AI Business Architect

Binnen de module AI Fundamentals trachten we een stevige basis te leggen om als AI Business Architect een goed inzicht te krijgen in dit domein. Deze module behandelt volgende kernthema's die essentieel zijn voor elke AI Business Architect.

AI in de praktijk: We starten met een kennismaking met AI waarin je leert waar AI concreet kan ingezet worden – van kleine verbeteringen in dagelijkse processen tot grote transformaties van bedrijfsmodellen. Aan de hand van praktische frameworks (zoals een AI-scan) en concrete business cases ontdek je hoe je AI-kansen identificeert en evalueert binnen je organisatie. "AI is transforming our world" en jij leert hoe. 

Verschillende soorten AI en hun toepassingsgebieden: Je maakt kennis met de belangrijkste types van AI: van Machine Learning (supervised, unsupervised en reinforcement learning) tot Computer Vision en Natural Language Processing. Het doel is niet dat je deze technologieën in detail begrijpt, maar wel dat je weet welke AI-aanpak past bij welk business probleem en wanneer je welke technologie moet inzetten. 

Generative AI: Eén van de grootste evoluties in AI komt uitgebreid aan bod: generatieve AI en Large Language Models zoals ChatGPT, Claude en andere moderne systemen. Je leert hoe deze krachtige modellen werken, wat hun mogelijkheden en beperkingen zijn, en hoe je ze effectief kunt inzetten voor content creatie, klantenservice, data-analyse en andere business toepassingen. 

Privacy en ethische aspecten van AI: Ethiek & Compliance in AI-innovaties, we kunnen er niet omheen. De EU AI Act en de impact hiervan op AI-projecten komt uitgebreid aan bod. Je leert hoe je AI-projecten opzet met respect voor privacy, transparantie en eerlijkheid, en hoe je voldoet aan relevante wet- en regelgeving. 

Data en IT architectuur als foundation: AI draait op data. Je krijgt inzicht in hoe data moet worden beheerd, opgeslagen en klaargemaakt voor AI-toepassingen. We behandelen de rol van data engineering en datamanagement, en hoe AI-technologie zich verhoudt tot je bredere IT-infrastructuur. Je leert hoe je een AI Data Strategie uitbouwt die zorgt voor een solide foundation voor je AI-initiatieven.

We sluiten elke lesavond af met een good practice in AI. We laten bedrijven een toelichting geven over een succesvol AI-project met aandacht voor diverse sectoren.

De AI Business Architect gaat aan de slag met de middelen die op de markt beschikbaar zijn, of zal ondersteund door een technisch team ook eigen AI-modellen en applicaties gaan bouwen. In deze module leer je als toekomstige AI Business Architect hoe je deze keuzes best maakt, wat de impact, voordelen en eventuele risico's zijn van inkoop of zelf bouwen. Na de algemenere vaardigheden uit module 1, leer je hier de specifieke Business Architect mindset aan. 

De module behandelt volgende kernthema's: 

AI agents en generative AI workflows: Je ontdekt hoe AI-assistenten en autonome agents je team kunnen ondersteunen in hun dagelijkse werk. Van Microsoft Copilot tot aangepaste AI-agents die complexe taken uitvoeren , je leert hoe deze tools productiviteit verhogen. We verkennen hoe je generatieve AI integreert in bedrijfsprocessen en workflows opzet waarbij AI content creëert, documenten analyseert, klantinteracties afhandelt en data verwerkt. Een belangrijk onderdeel is de evaluatie: je beoordeelt kritisch welke tools het meest geschikt zijn voor bepaalde bedrijfsbehoeftes, welke waarde ze toevoegen, en hoe ze veilig en effectief ingezet kunnen worden. 

Context engineering: Je leert hoe je AI-modellen effectief aanstuurt door middel van prompt engineering en andere technieken. We verkennen hoe je context en instructies zo formuleert dat je de beste resultaten behaalt. Daarnaast behandelen we Retrieval Augmented Generation (RAG) systemen en Model Context Protocol (MCP), waarmee je AI-modellen toegang geeft tot je eigen bedrijfsdata, applicaties en tools voor nauwkeurigere en relevantere antwoorden. 

Data Analyse: Je leert hoe je data verzamelt, opschoont en analyseert om waardevolle inzichten te verkrijgen. Daarnaast bouw je een eenvoudig voorspellend model, zodat je begrijpt hoe data wordt omgezet in een concrete AI-toepassing. 

AutoML: We bekijken AutoML-platforms die het mogelijk maken om zonder diepgaande technische kennis Machine Learning modellen te bouwen en te trainen. Je leert hoe je data verkent, prepareert en gebruikt als input voor eerste basismodellen via AutoML hulpmiddelen. 

"Off-the-shelf" vs "Custom AI": Ga je iets zelf bouwen, of neem je het "off-the-shelf"? Centraal in dit "build or buy" onderdeel staat de vraag welke waarde er geleverd wordt. Je leert de afwegingen maken tussen kant-en-klare AI-oplossingen en maatwerk, rekening houdend met kosten, tijd, controle en specifieke organisatiebehoeften. Vraagstukken zoals de waarde die je levert, in welke processen je oplossing inhaakt en wat de ROI is, komen aan bod. 

AI & Security: AI brengt nieuwe beveiligingsuitdagingen met zich mee. We behandelen hoe je AI-systemen veilig implementeert, data beschermt, en omgaat met risico's zoals prompt injection, data leakage en model manipulation. Ook leer je hoe AI kan ingezet worden ter versterking van cybersecurity. 

Nieuwe trends en technologieën in het AI landschap: Het AI-veld evolueert razendsnel. We houden je up-to-date met de nieuwste ontwikkelingen: van multimodale AI-modellen tot edge AI, van AI-orchestratie tot opkomende trends in verschillende industrieën. Je leert hoe je deze trends evalueert op relevantie voor jouw organisatie. 

In deze module zet de AI Business Architect zijn theoretische kennis om in de praktijk. De focus ligt niet op het zelf ontwikkelen van complexe AI-modellen, maar op het ontwerpen, evalueren en valideren van AI-oplossingen binnen een realistische organisatiecontext. Cursisten krijgen de kans om samen een projectplan te ontwikkelen voor een echte bedrijfscase.  

Je leert werken met het Value Proposition Canvas en Business Model Canvas om de business case voor AI-initiatieven helder te krijgen. Deze frameworks helpen je om de waarde van AI-oplossingen concreet te onderbouwen, kosten en baten inzichtelijker te maken, en stakeholders te overtuigen. 

Het plan bestaat uit vier onderdelen:  

- het definiëren van een AI-product en de business meerwaarde,  

- een kritische evaluatie van beschikbare data, maturiteit en randvoorwaarden, evenals het identificeren van geschikte AI-technieken en oplossingsrichtingen 

- het analyseren van mogelijke oplossingsscenario’s: werken met bestaande GenAI-tools of AI-platformen (buy), maatwerkontwikkeling (build) of een combinatie van beide. 

- het uitwerken van een gefaseerde roadmap en projectplan en eventueel - afhankelijk van de noden, kennis en mogelijkheden - het realiseren van een mini POC. Dit kan via low-code of no-code GenAI tools (zoals chatbot builders, AI workflow platforms of no-code RAG-systemen), of via meer technische implementaties voor deelnemers met een sterkere IT-achtergrond (optioneel).  . Het doel van de POC is niet zozeer de technische realisatie, maar het aantonen van waarde, haalbaarheid en organisatorische impact. 

De lessen worden verrijkt met korte theoretische uiteenzettingen, persoonlijke coaching en klassikale pitches. Deze interactieve aanpak biedt een unieke kans om zowel van experts als van medestudenten te leren, wat zorgt voor een dynamische en leerrijke ervaring. De coaches brengen jarenlange ervaring met AI projecten mee aan tafel voor de uitwerking van je AI case, waardoor je meteen toegang hebt tot veel hands-on ervaring.