Wat is Copilot in Power BI precies?
Copilot is de AI-assistent die Microsoft in Power BI heeft ingebouwd. Je typt een vraag of opdracht in gewone taal, en Copilot doet een voorstel op basis van je rapporten en datamodellen. Volgens de documentatie van Microsoft kan Copilot onder meer:
- Rapportpagina's maken en aanpassen op basis van een prompt, zoals "maak een pagina met omzet per maand en per klantgroep".
- Rapporten samenvatten, in zijn geheel of over een specifiek onderwerp.
- Vragen beantwoorden over je data in een semantisch model, in chatvorm.
- DAX schrijven en verbeteren, de formuletaal achter je metingen.
- Beschrijvingen van metingen genereren, zodat collega's snappen wat een KPI berekent.
- Samenvattingen meesturen in abonnementen, zodat een rapport-mail ook een korte toelichting bevat.
Daarnaast is er een losse, schermvullende Copilot-omgeving (nog in preview) waarin je over al je rapporten en modellen heen kunt zoeken en vragen stellen. Copilot werkt ook in de Power BI-app op je telefoon.
Let op: Copilot in Power BI is iets anders dan Microsoft 365 Copilot in Word of Outlook. Het zijn verschillende producten met eigen voorwaarden.
Wat heb je nodig om Power BI Copilot te gebruiken?
Hier gaan veel mkb-bedrijven de mist in. De situatie op peildatum 1 oktober 2026, volgens de documentatie van Microsoft:
- Een Pro- of Premium per gebruiker-licentie alleen is niet genoeg. Copilot heeft betaalde organisatiecapaciteit nodig: Fabric-capaciteit vanaf F2, of Power BI Premium-capaciteit vanaf P1.
- Proefcapaciteit telt niet. Op een Fabric-trial werkt Copilot niet.
- Een Fabric Copilot-capaciteit is de route voor de meeste mkb'ers. Je wijst een capaciteit (minimaal F2) aan waar het Copilot-gebruik van een groep gebruikers op wordt afgerekend. Die gebruikers kunnen Copilot dan ook gebruiken op rapporten in gewone Pro- of PPU-werkruimtes.
- Je beheerder moet het aanzetten. In de tenantinstellingen staat een schakelaar voor Copilot en andere Azure OpenAI-functies.
- De regio moet ondersteund worden. Voor een tenant in Nederland of elders in de EU is dat normaal geen probleem; een paar specifieke Azure-regio's vallen af.
Over je data zegt Microsoft dat die niet wordt gebruikt om de onderliggende Azure OpenAI-modellen te trainen. Lees wel zelf de actuele voorwaarden na als je met gevoelige gegevens werkt.
Wat zo'n capaciteit kost en hoe die zich verhoudt tot Pro-licenties, lees je in Power BI-licenties in 2026: Pro, Premium per gebruiker of Fabric? Kort gezegd: de kleinste capaciteit (F2) kost enkele honderden euro's per maand, bovenop de Pro-licenties die je makers en lezers sowieso nodig hebben.
Waar is Copilot in Power BI echt goed in?
Copilot is op zijn best als versneller voor iemand die Power BI al een beetje kent. Een paar toepassingen die in een mkb-omgeving zin hebben:
- Een eerste opzet van een rapportpagina. In plaats van tien visuals handmatig neer te zetten, laat je Copilot een voorstel doen en schaaf je dat bij. Het eindresultaat bepaal je nog steeds zelf.
- DAX-hulp. Een measure voor "omzet zelfde periode vorig jaar" of "marge exclusief kortingen" laten uitschrijven en uitleggen, scheelt zoekwerk. Controleer de uitkomst wel tegen een getal dat je kent.
- Documentatie. Beschrijvingen bij je metingen zijn saai werk dat vaak blijft liggen. Copilot maakt er een eerste versie van, jij corrigeert.
- Een samenvatting voor het MT. Een korte tekst bij het maandrapport die de grootste verschuivingen benoemt, zodat niet iedereen zelf door alle pagina's hoeft.
Wat doet Copilot níét voor je?
De verwachtingen rond AI liggen hoog, dus het is goed om ook nuchter te zijn over de grenzen:
- Copilot repareert je data niet. Als je boekhouding, CRM en urenregistratie elk een eigen klantnummer gebruiken, of als de koppeling met je bronsystemen niet goed staat, dan krijg je van Copilot net zo goed verkeerde cijfers, alleen sneller en met een overtuigende zin erbij.
- Copilot weet niet wat jij met "marge" bedoelt. Microsoft schrijft zelf dat Copilot zonder voorbereiding van het datamodel de data kan misverstaan en algemene of onjuiste antwoorden kan geven. KPI-definities moet je dus eerst zelf vastleggen.
- Nederlands wordt niet officieel ondersteund. Volgens Microsoft geven prompts in andere talen dan Engels soms bruikbare antwoorden, maar is meertalig gebruik officieel nog niet ondersteund. Voor teams die liever in het Nederlands werken is dat een praktische drempel.
- Copilot vervangt geen controle. Een antwoord van Copilot is een voorstel. Voor cijfers waar beslissingen op volgen, wil je een rapport dat iedereen kan narekenen.
Copilot is dus geen vervanging voor een goed datafundament. Het is een laag erbovenop die beter werkt naarmate dat fundament beter is.
Een voorbeeld: de margevraag van de directeur
Een fictief voorbeeld om het concreet te maken. Een installatiebedrijf met 30 medewerkers heeft een Power BI-rapport op de boekhouding en het projectensysteem. De directeur vraagt aan Copilot: "Waarom is de brutomarge in het derde kwartaal gedaald?"
Scenario 1: het datamodel is niet voorbereid. De tabel heet Fact_GL_Lines, er staan drie kolommen met "bedrag" in de naam en niemand heeft vastgelegd of marge vóór of na inkoopkortingen is. Copilot kiest er een, geeft een plausibel klinkend antwoord en noemt een daling die in werkelijkheid een boekingsverschil is. De directeur weet niet dat het antwoord niet klopt.
Scenario 2: het datamodel is wel voorbereid. Er is één measure Brutomarge % met een beschrijving die precies zegt hoe hij berekend wordt. Technische kolommen zijn verborgen, tabellen hebben begrijpelijke namen en de projecten zijn netjes gekoppeld aan de boekhouding. Copilot laat zien dat de daling vooral bij twee projecten zit, en de directeur kan in het rapport doorklikken om dat te controleren.
Het verschil zit niet in Copilot. Het zit in het werk dat er vooraf in het model is gestoken.
Zo maak je je Power BI-rapportage klaar voor Copilot
- Leg je KPI's vast. Wat is omzet, wat is marge, wat is een actieve klant? Schrijf het op en zorg dat er per KPI één measure is. De 10 KPI's die elk mkb-dashboard nodig heeft zijn een goed vertrekpunt.
- Geef tabellen en kolommen begrijpelijke namen. "Klant" in plaats van "dim_cust_v2". Copilot leest die namen om je vraag te begrijpen.
- Verberg wat niemand nodig heeft. Technische sleutels, hulpkolommen en dubbele velden maken het voor Copilot lastiger om de juiste kolom te kiezen.
- Schrijf beschrijvingen bij je metingen. Laat Copilot een eerste versie maken en controleer die.
- Controleer je koppelingen. Copilot kan niet beter zijn dan de data die binnenkomt. Kloppen de cijfers in het rapport zonder Copilot? Pas dan heeft AI erbovenop zin.
- Test met vragen waarvan je het antwoord weet. Stel Copilot vijf vragen waarvan je de uitkomst al kent. Gaat het bij één mis, zoek dan uit waarom voordat je het breder uitrolt.
Is Power BI Copilot het geld waard voor een mkb'er?
Dat hangt vooral af van wie er met Power BI werkt. Een paar vuistregels:
- Heb je één of twee mensen die rapporten bouwen en de rest kijkt alleen? Dan levert Copilot vooral wat tijdwinst op bij het bouwen. Weeg die af tegen de maandelijkse kosten van een F2-capaciteit.
- Wil je dat het MT zelf vragen stelt aan de data? Dan is Copilot interessanter, maar alleen als het datamodel daar klaar voor is. Anders krijgt het MT snelle antwoorden waarvan niemand weet of ze kloppen.
- Heb je al een Fabric-capaciteit voor je dataverwerking? Dan is de drempel lager, want die capaciteit kun je ook voor Copilot gebruiken.
Twijfel je nog of je rapportage überhaupt in Power BI thuishoort? Lees dan eerst Excel of Power BI? Wanneer het tijd is om over te stappen.
Hulp bij een Power BI-omgeving die klaar is voor AI
Copilot aanzetten is een vinkje. Een datamodel waar Copilot iets zinnigs mee kan, is het eigenlijke werk: KPI's die vastliggen, koppelingen die elke dag stabiel draaien en een model dat ook voor een mens te lezen is. Kijk hoe we dashboarding aanpakken, of lees wat we doen met agentic AI als je verder wilt dan vragen stellen aan je rapport.