Met bijna vijftig jaar ervaring heeft SAS organisaties door de grote veranderingen in analytics geleid. Vroeger ging het om statistische modellering, gevolgd door de opkomst van big data, en vandaag de dag wordt het landschap opnieuw gedefinieerd door artificial intelligence. De kern van het SAS Viya-platform vormt de basis om bedrijven door het nieuwste AI-tijdperk te loodsen. Er wordt momenteel veel gewerkt aan de tools Viya Workbench, Data Maker en Viya Copilot. We spraken met Marinela Profi, Market Strategy Lead voor AI & Generative AI bij SAS, over de verbeteringen die een einde moeten maken aan barrières in data science-workflows. Dit door de beschikbaarheid en kwaliteit van data, de complexiteit van de infrastructuur en de ontwikkelingsproductiviteit aan te pakken in een uniforme omgeving.
“We helpen organisaties al bijna vijf decennia lang om data succesvol in te zetten voor betere zakelijke beslissingen”, zegt Profi, waarbij ze benadrukt dat het bedrijf zichzelf voortdurend heeft vernieuwd om gebruikers productiever te maken. Terwijl elke technologische golf, van voorspellende modellen tot Hadoop-clusters, kwam en ging, is de missie van SAS altijd hetzelfde gebleven: gebruikers voorzien van betrouwbare tools die data omzetten in inzichten. Nu, in wat Profi omschrijft als “de meest transformatieve en disruptieve technologische golf”, staan generatieve AI en agentic AI klaar om die missie naar ongekende snelheden te versnellen.
Centraal in de visie van SAS staat het besef dat bedrijven vandaag de dag worstelen met het bouwen van geavanceerde modellen, het beveiligen van de data die deze modellen nodig hebben, het beschikbaar stellen van de rekenkracht om ze te draaien en het waarborgen van een efficiënte samenwerking tussen teams binnen de organisatie. In plaats van geïsoleerde puntoplossingen te leveren, heeft SAS zijn drie nieuwe tools geïntegreerd in zijn data- en AI-platform Viya. Dat moet resulteren in een ervaring die gebruikers op natuurlijke wijze van data preparation naar implementatie leidt.
Datakloven overbruggen met synthetische data
De eerste van deze oplossingen, Data Maker, pakt een uitdaging aan die volgens SAS steeds belangrijker wordt, namelijk het verkrijgen van hoogwaardige trainingsdata zonder concessies te doen aan privacy en security. In sectoren als de gezondheidszorg en de financiële sector zijn datasets uit de praktijk vaak niet toegankelijk of sterk bewerkt, waardoor hiaten ontstaan die de ontwikkeling van modellen vertragen. Data Maker lost dit op door synthetische datasets te genereren die de statistische relaties van de oorspronkelijke data behouden, terwijl identificeerbare informatie wordt verborgen.
In Data Maker wijzen gebruikers hun brontabellen aan en laat het systeem zonder handmatige instellingen semantische typen detecteren, waarbij datums worden onderscheiden van primaire sleutels en categorieën van referentiekolommen. De training verloopt automatisch. Wanneer deze is voltooid, krijgt de gebruiker een dashboard met statistieken om zowel de privacybescherming als de getrouwheid ten opzichte van de echte gegevens te beoordelen. Met een paar muisklikken kunnen teams vervolgens synthetische data op elke schaal genereren, die in standaard CSV-formaat worden gedownload, zodat ze direct in bestaande analyse- en machine learning-frameworks kunnen worden geïntegreerd. De nieuwe functie verwerkt ook time series data, waarbij temporele patronen behouden blijven die cruciaal zijn voor prognoses en het opsporen van afwijkingen. Door de knelpunten van data schaarste en naleving van privacyregels weg te nemen, versnelt Data Maker het experimenteren en vermindert het de afhankelijkheid van omslachtige anonimiseringsprocessen.
Flexibele ontwikkeling in de cloud
Zodra de data beschikbaar zijn, of ze nu echt of synthetisch zijn, is de volgende hindernis het bieden van een omgeving aan ontwikkelaars die kan worden aangepast aan hun behoeften. SAS Workbench biedt cloud-native, on-demand workspaces waar datawetenschappers code kunnen schrijven in SAS, Python of R. Dit met behulp van hun favoriete interfaces, zoals Jupyter-notebooks, Visual Studio Code of de SAS Enterprise Guide. Workbench wordt in eerste instantie gehost op AWS, Azure-ondersteuning wordt dit jaar verwacht. Met Workbench kunnen gebruikers GPU-, geheugen- en opslagbronnen configureren om aan de projecteisen te voldoen.
Als gebruiker kan je het aantal workbooks of notebooks schalen en de rekenkracht en het RAM-geheugen selecteren op basis van je vereisten. Vooraf geïnstalleerde sample code voor de voorkeurstalen helpt teams om veelvoorkomende taken zonder vertraging op te starten. Cruciaal is dat Workbench automatisch inactieve omgevingen opschort om organisaties te helpen hun cloudkosten te beheren, waardoor een evenwicht wordt gevonden tussen flexibiliteit en governance. Deze elasticiteit zorgt ervoor dat data-engineers minder tijd kwijt zijn aan infrastructuur, waardoor ze meer tijd overhouden voor analytische innovatie, legt Profi uit.
Generatieve AI-ondersteuning met Viya Copilot
Nu data en infrastructuur zijn aangepakt, zocht SAS ook naar andere manieren om te komen tot een modernere data science-levenscyclus. Dit resulteert in AI-gestuurde ontwikkelingsondersteuning. Viya Copilot integreert generatieve AI-agents rechtstreeks in het platform en biedt contextbewuste codesuggesties, geautomatiseerde documentatie en begeleide pipeline-creatie in SAS Model Studio en andere Viya-componenten. Terwijl gebruikers data preparation-stromen of modelpipelines bouwen, kan Copilot de volgende logische stap voorstellen op basis van best practice-sjablonen en teamspecifieke conventies.
De assistent kan bestaande scripts annoteren om de leesbaarheid te verbeteren, optimalisaties voor datatransformaties voorstellen of standaardcode genereren voor modelevaluatie en -monitoring. Na verloop van tijd verfijnt hij zijn aanbevelingen door te leren van feedback van gebruikers en zijn begeleiding af te stemmen op de unieke coderingsstijl van elke organisatie. Toch blijft menselijk toezicht tijdens het hele proces behouden. “De filosofie achter alles wat we bouwen en uitbrengen, is dat de mens centraal staat”, legt Profi uit. Volgens de visie van SAS moet AI de expertise van mensen aanvullen. Alle suggesties blijven optioneel, zodat de uiteindelijke beslissingen en code-commits stevig in handen blijven van ervaren analisten.
Een uniform platform voor AI
Al deze individuele mogelijkheden zijn erop gericht om zo goed mogelijk samen te werken binnen Viya. Synthetische datasets uit Data Maker vloeien naadloos over naar Workbench-omgevingen, waar de scripts en pipelines die daar zijn ontwikkeld automatisch profiteren van de intelligentie van Copilot. Metadata, governancebeleid en beveiligingscontroles worden verspreid over het platform, waardoor IT-leiders end-to-end inzicht krijgen in de afkomst van data, modelversies en computegebruik. Door silo’s tussen data preparation, ontwikkeling en implementatie weg te nemen, lost SAS een eeuwig pijnpunt in moderne analytics toolchains op.
Voor de toekomst is SAS van plan om zijn libraries met vooraf gebouwde AI-agents uit te breiden, gericht op domeinen als fraudedetectie, analyse van klinische proeven en preventief onderhoud. Gespecialiseerde AI-agents, waaronder een assistent voor datamapping die schema-integratietaken versnelt, zullen routinematige bewerkingen stroomlijnen. Tijdens deze evolutie blijft SAS zich inzetten voor trustworthy AI. Elke geautomatiseerde aanbeveling behoudt het recht van menselijke veto, elke modelbeslissing is verklaarbaar en alle datatransformaties zijn volledig controleerbaar.
Lees ook: SAS geeft data scientists de stuurknuppel voor het tijdperk AI(-agents)