“Kun je ons dan ook leren hoe we dit zélf kunnen bouwen?”

Die vraag bleef hangen.

We hadden net een weer inspirerende sessie achter de rug over prompt engineering. Marketeers, communicatiemedewerkers, onderwijsontwikkelaars — allemaal verbaasd over wat tools als ChatGPT en Copilot inmiddels kunnen. Slimme content maken, ideeën structureren, concepten herschrijven.

Maar aan het eind van de dag draaide het gesprek. Niet meer over wat AI kan, maar over wie het mag toepassen. En vooral: wanneer.

“Ik wil geen maanden wachten tot IT tijd heeft. Ik wil het morgen al maken. testen. gebruiken” “Zelf doen zou mijn kleinzoon van 3 zeggen”

En toen viel het kwartje.

De wens om het zelf te doen

Steeds meer professionals binnen het HBO willen zélf bouwen.

Zélf een chatbot maken die studenten helpt bij stagevragen.

Zélf een applicatie bouwen die leeractiviteiten genereert voor Canvas.

Zélf een AI-inzicht koppelen aan hun eigen data, hun eigen werk.

Zonder afhankelijk te zijn van een developer, IT-afdeling of ingewikkelde aanbesteding.

Niet omdat ze alles zelf wíllen doen.

Maar omdat het anders te lang duurt.

Sense of urgency als resultaat van de genai workshop

AI verlaagt de drempels. Citizen development opent de deuren.

Eén dag. Eén missie. Eén mindset.

Daarom hebben we aan de Hogeschool Utrecht (HU) een nieuwe workshop gelanceerd: Citizen Developer – AI-toepassingen bouwen met Python, GPT en Copilot.

Een eendaags leertraject dat volledig draait om de vraag:

Wat heb jij nodig om als niet-programmeur tóch iets te maken dat werkt?

We combineren:

• Python (maar toegankelijk)
• ChatGPT & Gemini (voor uitleg en codegeneratie)
• GitHub Copilot (voor begeleiding)
• Streamlit en Notebooks (voor interfaces)
• Canvasapi
• Openai
• Azure
• En koppelen het aan concrete onderwijstoepassingen, zoals Canvas LMS.

De deelnemer gaat naar huis met:

• Een werkende eigen chatbot
• Een tool die automatisch leerinhoud genereert
• En het vertrouwen: dit kan ik dus gewoon zelf
• Ik weet nu dat ik dit ga doen, tijd investeren. verder!

Vier verhalen van de workshop

1. De marketeer die een chatbot bouwde in plaats van een brochure

Lisa werkt op de communicatieafdeling van een faculteit. Ze kwam binnen met het idee om “iets met AI” te doen rond de voorlichting. Tijdens de workshop besloot ze om een chatbot te maken die studiekiezers helpt met hun eerste vragen.

Aan het eind van de dag had ze een werkend prototype draaien — met aangepaste tone-of-voice en data uit de Canvas-omgeving.

Ze zei: “Ik had nooit gedacht dat ik dit kon…, maar nu wil ik verder bouwen.”

2. De beleidsmedewerker die code ging herschrijven

Ahmed werkt aan kwaliteitszorg en wilde een tool maken die toetsfeedback automatisch kan structureren.

Met hulp van Copilot en ChatGPT kreeg hij in no-time een werkend script. Hij gebruikte de feedbackrubrics uit de opleiding als contextinput.

Toen er een fout in de Python-code zat, loste hij het op door simpelweg te vragen: “Leg me uit waarom dit stuk niet werkt en wat ik moet aanpassen.”

Hij lachte: “Ik praat dus gewoon met mijn code. Dat is echt een eye-opener.”

3. De onderwijsontwikkelaar die een AI-assistent voor Canvas maakte

Sanne had ervaring met het maken van lesmateriaal, maar geen programmeerkennis. Haar doel: een app die automatisch quizvragen genereert op basis van PowerPoints.

Met ChatGPT als copiloot en wat trial-and-error bouwde ze een script dat automatisch items aanmaakt in Canvas — inclusief metadata en feedback.

Aan het eind zei ze: “Ik heb vandaag iets gemaakt dat ik morgen al kan inzetten. Dat geeft zó veel energie.”

4. De HR-adviseur die zijn eigen rapportagetool bouwde

Jeroen werkt aan professionalisering en wilde AI inzetten om opleidingsdata visueel te maken. Tijdens de workshop bouwde hij met Streamlit een eenvoudige effectieve webapplicatie die inleesbare CSV-bestanden omzet in overzichtelijke dashboards.

Hij gebruikte Gemini om zijn analysevragen te structureren en kreeg live feedback op zijn code.

Zijn conclusie: “Ik voel me geen developer, maar ik voel me wel in controle.”

Van denken naar doen

We merken het in elke workshop sessie: het verlangen naar autonomie groeit.

De frustratie over digitale afhankelijkheid ook.

De tijd van alleen maar ‘gebruikers’ is voorbij.

De toekomst van AI in het onderwijs ligt bij mensen die durven maken. Experimenteren. Koppelen. Vragen. Leren. En vooral: zelf doen.

Deze workshop is voor iedereen die zich herkent in dat gevoel.

Je hoeft geen codeheld te zijn. Alleen nieuwsgierig. En een beetje eigenwijs.

Tot slot

De eerste workshops hebben plaatsgevonden en we gaan die nog veel vaker doen.

Wil je meedenken, meedoen, of een versie van deze workshop in jouw team draaien?

Stuur me gerust een bericht.

Want eerlijk is eerlijk:

Als AI de wereld verandert,

laten we dan zorgen dat jij kunt meebouwen.

Laatst zag ik in een demo hoe een AI-agent een afspraak probeerde in te plannen. Hij vroeg om een tijd. Punt. Geen dossier, geen agenda, geen inzicht in eerdere mails. Resultaat: een bot die een vraag terugkaatste — en niets oploste. Een paar dagen later zag ik hetzelfde verzoek, maar dan met context: agenda-informatie, contactgeschiedenis, communicatiestijl en beschikbare tools. De bot plande direct een meeting met uitnodiging én bijlage. Het verschil? Niet het model, maar de context. Zoals wij in de workshops zeggen:

“Agent failures are context failures.”

Wat is context engineering?

Waar prompt engineering draait om het schrijven van de juiste vraag, richt context engineering zich op de wereld rondom die vraag. Welke informatie heeft het AI-model nodig om een taak écht goed uit te voeren? Welke tools mag het gebruiken? In welk format moet het informatie zien?

LangChain verwoordt het als volgt:

“Context engineering is building dynamic systems to provide the right information and tools in the right format such that the LLM can plausibly accomplish the task.”

En dat maakt het tot een vak apart. Geen extraatje voor techneuten, maar een cruciale succesfactor voor iedereen die AI wil inzetten in HBO onderwijs, beleid of studentondersteuning. Anderhalf jaar en meer met een team chatbots en agents maken voor het HBO onderwijs, bedrijfsleven en overheid: we hebben veel geleerd. Genoeg T-shirts and scars. We blijven leren. En we gaan door gelukkig, ons werk wordt als strategisch gezien, we krijgen ook budget voor 26 en 27.

Vier verhalen uit de onderwijspraktijk

1. De vergeten beoordelaar

Een team lanceerde een AI-tool die essays nakijkt. Mooie interface, duidelijke prompt, maar de terugkoppeling bleef vaag en algemeen. Pas toen we extra context toevoegden — zoals eerder werk van de student, de beoordeling rubrics en voorbeelden van succesvolle antwoorden — veranderde alles. De AI begon nuance te tonen, inhoudelijk sterkere feedback te geven. Niet omdat het model slimmer werd, maar omdat het eindelijk begrepen wat relevant was.

2. De verwaarloosde leerroute

Een opleiding probeerde adaptief leren met AI. De belofte was groot: persoonlijke oefenstof op basis van voortgang. Maar in praktijk voelde het willekeurig aan. De AI wist niets over de motivatie van de student, eerdere feedback of leerdoelen. Toen die context alsnog werd toegevoegd — inclusief notities van de coach en reflecties van de student — werd de leerervaring pas echt op maat.

3. De administratieve overbelasting

Een studentenbalie gebruikte AI om veelgestelde vragen af te handelen. Toch bleven studenten bellen en mailen, want de antwoorden klopten vaak nét niet. Wat ontbrak? Toegang tot actuele inschrijfdata, roosters en specifieke opleidingsregels. Nadat die informatie gestructureerd werd toegevoegd aan de context, daalde de werkdruk merkbaar. Studenten kregen nu heldere, actuele antwoorden, zonder dat de medewerkers er steeds tussen hoefden te komen.

4. De inclusieve chatbot die niemand begreep

Een chatbot voor studiekeuzebegeleiding werd gelanceerd met de beste intenties. Maar studenten haakten snel af. De reden? De AI sprak in beleidsjargon, zonder gevoel voor hun achtergrond of situatie. Toen we de context uitbreidden met veelgestelde vragen van eerdere studenten, taalgebruik uit intakegesprekken en persona’s van verschillende doelgroepen, veranderde de toon, en steeg het gebruik. De bot werd menselijker, bruikbaarder en vooral: begrepen.

Waarom context engineering de next big thing is

• Efficiëntie wint aan betekenis In plaats van eindeloos bijschaven aan prompts, richt je je op wat écht mist: welke informatie en tools maken het verschil in de taakuitvoering?
• Systeemdenken vervangt trial-and-error De valkuil van prompt engineering? Je optimaliseert lokaal, maar het systeem blijft suboptimaal. Context engineering kijkt naar het geheel: data, taken, interacties, formats.
• Geloofwaardigheid én betrouwbaarheid AI die werkt met juiste, transparante context bouwt vertrouwen op. Studenten voelen zich gehoord, docenten voelen zich ondersteund, organisaties voelen zich in controle.

Hoe begin je?

1. Inventariseer je contextbronnen Welke systemen, tools en documenten bevatten al waardevolle informatie? Denk aan toetsmatrijzen, roosterdata, vorige feedbackrondes of leerdoelen.
2. Ontwerp je context flow Bepaal wie wanneer welke informatie levert, en hoe je deze opschoont en structureert.
3. Bouw klein, schaal slim Begin met één use case, bijvoorbeeld toetsfeedback of intake advies, en verfijn het context ontwerp per iteratie.
4. Evalueer niet alleen op output, maar ook op context kwaliteit Is de input compleet, relevant, begrijpelijk? Voelt het systeem ‘aansluitend’? Vraag gebruikers ook om context feedback, niet alleen tevredenheid.

Conclusie

In een tijd waarin AI toegankelijker en krachtiger wordt, ligt het verschil niet langer in prompts of modellen, maar in de kwaliteit van de context.

Voor het HBO betekent dat: je AI-initiatieven verdienen systeemdenken. Niet alleen tools, maar regie. Niet alleen techniek, maar betekenis. Niet alleen pilots, maar impact.

Wil je dat AI echt iets toevoegt aan leren, begeleiden en organiseren? Begin dan met bouwen aan context. En vraag jezelf niet langer: “Wat moet ik het model vragen?”, maar: “Wat moet het model weten om mij écht te kunnen helpen?”

Een paar weken geleden zat ik bij alweer een vergadering op mijn hogeschool. Soms kan zelfs ik vergaderingen niet declinen. Iemand vertelde enthousiast over hoe ze ChatGPT inzetten bij scriptiebegeleiding. Een ander liet een eigen AI-chatbot zien voor toetsanalyse. Even later schoof een beleidsmedewerker aan die vertelde dat er budget was vrijgekomen voor een “verkennend AI-traject met groene inclusieve aspiratie”.

Iedereen deed wat. En niemand wist van elkaar wat. Pockets of Innovation.

Welkom in het tijdperk van decentrale innovatie.

Het is begrijpelijk. AI is spannend, toegankelijk en zit vol belofte. Docenten, teams, en ondersteuners gaan zelf aan de slag. De ene opleiding bouwt een plugin voor Teams, de andere probeert GPT in het toetsbeleid in te passen. Van onderaf groeit een veld van experimenten — rijk, waardevol, maar ook… onsamenhangend.

En precies daar wringt het. Want terwijl we als onderwijs sector zoeken naar vernieuwing, dreigt AI te verzanden in eilandjes. Zonder visie. Zonder regie. Zonder borging.

AI is geen project. Het is infrastructuur.

Wat me opvalt in veel gesprekken met collega’s in het HBO: AI wordt nog vaak gezien als iets wat je ‘erbij doet’. Naast je echte werk. Een tool. Een project. Een innovatiepilot. Maar AI is geen gadget. Het is een fundamentele verschuiving in hoe we werken, leren, en organiseren. Fundamenteel voor onze primaire value stream en klanten: mijn studenten.

Vergelijk het met elektriciteit. Toen dat werd geïntroduceerd, kon je er een lamp op aansluiten. Nu draait je hele gebouw erop. AI gaat diezelfde kant op. Het raakt onderwijslogistiek, toetsing, studentondersteuning, HR, financiën, communicatie. Alles.

En dan volstaat het niet meer dat elk team z’n eigen AI-aanpak kiest. Dan heb je leiderschap nodig. Iemand die de rode lijn bewaakt, die de ethiek meeneemt, die innovatie verbindt aan strategie. Iemand die dwars door silo’s heen kijkt.

Je hebt een Chief AI Officer nodig. Een HBO CAIO.

Waarom het HBO een CAIO verdient

In het bedrijfsleven zie je de functie al verschijnen: Chief AI Officer. Niet als modegril, maar als noodzaak. Iemand die begrijpt dat AI geen ICT-feestje is, maar een strategisch thema. Die techniek, beleid en praktijk met elkaar verbindt.

En in het onderwijs? Daar hoor ik vooral: “We hebben een werkgroep.” Of: “Er is een projectleider AI.” Of: dat is niet aan het CvB, we leggen het bij de instituten neer. Vaak gedreven mensen, maar zelden met het mandaat of de positie om écht door te pakken.

Een CAIO in het HBO zou niet alleen verantwoordelijk zijn voor tools of pilots. Die rol gaat over visie. Over kaders en kansen. Over ethiek én infrastructuur. Over het beschermen van publieke waarden én het benutten van technologische innovatie.

Het is iemand die het College van Bestuur adviseert, richting geeft, maar ook met studenten praat. Die weet hoe prompt engineering werkt, én hoe je onderwijsprofessionals meeneemt. Die zicht heeft of wat het beroepen veld vraagt. Die innovatie regisseert, niet remt.

Regie is geen centralisatie

Misschien denk je nu: maar wat gebeurt er dan met al die mooie initiatieven van onderaf?

Die blijven — sterker nog, die worden beter. Want een goede CAIO centraliseert niet, maar orkestreert. Die brengt mensen bij elkaar. Maakt het makkelijker om te delen, op te schalen, te leren. Die zorgt voor infrastructuur waarin docenten kunnen experimenteren zonder telkens het wiel opnieuw uit te vinden.

Een CAIO creëert rust in de chaos. Richting in de verkenning. Vertrouwen in het proces.

En laten we eerlijk zijn: dat kunnen we goed gebruiken.

Tijd voor volwassenwording

AI is te belangrijk om toevallig goed te doen. De inzet van AI raakt de kern van ons onderwijs: autonomie, betrouwbaarheid, toegankelijkheid. Het raakt de student, de docent, de organisatie. Het gaat over de toekomst van onze primaire doelgroep. Studenten. En het vraagt om meer dan enthousiasme alleen. Hope is not a strategy.

Het vraagt om volwassenwording.

Net zoals we ooit Chief Information Officers aanstelden toen digitalisering opkwam toen ik jong was, zo is het nu tijd voor een Chief AI Officer. Niet als modefunctie, maar als regierol die het verschil kan maken tussen los zand en gezamenlijke koers.

Laten we niet wachten tot beleid achterloopt op praktijk. Laten we kiezen voor visie, voor verbinding, en voor vertrouwen.

Want AI gaat het HBO niet overnemen. Maar zonder regie, nemen we het onszelf straks kwalijk dat we geen keuzes maakten toen het nog kon.

Vorige week gaf ik een les over AI-toepassingen in het onderwijs. Halverwege vroeg een student: “Als AI straks alles kan genereren, wat heeft het dan nog voor zin om zelf iets te schrijven?”

Goede vraag.

Diezelfde avond scrolde ik door TikTok en zag een video over studieadvies. Hyperrealistisch. Strak gemonteerd. In één minuut werd uitgelegd hoe je de beste studiekeuze maakt — compleet met grafieken, voice-over en een overtuigende call to action. Alles klopte.

Behalve één ding: ik voelde niks.

Later ontdekte ik dat de video volledig was gegenereerd door AI. Zelfs de stem. En hoewel ik onder de indruk was van de techniek, het zelf ook geprobeerd heb en maak, bleef er iets knagen. Het had me niet geraakt. Niet verrast. Niet aan het denken gezet. Niets gevoeld.

En dat is precies het punt. We leven in een tijd waarin content maken makkelijker is dan ooit — en tegelijk betekenislozer aan het worden is. We staan midden in wat sommigen “The Great AI Sloppification” noemen: een explosie van gladde, generieke inhoud zonder echte ziel. En precies daarom is jouw verhaal als onderwijsprofessional, begeleider of bestuurder nu belangrijker dan ooit.

---

De paradox van contentcreatie in 2025

AI heeft de spelregels veranderd. Wat ooit uren werk kostte — een blog, een video, een reflectie — kan nu in vijf minuten uit een prompt rollen. Maar ironisch genoeg is content maken daardoor niet makkelijker geworden, maar juist moeilijker.

Want de échte uitdaging is niet maken, maar opvallen. En opvallen doe je niet met iets dat iedereen kan genereren. Je valt op met iets wat niemand anders kan maken — omdat het alleen door jou verteld kan worden.

Dat besef drong bij mij pas echt door toen ik een tijdje geleden zelf een post deelde over een lastige periode in mijn werk. Aan de ene kant het acute belang van inzetten op beter onderwijs met en door AI en aan de andere kant het gebrek aan waardering voor inzet above and beyond. Deed pijn, had er last van, gedeeld, en weer door.

Niet spectaculair, niet gelikt, gewoon eerlijk. En tot mijn verbazing kreeg die post tientallen reacties. Niet omdat het perfect was, maar omdat het herkenbaar was. Mooi reacties van andere oudere medemensen in het HBO onderwijs.

Sindsdien ben ik anders gaan kijken naar content. Ik deel minder ‘resultaten’ en meer ‘gedachten’. Minder ‘plannen’ en meer ‘twijfels’. En weet je? Het werkt. Niet omdat het beter geschreven is dan wat AI kan, maar omdat het echt is.

---

Deel niet alleen wat je hebt gedaan — deel wat je hebt geleerd, deel gevoel, deel twijfels

Op LinkedIn zie ik nog veel onderwijsprofessionals die vooral posten over nieuwe initiatieven, pilots en behaalde successen. En daar is niets mis mee. Maar ik denk dat de kracht van dit platform — juist in het AI-tijdperk — zit in iets anders.

Niet in het laten zien wat je doet, maar hoe je denkt.

Wat houdt je bezig in je werk? Waar liep je vast, en wat heb je daaruit geleerd? Hoe kijk jij naar de ontwikkelingen in je vakgebied? Wat zie je gebeuren in je team, je klaslokaal, je instelling?

Die verhalen zijn zeldzaam — en daardoor waardevol. Ze brengen nuance in het AI-debat. Ze geven gezicht aan verandering. En ze zorgen dat we elkaar blijven begrijpen, als mensen onder elkaar.

---

Jouw human experience moat

In de techwereld hebben ze er een naam voor: je human experience moat — het unieke menselijke verdedigingswerk dat AI (nog) niet kan repliceren.

Dat zit niet in je diploma’s, je functietitel of je LinkedIn-badge. Het zit in wat jij hebt meegemaakt. Waarom staat er bij sommige AI expert, en niet AI zoekende. Hoe jij denkt. Hoe je reageerde toen een project mislukte. Hoe je iets nieuws hebt geprobeerd. Wat jij hebt geleerd van de gesprekken die je dagelijks voert met studenten of collega’s.

Dát is wat je moet delen. Niet omdat het marketing is. Maar omdat het bijdraagt aan het gesprek. Omdat anderen er iets aan hebben. Omdat het laat zien waar jij voor staat in een tijd waarin veel mensen nog zoekend zijn.

---

Waarom het HBO hier een voorbeeldrol in kan nemen

Juist het hbo — waar praktijk gerichtheid, reflectie en persoonlijke groei centraal staan — heeft hier een enorme kans. Als wij de generatie opleiden die straks gaat samenwerken met, naast en soms onder AI, dan moeten wij ook het voorbeeld geven in hoe je je menselijke stem inzet.

Dat begint bij zichtbaar durven zijn. Niet als expert die alles al weet, maar als professional die leert, reflecteert en deelt. Dat geldt voor docenten, maar net zo goed voor bestuurders, beleidsmakers, coördinatoren en ondersteuners. Vertel niet alleen over besluiten en strategie, maar ook over proces en twijfels, persoonlijk twijfels.

AI kan straks veel dingen beter, sneller en efficiënter dan wij. Maar het kan nooit jouw verhaal vertellen. Nooit jouw afwegingen maken. Nooit jouw intuïtie vervangen.

En dat, precies dat, is wat het onderwijs zo waardevol maakt.

Iedereen praat over AI. In vergaderingen, op congressen, in teamkamers. Maar ergens hangt die ene vraag nog in de lucht: Waar zit nu eigenlijk de echte waarde voor het HBO? Niet in spectaculaire demo’s. Powerpoint. Meetings. Overlegorganen. Niet in tools die ‘alles kunnen’. De waarde van AI zit in wat het losmaakt — in mensen, processen en perspectieven. In dit artikel neem ik je mee langs vier manieren waarop AI op een heel concrete manier waarde toevoegt aan het HBO. Geen hype, geen toekomstmuziek. Maar scenario’s die vandaag en zeker morgen al kunnen beginnen.

1. Procesoptimalisatie: de terugkeer van rust in het systeem

Roostermakers die tot ’s avonds laat schuiven met lokalen en docenten. Toetsanalisten die in Excel worstelen met cijfers en percentielen. Administratief medewerkers die handmatig herkansingen verwerken. Herkenbaar? In veel hogescholen zijn processen complex, versnipperd en gevoelig voor fouten. En dat vreet energie. Niet omdat mensen hun werk niet goed doen, maar omdat systemen en tools hen in de steek laten.

AI kan daar rust in brengen. Denk aan een planningssysteem dat zelf patronen ontdekt in roosterdata en voorstelroosters genereert die écht passen. Of een toetsanalysetool die automatisch inzicht geeft in moeilijkheid, discriminatie en verbetering van toetsvragen. Zelfs eenvoudige AI-modellen kunnen studentendossiers checken op inconsistenties of ontbrekende gegevens, nog vóórdat de administratie dat hoeft te doen.

Het resultaat? Minder brandjes. Minder piekbelasting. Meer tijd en aandacht voor het werk dat er wél toe doet. En misschien nog belangrijker: het geeft medewerkers weer het gevoel dat ze grip hebben. Dat het systeem voor hen werkt — in plaats van andersom.

2. Besluitvormingsondersteuning: de juiste vraag, op het juiste moment

Een studieadviseur vertelt me: “Ik had al een onderbuikgevoel bij die student, maar ik kon er nog niet de vinger op leggen. Een maand later haakte ze af.”

Wat als we eerder kunnen zien wat iemand nodig heeft?

AI maakt dat mogelijk. Niet door te voorspellen wie zal uitvallen — dat is ethisch gevoelig en zelden betrouwbaar, maar door patronen zichtbaar te maken waar mensen op kunnen handelen. Een leerplatform kan signaleren dat een student minder actief wordt, of dat inlevermomenten steeds later komen. Een AI-model kan docenten helpen om trends te zien in studierendement per vak. Niet als afrekenmiddel, maar als gespreksstarter. Een spiegel. Een kompas.

Zo’n systeem zegt niet: “Deze student faalt.” Het zegt: “Hier gebeurt iets. Wil je kijken?” En dat maakt het verschil. Want juist in dat ene coachgesprek, op dat ene kantelpunt, kun je als docent, mentor of adviseur het verschil maken. Omdat je iets gezien hebt wat anders verborgen was gebleven.

3. Besluitvorming-automatisering: ruimte maken voor echte aandacht

We hebben in het onderwijs vaak een dubbel gevoel bij automatisering. Alsof we iets van onze menselijkheid inleveren. Maar wat als automatisering juist ruimte schept om menselijker te worden?

Stel je een leeromgeving voor die automatisch extra uitleg aanbiedt als een student ergens moeite mee heeft. Of een stageplatform dat niet eindeloos laat scrollen, maar op basis van interesses en competenties passende matches voorstelt. Of een systeem dat in een groot projectteam studenten automatisch groepeert op leerstijlen of ontwikkelbehoeften.

Dat zijn geen sciencefiction-scenario’s. Het gebeurt al — op kleine schaal, in pilots, in innovatieve opleidingen. En het levert iets moois op: tijd. Voor echte gesprekken. Voor verdiepende feedback. Voor een kop koffie met een student die even vastzit.

Besluitvorming-automatisering gaat niet over controle. Het gaat over ondersteuning. Over het slim uitbesteden van routinetaken, zodat docenten kunnen doen waarvoor ze ooit het onderwijs in gingen: begeleiden, inspireren, zien.

4. Nieuwe AI-diensten: onderwijs opnieuw durven ontwerpen

En dan is er de categorie die echt tot de verbeelding spreekt. Niet omdat het moet, maar omdat het kan. Stel je voor: een AI-mentor die 24/7 beschikbaar is voor studenten met vragen over vakinhoud, studieroutes of praktische zaken. Niet als vervanging van de studieadviseur, maar als verlengstuk. Altijd vriendelijk, altijd bereikbaar, en steeds beter lerend van de vragen die het krijgt.

Of denk aan een opleiding rechten die een AI-simulatie ontwikkelt waarin studenten pleiten voor een virtuele rechter. De AI geeft direct feedback op argumentatie, toon, en juridische onderbouwing. Of aan een communicatieopleiding waar studenten samen met een generatieve AI een reclamecampagne ontwerpen, waarbij ze zélf bepalen wat creatief, ethisch en doeltreffend is — en de AI als sparringpartner gebruiken. Of een journalistieke opleiding die studenten AI first leert denken en werken.

Dit zijn geen leuke gadgets. Dit zijn nieuwe vormen van onderwijs, waarin studenten niet alleen leren over AI, maar ook met AI, en soms zelfs van AI.

Hier ligt misschien wel de grootste belofte: dat we het onderwijs niet alleen efficiënter of effectiever maken, maar ook rijker, speelser, en meer afgestemd op een veranderende wereld.

Tot slot: AI technologie is geen doel, maar een kans

AI is niet de oplossing voor elk probleem. Maar het is wel een kans om opnieuw na te denken: Wat willen we betekenen voor onze studenten? Voor onze collega’s? Voor de samenleving? En juist daarom is het tijd dat we niet alleen praten over AI, maar ermee gaan werken — nieuwsgierig, kritisch en vooral: mensgericht.

Start klein. Bouw voort op wat werkt. En houd altijd de vraag centraal: welke waarde willen we toevoegen — en voor wie? Ik hoop voor onze studenten. En daarmee onze toekomst.

De opkomst van kunstmatige intelligentie (AI) biedt ongekende mogelijkheden voor gemeenten. Van het verbeteren van dienstverlening tot het optimaliseren van beleid, AI kan een waardevol instrument zijn. Maar hoe kunnen beleidsmedewerkers de potentie van AI volledig benutten? Het AI Proeflokaal heeft nu het antwoord: speciale trainingen gericht op de unieke behoeften van gemeentelijke beleidsmedewerkers.

Waarom AI-training voor beleidsmedewerkers?

Gemeenten staan voor complexe uitdagingen, variërend van sociale vraagstukken tot duurzaamheidsdoelstellingen. AI kan helpen bij het analyseren van data, het voorspellen van trends en het ontwikkelen van innovatieve oplossingen. Onze trainingen zijn ontworpen om beleidsmedewerkers te voorzien van de kennis en vaardigheden die nodig zijn om:

• De basisprincipes van AI te begrijpen en toe te passen in hun werk.
• Relevante AI-toepassingen te identificeren die aansluiten bij gemeentelijke doelstellingen.
• Ethische en juridische aspecten van AI te overwegen.
• Effectief samen te werken met AI-specialisten en technologieleveranciers.

Wat kun je verwachten van de trainingen?

Onze trainingen zijn praktisch, interactief en afgestemd op de dagelijkse praktijk van beleidsmedewerkers. We bieden een mix van theorie en hands-on oefeningen, zodat deelnemers direct aan de slag kunnen met AI-tools en -technieken. Onderwerpen die aan bod komen zijn onder andere:

• AI en data-analyse voor beleidsvorming
• AI en dienstverlening aan burgers
• AI en privacy
• Praktische AI-tools voor beleidsmedewerkers

Het belang van AI-geletterdheid

In een tijdperk waarin technologie een steeds grotere rol speelt, is AI-geletterdheid essentieel voor beleidsmedewerkers. Het stelt hen in staat om geïnformeerde beslissingen te nemen en de kansen van AI te grijpen. Met onze trainingen willen we bijdragen aan een toekomst waarin gemeenten optimaal profiteren van de mogelijkheden van AI.

Aanmelden en meer informatie

Ben je een beleidsmedewerker bij een gemeente en wil je meer weten over onze AI-trainingen? Neem dan contact met ons op via onze website of neem telefonisch contact op.

Het AI Proeflokaal is verheugd om gemeenten te ondersteunen in de transitie naar een datagedreven en innovatieve overheid.

[et_pb_section admin_label=”section”] [et_pb_row admin_label=”row”] [et_pb_column type=”4_4″][et_pb_text admin_label=”Text”]

Masterclass Prompt Engineering: Haal Meer Uit ChatGPT

De inzet van AI in het werkveld groeit snel, en effectief communiceren met AI-tools zoals ChatGPT wordt steeds belangrijker. JADS (Jheronimus Academy of Data Science) speelt hierop in met een Masterclass Prompt Engineering.

Deze masterclass helpt professionals om betere prompts te schrijven, waardoor AI-outputs relevanter en bruikbaarder worden. Geen technische achtergrond nodig—de focus ligt op praktische toepassingen en directe impact op je werk.

Waarom dit interessant is? Prompt engineering is de sleutel tot het benutten van AI in marketing, IT, klantservice en meer. Door slim te vragen, krijg je betere antwoorden.

Meer weten? Check de details bij JADS en til je AI-vaardigheden naar een hoger niveau! 🚀

[/et_pb_text][/et_pb_column] [/et_pb_row] [/et_pb_section]