Casussen

Toen het bedrijf voor het eerst deep learning overwoog als aanpak voor weersvoorspelling, brachten ze ons binnen om een proof-of-concept project uit te voeren gebaseerd op Google's GraphCast-model. We namen volledige verantwoordelijkheid voor de pilot: we ontwierpen en bouwden een data- en trainingspipeline vanaf de grond, begeleidden architectuurkeuzes en adviseerden over de benodigde hardware en infrastructuur. Dit was het eerste echte contact van het bedrijf met deep learning-gedreven voorspellingen, en onze rol was om te bepalen of de aanpak echte potentie had voor hun context, en hen te helpen de sterke en zwakke punten van deze richting te begrijpen. De pilot slaagde en gaf het bedrijf het vertrouwen om volledig over te stappen naar neurale weersvoorspelling als kernrichting.

Met de proof of concept gevalideerd en het bedrijf nu volledig pivotterend naar AI-gebaseerde voorspellingen, namen we een leidende rol in het opbouwen van hun ontwikkelcapaciteiten — met sterke focus op het team in staat stellen zelfstandig te opereren en groeien. We ontwierpen een flexibel framework dat standaardiseert hoe modellen en datasets worden gedefinieerd, en besteedden veel tijd aan het overdragen van de kennis die hun ontwikkelaars nodig hebben om er zelfverzekerd mee te werken en het zelfstandig uit te breiden. Daarnaast begeleidden we het team door belangrijke beslissingen over modelarchitectuur en trainingsstrategie, en hielpen hen het oordeelsvermogen op te bouwen om deze keuzes voortaan zelf te maken. We adviseerden ook over hardware en infrastructuur, zodat het systeem efficiënt schaalt zonder onnodige kosten. Het doel was niet alleen een werkend systeem opleveren, maar het team wezenlijk sterker achterlaten — uitgerust met de vaardigheden, structuur en kennis om zelfstandig te floreren in het snel evoluerende veld van neurale weersvoorspelling.

Een tool gebouwd die stroomlijnt hoe het juridisch team van SHN jurisprudentie volgt en verwerkt. Het systeem haalt dagelijks nieuwe uitspraken binnen en gebruikt AI om belangrijke signalen te extraheren—schuldbepalingen, schadevergoedingen, delicttypen—en presenteert gestructureerde inzichten aan juridische experts. Een human-in-the-loop aanpak zorgt dat het team de controle houdt: zaken beoordelen, accepteren of afwijzen terwijl de AI het repetitieve analysewerk doet. Dit werk leidde tot Rechtlezer, onze publieke tool voor het navigeren van Nederlandse jurisprudentie.

Een trainingsprogramma verzorgd over het evalueren van de mensenrechtenimpact van algoritmes met behulp van het IAMA-raamwerk. In samenwerking met ECHO Expertisecentrum Diversiteitsbeleid en Open State Foundation onderzochten we hoe technologie publieke waarden kan versterken of bedreigen—en hoe organisaties controle houden over wat algoritmes sturen.