Van 50+ AI trainingen naar de Gen-AI-Labs, teams bij Universiteit Leiden bouwen interne prototypes in drie sessies
Eerst kwam de basis over generatieve AI en toen de vraag, oké maar hoe gaan we nu aan echte schaalbare oplossingen bouwen?
Het begon bij Universiteit Leiden met een brede beweging in de organisatie om medewerkers AI-geletterd te maken. We verzorgden meer dan vijftig AI basis trainingen voor medewerkers van de universiteit. Na deze trainingen herkenden mensen sneller kansen en risico’s, en konden ze er met elkaar over praten zonder langs elkaar heen te werken.
En toen 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. Vanuit die vraag ontstonden de Gen AI Labs sessies, een traject dat minder draait om zenden, en meer om bouwen.
Wat het extra sterk maakte, de labs stonden open voor interne 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.
Een veilige online ruimte, en leren prototypen met systeem prompts
Vanuit de universiteit werd een online omgeving ingericht waarin medewerkers veilig met taalmodellen konden werken. Dat gaf rust en duidelijkheid. Geen losse experimenten, maar een gecontroleerde plek waar je als organisatie kunt leren, testen en verbeteren. In die omgeving konden teams ideeën omzetten naar prototypes door system prompts te schrijven en iteratief te testen.
Het traject bestond uit drie labs sessies. Elke sessie had een helder ritme, scherper kiezen wat je maakt, bouwen en testen, en vervolgens presenteren met een plan voor vervolgstappen. Hierdoor ontstonden prototypes die verder gingen dan “een chat”, het waren eerste versies van oplossingen, met afbakening, kwaliteitsdenken en aandacht voor integratie.
Begeleiding op grounding, betrouwbaarheid en evaluatie
We hielpen teams om AI toepasbaar en verantwoord te maken. Hoe zorg je dat antwoorden op bronnen gebaseerd zijn, hoe maak je instructies voor taalmodellen, en hoe laat je deze systemen in meerdere stappen samenwerken. Dit leidde niet alleen tot beter resultaat, maar ook tot meer vertrouwen, omdat je kunt uitleggen waarom een antwoord klopt, en wanneer je het niet moet gebruiken.
Prompt opbouw, structured output en product features die de ervaring dragen
Teams leerden systeemprompt architectuur opbouwen, met best practices rondom rol, taak, context, constraints, voorbeelden, en een consistente tone of voice. Structured output was ook een belangrijk onderdeel, omdat veel interne processen pas echt versnellen als output voorspelbaar is, denk aan tabellen, lijstjes, categorie keuzes, of formats die direct door kunnen naar een volgend systeem.
Daarnaast dachten we mee over product features rondom de interactie. Bronverwijzingen, feedback loops, versiebeheer van prompts, vaste testvragen, simpele guardrails voor gebruikers. Dat soort keuzes maakt het verschil tussen een leuke demo, en een prototype dat klaar is voor doorontwikkeling.
Van prototype naar vervolg, integratie, eigenaarschap en roadmap
In elke sessie brachten we teams een stap dichter bij “wat is nodig om dit echt te laten landen als intern product”. Welke data of documenten zijn nodig, waar sluit dit aan op bestaande systemen, wie wordt eigenaar, wat zijn de volgende iteraties, en hoe borg je kwaliteit. Daardoor kwamen teams niet alleen met een resultaat, maar met een richting.
Ontdek waar AI binnen uw organisatie waarde kan leveren
Tijdens een vrijblijvend gesprek verkennen wij uw organisatie, ambities en huidige processen. U krijgt inzicht in waar AI mogelijk waarde kan toevoegen en welke vervolgstappen logisch zijn.