Inez Zwetsloot is directeur van het AI4Business Lab en universitair hoofddocent Statistics and Business Analytics. Van start‑ups en mkb’s tot grote corporates en NGO’s: ze werkt met allerlei verschillende partners aan praktijkgerichte data- en AI-uitdagingen samen met studenten.

Data en AI maken in toenemende mate deel uit van de dagelijkse besluitvorming in organisaties van alle formaten – van mkb’s tot internationale corporates en NGO’s. In het AI4Business Lab werken studenten als onderdeel van hun scriptie aan échte AI- en analyticsvraagstukken, variërend van het optimaliseren van het branden van koffie tot het verbeteren van wereldwijde financiële systemen. In dit lab laat Inez Zwetsloot zien hoe challenge-based learning onderwijs, onderzoek en maatschappelijke impact kan verbinden: het stimuleert innovatie in bedrijven en geeft studenten tegelijkertijd hands-on ervaring en concrete resultaten.

Kun je je lab en de doelstellingen kort beschrijven?

We werken samen met studenten van de bachelor Business Analytics en de master Business and IT Management. Als onderdeel van hun scriptie of cursus werken studenten in teams aan analytics- en AI-uitdagingen die worden ingebracht door partnerorganisaties. Deze projecten bieden studenten waardevolle leerervaringen én leveren tegelijkertijd echte impact op voor de betrokken bedrijven.

Hoe speelt jullie project in op maatschappelijke uitdagingen?

Onze projecten vinden plaats bij een breed scala aan organisaties, waaronder grote bedrijven, kleine en middelgrote ondernemingen (mkb’s), onderwijsinstellingen en NGO’s. Dit jaar hebben we voor het eerst 30 mkb’s gekoppeld aan studenten. Mkb’s zijn een cruciaal onderdeel van de Nederlandse economie, maar hebben vaak beperkte R&D-middelen. Met challenge-based learning helpen studenten mkb’s experimenteren met AI-technologieën, zodat innovatie bereikbaar wordt en economische groei wordt ondersteund.

Kun je een voorbeeld geven van een case?

Eén van de projecten was met Coffee and Coconuts, een koffiebedrijf. Het bedrijf wilde beter begrijpen hoe koffiebonen energiezuiniger gebrand kunnen worden. Ze verzamelden data van hun brandmachines, en studenten hebben een model gebouwd om het energieverbruik in kaart te brengen. Vanuit daar kun je onderzoeken of de bonen met dezelfde kwaliteit, maar met minder energie, gebrand kunnen worden. Het is een praktisch, realistisch vraagstuk dat studenten kunnen aanpakken met hun data-analyticsvaardigheden.

Wat heb je veranderd ten opzichte van de eerdere versie van het vak (of de standaardaanpak)?

Dit is de eerste samenwerking met mkb’s in dit format. Hiervoor hebben we 2 jaar lang vergelijkbare challenge-based learningprojecten gedaan met verschillende organisaties. Wat nu nieuw is, is de expliciete koppeling tussen onderwijs, onderzoek en impact. Studenten leren niet alleen hoe ze analyticssystemen bouwen, maar we onderzoeken ook wat het effect is van deze interventies op medewerkerstevredenheid en organisatieproductiviteit.

De projecten worden ondersteund door consultants die de studenten begeleiden, zodat ideeën uitvoerbaar blijven en niet alleen theoretisch zijn. Als dit succesvol is, hopen we deze pilot op te schalen van 30 mkb’s naar mogelijk 10.000 mkb-ondernemers op de lange termijn.

Hoe beoordelen jullie de impact van het vak?

De impact is op meerdere manieren zichtbaar:

Bedrijven zijn enthousiast en komen elk jaar terug. Vanmorgen nog sprak ik een bedrijf waar een student eerst een challenge deed tijdens zijn bachelorscriptie, vervolgens parttime bij hen werkte tijdens zijn master en nu fulltime in dienst is én een nieuwe challenge inbrengt voor de volgende lichting studenten.
Studenten ervaren het als enorm waardevol. Ze leren hoe ze kennis uit de collegezaal kunnen toepassen in de praktijk.
Concrete impactvoorbeelden: Bij ING verbeterden studenten een oplossing die het bedrijf zelf al had ontwikkeld. Bij Zengate hielpen studenten bij het creëren van een business-analistrol; die student werkt nu in Japan. FrieslandCampina heeft een door studenten ontwikkeld model geïmplementeerd in het wereldwijde financiële systeem. Deze projecten gaan duidelijk verder dan reguliere opdrachten en leveren tastbare resultaten op.

Wat was het moeilijkst om te realiseren?

Het kost tijd en moeite om geschikte projecten te werven, en dat werk valt niet officieel binnen onze functieomschrijving. Projecten begeleiden in bedrijven is nieuw voor de universiteit, en studenten hebben professionele vaardigheden nodig, zoals vergaderingen voorbereiden, zichzelf presenteren, de juiste vragen stellen en analytische concepten uitleggen aan niet-specialisten.

Door deze uitdagingen mislukken onvermijdelijk ook sommige projecten. Toch is het ontzettend beloond om te zien hoe onderwijs, onderzoek en maatschappelijke impact in één project kunnen samenkomen – en hoeveel potentie challenge-based learning dan heeft.

Heb je praktische tips voor collega’s die iets soortgelijks willen doen?

Begin klein en focus op een paar projecten rond betekenisvolle thema’s. Zorg dat het werk van studenten tastbare waarde oplevert voor partnerorganisaties. Door onderwijskwaliteit te combineren met maatschappelijke relevantie versterk je zowel het leren van studenten als de impact van je instelling.

Meer weten over Inez’ haar werk? Bezoek de AI4Business website en LinkedIn