Wij experimenteren
met AI.
Zodat jij
meer bereikt.

Automatisch testscenario's en testdata genereren op basis van requirements en user stories met behulp van LLMs.

Een simulatie die onderzoekt hoe teamsamenstelling, WIP-limieten en methodiek de doorlooptijd van een backlog beïnvloeden. Met Carbon (mens), Silicon (AI-agent) en gemixte teams.

LLMs inzetten als gepersonaliseerde studiepartner voor de Java OCP-certificering — van studieplan tot code-uitleg en proefexamen-analyse.

Een slimme deurbel bouwen die een pizzabezorger herkent via computer vision en autonoom reageert met spraak. Een hands-on verkenning van IoT, TensorFlow en Azure Cognitive Services.

Een MCP-server geeft een AI-agent toegang tot echte systemen: mail, documenten, tickets, databases, Git, cloud resources. Dit experiment behandelt hem naar wat het eigenlijk is: een security boundary.

Kan een developer de VX Code Test (Enchanting Kata) uitvoeren met AI-tools als primaire werkmethode. Wat leert dat ons over de meerwaarde en de grenzen van AI bij hands-on coderen?