Challenge: AI in je bedrijf – mensgericht en praktisch

AI biedt enorme kansen om slimmer en productiever te werken. Toch blijft de toepassing in het MKB achter. Veel ondernemers weten niet waar te beginnen of missen de kennis en tijd om met AI aan de slag te gaan. Daarnaast roept AI vragen op bij medewerkers: wat betekent dit voor mijn werk, mijn vaardigheden en mijn toekomst?

Dit project helpt MKB bedrijven om AI praktisch én mensgericht te implementeren — met aandacht voor productiviteit, werkplezier en toekomstbestendige vaardigheden.

Doel

Samen met 30 MKB-ondernemers en 90 medewerkers (3 per bedrijf) onderzoeken we:

• Welke AI-toepassingen echt tijd besparen en efficiëntie verbeteren.
• Hoe medewerkers kunnen meebewegen met technologische veranderingen.
• Hoe AI kan bijdragen aan zowel productiviteit als werkgeluk.

Wat we doen

In deze 5 maanden durende pilot (Feb 2026 – Juni 2026) combineren we twee invalshoeken:

• Voor ondernemer – “AI in je bedrijf”
  Ondernemers krijgen hulp bij het selecteren, testen en implementeren van bewezen AI-tools in processen als sales, marketing en klantenservice. Of studenten werken aan een maatwerkoplossing.
  • Onder begeleiding van experts en studenten van UvA en HvA.
  • Met meetbare resultaten op efficiëntie en productiviteit.
• Voor personeelsleden  – “AI met mensen”
  Medewerkers ontdekken wat AI betekent voor hun dagelijkse werk en ontwikkelen nieuwe vaardigheden via drie learning community-bijeenkomsten.
  • Met aandacht voor vertrouwen, betrokkenheid en betekenisvol werk.
  • Inclusief skill-gap analyse en persoonlijke leerpaden.

✅ Key features van de challenge

• Kennisinstelling: UvA
• Opleiding: Digital Impact Lab & AI Impact Lab (master studenten)
• Studiejaar studenten: 2025-2026
• Aantal studenten per team: 4-5
• Tijdsinvestering door studenten: 336u per student (12 ects, ~28u per ects, UvA [1])
• Duur opdracht: 17 weken
• Tijdsinvestering door ondernemer (gemiddeld aantal uur per week): 18-32u (1-2u per week) (o.a. kick-off evenement, tweewekelijkse voortgangsbesprekingen, eindpresentatie, etc.).
• Deliverables (advies, ontwerp, product etc.):  (1a) Software prototype, (1b) rapportage productontwerp en productiviteitsanalyse, (2a) prototype AI module, (2b) rapportage AI module en productiviteitsanalyse.
• Taal opleiding: Engels, zowel Nederlandse als internationale studenten (rapportage en eindproduct in Engels)
• Matching fee: 2500 euro

Informatie opleiding

De studenten van de masteropleiding Business Information Technology Management (UvA) werken in twee opeenvolgende cursussen – Het Digitale Impact Lab en Het AI Impact Lab – aan praktijkgerichte uitdagingen zoals hierboven beschreven.

In het Digitale Impact Lab brengen studenten een bezoek aan uw organisatie om een concreet bedrijfsprobleem te verkennen — bijvoorbeeld om het salesproces, klantenservice of administratie efficiënter in te richten. Ze praten met medewerkers, brengen de behoeften in kaart en vertalen deze naar functionele eisen voor een nieuwe softwaretoepassing (of het integreren van bestaande AI software). Vervolgens werken ze in kleine teams aan een proof-of-concept met moderne IT- en low-code tools zoals Mendix, C3.ai of Python met AI-bibliotheken zoals Scikit-learn, TensorFlow en PyTorch. Door te werken volgens agile methodieken blijft u als bedrijf voortdurend betrokken en kunt u de resultaten stap voor stap volgen met een prototype als eindresultaat.

In het AI Impact Lab bouwen onze studenten verder aan uw prototype, maar nu aan het AI-component. Denk aan het genereren van slimme aanbevelingen, voorspellende analyses of een systeem dat automatisch trends in uw data herkent. De resultaten leveren niet alleen direct inzichtelijke waarde voor uw organisatie, maar geven ook aanknopingspunten voor structurele digitale innovatie. Bovendien onderzoeken we ook de werkelijke productiviteitswinst door gebruik van de software.

• Digital Impact Lab (Week 6-12, Feb-Maart 2026)
  • Week 6: Software business case ontwerp.
  • Week 7: Opstellen software eisen analyse, modelleren van gebruikerscasus, en inregelen van de levering en onderhoud van software t.b.v. kwaliteit garanties.
  • Week 8: Software architectuur & ‘low code’.
  • Week 9: Software bruikbaarheid en toegankelijkheid.
  • Week 10: Marktanalyse and strategie voor de softwarepropositie.
  • Week 11: Meten van productiviteitswinst door gebruik van software.
  • Week 12: Eindpresentaties.
  • Week 13: Eindpresentaties.
• AI Impact Lab (Week 13-22, April-Mei 2026):
  • Week 14: AI-haalbaarheidsanalyse & bedrijfswaardemodellering.
  • Week 15: Analyse AI-dienstenecosysteem & integratie van architecturen.
  • Week 16: Data-preparatie & ML-orchestratie.
  • Week 17-18: Verantwoordelijke AI & AI-beheerkaders.
  • Week 19-20: Bruikbaarheid en toegankelijkheid van AI.
  • Week 20: AI prestatiemeting en optimalisatie.
  • Week 21-22 (May 25-29): AI-impactevaluatie & eindpresentaties.

📑 Challenge voorbeelden

• Een marketingbureau wil een AI-pijplijn bouwen die tekstgeneratie, beeldcreatie en merkanalyse combineert of een chatbot die de afhandeling van administratieve processen kan ondersteunen.
• Een ondernemer wil zijn verkoopproces optimaliseren door middel van een dashboard dat inzicht geeft waar de organisatie haar omzet uit haalt.
• Een ondernemer wil een AI dienst die recente klant-wervingspaden of verkooppaden laat zien die groeiend zijn, om zo bewust te worden welke trends gaande zijn en daar op in te kunnen spelen. Of de dienstverlener wil meerdere AI diensten integreren (chatbot + sentimentanalyse + knowledge retrieval) voor een intelligent supportsysteem.
• Een ondernemer wil zijn verkoopproces efficiënter inrichten door bestaande AI tools te implementeren voor het bijvoorbeeld scrapen van data, geautomatiseerde emails en dit koppelen aan de bestaande CRM.
• Een bouwbedrijf wil automatische offertes, bouwvergunningsaanvragen, of inkooporders genereren. Klantvragen over offertes kunnen administratief automatisch worden beantwoord.
• Een makelaar wil de content voor marketingskanalen, zoals Funda, automatisch genereren op basis van de foto’s, klantgesprek en kadaster informatie.
• Een cateraar wil een slim inkoopsysteem om out of stock te voorkomen en minder waste te genereren.

🏢 Criteria Bedrijf/challenge

• Alleen bedrijven uit de volgende sectoren: zakelijke dienstverlening, horeca & toerisme, retail & e-commerce, zorg en bouw.
• Voor het ontwerpen van de software prototypes zullen de studenten contact hebben met belanghebbende in de organisatie om onder andere de bedrijfsprocessen te kunnen vaststellen, de software vereisten te eliciteren, de prototypes te evalueren, en de productiviteitswinst van inzet software prototype te kunnen meten (o.a. interviews en gebruikersevaluatie van ontwerpen).
• Voor de AI analyse zullen de studenten contact hebben met domein experts om de data te kunnen doorgronden.
• De data voor de AI module/analyse dienen reeds beschikbaar te zijn aan de start van het project. De data is geschikt voor AI analyse. Bijvoorbeeld, minimaal 10.000 rijen, 10-15 kolommen in Excel of SQL database (niet nodig voor content generatie).
• Bereid om voorafgaande het project en aan het einde een vragenlijst in te vullen (45min) en maandelijks een vragenlijst in te vullen over de productiviteit (20min).
• Bedrijf is beschikbaar 1u-2u/week voor feedback en meetings.
• UvA heeft een standaard NDA tussen UvA, student en organisatie die de vertrouwelijkheid van de informatie van uw organisatie binnen het project beschermt (link).
• Bij voorkeur technische kennis in huis (IT systemen).
• Bij voorkeur werken de studenten minimaal 1 dag in de week bij de de opdrachtgever op kantoor.

🗓 Planning

Start- en einddatum challenge: 2 Feb 2026 (start) tot 29 Mei 2025 (einde)

• 18 Januari - deadline aanleveren bedrijfschallenges 
• 3 Februari 2026 - Kick-off college voor studenten
• 5-6 Februari 2026 - Ochtend eerste tutorials voor studenten
• 5-6 Februari 2026  - Eerste bedrijfsbezoek door studenten
• 2 feb - 31 mei - invullen 3 vragenlijsten prestatiewinst van de ontwikkelde software (20-45min)
• Week 12 (16-22 Maart 2026) en week 13 (23-29 Maart 2026) - eind presentatie Digital Impact Lab

(verplicht voor studenten, bedrijven van harte welkom)

• Dinsdag 24 Maart, groep 1 van 9u-13u in HLT (UvA)
• Dinsdag 24 Maart, groep 2 van 13u-17u in HLT (UvA)
• Woensdag 25 Maart, groep 3 van 9u- 13u in HLT (UvA)
• Woensdag 25 Maart, groep 4 van 13u- 17u in HLT (UvA)

Week 21 (18-23 Mei 2026) en week 22 ( 25-31 Mei 2026)

(verplicht voor studenten, bedrijven van harte welkom)

Eindpresentaties AI Impact Lab

• Woensdag 27 Mei, groep 1 van  9u-13u in HLT (UvA)
• Woensdag 27 Mei, groep 1 van 13u- 17u in HLT (UvA)
• Donderdag 28 Mei, groep 3 van 9u-13u in HLT (UvA)
• Donderdag 28 Mei, groep 4 van 13u- 17u in HLT (UvA)

2️⃣ Werknemersperspectief – “AI met mensen”

Het werknemersonderzoek kijkt niet alleen naar wát AI veranderd, maar vooral hoe medewerkers dit ervaren en welke vaardigheden ze nodig hebben om zich aan te passen.
Het combineert twee sporen: vaardigheden (skills) en houding/vertrouwen (perceptie & adoptie).

Skillonderzoek – wat verandert er in het werk?

Doel: inzicht krijgen in welke taken en competenties veranderen door AI.

Aanpak:

• Bij 30 MKB-bedrijven worden functies onderzocht die te maken krijgen met AI (zoals administratie, sales, klantenservice of marketing).
• Met vragenlijsten en interviews wordt in kaart gebracht:
  • Welke taken verdwijnen, veranderen of juist ontstaan door AI.
  • Welke vaardigheden nu ontbreken maar straks cruciaal worden (zoals data-geletterdheid, kritisch denken, samenwerken met AI).
• De resultaten worden samengebracht in een skillmatrix: een overzicht per functie van huidige en toekomstige competenties.

Resultaat voor het bedrijf:
Inzicht in de skill-gap: welke kennis en vaardigheden moeten medewerkers ontwikkelen om toekomstbestendig te blijven.

Perceptie- en adoptieonderzoek – hoe kijken medewerkers naar AI?

Doel: begrijpen hoe medewerkers denken over AI en wat bepaalt of ze het willen gebruiken.

Aanpak:

• Medewerkers vullen een korte survey in over:
• Hun vertrouwen in AI (voelen ze zich competent en veilig?).
• Hun houding (zien ze vooral kansen of risico’s?).
• Hun bereidheid om met AI te werken.
• Interviews en focusgroepen verdiepen de cijfers met persoonlijke verhalen.
• De resultaten worden samengebracht in een Adoptiebarometer: per functie wordt duidelijk waar het enthousiasme of de weerstand zit.

Resultaat voor het bedrijf:
Inzicht in mentale en organisatorische drempels voor het gebruik van AI en concrete handvatten voor training, communicatie en begeleiding.

Waarom dit belangrijk is:

• Medewerkers begrijpen wat AI doet en er vertrouwen in hebben, leren sneller en werken met meer plezier.
• Ondernemers kunnen gericht investeren in training en communicatie die écht werkt.
• Samen ontstaat een mensgerichte digitale transitie: AI ondersteunt de mens, niet andersom.

✅ Learning Community 1 – AI & betekenisvol werk (3 werkenemers per bedrijf) 

29 jan 26 van 10.00-12.30 + lunch (12.30-13.30)

Doel: begrijpen wat AI doet met werkprocessen en taken.

Wat deelnemers doen:

• Introductie in wat AI concreet kan betekenen binnen hun sector.
• Medewerkers brengen met het K-model hun eigen taken in kaart: welke taken kunnen door AI worden ondersteund, versterkt of overgenomen?
• Ondernemers en teams formuleren persoonlijke en bedrijfsdoelen voor de AI-pilot.

Resultaat:
Inzicht in de impact van AI op werkprocessen en een eerste persoonlijke leerroute per medewerker.

✅ Learning Community 2 – Nieuwe skills in een AI-tijdperk (3 werknemers per bedrijf)

9 april van 10.00-12.30  + lunch (12.30-13.30)

Doel: Ontwikkelen van de kernvaardigheden voor AI-geletterdheid en adoptie

Wat deelnemers doen:

• Hands-on oefenen met AI-tools (zoals ChatGPT, Gamma, Perplexity of sectorspecifieke toepassingen.
• Leren over kritisch denken, prompting, data-geletterdheid en samenwerken met AI.
• Delen van ervaringen, obstakels en successen tussen ondernemers en medewerkers.
  

Resultaat:
Medewerkers en ondernemers ontwikkelen nieuwe digitale vaardigheden en een concreet actieplan om AI in hun werk te gebruiken.

✅ Learning Community 1 – AI in je bedrijf (ondernemer) 

29 jan - lunch 12.30-13.30 - sessie start 14.00-17.00

Doel: Hoe integreer je AI in je strategie

Wat deelnemers doen:

• Introductie in wat AI concreet kan betekenen voor je bedrijf
• Hands-on opdrachten hoe je je AI strategie kan maken met AI tools
• Peer learning 

Resultaat:
Het formuleren van een heldere AI strategie

✅ Learning Community 2 –  Peer learning (ondernemer)

9 april - lunch (12.30-13.30) sessie van 14.00-17.00 

Doel: Leren van en met elkaar. Wat werkt wel, wat niet. Welke knelpunten komen we tegen?

Wat deelnemers doen:

• Delen van ervaringen, obstakels en successen tussen ondernemers en medewerkers.
  

Resultaat:
Medewerkers en ondernemers ontwikkelen nieuwe digitale vaardigheden en een concreet actieplan om AI in hun werk te gebruiken.

✅ Learning Community 3 – Groot eind event (ondernemer + 3 werknemers)

18 juni -14.00-17.00 uur 

Doel: delen van resultaten en leren van elkaars ervaringen. 

Wat deelnemers doen:

• Presentatie van de resultaten van alle pilots (effect op tijd, kwaliteit, werkplezier).
• Interactieve sessies tussen ondernemers en medewerkers over vervolg en borging.
• Formuleren van plannen voor structurele leercultuur en duurzame AI-toepassing.
  

Resultaat:
Een concreet vervolgplan per bedrijf en een regionale community die AI verantwoord inzet in het MKB.