Dankzij ondersteuning voor het Model Context Protocol (MCP) kan ArcGIS geografische context direct integreren in de agentic AI-ecosystemen die organisaties al gebruiken. Een overheidsinstantie kan ArcGIS bijvoorbeeld koppelen aan de platformen waarmee teams dagelijks werken. Hierdoor worden AI-gestuurde beslissingen gebaseerd op betrouwbare geografische gegevens, in plaats van dat aanbevelingen los staan van de plaatsen en gemeenschappen waarop zij invloed hebben. Voor organisaties die een stap verder willen gaan, ondersteunt ArcGIS ook de ontwikkeling van ruimte-bewuste agentic toepassingen op basis van open standaarden. Zo kunnen organisaties hun bestaande investeringen behouden en tegelijkertijd flexibel inspelen op toekomstige technologische ontwikkelingen.
Op ondernemingsniveau biedt ArcGIS iets wat AI vaak mist: een stevig verankerd, geografisch onderbouwd beeld van de operationele werkelijkheid.
ArcGIS is ontwikkeld om dit soort vraagstukken te ondersteunen. Het platform brengt tientallen jaren aan gezaghebbende geografische datasets samen met ruimtelijke analysemogelijkheden, machine learning- en deep learning-functionaliteit en honderden vooraf getrainde modellen.
Gecombineerd bieden ze organisaties de basis en de mogelijkheden om verder te gaan dan wat algemene AI-oplossingen zelfstandig kunnen bereiken. Deze tools en modellen zijn vandaag al beschikbaar en worden inmiddels actief ingezet door organisaties wereldwijd.
Dit gebrek wordt snel duidelijk in sectoren waar locatie een belangrijke factor is.
Neem bijvoorbeeld een retailer die nieuwe markten wil betreden. Demografische gegevens vormen een goed startpunt, maar mogen niet het enige perspectief zijn. De retailer moet ook begrijpen hoe mensen zich door een gebied bewegen, welke bedrijven zich in de buurt bevinden en hoe een wijk zich ontwikkelt. Een spreadsheet alleen kan dergelijke inzichten niet bieden.
Een vastgoedorganisatie die een grote portefeuille beheert, moet tegelijkertijd rekening houden met milieurisico's, bestemmingsplannen, nabijheid van infrastructuur en marktdynamiek. Dat vraagt om een geïntegreerde benadering in plaats van losse rapportages vanuit afzonderlijke afdelingen.
Een financiële instelling die portefeuillerisico's beoordeelt, moet niet alleen weten wie haar klanten zijn, maar ook waar zij zich bevinden. Fysieke omstandigheden, blootstelling aan klimaatrisico's, overstromingsgevaar en verouderende infrastructuur hebben allemaal invloed op de onderliggende risico's, op manieren die in balansen niet zichtbaar zijn.
Rob Elkins,
Esri
Mallory Delgadillo, Esri
CONTACT
Tekst: Mallory Delgado, Rob Elkins, Erik van de Nadort, Esri. Foto's: Esri.
Veel organisaties boeken inmiddels echte vooruitgang met AI. Werkprocessen verlopen sneller. Terugkerende taken waar een analist vroeger dagen mee bezig was, worden nu in enkele minuten uitgevoerd. We zullen het erover eens zijn dat de resultaten, bij de juiste toepassing, veelbelovend zijn. Maar wat steeds duidelijker wordt, is dat snelheid en efficiëntie niet automatisch leiden tot goed onderbouwde beslissingen. Zulke beslissingen vereisen inzicht in wat de data daadwerkelijk weerspiegelt, waarom een bepaalde uitkomst is bereikt en of de analyse rekening houdt met het volledige plaatje. Voor veel van de meest impactvolle keuzes waarmee organisaties worden geconfronteerd, omvat dat volledige plaatje ook de geografische context.
Zichtbaar in de praktijk
Een releasecyclus die past bij de impact
Ook de releasecyclus van ArcGIS weerspiegelt deze filosofie. Nieuwe AI-functionaliteit blijft bewust geruime tijd in de bètaversie voordat het algemeen beschikbaar wordt gesteld. Elke fase wordt gebruikt om feedback van gebruikers te verzamelen, te controleren of een functie daadwerkelijk een probleem oplost en te verifiëren dat deze voldoet aan de beveiligings- en compliance-eisen die klanten van Esri verwachten.
Een groot deel van de agentic AI-functionaliteit die momenteel voor ArcGIS wordt ontwikkeld, bevindt zich om die reden nog in een bètafase. Voor Esri is het belangrijker om technologie zorgvuldig en verantwoord te ontwikkelen dan om deze zo snel mogelijk op de markt te brengen. Het correct functioneren van AI weegt zwaarder dan een snelle introductie.
Geografie verankert beslissingen in de werkelijkheid
Zes principes die zijn ingebouwd in ArcGIS
Daarnaast zijn AI-assistenten in ArcGIS direct geïntegreerd in de toepassingen waarmee gebruikers dagelijks werken. Ze bieden ondersteuning bij programmeerwerk, begeleiden werkprocessen en geven contextgebonden antwoorden in natuurlijke taal. Daarbij nemen ze geen beslissingen namens de gebruiker en voeren ze geen autonome acties uit op momenten waarop menselijk oordeel essentieel is.
Weten hoe een aanbeveling tot stand is gekomen, welke informatie eraan ten grondslag ligt en waar de beperkingen van de gebruikte modellen liggen, is daarom cruciaal. Het vormt de basisvoorwaarde voor AI die op grote schaal betrouwbaar kan worden ingezet.
Esri's benadering van verantwoorde AI rust op zes kernprincipes: beveiliging, privacy, transparantie, eerlijkheid, betrouwbaarheid en verantwoordelijkheid. Deze principes bepalen hoe Esri AI-functionaliteit binnen ArcGIS ontwikkelt, beoordeelt en beschikbaar stelt.
In de praktijk krijgt dit een concrete invulling met onder andere Transparency Cards. Hiermee krijgen organisaties inzicht in hoe AI-modellen van Esri zijn opgebouwd, welke data zijn gebruikt voor de training en welke bekende beperkingen er bestaan. Hierdoor kunnen professionals AI toepassen op basis van goed geïnformeerde afwegingen.
Die zorgen zijn ook heel concreet. Een financiële dienstverlener die AI inzet voor krediet- of verzekeringsbeslissingen bepaalt in feite wie toegang krijgt tot kansen en voorzieningen. Een gemeente die AI gebruikt om onderhoud aan wegen of nutsvoorzieningen te prioriteren, maakt keuzes die direct van invloed zijn op de dagelijkse veiligheid van inwoners. Een zorginstelling die AI toepast voor ziektebewaking ondersteunt maatregelen die kwetsbare groepen mensen raken. En een overheidsinstantie die AI inzet bij crisis- en noodhulpoperaties werkt in situaties waarin timing en nauwkeurigheid van belang zijn en er niet snel een tweede kans komt.
3. Interoperabiliteit - Locatie-intelligentie die werkt met bestaande systemen
Waar moet de volgende vestiging worden geopend? Hoe bepaal je risico's binnen een grote portefeuille? Waar levert een investering in infrastructuur het meeste op? Op welke locaties heeft een interventie in de volksgezondheid de grootste impact? En hoe plan je voor omstandigheden die voortdurend veranderen? Bij al deze vraagstukken speelt geografie een centrale rol.
Organisaties die geografisch inzicht vroegtijdig integreren in hun AI-strategie zullen betere beslissingen nemen dan organisaties die dit pas later als aanvulling beschouwen. Meer dan vijftig jaar ervaring met enkele van de meest invloedrijke besluitvormende organisaties ter wereld heeft dat keer op keer bewezen.
De AI-aanpak van Esri is gebouwd op die realiteit. Het is gebaseerd op betrouwbare, gezaghebbende data, ontworpen met transparantie als uitgangspunt en gericht op het behouden van de menselijke beoordeling als centrale factor. Tegelijkertijd is deze aanpak ontwikkeld om naadloos samen te werken met de platforms en teams waarop organisaties al vertrouwen.
Geen enkele organisatie bouwt haar AI-strategie vanaf nul op. De meeste organisaties werken met een gelaagde mix van platformen, datasystemen en investeringen die in de loop van jaren zijn opgebouwd. De praktische uitdaging bij het toevoegen van locatie-intelligentie is om deze te laten samenwerken met wat al aanwezig is, niet om daarmee te concurreren of bestaande systemen te vervangen.
De ontwerpprioriteit van Esri is duidelijk: organisaties mogen niet voor de keuze staan tussen enerzijds AI-platformen waarin zij al hebben geïnvesteerd en anderzijds GIS-mogelijkheden. Het doel is om bestaande investeringen te versterken door geografische context toe te voegen die momenteel ontbreekt.
2. Vertrouwen - Verantwoorde AI ontwerpen rond de mensen die ermee werken
Naarmate AI krachtiger wordt, wordt de vraag wie daadwerkelijk de controle heeft steeds urgenter. Dit horen we voortdurend terug bij klanten. Er is veel enthousiasme over wat AI mogelijk maakt, maar men maakt zich oprechte zorgen over de afhankelijkheid van systemen die niet volledig worden begrepen. Die zorgen nemen verder toe wanneer beslissingen directe gevolgen hebben en organisaties daarvoor verantwoordelijkheid moeten afleggen.
Kennismodellen vertellen niet het hele verhaal
Twee distributiecentra kunnen binnen een model identiek lijken, terwijl ze in de operationele werkelijkheid mijlenver uit elkaar liggen qua infrastructuur, regionale vraagpatronen of klimaatrisico's. Dat zijn factoren die alleen vanuit geografisch perspectief zichtbaar worden.
Kennismodellen brengen in kaart wat organisaties weten. Door daar geografische context aan toe te voegen, wordt zichtbaar waar en wanneer die kennis in de praktijk relevant is. Het laat zien hoe locatie de relaties beïnvloedt tussen zaken die op papier hetzelfde lijken, maar zich in werkelijkheid heel anders gedragen. Juist dat onderscheid ontbreekt nog vaak in AI-systemen en kennismodellen.
Tijdens de Gartner Data & Analytics Summit 2026 beschreef Distinguished VP Analyst Rita Sallam het probleem als volgt:
"De uitkomsten van agentic AI zijn afhankelijk van context, waaronder semantische representaties van data. Zonder context, ofwel een duidelijk begrip van de specifieke relaties en regels binnen de data van een organisatie, kunnen AI-agents niet nauwkeurig opereren. Daardoor is de kans veel groter dat zij hallucineren, vooroordelen introduceren en onbetrouwbare resultaten produceren."
Organisaties werken hier aan door kennismodellen (of ontologieën) en semantische lagen te ontwikkelen die beschrijven wat concepten betekenen en hoe bedrijfsprocessen met elkaar samenhangen. Maar de meeste van deze modellen leggen uit wat dingen zijn, niet waar ze zich bevinden of hoe locatie hun relatie met de omgeving beïnvloedt.
1. Context - Geografisch begrip zet AI met beide voeten op de grond
AI doet veel dingen goed. Het verwerkt grote hoeveelheden data, herkent patronen en genereert resultaten met een snelheid die geen mens kan evenaren. Maar de kwaliteit van die resultaten hangt volledig af van de data waarop het model is getraind en van de context die het krijgt aangereikt. Bij beslissingen met grote gevolgen, waarbij fouten aanzienlijke kosten met zich meebrengen, zijn datakwaliteit en analysemethoden van cruciaal belang. Juist daar maakt geografisch inzicht het verschil tussen een goed onderbouwde beslissing en een snelle beslissing.
Toen generatieve AI zijn intrede deed, stond Esri voor een keuze. Snel handelen en later uitzoeken hoe alles uitpakt of de tijd nemen om het gelijk goed te doen op een manier die aansluit bij wat klanten nodig hebben en verwachten. Esri koos voor het laatste. Dat betekende dat transparantie en vertrouwen niet als bijzaak werden gezien, maar als essentiële vereisten. Het betekende ook vasthouden aan menselijke controle; mensen blijven verantwoordelijk voor elke uitkomst, houden toezicht op de resultaten, geven richting aan het proces en corrigeren waar nodig de output van geautomatiseerde systemen.
Dit valt uiteen in drie kenmerken waarmee we onze inzet van AI verantwoorden.
Esri bouwt al meer dan 50 jaar aan een uitgebreid GIS-platform waarop overheden, nutsbedrijven, zorginstellingen en grote ondernemingen wereldwijd vertrouwen. Ze nemen beslissingen met gevolgen voor mensen, gemeenschappen en bedrijfsresultaten.
Zien wat AI tools en modellen voor u kunnen doen?
Bekijk de mogelijkheden op deze pagina.
van AI volgens Esri
3. Interoperabiliteit - Locatie-intelligentie die werkt met bestaande systemen
Geen enkele organisatie bouwt haar AI-strategie vanaf nul op. De meeste organisaties werken met een gelaagde mix van platformen, datasystemen en investeringen die in de loop van jaren zijn opgebouwd. De praktische uitdaging bij het toevoegen van locatie-intelligentie is om deze te laten samenwerken met wat al aanwezig is, niet om daarmee te concurreren of bestaande systemen te vervangen.
De ontwerpprioriteit van Esri is duidelijk: organisaties mogen niet voor de keuze staan tussen enerzijds AI-platformen waarin zij al hebben geïnvesteerd en anderzijds GIS-mogelijkheden. Het doel is om bestaande investeringen te versterken door geografische context toe te voegen die momenteel ontbreekt.
Ook de releasecyclus van ArcGIS weerspiegelt deze filosofie. Nieuwe AI-functionaliteit blijft bewust geruime tijd in de bètaversie voordat het algemeen beschikbaar wordt gesteld. Elke fase wordt gebruikt om feedback van gebruikers te verzamelen, te controleren of een functie daadwerkelijk een probleem oplost en te verifiëren dat deze voldoet aan de beveiligings- en compliance-eisen die klanten van Esri verwachten.
Een groot deel van de agentic AI-functionaliteit die momenteel voor ArcGIS wordt ontwikkeld, bevindt zich om die reden nog in een bètafase. Voor Esri is het belangrijker om technologie zorgvuldig en verantwoord te ontwikkelen dan om deze zo snel mogelijk op de markt te brengen. Het correct functioneren van AI weegt zwaarder dan een snelle introductie.
Een releasecyclus die past bij de impact
Daarnaast zijn AI-assistenten in ArcGIS direct geïntegreerd in de toepassingen waarmee gebruikers dagelijks werken. Ze bieden ondersteuning bij programmeerwerk, begeleiden werkprocessen en geven contextgebonden antwoorden in natuurlijke taal. Daarbij nemen ze geen beslissingen namens de gebruiker en voeren ze geen autonome acties uit op momenten waarop menselijk oordeel essentieel is.
Weten hoe een aanbeveling tot stand is gekomen, welke informatie eraan ten grondslag ligt en waar de beperkingen van de gebruikte modellen liggen, is daarom cruciaal. Het vormt de basisvoorwaarde voor AI die op grote schaal betrouwbaar kan worden ingezet.
Esri's benadering van verantwoorde AI rust op zes kernprincipes: beveiliging, privacy, transparantie, eerlijkheid, betrouwbaarheid en verantwoordelijkheid. Deze principes bepalen hoe Esri AI-functionaliteit binnen ArcGIS ontwikkelt, beoordeelt en beschikbaar stelt.
In de praktijk krijgt dit een concrete invulling met onder andere Transparency Cards. Hiermee krijgen organisaties inzicht in hoe AI-modellen van Esri zijn opgebouwd, welke data zijn gebruikt voor de training en welke bekende beperkingen er bestaan. Hierdoor kunnen professionals AI toepassen op basis van goed geïnformeerde afwegingen.
Zes principes die zijn ingebouwd in ArcGIS
Die zorgen zijn ook heel concreet. Een financiële dienstverlener die AI inzet voor krediet- of verzekeringsbeslissingen bepaalt in feite wie toegang krijgt tot kansen en voorzieningen. Een gemeente die AI gebruikt om onderhoud aan wegen of nutsvoorzieningen te prioriteren, maakt keuzes die direct van invloed zijn op de dagelijkse veiligheid van inwoners. Een zorginstelling die AI toepast voor ziektebewaking ondersteunt maatregelen die kwetsbare groepen mensen raken. En een overheidsinstantie die AI inzet bij crisis- en noodhulpoperaties werkt in situaties waarin timing en nauwkeurigheid van belang zijn en er niet snel een tweede kans komt.
Naarmate AI krachtiger wordt, wordt de vraag wie daadwerkelijk de controle heeft steeds urgenter. Dit horen we voortdurend terug bij klanten. Er is veel enthousiasme over wat AI mogelijk maakt, maar men maakt zich oprechte zorgen over de afhankelijkheid van systemen die niet volledig worden begrepen. Die zorgen nemen verder toe wanneer beslissingen directe gevolgen hebben en organisaties daarvoor verantwoordelijkheid moeten afleggen.
Zichtbaar in de praktijk
Dit gebrek wordt snel duidelijk in sectoren waar locatie een belangrijke factor is.
Neem bijvoorbeeld een retailer die nieuwe markten wil betreden. Demografische gegevens vormen een goed startpunt, maar mogen niet het enige perspectief zijn. De retailer moet ook begrijpen hoe mensen zich door een gebied bewegen, welke bedrijven zich in de buurt bevinden en hoe een wijk zich ontwikkelt. Een spreadsheet alleen kan dergelijke inzichten niet bieden.
Een vastgoedorganisatie die een grote portefeuille beheert, moet tegelijkertijd rekening houden met milieurisico's, bestemmingsplannen, nabijheid van infrastructuur en marktdynamiek. Dat vraagt om een geïntegreerde benadering in plaats van losse rapportages vanuit afzonderlijke afdelingen.
Een financiële instelling die portefeuillerisico's beoordeelt, moet niet alleen weten wie haar klanten zijn, maar ook waar zij zich bevinden. Fysieke omstandigheden, blootstelling aan klimaatrisico's, overstromingsgevaar en verouderende infrastructuur hebben allemaal invloed op de onderliggende risico's, op manieren die in balansen niet zichtbaar zijn.
Kennismodellen vertellen niet het hele verhaal
Twee distributiecentra kunnen binnen een model identiek lijken, terwijl ze in de operationele werkelijkheid mijlenver uit elkaar liggen qua infrastructuur, regionale vraagpatronen of klimaatrisico's. Dat zijn factoren die alleen vanuit geografisch perspectief zichtbaar worden.
Kennismodellen brengen in kaart wat organisaties weten. Door daar geografische context aan toe te voegen, wordt zichtbaar waar en wanneer die kennis in de praktijk relevant is. Het laat zien hoe locatie de relaties beïnvloedt tussen zaken die op papier hetzelfde lijken, maar zich in werkelijkheid heel anders gedragen. Juist dat onderscheid ontbreekt nog vaak in AI-systemen en kennismodellen.
Tijdens de Gartner Data & Analytics Summit 2026 beschreef Distinguished VP Analyst Rita Sallam het probleem als volgt:
"De uitkomsten van agentic AI zijn afhankelijk van context, waaronder semantische representaties van data. Zonder context, ofwel een duidelijk begrip van de specifieke relaties en regels binnen de data van een organisatie, kunnen AI-agents niet nauwkeurig opereren. Daardoor is de kans veel groter dat zij hallucineren, vooroordelen introduceren en onbetrouwbare resultaten produceren."
Organisaties werken hier aan door kennismodellen (of ontologieën) en semantische lagen te ontwikkelen die beschrijven wat concepten betekenen en hoe bedrijfsprocessen met elkaar samenhangen. Maar de meeste van deze modellen leggen uit wat dingen zijn, niet waar ze zich bevinden of hoe locatie hun relatie met de omgeving beïnvloedt.
Rob Elkins,
Esri
Mallory Delgadillo, Esri
AI doet veel dingen goed. Het verwerkt grote hoeveelheden data, herkent patronen en genereert resultaten met een snelheid die geen mens kan evenaren. Maar de kwaliteit van die resultaten hangt volledig af van de data waarop het model is getraind en van de context die het krijgt aangereikt. Bij beslissingen met grote gevolgen, waarbij fouten aanzienlijke kosten met zich meebrengen, zijn datakwaliteit en analysemethoden van cruciaal belang. Juist daar maakt geografisch inzicht het verschil tussen een goed onderbouwde beslissing en een snelle beslissing.
CONTACT
Zien wat AI tools en modellen voor u kunnen doen?
Bekijk de mogelijkheden op deze pagina.
Veel organisaties boeken inmiddels echte vooruitgang met AI. Werkprocessen verlopen sneller. Terugkerende taken waar een analist vroeger dagen mee bezig was, worden nu in enkele minuten uitgevoerd. We zullen het erover eens zijn dat de resultaten, bij de juiste toepassing, veelbelovend zijn. Maar wat steeds duidelijker wordt, is dat snelheid en efficiëntie niet automatisch leiden tot goed onderbouwde beslissingen. Zulke beslissingen vereisen inzicht in wat de data daadwerkelijk weerspiegelt, waarom een bepaalde uitkomst is bereikt en of de analyse rekening houdt met het volledige plaatje. Voor veel van de meest impactvolle keuzes waarmee organisaties worden geconfronteerd, omvat dat volledige plaatje ook de geografische context.
Tekst: Mallory Delgado, Rob Elkins, Erik van de Nadort, Esri. Foto's: Esri.
ArcGIS is ontwikkeld om dit soort vraagstukken te ondersteunen. Het platform brengt tientallen jaren aan gezaghebbende geografische datasets samen met ruimtelijke analysemogelijkheden, machine learning- en deep learning-functionaliteit en honderden vooraf getrainde modellen.
Gecombineerd bieden ze organisaties de basis en de mogelijkheden om verder te gaan dan wat algemene AI-oplossingen zelfstandig kunnen bereiken. Deze tools en modellen zijn vandaag al beschikbaar en worden inmiddels actief ingezet door organisaties wereldwijd.
van AI volgens Esri
2. Vertrouwen - Verantwoorde AI ontwerpen rond de mensen die ermee werken
Dankzij ondersteuning voor het Model Context Protocol (MCP) kan ArcGIS geografische context direct integreren in de agentic AI-ecosystemen die organisaties al gebruiken. Een overheidsinstantie kan ArcGIS bijvoorbeeld koppelen aan de platformen waarmee teams dagelijks werken. Hierdoor worden AI-gestuurde beslissingen gebaseerd op betrouwbare geografische gegevens, in plaats van dat aanbevelingen los staan van de plaatsen en gemeenschappen waarop zij invloed hebben. Voor organisaties die een stap verder willen gaan, ondersteunt ArcGIS ook de ontwikkeling van ruimte-bewuste agentic toepassingen op basis van open standaarden. Zo kunnen organisaties hun bestaande investeringen behouden en tegelijkertijd flexibel inspelen op toekomstige technologische ontwikkelingen.
Op ondernemingsniveau biedt ArcGIS iets wat AI vaak mist: een stevig verankerd, geografisch onderbouwd beeld van de operationele werkelijkheid.
Geografie verankert beslissingen in de werkelijkheid
Waar moet de volgende vestiging worden geopend? Hoe bepaal je risico's binnen een grote portefeuille? Waar levert een investering in infrastructuur het meeste op? Op welke locaties heeft een interventie in de volksgezondheid de grootste impact? En hoe plan je voor omstandigheden die voortdurend veranderen? Bij al deze vraagstukken speelt geografie een centrale rol.
Organisaties die geografisch inzicht vroegtijdig integreren in hun AI-strategie zullen betere beslissingen nemen dan organisaties die dit pas later als aanvulling beschouwen. Meer dan vijftig jaar ervaring met enkele van de meest invloedrijke besluitvormende organisaties ter wereld heeft dat keer op keer bewezen.
De AI-aanpak van Esri is gebouwd op die realiteit. Het is gebaseerd op betrouwbare, gezaghebbende data, ontworpen met transparantie als uitgangspunt en gericht op het behouden van de menselijke beoordeling als centrale factor. Tegelijkertijd is deze aanpak ontwikkeld om naadloos samen te werken met de platforms en teams waarop organisaties al vertrouwen.