- Onderzoeksondersteuning: tools, datastromen, prototypes en analyse van documenten of corpora
- Technologische ondersteuning: architectuur, codereview, van prototype naar betrouwbare tool
- Gastlessen, praktische workshops en eindwerken op realistische cases
- Afbakening, data, vertrouwelijkheid en eigendom vooraf afgesproken met de instelling
Concrete steun voor onderzoeksteams
Een labo of onderzoeksteam heeft vaak een duidelijke vraag, maar weinig tijd om de tool te bouwen die ze kan beantwoorden. Wij nemen het softwaregedeelte op ons, terwijl de onderzoekers de vraag, de methode en de interpretatie in handen houden.
Het doel is een verwerking die het team opnieuw kan uitvoeren, begrijpen en in zijn werk beschrijven, geen eenmalige demonstratie.
- Tools op maat om gegevens te verzamelen, op te schonen of te structureren
- Reproduceerbare verwerkingsketens (pipelines), gedocumenteerd en opnieuw uitvoerbaar
- Analyse van documenten of corpora met AI, met controle van de resultaten op een steekproef
- Prototypes om een hypothese of methode te testen voordat er meer in wordt geïnvesteerd
- Kleine interfaces om resultaten binnen het team te raadplegen, te annoteren of te delen
Technische versterking voor bestaande projecten
Sommige projecten hebben al code: een script uit een doctoraat dat onmisbaar werd, een prototype dat anderen nu nodig hebben, een tool die niemand nog durft aan te passen. We helpen het robuust te maken zonder alles opnieuw te bouwen.
Die steun kan gaan over architectuur, codereview, tests, documentatie of de overgang van prototype naar een tool die blijft werken. Wat behouden, beveiligd of herschreven wordt, beslissen we samen met het team.
Studenten die mee zijn wanneer ze afstuderen
AI-tools veranderen de manier van werken in bedrijven sneller dan opleidingsprogramma’s kunnen volgen. Het doel: studenten weten hoe teams deze tools vandaag echt gebruiken, zodat ze niet verloren lopen in hun eerste job.
De mogelijke formats worden bepaald met het onderwijsteam, volgens de doelstellingen van het vak en het niveau van de studenten. Er is geen vaste duur en geen kant-en-klaar programma.
| Mogelijk format | Voor wie | Wat overblijft |
|---|---|---|
| Gastles binnen een vak | Studenten van een bestaand vak, met de docent | Voorbeelden en materiaal dat het onderwijsteam kan hergebruiken |
| Praktische workshop | Een groep studenten of doctorandi | Een werkwijze en een controlelijst |
| Eindwerk of masterproef | Een student of kleine groep, met een academische promotor | Een gedocumenteerd project op een realistische case |
| Sessie voor pas afgestudeerden | Recent afgestudeerden die bij willen blijven | Houvast over de tools en werkwijzen van dit moment |
Wat studenten oefenen
We tonen de tools en methodes die bedrijven vandaag gebruiken, op concrete cases. De prioriteit blijft dezelfde: kunnen controleren wat een AI oplevert voordat je erop steunt.
- AI-assistenten om te schrijven, samen te vatten, te zoeken of te analyseren, en hun grenzen
- AI-agents: wat ze zelfstandig kunnen, en waar menselijke controle nodig blijft
- Repetitieve taken automatiseren tussen gangbare tools
- Ontwikkelen met AI-hulp: gegenereerde code nalezen, testen en begrijpen
- Een antwoord controleren in de bron, een verzonnen bewering of schijnprecisie herkennen
- Beslissen welke gegevens in een tool mogen, en welke niet
Hoe we met een instelling samenwerken
Elke samenwerking begint met een kort, schriftelijk en controleerbaar kader. De regels van de instelling gaan voor; we passen ons eraan aan in plaats van eigen regels voor te stellen.
- Een benoemde contactpersoon aan de kant van de universiteit of het labo
- Afbakening en opleveringen op papier vóór de start
- Regels voor onderzoeksdata, persoonsgegevens en vertrouwelijkheid bij de start vastgelegd
- Vereisten van een ethische commissie of functionaris voor gegevensbescherming: beslist door de instelling
- Eigendom van code en resultaten per project bepaald