Freelance - Developer voor AI-ondersteunde eLearning met Lovable (DG HAN)

  • Brussels, Belgium
  • Full-Time
  • On-Site
  • -

Job Description:

📋 Taken en verantwoordelijkheden

Een overheidsdienst die verantwoordelijk is voor de erkenning van handicap en het toekennen en opvolgen van uiteenlopende rechten en tegemoetkomingen, maakt zich op voor de ingebruikname van een nieuw dossierbeheersysteem in 2027. Ongeveer 350 medewerkers moeten met deze toepassing leren werken. Het opleidingsprogramma bestaat uit zelfstandige eLearning en begeleide oefensessies.

Voor de functies, processen en handelingen binnen het nieuwe systeem worden inhoudelijke fiches gemaakt. Deze fiches bevatten gevalideerde broninformatie, maar zijn op zichzelf geen opleiding. Het eLearning-platform moet deze informatie vertalen naar een gestructureerde, praktijkgerichte leerervaring met onder andere:

  • heldere leerdoelen;
  • een logische structuur volgens functie, proces of handeling;
  • een stapsgewijze toelichting bij het werken met 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 zelfstandig en op maat te selecteren en te doorlopen.

Het platform mag niet uitgroeien tot een documentendatabank, samenvatting of digitale reproductie van de bronfiches. Met behulp van AI moet het op basis van goedgekeurde fiches een eerste leerinhoudvoorstel kunnen maken. De inhoud blijft onder menselijke controle: bevoegde auteurs beoordelen, bewerken, valideren en publiceren de voorstellen.

De organisatie bouwt het platform via vibe coding in Lovable. De gebruiker formuleert in gewone taal welke toepassing, functie of wijziging nodig is, waarna de AI-ondersteunde ontwikkelomgeving een werkend voorstel oplevert. Vervolgens wordt dit voorstel iteratief getest en verfijnd. Lovable wordt reeds ingezet voor andere interne toepassingen.

Vibe coding komt niet in de plaats van de reguliere ICT-werking. De opdracht creëert een afgebakende context waarin medewerkers met sterke businesskennis samen met een technisch ervaren consultant digitale oplossingen ontwerpen, bouwen en testen.

Binnen de opdracht staan twee doelstellingen centraal:

  • een bruikbare MVP opleveren van een eLearning-platform dat gevalideerde broninformatie vertaalt naar praktijkgerichte leerinhoud;
  • een intern kernteam via pair building leren om met Lovable en andere AI-ondersteunde hulpmiddelen toepassingen te ontwikkelen, testen, documenteren en beheren binnen de geldende organisatorische en technische randvoorwaarden.

BESCHRIJVING VAN DE OPDRACHT

Samen met een intern kernteam realiseert de consultant in de Lovable-omgeving van de organisatie een werkende MVP van een eLearning-platform. De MVP moet bewijzen dat gevalideerde bronfiches met AI-ondersteuning kunnen worden vertaald naar praktijkgerichte eLearning. Deze eLearning ondersteunt medewerkers bij de voorbereiding op het gebruik van de nieuwe toepassing en op begeleide oefensessies. De consultant treedt daarbij op als ontwikkelaar, begeleider en kennisoverdrager.

Een representatieve reeks bronfiches wordt omgezet in minstens één volledige leerflow die:

  • gericht is op een helder bepaalde doelgroep, functie of leerbehoefte;
  • relevante gegevens uit meerdere bronfiches kan samenbrengen;
  • leerdoelen, stapsgewijze instructies, voorbeelden, kennisvragen en praktijkgerichte oefeningen omvat;
  • zelfstandig en volgens het eigen tempo kan worden doorlopen;
  • medewerkers klaarstoomt voor het verdere gebruik van de toepassing tijdens begeleide oefensessies.

Deze opdracht is geen klassiek IT-ontwikkelproject met vooraf vastgelegde details. Tijdens het traject werkt het kernteam samen met de consultant de concrete gebruikersflows, functionaliteiten, rollen, statussen, prioriteiten en technische oplossingen uit.

De belangrijkste taken binnen de opdracht zijn:

1.1 Gezamenlijke afbakening

  • De prioriteiten en een haalbare MVP-scope samen met het kernteam vastleggen.
  • Bepalen met welke representatieve bronnen en leerflows wordt gestart.
  • De scope tijdens de uitvoering aanpassen aan de voortgang en aan de grootste meerwaarde binnen de beschikbare tijd.

1.2 Ontwikkeling van de MVP in Lovable

  • Gebruikersbehoeften omzetten naar werkende prototypes en functionaliteiten binnen Lovable.
  • De oplossing op basis van feedback van het kernteam stapsgewijs bouwen, testen en bijstellen.
  • AI gericht gebruiken om gevalideerde broninformatie te vertalen naar een eerste leerinhoudvoorstel.
  • Minstens de volgende functionele behoeften tastbaar demonstreren:
    • Broninformatie: gevalideerde bronfiches als inhoudelijke basis inzetten en de koppeling met deze bronnen behouden.
    • Ontwikkeling van leerinhoud: praktijkgerichte eLearning voor een doelgroep of leerbehoefte creëren, indien nodig aan de hand van meerdere fiches.
    • AI-ondersteuning: auteurs ondersteunen bij het vertalen van broninformatie naar leerinhoud. AI-output is steeds een voorstel dat een auteur beoordeelt en aanpast.
    • Pedagogische kwaliteit: meer bieden dan het samenvatten of tonen van fiches en medewerkers effectief voorbereiden op het gebruik van de toepassing en de oefensessies.
    • Beheer door auteurs: niet-technische auteurs in staat stellen om leerinhoud gebruiksvriendelijk te ontwikkelen, te beoordelen, aan te passen, te valideren en te beheren.
    • Leerervaring: medewerkers relevante eLearning zelfstandig, op eigen tempo en op een gebruiksvriendelijke manier laten volgen.
    • Actualisering en traceerbaarheid: leerinhoud bijwerken wanneer bronnen veranderen en de koppeling tussen bron en leerinhoud opvolgen.
    • Tweetaligheid: Nederlandstalige en Franstalige leerinhoud ondersteunen en beheren.
    • Verder beheer: de oplossing zo overdraagbaar opzetten dat het interne team ze na de opdracht verder kan beheren en ontwikkelen.

1.3 Pair building en kennisoverdracht

  • Met het kernteam bouwen en teamleden laten leren door samen te ontwerpen, prompten, testen, aanpassen en verder te ontwikkelen.
  • Technische beslissingen helder, toegankelijk en pragmatisch verklaren.
  • Tijdens het bouwen kennisopbouw en continuïteit waarborgen. Een aparte klassieke overdrachtsfase is er niet.

1.4 Kwaliteit, documentatie en evaluatie

  • Tijdig aandachtspunten en beperkingen melden over kwaliteit, informatieveiligheid, gegevensbescherming, toegankelijkheid en verder beheer.
  • Herbruikbare prompts, afspraken, goede praktijken en leerpunten op een pragmatische manier documenteren, zodat het kernteam daarop kan voortbouwen.
  • Het resultaat gezamenlijk beoordelen en helpen om resterende behoeften, beperkingen en logische vervolgstappen te bepalen.

Randvoorwaarden

  • AI-output blijft een voorstel dat inhoudelijk wordt beoordeeld en gevalideerd. De goedgekeurde broninformatie blijft de inhoudelijke referentie en wordt opgeslagen in de SharePoint-omgeving van de organisatie.
  • In prompts, testdata of externe AI-diensten worden geen persoonsgegevens of andere gevoelige dossiergegevens verwerkt.
  • De van toepassing zijnde regels voor gegevensbescherming, informatieveiligheid, toegankelijkheid en verantwoord AI-gebruik worden gevolgd.
  • De ontwikkelde toepassing, prompts en configuraties blijven tijdens en na de opdracht beschikbaar in de omgeving van de organisatie. De vereiste toegangen en Lovable-credits worden ter beschikking gesteld.

SAMENWERKING & POSITIONERING

De uitvoering verloopt iteratief en hybride in Brussel en remote, volgens afspraak. Werk- en bouwmomenten met het interne kernteam worden gezamenlijk ingepland. De consultant werkt daarbij nauw samen met:

  • de projectsponsor, die instaat voor strategische sturing en validatie van het eindresultaat;
  • de projectleider, voor de dagelijkse opvolging, planning en prioritering;
  • het interne kernteam, voor gezamenlijke afbakening, pair building, testing en verdere ontwikkeling;
  • auteurs en inhoudelijke experts, voor gevalideerde broninformatie en het beoordelen en valideren van leerinhoud;
  • interne experts in ICT, informatieveiligheid, gegevensbescherming en toegankelijkheid, wanneer afstemming nodig is.

Hoe de beschikbare inzet wordt verdeeld over afbakening, ontwikkeling, testen, pair building en verfijning, wordt tijdens het traject afgestemd op de voortgang en de prioriteiten van het kernteam.

Vereiste kennis & ervaring

  • Minstens 10 jaar ervaring met applicatieontwikkeling in brede zin.
  • Minstens 1 jaar ervaring met AI-assisted application development of vibe coding.
  • Minstens 1 jaar aantoonbare praktijkervaring met Lovable of een vergelijkbare AI-ondersteunde ontwikkelomgeving.
  • Minstens 1 jaar ervaring met generatieve AI integreren in digitale toepassingen.
  • Minstens 5 jaar ervaring met coaching, kennisoverdracht en/of pair building voor niet-technische of semi-technische medewerkers.
  • Vlot kunnen samenwerken in het Nederlands of Frans en over voldoende kennis van technisch Engels beschikken.

📝 Jouw profiel

Je brengt ruime ervaring als applicatieontwikkelaar samen met een praktische werkwijze voor AI-ondersteunde ontwikkeling. Samen met niet-technische of semi-technische medewerkers werk je een functionerende oplossing uit, leg je technische keuzes begrijpelijk uit en deel je kennis tijdens het bouwen.

Ervaring en vaardigheden

  • Aantoonbare praktijkervaring met Lovable of een vergelijkbare AI-ondersteunde ontwikkelomgeving.
  • Ervaring met AI-assisted application development en vibe coding.
  • Ervaring met applicatieontwikkeling in brede zin.
  • Ervaring met coaching, kennisoverdracht en/of pair building voor niet-technische of semi-technische medewerkers.
  • Ervaring met de integratie van generatieve AI in digitale toepassingen.

Talen

  • Nederlands
  • Frans
  • Engels