Waarom we dit doen
De vraag die we vandaag bij zowat elke klant horen, is niet meer óf ze iets met AI moeten doen. Men is er al mee bezig. De vraag is wie het werk kan doen. Wie brengt de kennis binnen? Wie schrijft een RAG-implementatie die in productie overeind blijft? Wie beoordeelt of gegenereerde code veilig te mergen is en wie ziet dat een AI-gegenereerde spec vier randgevallen mist die de business straks wél tegenkomt?
Dat zijn andere vaardigheden dan een prompt kunnen schrijven. Het is bouwen met AI in teamverband, onder tijdsdruk, aan code die deels door AI geschreven wordt, gevalideerd en verbeterd moet worden en morgen door iemand anders onderhouden wordt. Precies die combinatie is vandaag schaars. Wie wacht tot ervaren AI-profielen op de markt komen, wacht lang: de vraag groeit sneller dan het aanbod.
Daarom bouwde Elmos haar eigen AI masterclass: vier weken intensieve training in het ontwikkelen met AI, met echte klantvraagstukken in plaats van oefeningen. Niet omdat het een mooi opleidingsverhaal is, maar omdat onze klanten vandaag mensen met deze vaardigheden nodig hebben.
Wat dat voor jou betekent
- AI-first development aanpak die je niet zelf moet bedenken. Vier weken lang code genereren en reviewen, specs opstellen en valideren en aanvoelen waar het model onbetrouwbaar wordt. Dat oordeel nemen ze mee in je codebase en in jouw backlog.
- Geen aanloopperiode. Sprintplanning, review, retrospective en demo aan stakeholders, inclusief de sprints waarin iets niet werd afgewerkt: alles kwam aan bod.
- Analisten en developers op elkaar ingespeeld. Ze werken in cross-functionele teams, dus geen ruis in de overdracht tussen analyse en development.
- De steilste leercurve ligt achter hen. De basisfouten zijn gemaakt en besproken. Wat volgt, is de toepassing in jouw omgeving.
- Inzetbaar als team of als individueel profiel. De groep is op elkaar ingespeeld. Dat verschil voel je zodra een opdracht groter is dan één rol.
De aanpak
4 weken intensief · 2 tracks (developer en analist) · 2 klantprojecten · 7 consultants
Geen theorie voor de klas. Vanaf dag één bouwen de deelnemers aan een werkend product, in cross-functionele teams van developers en functioneel analisten. Elke sprint start met planning, eindigt met een demo aan stakeholders en sluit af met een retrospective.
AI is geen apart blok in het programma. Het loopt door elke dag heen. Developers zetten AI in om code te schrijven, te reviewen en te integreren richting productie. Analisten genereren specs met AI, valideren requirements en versnellen hun analyseproces. Het uitgangspunt blijft consequent hetzelfde: AI als versnelling, niet als vervanging. Wie het model blind volgt, merkt dat in de sprint review. Human in the loop.
Gemeenschappelijk voor beide tracks: sprintplanning, sprint review, retrospective, cross-functioneel samenwerken en demo aan stakeholders.
Project 1: een loonsimulator voor de HR-techsector
De opdrachtgever is een Antwerps softwarebedrijf dat maatwerkoplossingen bouwt voor HR, payroll en tewerkstelling, met klanten in België en daarbuiten. In die sector zit de complexiteit niet in de technologie maar in de regelgeving: RSZ-bijdragen, bedrijfsvoorheffing, voordelen van alle aard en een lange lijst uitzonderingen die jaarlijks verandert. Werknemers begrijpen daardoor zelden wat een loonvoorstel echt betekent en werkgevers onderschatten wat een pakket hen werkelijk kost.
De opdracht: maak zo'n simulatie inzichtelijk, met cijfers die kloppen en een uitleg die een niet-specialist begrijpt.
Analyse. De analisten brengen de bestaande loonstructuur in kaart en vertalen de Belgische wetgeving naar concrete rekenregels. Ze vergelijken bestaande markttools om best practices te identificeren en definiëren de use cases: welke input een werknemer geeft, welke output hij verwacht en welke scenario's hij wil vergelijken.
Development. De developers bouwen een interactieve calculator die bruto- en nettoloon berekent via een externe payroll-API. De tool simuleert scenario's met onder meer een firmawagen, maaltijdcheques en variabel loon en toont het effect op zowel het nettoloon als de totale loonkost voor de werkgever. Een geïntegreerde AI-adviseur vertaalt de situatie van de gebruiker naar gewone taal en zet automatisch de relevante scenario's naast elkaar, op basis van de onderliggende rekenmotor. Zo gaat de gebruiker beter voorbereid en met onderbouwde cijfers naar zijn loongesprek.
Project 2: een documentplatform voor de verzekeringssector
De opdrachtgever is een Belgische verzekeraar die particulieren, zelfstandigen en bedrijven bedient via een netwerk van onafhankelijke makelaars. Zoals veel spelers in die sector is de organisatie gegroeid door fusies en overnames en dat laat sporen na in het IT-landschap: documenten zitten verspreid over verouderde databanken, fileshares en archieven, elk met eigen metadata en eigen hiaten. Tegelijk gelden strikte bewaarplichten en autorisatieregels per klant en per makelaar.
De opdracht: één plaats waar een makelaar het juiste dossier vindt, zonder te hoeven weten in welk systeem het fysiek staat.
Analyse. De analisten brengen de documentstromen in kaart: welke types documenten uit welke bronsystemen komen, welke metadata elk documenttype meegeeft en welke velden ontbreken of inconsistent zijn. Ze vertalen de Belgische bewaarplicht en de interne retentieregels naar concrete beleidsdefinities per documenttype. Vervolgens definiëren ze het canonieke metadatamodel, de gemeenschappelijke standaard waarop alle bronnen worden afgestemd, plus de use cases: welke zoekacties een makelaar of medewerker moet kunnen uitvoeren, welke autorisatieregels gelden en welke kwaliteitscriteria de AI-verrijking moet halen.
Development. De developers bouwen de volledige ingest-pipeline die documenten uit de verschillende bronnen ophaalt, verrijkt met AI (documentclassificatie, metadata-extractie en confidence scoring) en opslaat in cold storage met een bijhorende metadatadatabank. De oplossing ondersteunt zowel gestructureerde zoekopdrachten op vaste velden als semantisch zoeken via vector search, zodat een document ook op basis van context gevonden wordt in plaats van enkel via exacte filters. Een geïntegreerde AI-laag interpreteert een vraag in mensentaal, selecteert de juiste documenten en presenteert het resultaat begrijpelijk. Een medewerker of makelaar vindt zo het juiste dossier zonder kennis van de onderliggende structuur.
Het team
De class of 2026 telt zeven consultants: vijf .NET-developers en twee functioneel analisten. Het profiel is bewust gemengd. Dat maakt de teams realistisch.
- Ervaring van startend tot vijf jaar in .NET-development en tot vier jaar in functionele analyse.
- Achtergronden in bachelor IT en toegepaste informatica, aangevuld met masters in handelswetenschappen en architectuur, meerdere met onderscheiding.
- Meertalig: Nederlands en Engels, meerdere profielen ook Frans.
- Woonachtig in en rond Antwerpen, Oost-Vlaanderen en Vlaams-Brabant.
Developers en analisten, vier weken bouwen aan echte applicaties, AI-native van dag één. Dat nemen ze vanaf nu mee naar jouw team.
Een team inzetten of een masterclass voor jouw organisatie?
Drie manieren om verder te gaan:
- Zet het team in. Het team dat het sprintritme en de AI-werkwijze al samen doorlopen heeft, gaat aan de slag op jouw backlog of dat ene project waar nooit tijd voor is.
- Nomineer je eigen vraagstuk. Lever een business case aan als project voor een volgende masterclass.
- Verhoog de kennis in je eigen team. Via een training op maat of via een hybride team waarin jouw mensen meedraaien en de AI-werkwijze al doende oppikken.
Na een intakegesprek bepalen we samen de beste vervolgstap.
Technologie werkt pas écht met de juiste mensen.
