Van 50+ AI-trainingen naar de Gen-AI Labs: teams bij Universiteit Leiden bouwen interne prototypes in drie sessies

Bij Universiteit Leiden begon het met een brede beweging om medewerkers AI-geletterd te maken. We verzorgden meer dan vijftig AI-basistrainingen voor medewerkers van de universiteit. Daardoor herkenden mensen sneller kansen en risico's, en konden ze er met elkaar over praten zonder langs elkaar heen te werken.

De aanpak stond open voor medewerkers uit verschillende afdelingen: onderzoekers, administratieve teams, operationele collega's, mensen die processen draaiend houden en mensen die nieuwe kennis maken en controleren. Die mix zorgde ervoor dat use cases niet theoretisch bleven, maar direct langs de werkelijkheid werden gelegd.

Na de trainingen kwam de logische volgende vraag: niet alleen "hoe werkt het", maar "hoe zetten we dit in zodat het ons echt helpt?". Er was duidelijke behoefte om verder te gaan dan inspiratie, om met echte use cases te werken, ideeën te toetsen en prototypes te maken.

De uitdaging was dus om de stap te zetten van AI-geletterdheid naar het identificeren, testen en doorontwikkelen van concrete, schaalbare oplossingen binnen de organisatie.

Vanuit die vraag ontstonden de Gen-AI Labs: een traject dat minder draait om zenden en meer om bouwen. De universiteit richtte een veilige online omgeving in waarin medewerkers met taalmodellen konden werken. Geen losse experimenten, maar een gecontroleerde plek waar je als organisatie kunt leren, testen en verbeteren. In die omgeving zetten teams ideeën om naar prototypes door system prompts te schrijven en iteratief te testen.

Het traject bestond uit drie labsessies, elk met een helder ritme: scherper kiezen wat je maakt, bouwen en testen, en vervolgens presenteren met een plan voor vervolgstappen. We begeleidden teams op grounding, betrouwbaarheid en evaluatie: hoe zorg je dat antwoorden op bronnen gebaseerd zijn, hoe maak je instructies voor taalmodellen, en hoe laat je systemen in meerdere stappen samenwerken. Dat leidde niet alleen tot een beter resultaat, maar ook tot meer vertrouwen, omdat je kunt uitleggen waarom een antwoord klopt en wanneer je het beter niet gebruikt.

Daarnaast leerden teams systeemprompts opbouwen, met best practices rondom rol, taak, context, constraints, voorbeelden en een consistente tone of voice. Structured output was een belangrijk onderdeel, omdat veel interne processen pas echt versnellen als de output voorspelbaar is: denk aan tabellen, lijstjes, categoriekeuzes of formats die direct door kunnen naar een volgend systeem. Ook dachten we mee over productfeatures rondom de interactie, zoals bronverwijzingen, feedback loops, versiebeheer van prompts, vaste testvragen en simpele guardrails voor gebruikers. Dat soort keuzes maakt het verschil tussen een leuke demo en een prototype dat klaar is voor doorontwikkeling.