een aparte AI-stack te hoeven bouwen.
Tegelijkertijd ontstaan nieuwe aandachtspunten. Een AI-functie lijkt technisch op iedere andere databasefunctie, maar achter de schermen kan iedere aanroep tokens, externe API-calls en dus kosten veroorzaken. ClickHouse heeft daarom limieten toegevoegd voor tokengebruik en het aantal modelaanroepen per query.
Ook governance en security worden belangrijker. De gekozen AI-provider ontvangt de aangeboden tekst, waardoor organisaties bewust moeten bepalen welke data naar welke modellen mag worden gestuurd. Bovendien zijn AI-uitkomsten niet altijd deterministisch: dezelfde invoer kan verschillende resultaten opleveren.
Dat vraagt om andere verwachtingen dan bij traditionele SQL. Een berekening met dezelfde data levert normaal gesproken steeds hetzelfde antwoord op. Een AI-functie kan daarentegen probabilistische resultaten geven. Voor kritieke processen blijft daarom duidelijkheid nodig over waar AI mag worden toegepast en waar aanvullende controles noodzakelijk zijn.
Voor Caronne is vooral de bredere ontwikkeling interessant. AI wordt steeds minder een aparte technologielaag en steeds meer een standaardonderdeel van het dataplatform. Daarmee komt AI ook dichter bij de professionals die dagelijks met data werken.
Dat kan innovatie versnellen, maar alleen wanneer toegankelijkheid samengaat met goed datamanagement, heldere governance en inzicht in kosten en risico’s.
Hoe eenvoudiger AI technisch wordt, hoe belangrijker het wordt om organisatorisch duidelijke keuzes te maken over waar en hoe we die technologie inzetten.
(BI Platform, artikel, 2026-10-06)
