De data van een bedrijf bevindt zich doorgaans verspreid over verschillende systemen, in verschillende formaten. Dat maakt het complex om met die data te werken. Ze bevragen in natuurlijke taal, zonder dat je data eerst moet kopiëren of verplaatsen: dat is wat TextQL belooft met Ana, een AI-agent voor data.
Stel: je bedrijf heeft jarenlang met een ERP-pakket gewerkt. Die omgeving is helemaal afgestemd op alle elementen die typisch zijn voor jouw business. Maar wat als je – om wat voor reden ook – wil uitwijken naar een nieuw ERP-platform? Dan moet je de hele business logic hertalen naar die nieuwe omgeving. Het is een project dat al snel jaren in beslag neemt en zonder veel twijfel een fortuin kost.
‘Erger nog, mogelijk spendeer je al die tijd en al dat geld aan iets dat op het einde van de rit toch niet helemaal is wat je ervan had verwacht’, zegt Ethan Ding, oprichter en CEO van TextQL. ‘Want ieder ERP-pakket heeft zijn eigen taal, zijn eigen tabellen, enzovoort. En natuurlijk zijn die pakketten precies zo ontworpen, dat ze je niet bepaald aanmoedigen om met business logic te gaan schuiven.’
Gen Z-start-up
In de praktijk zorgt het ervoor dat bedrijven veel langer aan bepaalde applicaties blijven vasthangen dan ze eigenlijk willen. ‘Het zijn vaak CFO’s die met zo’n vraag naar ons komen’, vertelt Ding. Het roept een ongebruikelijk beeld op: dat van de doorwinterde CFO, goed voor pakweg dertig jaar ervaring met ERP, die de hulp inroept van een stel Gen Z’ers, omdat die blijkbaar goed overweg kunnen met AI.
Die Gen Z’ers ontmoet Data News in hun kantoor op Broadway, vlakbij Wall Street in New York, in het kader van de IT Press Tour. Het kantoor blijkt aan alle clichés van een tech start-up te voldoen: van de rommelige koffiehoek tot het obligate fitnessapparaat. Ethan Ding werkt er met een team van vijftien medewerkers. Hij liep middelbare school in Hongkong en studeerde daarna aan Berkeley. ‘Maar daar leerde ik absoluut niets bruikbaars’, schrijft hij op zijn LinkedIn-profiel. Na enkele ervaringen met start-ups in de buurt van San Francisco, verhuisde hij naar New York. Hij heeft het niet zo voor Silicon Valley. ‘In New York heb je tenminste geen rijbewijs nodig’, lacht hij.
Steen van Rosetta
TextQL ontwikkelde Ana, een AI-agent voor data. De naam is afgeleid van ‘analist’. Om bij het voorbeeld van de ERP-migratie te blijven: Ana voert de hertaling van business logic in die oefening automatisch uit. Evengoed blijkt de toepassing inzetbaar om grote datavolumes te bevragen. ‘Data zit vaak verspreid over verschillende systemen’, zegt Ding. ‘Dat maakt het allemaal heel ingewikkeld om er queries op los te laten.’ TextQL lost dat op met een aanpak die het bedrijf haalde bij de steen van Rosetta: het stuk graniet met inscripties in drie talen, dat toeliet om de Egyptische hiëroglyfen te ontcijferen. TextQL werkte drie jaar aan de oplossing.
Wil je je data bevragen, dan vermijdt de toepassing dat je voor elke database een aparte connector moet ontwikkelen. Het doet dat door één centrale ‘vertalerlaag’ te voorzien. Die laat je een vraag te stellen in natuurlijke taal, waarna de AI-agent – die op Claude draait – de juiste query schrijft voor het systeem dat je bevraagt. ‘Dat laat toe op heel grote schaal te werken’, zegt Ethan Ding. ‘Want je kunt petabytes aan data bevragen, verspreid over allerhande systemen, zonder dat je die data eerst in één centrale database moet samenbrengen.’ Bij veel dataplatformen is het bovendien helemaal niet zo makkelijk om data te migreren naar een andere oplossing. De aanpak van TextQL schakelt die vendor lock-in uit.
Acht tot dertien jaar
‘De belofte dat we data op een dag via natuurlijke taal zouden bevragen, bestaat zeker al 35 jaar’, zegt Ethan Ding. Hij zag het als een uitdaging om die belofte waar te maken. De eerste versie van het product werkte niet. De paar klanten die er waren, haakten meteen af. Idem voor de tweede versie – en de versies erna. Vandaag heeft TextQL zijn zevende versie in gebruik. Alle code daarvan is nieuw sinds begin 2025. Maar sindsdien heeft het bedrijf geen enkele klant meer verloren. ‘Wat we doen is het werk van de data scientist automatiseren’, aldus Ding. ‘Het voelt aan alsof er een compleet datateam voor je aan het werk is.’ Een team dat je vragen bovendien in geen tijd beantwoordt.
Het potentieel van de oplossing ligt voor de hand. Momenteel zijn twaalf klanten overtuigd, maar de verwachting is dat er snel meer volgen. ‘We willen geld ophalen om te groeien’, zegt Ethan Ding. ‘We mikken op 3,5 miljoen dollar volgend jaar. Daarna willen we richting 20 miljoen gaan.’ Tenzij er intussen een aanbod zou komen om over te stappen naar het team van Databricks, of iets in die aard? ‘Dan zou het echt om een heel groot getal moeten gaan’, lacht Ding. ‘We willen dit graag zelf doen en uitgroeien tot marktleider. Ik schat dat we daar acht tot dertien jaar voor nodig hebben.’