We gingen in gesprek met Jelle Saldien en Nick Le Bruyn. Als professor productontwikkeling volgt Jelle Saldien (UAntwerpen, imec) vanuit de academische kant hoe AI het ontwikkelingsproces verandert. Productontwikkelaar Nick Le Bruyn (Superellipse) gebruikt AI dagelijks in zijn eigen projecten. Samen schetsen ze waar we vandaag staan, geven ze zes tips die blijven werken (ook als de tools over een paar maanden weer zouden veranderen), en gaan ze in op hoe AI de rol van de ontwerper én de relatie met de klant verandert.

Waar staan we vandaag?

"Je merkt echt dat heel veel bedrijven inzien dat AI een gamechanger is, en dat het belangrijk wordt om mee te zijn. Een bedrijf met AI versus een bedrijf zonder AI, dat is een ongelijke concurrentie." vertelt Jelle. Hij is zelf een van de trekkers van het Tetra-project AIPPD.be, een praktijkgericht onderzoeksproject, gefinancierd door het Vlaams AI-onderzoeksprogramma via VLAIO, dat AI-tools in kaart brengt doorheen het hele ontwerpproces. De bedrijfsinteresse was zo groot dat hij op een bepaald moment moest stoppen met vragen aannemen.

Bij Superellipse speelt AI vandaag op verschillende manieren een prominente rol. Nick werkt inmiddels met AI-agents per project, die vooraf gevoed worden met context over de klant, de sector en de eigen ontwerpersidentiteit, zodat die context niet telkens opnieuw moet worden meegegeven. Doorheen het project kunnen hij en zijn collega's die agent dan steeds raadplegen en krijgen ze telkens consistente antwoorden.

Wat is anders dan een jaar geleden?

Vanuit de technische kant ziet Jelle ook een verandering ten opzichte van een jaar geleden: "Er is nu een tool voor bijna elk moment in het ontwerpproces, en agents gaan steeds vaker zelf op zoek naar welke andere programma's ze nodig hebben. Je hebt daar bijvoorbeeld MCP's (Model Context Protocols) voor, waarmee een AI-agent rechtstreeks 3D-software als SolidWorks of Blender kan aansturen. Dat is voor ontwerpers een enorme sprong: in plaats van alleen in taal te antwoorden, kan de AI nu rechtstreeks met je CAD-bestanden en designprogramma's zelf aan de slag.”

Ook op het vlak van visuele communicatie met klanten zag Nick een duidelijke sprong. Een schets blijft onder ontwerpers zelf zeer belangrijk. "Wij kunnen heel goed zien van elkaar wat die schets wil zeggen, maar een klant heeft vaak niet dat inzicht om door die schets te kijken." Waar Nick vroeger een volledig 3D-model nodig had om een idee voor te leggen, kan hij nu, al tijdens het opmaken van een offerte, snel een gerichte render tonen: "De klant heeft dan direct een concreet beeld van waar we naartoe willen. Je hebt geen 3D-model meer nodig. Dat stukje valt er gewoon tussenuit."

Een ander voorbeeld is hoe snel er tegenwoordig een werkend prototype gebouwd kan worden. Bij Superellipse ontwerpen ze ook producten met ingebouwde sensoren en camera's. Daar hoort ook software bij. Vroeger moesten ze om een proof-of-concept te bouwen steeds samenwerken met een extern softwarebedrijf. "Wat vroeger maanden kon duren, kunnen we nu op een paar dagen zelf schrijven, en daar al heel concrete resultaten uit halen." vertelt Nick. "We kunnen snel testen: zijn die sensoren goed genoeg om mee verder te werken in dit maatontwerp? Dat is echt een major leap forward." Nick stuurt die coding agent vlot aan, zonder zelf een achtergrond in programmeren te hebben. Voor de uiteindelijke software schakelt Superellipse nog altijd een softwarebedrijf in, maar de designer zelf kan nu in een paar dagen een werkend proof-of-concept bouwen.

Jelle ziet tegelijkertijd een andere evolutie: een terughoudendheid rond data. "Veel bedrijven mogen intern enkel Copilot gebruiken, of weten niet goed hoe ze eraan moeten beginnen. Er is echt schrik om data naar Amerikaanse partijen te sturen." Dat beeld herkent Nick Le Bruyn ook: bij Superellipse werken ze met een ISO-certificering voor medische ontwikkeling. Binnen die projecten wordt nooit gevoelige project- of patientdata opgeladen en houden ze AI-gebruik bewust beperkt tot visualisaties."Je kunt niet zomaar alles in een systeem steken. Ook al heb je een pro-account, je weet het nooit honderd procent zeker."

Zijn er ook zaken die je (nog) niet aan AI kan toevertrouwen?

Beiden benoemen hetzelfde: technisch correcte, maakbare vormgeving. Nick merkt dat vooral bij volledig nieuwe producten, waar geen bestaande beelddata voor is om op te trainen: "Itereren op iets dat al bestaat gaat supersnel. Iets echt nieuws ontwerpen, dat lukt nog niet goed." Jelle waarschuwt voor een dieperliggend probleem: AI-modellen zijn gebouwd om ons tevreden te stellen, niet om correct te zijn. "Je krijgt heel snel een goed gevoel bij een tekst of een render. Maar als je twee keer kijkt, merk je soms dat het eigenlijk niet klopt." Kritisch blijven kijken naar wat AI aanlevert, is volgens hem een vaardigheid die ontwerpers vandaag nog te weinig trainen, en dat is precies waar hij met zijn studenten op focust.

6 tips die blijven werken, ook als de tools morgen weer anders zijn

1. Geef context, doel en grenzen altijd mee. 
Dit is de tip die zowel Jelle als Nick als eerste noemen. Nick vat het kernachtig samen: "Bullshit in, is bullshit out. Het blijft belangrijk dat je voldoende context geeft, zodat je gericht kunt vragen en gericht antwoorden krijgt." Jelle onderbouwt waarom dat ook in de toekomst zo zal blijven: "Hoe duidelijker je die context kan creëren en geven, hoe beter. Vraag je zonder context om een ecologisch product te ontwerpen, dan kijkt de AI naar alles op het internet dat linkt met deze term, en krijg je generieke, betekenisloze beelden."

2. Gebruik AI om te verkennen, niet om te beslissen. 
"Wij gebruiken AI voornamelijk om te divergeren, om ideeën te genereren, niet om finale conclusies te trekken," zegt Nick. "Misschien is er een oplossing die door AI is gegenereerd, een die van de klant komt, en een die we zelf bedacht hebben. Maar wij blijven degene die kiest welke goed is." Jelle trekt die lijn nog verder door: een AI heeft geen eigen intentie, geen eigen doel. De visie bepalen en de juiste vraag stellen blijft mensenwerk.

3. Geef AI je eigen ontwerp-DNA mee. 
Een heel concrete, direct toepasbare tip van Nick: geef AI je eigen beste werk, foto’s of renders waar je zelf achter staat, en laat het model beschrijven wat de stijlkenmerken daarvan zijn. Gebruik die beschrijving vervolgens als richtlijn in je volgende prompts. "Zo kun je renders maken die echt bij jouw stijl passen, ook als AI een groot deel van het werk doet."

4. Bouw zelf kleine tools, in plaats van los te bevragen. 
Gebruik een coding agent om een klein stuk software te laten schrijven voor een terugkerende taak, in plaats van telkens opnieuw een taalmodel te bevragen. "Het grote voordeel," zegt Jelle, "is dat die code deterministisch werkt en niet hallucineert. Je kunt die lokaal laten draaien, dus ook op gevoelige bedrijfsdata, en er zijn geen tokens meer nodig zodra het eenmaal geschreven is." Denk aan alle taken die je vandaag bvb in excel doet;  het automatisch opmaken van een speclijst of een timingschema op basis van een bestaande offerte.

5. Blijf kritisch, ook als het antwoord overtuigend aanvoelt. 
AI-modellen zijn gebouwd om je te pleasen: je krijgt snel een goed gevoel bij een tekst of render, ook als die inhoudelijk niet klopt. Jelle en zijn team pakken dat zelf aan door "critical AI agents" te trainen die het werk van andere agents controleren. Je kunt hetzelfde doen zonder zelf te programmeren: vraag een tweede AI-gesprek specifiek om kritisch te kijken naar het resultaat van het eerste.

6. Plan er bewust tijd voor in. 
De tip waarmee Nick zelf het gesprek afsloot, en die hij expliciet meegaf omdat hij hem zelf het meest onderschat vond: "De grootste valkuil is dat je er nooit echt mee begint. Plan bewust een kwartier in tijdens je projectplanning om iets uit te proberen in AI. Lukt het niet, geen probleem, dan weet je dat ook. En als het niet lukt, vraag het gewoon aan AI zelf: waarom werkt dit niet, wat heb je nog nodig? Dan heb je meteen een sparringpartner."

Wat blijft jouw rol als ontwerper?

Dat AI grote delen van het proces overneemt, wil niet zeggen dat de ontwerper overbodig wordt, vinden beiden, maar om andere redenen dan je zou verwachten.

Voor Nick zit het in het onzichtbare detail. "Een ontwerper voelt aan wanneer een hoekje net iets scheef moet zijn zodat een product persoonlijkheid krijgt. Ik denk dat AI dat nooit uit zichzelf zou doen." Hij verwacht zelfs een tegenbeweging: meer kleur en tastbare materialen, als reactie op de grijze, wat steriele look die veel AI-beeldgeneratie vandaag oplevert. Ook de vertaalslag naar een echt, maakbaar product blijft mensenwerk: kennis van materialen, van suppliers, van hoe een knop of een rubberen onderdeel moet aanvoelen. Dit zijn zaken die je als designer zelf moet, en wilt, doen.

Jelle formuleert het scherper: "AI gaat je job niet overnemen. Maar een ontwerper met AI gaat de job overnemen van een ontwerper zonder AI." Dezelfde logica geldt voor bijna elk beroep, zegt hij, maar precies daarom blijft de mens nodig: iemand moet de visie bepalen en de AI aansturen.

Gaat straks alles er hetzelfde uitzien?

Beiden erkennen ook het risico op eenvormigheid, waar veel ontwerpers dezelfde modellen gebruiken en hun werk dus stilaan op elkaar begint te lijken. De reden ligt voor de hand: de AI-modellen zijn getraind op zowat alles wat er bestaat, dus levert een ongestuurde prompt bijna vanzelf een generiek, gemiddeld resultaat. Nicks oplossing sluit aan bij tip 3: geef AI je eigen ontwerp-DNA mee, dat trekt je resultaat net weg van dat gemiddelde.

Jelle ziet hetzelfde risico. Ervaren ontwerpers herkennen generieke AI-output volgens hem meteen: "Dit is AI-slop, dit is geen goed design, daar zit niets in." Wie zich echt verdiept in de juiste technieken en prompting, springt er net uit. Hij verwacht dat AI vooral druk zal zetten op ontwerpwerk dat weinig onderscheidend is, terwijl ontwerpers die een duidelijke visie combineren met een goede beheersing van AI zich juist sterker kunnen onderscheiden.

Trainen op je eigen data helpt tegen eenvormigheid, maar Jelle wijst op een interessante tweestrijd die daaruit ontstaat. Hoe groter je bureau, hoe meer eigen data je hebt, hoe hoger de kwaliteit die je kunt leveren: dat werkt in het voordeel van de grote spelers. Maar diezelfde grote, traditionele bureaus zijn ook vaak het voorzichtigst om hun data in AI-systemen te steken. Jonge, "AI-native" bureaus hebben die reserve niet, gaan er voluit voor, en dagen zo vanuit een data-gedreven, modulaire aanpak de gevestigde namen uit.

En dan de klant

Klanten krijgen nu makkelijker een render of een AI-gegenereerd beeld te zien, en denken daardoor al snel dat een product klaar is voor productie. Nick heeft daar een heel herkenbaar voorbeeld van: een klant liet met AI een fiets renderen en vond het resultaat prachtig, terwijl Nick meteen zag dat de onderbuis te dun was om een batterij te dragen. "Die gap tussen een mooi beeld en een werkend product wordt alleen maar groter, want je kunt in vijf minuten van een schets naar een render." Daarom kiest Superellipse er soms bewust voor om in een vroege fase ruwe CAD-screenshots te tonen in plaats van gepolijste renders, en om expliciet te benoemen wat AI-gegenereerd is en wat niet: "Dit zijn AI-gegenereerde beelden op basis van een schets, dit is nog niet gevalideerd." Transparantie werkt volgens Nick net in het voordeel van de ontwerper: klanten waarderen het net omdat het toont dat je efficiënt met je tijd omgaat.

Wil je testen wat AI voor jouw ontwerpproces kan betekenen?

Van eerste schets naar overtuigend beeld is een proces van zoeken, verfijnen en herwerken. Tijdens het lab AI als collega, op 10 november 2026 bij Superellipse in Antwerpen, leer je onder begeleiding van Nick Le Bruyn doelgericht prompten en visuele richtingen verkennen, om vervolgens je beste idee te vertalen naar een 3D-beeld precies zoals jij het voor ogen had. Jij bedenkt het concept, AI ondersteunt de rest.