Thought leaders
Entiteitsresolutie wordt AI-infrastructuur, niet alleen gegevensopschoning

Belangrijkste puntenEntiteitsresolutie verschuift van periodieke opschoning naar runtime-infrastructuur…
Meer weergeven
- Entiteitsresolutie verschuift van periodieke opschoning naar runtime-infrastructuur, omdat agents onmiddellijk handelen op basis van opgeloste identiteiten.
- Retrieval-augmented agents erven gefragmenteerde of onterecht samengevoegde records en behandelen die ambiguïteit als vaststaand feit.
- De meeste organisaties zetten autonome agents in, terwijl weinigen hun infrastructuur als werkelijk klaar beschouwen om ze te besturen.
Een tijdje geleden keek ik naar een AI-agent die met vertrouwen een verkeerd antwoord gaf om een heel saaie reden. Een bedrijf had twee records voor dezelfde zakelijke klant. Eén record bevatte de oude handelsnaam en een financieel contact. Het andere record bevatte de nieuwe wettelijke naam die het bedrijf had aangenomen na een overname, samen met een ander factuuradres. Aan de agent werd een eenvoudige vraag gesteld: is deze rekening in orde? Het vond één record, zag geen achterstallige facturen en zei ja. De achterstallige facturen waren onder de andere naam opgeslagen.
Er werd niets gehallucineerd. Het model redeneerde logisch over de gegevens die het kreeg. De gegevens beschreven toevallig twee klanten waar in de echte wereld één was. De fout zat niet in het taalmodel, maar in de join.
Ik ben gaan denken dat dit een van de meest onderschatte risico’s is in enterprise AI, en een van de minst besproken. We praten eindeloos over modelnauwkeurigheid, promptontwerp en governance. We praten veel minder over of een systeem eigenlijk weet op welke echte klant, leverancier of welk account zijn handelingen betrekking hebben. Die vraag heeft een naam. Het heet entiteitsresolutie, en na zestig jaar op de achtergrond verandert het stil in een stuk live-infrastructuur.
Het probleem veranderde van tijd
Gedurende het grootste deel van haar geschiedenis was “zijn deze twee records dezelfde entiteit?” een schoonmaakvraag. Je verwerkte die vraag in geplande batchruns, ergens binnen een master data management-programma, een warehouse of een analytics-pijplijn. Het was nooit perfect, maar met de fouten viel te leven, omdat de output een rapport was dat iemand de volgende week las. Als twee records voor dezelfde leverancier niet werden samengevoegd, kwam een uitgavecijfer iets verkeerd uit, een analist merkte het op en het werd in de volgende run verbeterd. Het systeem had speelruimte. Tijd absorbeerde de fouten.
Een AI-agent verwijdert die speelruimte. Het verandert de tijd van de vraag van “uiteindelijk” naar “nu.” Wanneer een agent op het punt staat een terugbetaling goed te keuren, een zaak door te sturen, een profiel bij te werken of een compliance-vraag te beantwoorden, levert de opgeloste entiteit geen input meer voor een dashboard, maar voor een handeling. De kosten van een verkeerde join veranderen van een cijfer dat iets verkeerd is naar iets dat in de wereld gebeurt, onmiddellijk, en vaak zonder een betrokken mens om het op te vangen.
Dat is de verschuiving die het waard is om bij stil te staan. Het onderliggende probleem is oud en goed begrepen. Wat nieuw is, is dat we het rechtstreeks in systemen hebben aangesloten die op eigen kracht handelen.
Een statistisch probleem uit de jaren 60
Entiteitsresolutie kwam niet met grote taalmodellen. Het kwam met ponskaarten. In 1959 publiceerden H. B. Newcombe en zijn collega’s een kort artikel in Science over de automatische koppeling van akten van de burgerlijke stand, waarin ze beschreven hoe een computer kon beslissen of een geboorteakte en een huwelijksakte naar dezelfde persoon verwezen. Een decennium later gaven Ivan Fellegi en Alan Sunter het idee een formele wiskundige theorie, waarin ze de drie resultaten definieerden die elk matchingsysteem nog steeds produceert: een koppeling, een niet-koppeling en een mogelijke koppeling die een persoon moet controleren.
Er is een detail in deze geschiedenis dat het waard is om bij stil te staan, omdat het het deel is dat mensen het vaakst verkeerd doen. Recordkoppeling was nooit alleen exact matchen op een e-mailadres of een gedeelde ID. Vanaf het allereerste begin was het probabilistisch. Het woog het bewijs dat twee records overeenkwamen op een achternaam, een datum, een plaats en produceerde een score, omdat door mensen ingevoerde gegevens rommelig zijn en exacte sleutels constant falen. Moderne entiteitsresolutie werkt nog steeds op deze manier. Het combineert deterministische regels, waar een gedeelde stabiele identifier beslissend is, met probabilistische en fuzzy machine-learning-matching die omgaat met typefouten, bijnamen, verwisselde velden, afkortingen en het dozijn kleine manieren waarop dezelfde persoon of hetzelfde bedrijf verschillend verschijnt in systemen. Een goed overzicht van het vakgebied volgt een ononderbroken lijn van die akten van de burgerlijke stand uit de jaren 50 naar de clustering- en machine-learning-methoden die nu worden gebruikt.
Wat echt veranderd is, is wanneer we het antwoord nodig hebben. Onderzoekers schreven over entiteiten oplossen bij querytijd, in plaats van puur vooraf, lang vóór de huidige AI-golf. Toen was het een interessante optimalisatie. Nu nadert het de status van een vereiste.
Waarom agenten het in infrastructuur veranderen
De meeste enterprise AI-systemen antwoorden niet uit het geheugen van het model. Ze halen op. Het patroon dat populair is geworden als retrieval-augmenteerde generatie laat een agent op het moment van de vraag relevante context ophalen en daarover redeneren. Dit is over het algemeen een goede zaak. Het verankert antwoorden in uw gegevens in plaats van in de training van het model.
Maar het heeft een gevolg dat gemakkelijk over het hoofd kan worden gezien. De agent erft alles wat de ophaalstap het geeft. Als ophalen een gefragmenteerde klant retourneert, drie gedeeltelijke records die nooit zijn verbonden, zal de agent redeneren over drie klanten. Als ophalen een verkeerd samengevoegd klantprofiel retourneert, twee verschillende bedrijven samengevoegd in één profiel, zal de agent redeneren over één. De ambiguïteit die al in uw bronsystemen zit, wordt rechtstreeks doorgegeven en aan het model gepresenteerd als vaststaand feit. Het model heeft geen manier om te weten dat de join verkeerd was, net zomin als u dat zou weten als u een nette samenvatting van records zou lezen die u nooit eerder had gezien.
Dus resolutie kan geen achteraf toegevoegde oplossing zijn die een keer per kwartaal draait en in een aparte tabel terechtkomt. De entiteit moet worden samengesteld wanneer gegevens worden opgenomen, en de huidige opgeloste weergave ervan moet op het moment dat de agent vraagt oproepbaar zijn. Dat is een runtime-afhankelijkheid. Het gedraagt zich veel meer als een database of een authenticatiedienst dan als een periodiek data-schoonmaakproject, en het moet op dezelfde manier worden ontworpen en bewaakt, en de betrouwbaarheid ervan moet net zo worden gewaarborgd als bij elk ander systeem dat uw toepassing in real-time aanroept.
De gereedheidskloof die niemand precies noemt
De industrie voelt al dat er iets ontbreekt. Cisco’s AI Readiness Index 2025 vond dat 83 procent van de organisaties van plan zijn autonome agenten te implementeren, terwijl slechts ongeveer een derde voelt dat hun infrastructuur echt klaar is voor hen, en slechts ongeveer een kwart zich in staat voelt om te controleren en te reguleren wat die agenten eigenlijk doen. McKinsey’s meest recente State of AI-onderzoek beschrijft een soortgelijke kloof vanuit de andere richting: ongeveer 88 procent van de organisaties gebruikt nu AI in tenminste één functie, maar de meeste hebben het nog niet geschaald over het hele bedrijf.
Wanneer mensen die kloof verklaren, grijpen ze vaak naar twee woorden: gegevenskwaliteit en governance. Beide zijn belangrijk, en geen van beide is optioneel. Maar er is een specifiekere vraag die eraan ten grondslag ligt en die schone, goed beheerde gegevens op zichzelf niet beantwoorden. Kan het systeem vaststellen naar welke echte entiteit een bepaald record verwijst, overal waar dat record leeft, op dit moment? U kunt gegevens van hoge kwaliteit in elk afzonderlijk systeem hebben en toch deze test niet doorstaan, omdat de fout niet in een van de systemen zit. Het zit in de ruimtes tussen hen, waar dezelfde klant drie iets verschillende gezichten draagt.
Wat te controleren voordat u een agent laat handelen
Als u entiteitsresolutie behandelt als live-infrastructuur, kunt u het controleren als infrastructuur. De operationele foutmodi zijn specifiek en testbaar: gespleten identiteiten die één moeten zijn, valse samenvoegingen van records die gescheiden moeten blijven, verouderde regels voor de keuze van de leidende waarde die een inmiddels vervangen adres blijven selecteren, ontbrekende persistente identificatoren, en agenten die bron-systeemambiguïteit erven alsof het een opgeloste waarheid was.
Een praktische gereedheidstest vereist geen nieuw model of een nieuwe leverancierscategorie. Verzamel een referentieset van entiteiten waarvan u de werkelijkheid goed kent. Laat die set door hetzelfde ophaalpad gaan dat uw agent gebruikt, niet door een apart opgeschoond exemplaar dat voor de demo is gebouwd. Meet dan de dingen die de resultaten echt bepalen: hoeveel valse samenvoegingen en valse splitsingen, hoe het systeem omgaat met echte ambiguïteit, waar de vertrouwensdrempels zitten, wanneer het wordt doorgestuurd naar een mens in plaats van te gokken, en hoe schoon het wordt overgedragen aan uw bestaande master data en governance-controles. Als een team deze vragen niet kan beantwoorden, handelt de agent op een identiteit die het niet kan verifiëren, en is vertrouwen in de output misplaatst.
Geen van dit alles vervangt master data management, governance, customer data platforms of het datawarehouse. Die beantwoorden andere vragen en blijven noodzakelijk. Governance beslist wat een agent mag doen. Entiteitsresolutie beslist bij wie of waarop hij die handeling uitvoert. Het eerste is volwassen in de meeste grote organisaties. Het tweede is de laag waarvan veel organisaties op het punt staan te ontdekken dat ze die ernaast nodig hebben, in real-time, op het moment dat ze een agent laten handelen in plaats van adviseren.
De agent die ik zag had geen slimmer model nodig. Het moest weten dat twee namen één klant waren voordat het mocht klinken alsof het zeker was. Als we deze systemen echte autoriteit geven om te handelen, houdt die stille, zestig jaar oude discipline op louter gegevens op te schonen en wordt ze een dragende structuur.












