Freelance - Developer van AI-ondersteund eLearningplatform in Lovable (DG HAN)
Job Description:
📋 Taken en verantwoordelijkheden
De betrokken overheidsdienst erkent de handicap van burgers en kent verschillende rechten en tegemoetkomingen toe en volgt deze op, waaronder de inkomensvervangende en integratietegemoetkoming, parkeerkaarten, de European Disability Card en andere afgeleide rechten.
Een bestaand dossierbeheersysteem ondersteunt momenteel een belangrijk gedeelte van deze dienstverlening. Omdat het systeem verouderd is, onvoldoende aansluit bij de actuele processen en moeilijk kan worden aangepast aan nieuwe noden en regelgeving, wordt een nieuwe flexibel aanpasbare oplossing voorzien. Die toepassing moet de opvolging en behandeling van dossiers van personen met een handicap ondersteunen vanaf de aanvraag en informatieverzameling tot en met evaluatie, beslissing en betaling.
De organisatie werkt toe naar de ingebruikname van de nieuwe toepassing in 2027. Naar schatting 350 medewerkers zullen ermee leren werken via een opleidingsprogramma waarin zelfstandige eLearning wordt gecombineerd met begeleide oefensessies.
Voor de functies, processen en handelingen binnen de toepassing worden inhoudelijke fiches gemaakt. Hoewel deze fiches gevalideerde broninformatie bevatten, vormen ze nog geen opleiding op zich. Het eLearning-platform moet de informatie omzetten in een gestructureerde, praktijkgerichte leerervaring met onder meer:
- heldere leerdoelen;
- een logische structuur per functie, proces of handeling;
- een stapsgewijze toelichting bij de werkwijze in de toepassing;
- voorbeelden en herkenbare situaties uit de praktijk;
- kennisvragen met feedback tijdens het leerproces;
- oefeningen als voorbereiding op begeleide oefensessies;
- de mogelijkheid om relevante modules op maat te kiezen en zelfstandig te doorlopen.
Het platform mag niet evolueren tot een documentendatabank, samenvatting of digitale kopie van de bronfiches. Op basis van goedgekeurde fiches moet het met ondersteuning van AI een eerste voorstel voor leerinhoud kunnen maken. Bevoegde auteurs blijven verantwoordelijk voor de menselijke controle door de voorstellen te beoordelen, te bewerken, te valideren en te publiceren.
De organisatie wil het platform in Lovable ontwikkelen volgens het principe van vibe coding. De gebruiker beschrijft daarbij in gewone taal de gewenste toepassing, functie of wijziging, waarna de AI-ondersteunde ontwikkelomgeving een werkend voorstel oplevert dat iteratief wordt getest en verfijnd. Lovable werd gekozen omdat er eerder al interne toepassingen met dit platform zijn ontwikkeld.
Vibe coding vormt geen doel op zich en neemt de reguliere ICT-werking niet over. De opdracht creëert een afgebakende context waarin medewerkers met sterke businesskennis samen met een technisch ervaren ontwikkelaar digitale oplossingen sneller kunnen ontwerpen, bouwen en testen.
Daarom bestaat de opdracht uit twee doelstellingen:
- een afgebakende, bruikbare MVP bouwen van een eLearning-platform dat gevalideerde documentatie omzet in leerinhoud gericht op de praktijk;
- een intern kernteam via pair building leren om met Lovable en andere AI-ondersteunde hulpmiddelen toepassingen te ontwikkelen, te testen, te documenteren en te beheren binnen de geldende organisatorische en technische randvoorwaarden.
Beschrijving van de opdracht
In de Lovable-omgeving van de organisatie ontwikkelt de ontwikkelaar samen met een intern kernteam een afgebakende, werkende MVP voor een eLearning-platform bij de nieuwe toepassing. De MVP moet bewijzen dat gevalideerde bronfiches met hulp van AI kunnen worden vertaald naar praktijkgerichte eLearning, zodat medewerkers zich kunnen voorbereiden op het gebruik van de toepassing en op begeleide oefensessies. De ontwikkelaar treedt daarbij op als bouwer, begeleider en kennisoverdrager.
Een representatieve selectie van bronfiches wordt binnen de opdracht uitgewerkt tot minstens één volledige leerflow die:
- gericht is op een duidelijk bepaalde doelgroep, functie of leerbehoefte;
- informatie uit meerdere bronfiches kan combineren;
- leerdoelen, instructies in stappen, voorbeelden, kennisvragen en praktijkgerichte oefeningen omvat;
- zelfstandig en volgens het eigen tempo kan worden doorlopen;
- medewerkers klaarstoomt voor verdere toepassing tijdens begeleide oefensessies.
Deze opdracht is niet bedoeld als een klassiek IT-ontwikkelproject waarvan alles vooraf volledig is vastgelegd. Het kernteam en de ontwikkelaar werken de concrete gebruikersflows, functionaliteiten, rollen, statussen, prioriteiten en technische oplossingen tijdens de opdracht gezamenlijk uit.
De belangrijkste taken binnen de opdracht zijn:
1.1 Gezamenlijke afbakening
- Bij de start samen met het kernteam de prioriteiten en realistische MVP-scope vastleggen.
- Bepalen met welke representatieve bronnen en leerflow(s) wordt gestart.
- De scope gedurende het traject aanpassen aan de voortgang en de grootste meerwaarde binnen de beschikbare tijd.
1.2 Ontwikkeling van de MVP in Lovable
- Gebruikersnoden in Lovable snel omzetten naar werkende prototypes en functionaliteiten.
- Op basis van feedback van het kernteam de oplossing stapsgewijs bouwen, testen en wijzigen.
- AI gericht gebruiken om gevalideerde broninformatie te vertalen naar een eerste versie van leerinhoud.
- Minstens de volgende functionele behoeften in een concrete demonstratie aantonen:
- Broninformatie: gevalideerde bronfiches als inhoudelijke basis gebruiken en de koppeling met deze bronnen behouden.
- Ontwikkeling van leerinhoud: praktijkgerichte eLearning maken voor een doelgroep of leerbehoefte, indien nodig aan de hand van meerdere bronfiches.
- AI-ondersteuning: auteurs helpen om broninformatie om te zetten naar leerinhoud. De AI-output blijft steeds een voorstel dat een auteur beoordeelt en aanpast.
- Pedagogische kwaliteit: verder gaan dan fiches samenvatten of tonen en medewerkers effectief voorbereiden op het gebruik van de toepassing en de oefensessies.
- Beheer door auteurs: niet-technische auteurs op een gebruiksvriendelijke wijze leerinhoud laten ontwikkelen, beoordelen, wijzigen, valideren en beheren.
- Leerervaring: medewerkers relevante eLearning zelfstandig, gebruiksvriendelijk en in hun eigen tempo laten volgen.
- Actualisering en traceerbaarheid: leerinhoud bijwerken wanneer bronnen veranderen en de koppeling tussen bron en leerinhoud kunnen opvolgen.
- Tweetaligheid: Nederlandstalige en Franstalige leerinhoud ondersteunen en beheren.
- Verder beheer: ervoor zorgen dat het interne team de oplossing na afloop verder kan beheren en ontwikkelen.
1.3 Pair building en kennisoverdracht
- Met het kernteam samen bouwen, zodat teamleden leren door mee te ontwerpen, te prompten, te testen, wijzigingen aan te brengen en verder te bouwen.
- Technische beslissingen begrijpelijk en pragmatisch uitleggen.
- Tijdens het bouwen instaan voor kennisopbouw en continuïteit. Een klassieke overdrachtsfase is er niet.
1.4 Kwaliteit, documentatie en evaluatie
- Beperkingen en aandachtspunten over kwaliteit, informatieveiligheid, gegevensbescherming, toegankelijkheid en verder beheer tijdig onder de aandacht brengen.
- Herbruikbare prompts, afspraken, goede praktijken en leerpunten op een pragmatische manier documenteren, zodat het kernteam deze kan hergebruiken.
- Het resultaat gezamenlijk beoordelen en helpen om resterende noden, beperkingen en logische volgende stappen te bepalen.
Randvoorwaarden
- AI-output blijft een voorstel dat inhoudelijk wordt beoordeeld en gevalideerd. De gevalideerde bronfiches blijven de inhoudelijke referentie en worden opgeslagen in de SharePoint-omgeving van de organisatie.
- Prompts, testdata en externe AI-diensten mogen geen persoonsgegevens of andere gevoelige dossiergegevens bevatten.
- De toepasselijke regels voor gegevensbescherming, informatieveiligheid, toegankelijkheid en verantwoord gebruik van AI moeten worden nageleefd.
- De ontwikkelde toepassing, prompts en configuraties blijven tijdens en na de opdracht beschikbaar in de omgeving van de organisatie. De organisatie voorziet de nodige toegangen en Lovable-credits.
Samenwerking & positionering
De uitvoering gebeurt iteratief en hybride in Brussel en remote, volgens afspraak. Werk- en bouwmomenten met het interne kernteam worden gezamenlijk gepland. De ontwikkelaar overlegt nauw met:
- Sponsor van de betrokken dienst: zorgt voor strategische sturing en valideert het eindresultaat;
- Projectleider: staat in voor de dagelijkse opvolging, prioritering en planning van de prestaties;
- Intern kernteam: werkt mee aan de afbakening, pair building, het testen en de verdere ontwikkeling van de oplossing;
- Auteurs en inhoudelijke experts: leveren gevalideerde broninformatie en beoordelen en valideren de leerinhoud;
- Interne expertise in ICT, informatieveiligheid, gegevensbescherming en toegankelijkheid: wordt betrokken voor afstemming waar nodig.
Hoe de beschikbare inzet over afbakening, ontwikkeling, testen, pair building en verfijning wordt verdeeld, wordt tijdens het traject bepaald op basis van de voortgang en de prioriteiten van het kernteam.
Vereiste kennis & ervaring
- Applicatieontwikkeling in brede zin: minimaal 10 jaar;
- AI-assisted application development en vibe coding: minimaal 1 jaar;
- aantoonbare praktijkervaring met Lovable of een vergelijkbare AI-ondersteunde ontwikkelomgeving: minimaal 1 jaar;
- integratie van generatieve AI in digitale toepassingen: minimaal 1 jaar;
- coaching, kennisoverdracht en/of pair building met niet-technische of semi-technische medewerkers: minimaal 5 jaar;
- vlot kunnen samenwerken in het Nederlands of Frans en voldoende kennis hebben van technisch Engels.
📝 Jouw profiel
Je hebt gewerkt als Expert Application Developer en brengt de volgende ervaring mee:
- Lovable of een vergelijkbare AI-ondersteunde ontwikkelomgeving;
- AI-assisted application development en vibe coding;
- applicatieontwikkeling in brede zin;
- coaching, kennisoverdracht en/of pair building met niet-technische of semi-technische medewerkers;
- integratie van generatieve AI in digitale toepassingen.
Talen
- Nederlands of Frans;
- Engels voor technische communicatie.