SAS-CTO Bryan Harris: AI vraagt om pragmatisme, niet om hype
In dit artikel:
Bryan Harris, Chief Technology Officer van SAS, waarschuwt tijdens een recent bezoek aan Nederland voor de haast waarmee organisaties AI omarmen. Met het 50-jarig bestaan van SAS komende juli benadrukt hij dat bedrijven moeten beginnen bij het probleem en niet bij de technologie: bepaal eerst welke bedrijfsvraag je wilt oplossen en welke maatstaf je wilt beïnvloeden, en beslis daarna of en hoe AI daarbij helpt.
Harris ziet dat enthousiasme op alle niveaus – van bestuur tot data scientists – ertoe leidt dat projecten gestart worden zonder heldere doelen. Dat stimuleert carrièrestappen, maar ook afleiding; de grootste vaardigheid is weten wanneer AI niet nodig is. Een centraal technisch onderscheid daarbij is dat traditionele, deterministische systemen (waarbij dezelfde input steeds dezelfde output geeft) anders werken dan grote taalmodellen (LLM’s), die non-deterministisch zijn en soms kleine fouten leveren die kunnen oplopen in geautomatiseerde workflows. Daarom zijn verificatie- en validatiekaders en governance cruciaal voordat zulke systemen in productieve processen draaien.
SAS bouwt tooling om deze risico’s te beheersen: het Viya-platform bevat functies zoals Model Manager voor validatie, approvals en monitoring, en Model Risk Management voor sectoren met hoge eisen aan juistheid (bijvoorbeeld banken, verzekeraars en life sciences). Harris benadrukt dat agentic AI — waarbij LLM’s acties kiezen — vooral alleen toepasbaar is in omgevingen waar menselijke controle en deterministische backends garanderen dat beslissingen 100 procent correct zijn. SAS gebruikt LLM’s niet om zelf beslissingen te laten nemen, maar als interface die resultaten van betrouwbare systemen samenvat.
Intern gebruikt SAS LLM’s vooral voor codegeneratie om ontwikkelaarswerk te versnellen; tegen eind februari 2026 verwacht het bedrijf tussen de 11 en 15 miljoen regels door AI te hebben laten genereren, met tools als Anthropic Claude (voor context-integratie) en GitHub Copilot. Softwareontwikkeling is voor Harris een voorbeeldmodel: een iteratief proces van design, build, verify en validate dat zich goed laat automatiseren — maar vergelijkbare test- en validatiekaders ontbreken vaak nog in andere bedrijfsdomeinen en moeten worden ontwikkeld naarmate agentic AI doorbreekt.
SAS investeert daarnaast in domeinspecifieke AI en synthetic data, mede door de overname van Hazy, omdat synthetische datasets regels rond privacy omzeilen en soms rijkere scenario’s bieden dan echte data. Tot slot ziet het bedrijf digital twins als een belangrijke focus voor 2026; projecten met partners als Georgia Pacific en Epic Games tonen hoe digitale replica’s in bijvoorbeeld sterilisatiefaciliteiten kunnen helpen betrouwbare computer-visionmodellen en checklists te bouwen.
De kernboodschap van Harris: AI is een categorie van mogelijkheden, geen doel op zich. Succes vraagt pragmatisme — kies bewust tussen deterministische machine learning, generatieve lagen of geen AI — en zorg voor de juiste governance, verificatie en domeinspecifieke data voordat systemen in kritieke processen worden ingezet.