Wat is een MCP-server?

Een AI-tool kent jouw cijfers niet

Je dashboards beantwoorden de vragen waarvoor ze gebouwd zijn. Maar vragen in de praktijk houden zich zelden aan de opzet van een dashboard. “Welke klanten dalen in omzet én marge?” of “Waarom loopt het verzuim op bij één afdeling?” zijn vervolgvragen die je vaak pas stelt als je het overzicht al hebt gezien.

Een algemene AI-tool zoals ChatGPT kan goed formuleren, maar kent jouw data niet. Plak je een Excel-export in de chat, dan heeft de AI een losse momentopname zonder context. Wat bij jou “omzet” is, bepaalt jouw bedrijf: vóór of na creditnota’s, met of zonder correcties achteraf. Dat weet de AI niet. Het antwoord klinkt dan overtuigend, maar kan toch niet kloppen. En bedrijfsdata kopiëren naar een chatvenster is ook nog eens een vraagstuk voor je databeveiliging.

Wat is een MCP-server?

MCP staat voor Model Context Protocol. Dat is een open standaard waarmee AI-tools verbinding kunnen maken met externe systemen en databronnen. Een MCP-server is het onderdeel dat die verbinding aanbiedt. Hij vertelt de AI-tool welke gegevens er beschikbaar zijn, haalt ze op wanneer de AI daarom vraagt en geeft het resultaat terug.

Bij TapTarget noemen we dit ook wel, de AI-koppeling. Omdat MCP een standaard is, werkt dezelfde koppeling in verschillende AI-tools. Dus in de tool die jij of je collega’s al gebruiken, zoals ChatGPT, Claude of Copilot.

Hoe werkt het technisch?

Er zijn drie lagen die samenwerken.

De onderste laag is jouw databron: het datawarehouse en het semantische model dat daarbovenop ligt. In dat model staan je measures, KPI’s, relaties tussen tabellen en de definities van je cijfers. Het is dezelfde basis waarop je dashboards draaien.

Daarboven draait de MCP-server. Die ontsluit het semantische model voor de AI-tool en bepaalt wat er gevraagd mag worden.

De bovenste laag is de AI-tool zelf, waarin jij je vraag stelt. In de praktijk gaat het zo: je typt een vraag in gewone taal. De AI-tool bepaalt welke gegevens daarvoor nodig zijn en vraagt die op via de MCP-server. De server haalt de cijfers uit het semantische model en stuurt ze terug. De AI-tool maakt er een antwoord van, bijvoorbeeld met een tabel of grafiek erbij.

Een belangrijk detail voor wie zich zorgen maakt over zijn data: het taalmodel zelf wordt niet getraind op jouw ruwe bedrijfsdata. Het legt een live verbinding en leest mee. De cijfers komen uit je semantische model en niet uit het geheugen van de AI. Wat wij per klant wél bouwen en trainen, is het semantische model: jouw measures, definities en toegangsrechten.

Waarom het semantische model het verschil maakt

Zonder semantisch model moet een AI zelf gokken hoe je tabellen aan elkaar hangen en wat een kolom betekent. Dat is de plek waar foute antwoorden ontstaan. Met een semantisch model staat dat één keer vast.

Neem marge per klant. In het model ligt vast welke kosten daarbij horen, hoe korting wordt verwerkt en over welke periode het wordt berekend. Vraagt de directeur het vandaag en een collega van finance volgende week, dan komt er hetzelfde getal uit. Dat is ook de reden dat BI bij ons de basis blijft: pas als je data op orde is, kun je erop vertrouwen dat een antwoord uit AI klopt.

Wat kun je ermee?

Het meest merk je het bij vragen die je normaal aan een analist zou stellen. Stel: je bent inkoper en wilt weten bij welke leveranciers de inkoopprijzen dit jaar het sterkst zijn gestegen. Of je bent HR-manager en vraagt hoe het verzuim zich per afdeling ontwikkelt ten opzichte van vorig jaar. Of je werkt bij finance en wilt zien welke openstaande facturen langer lopen dan afgesproken, met de grootste bedragen bovenaan.

Je hoeft daarvoor geen rapport te bouwen of een collega te vragen om een export. Je stelt de vraag, krijgt een onderbouwd antwoord en vraagt gewoon door. En naast je eigen cijfers kun je er externe bronnen bij betrekken, zoals trends en marktdata.

Veilig en onder controle

De AI-koppeling werkt via het semantische model. Daardoor gelden dezelfde toegangsrechten per medewerker als in je dashboards. Wie een afdeling of rapport niet mag inzien, krijgt die gegevens ook niet te zien via de chat. Het is geen losse AI-omgeving met een eigen leven, maar een verlengstuk van de BI-omgeving die je al kent, met jouw definities en jouw beveiliging.

Welke AI-tool kun je gebruiken?

Dat bepaal je zelf. Onze voorkeur gaat uit naar Claude, maar werkt jouw organisatie al met ChatGPT of Copilot binnen Microsoft 365? Dan koppelen we daar de data aan. Gebruik je een andere AI-tool, dan kijken we graag samen wat er mogelijk is.

Veelgestelde vragen

Wat is een MCP-server?
Een MCP-server is een koppeling waarmee een AI-tool veilig gegevens kan opvragen uit een externe bron, zoals jouw semantische model. MCP is een open standaard, dus dezelfde koppeling werkt in meerdere AI-tools.

Kan ik ChatGPT koppelen aan mijn eigen bedrijfsdata?
Ja. Via een AI-koppeling stel je in ChatGPT vragen over je eigen cijfers, op basis van je eigen definities en KPI’s. Hetzelfde geldt voor Claude en Copilot.

Wordt mijn data gebruikt om AI te trainen?
Nee. Het taalmodel wordt niet getraind op jouw ruwe data. De AI-tool leest live mee via de koppeling. Wat wij trainen is je semantische model, met jouw measures, definities en toegangsrechten.

Waarom heb ik eerst BI nodig?
Omdat een AI-antwoord alleen zo goed is als de data eronder. Een goed ingericht semantisch model zorgt dat de AI met de juiste definities rekent.

Zelf zien hoe het werkt?

Op onze pagina chatten met je data kun je de werking in een demo bekijken. Wil je weten hoe dit eruitziet op jouw eigen data? Vraag dan een demo aan, dan laten we het je graag zien.

‍

BI. AI. Eén partner.

‍