Jordi Boon

Software & AI Engineer met een MSc Software Engineering van de Universiteit van Amsterdam en praktijkervaring met het bouwen van backend- en AI-systemen in bedrijfskritische omgevingen. Thuis in Python, cloud en DevOps (Azure, Docker, Kubernetes) en toegepaste AI (RAG, Microsoft Foundry, multi-agent workflows) binnen Scrum-teams. Op zoek naar een ambitieuze omgeving waar veel te leren valt en echte impact te maken is.

1. apr 2025 – Heden

   Nh1816 Verzekeringen

   Vast

   Oudkarspel, Netherlands · apr 2025 – Heden

   AI Engineer

   nov 2025 – Heden

   Mijn eerste rol waarin ik een AI-systeem end-to-end bezit in plaats van één onderdeel ervan. Het lastigste bleek alles rondom het model te zitten: de context die een agent ophaalt kloppend houden, kwaliteit aantonen met een evaluatieset in plaats van een overtuigende demo, en ontwerpen vanuit het gegeven dat een verzekeringsadviseur niet fout mag zitten. Ik heb geleerd prompts en agent-graphs als software te behandelen — met versies, monitoring en tests, net als de rest van de stack.

   • Ontwerp en bouw een multi-platform AI-adviseurchatbot op Microsoft Foundry, aangestuurd door een multi-agent workflow, als onderdeel van een Scrum-team.
   • Veilige MCP-servers en vector stores opgezet waarmee agents klant- en polisdata on demand bevragen voor accurater, contextbewust advies.
   • Monitoring van agentinteracties geïmplementeerd, wat continue feedbackloops en gerichte optimalisatie van system prompts mogelijk maakt.
   • Een event-driven pipeline gebouwd die schademeldingen over meerdere producten automatisch analyseert en beoordeelt — een besparing van 2 FTE.
   • Een evaluatieframework opgezet dat de kwaliteit van agentoutput meet met een golden set en LLM-as-a-judge.

   PythonMicrosoft FoundryMCPRAGLangGraphAzurePostgreSQL

   Backend Developer

   apr 2025 – nov 2025

   Hier ontdekte ik wat "bedrijfskritisch" werkelijk betekent. AFD 2 is een landelijke standaard zonder ruimte voor interpretatie, dus het werk bestond vooral uit specificaties nauwkeurig lezen, de data exact volgens voorschrift modelleren, en API’s bouwen waar externe partijen op konden aansluiten zonder te hoeven bellen. Het was ook mijn eerste echte kennismaking met API-gateways, security en de menselijke kant van partner-onboarding.

   • REST API’s ontwikkeld voor grootschalige portefeuille-overdrachten conform AFD 2, de landelijke Nederlandse standaard voor verzekeringsdata-uitwisseling, binnen een Scrum-team.
   • Azure API Management ingericht als beveiligde gateway en de technische onboarding van externe partners verzorgd, met 15% premiegroei als resultaat.

   PythonAzureMSSQLGit

2. apr 2024 – aug 2024

   University of Amsterdam — Multiscale Networked Systems

   Scriptie

   Amsterdam, Netherlands · apr 2024 – aug 2024

   Masterscriptie, Software Engineering — cijfer 8,0/10

   apr 2024 – aug 2024

   Zes maanden aan één onderzoeksvraag, wat me meer over scope leerde dan welk vak dan ook. Een ANTLR-parser schrijven betekende leren redeneren over code als data: statische analyse van variabelen en datatypes in een taal die ik bij aanvang nauwelijks kende, met een front-end erbovenop zodat onderzoekers er ook echt mee konden werken.

   • Een Python-systeem met ANTLR-parser onderzocht en gebouwd dat via variabele- en datatype-analyse automatisch de inputs en outputs van R-codecellen in Jupyter Notebooks detecteert, waardoor cloudworkflows containeriseerbaar werden.
   • Een dynamische front-end in TypeScript en React gebouwd voor visuele interactie binnen het NaaVRE-platform.

   PythonTypeScriptReactDocker

3. apr 2023 – jun 2023

   RTL Nederland

   Stage

   Hilversum, Netherlands · apr 2023 – jun 2023

   Afstudeerstage bachelor — cijfer 8,0/10

   apr 2023 – jun 2023

   Mijn eerste blik op een AI-pipeline in productie, midden in een redactie. De les is blijven hangen: een model dat niemand begrijpt, wordt niet gebruikt. De pipeline uitlegbaar maken was voor de nieuwsredactie belangrijker dan hem nauwkeuriger maken — zo denk ik nog steeds over AI-systemen.

   • Een Explainable AI (XAI) visualisatiesysteem gebouwd voor RTL’s VideoPipe AI-pipeline om interne dataprocessen transparanter te maken.
   • Het systeem vergrootte het begrip en de transparantie van de AI-pipeline binnen het RTL Nieuws-team, bevestigd via een intern onderzoek.

   PythonJavaScript

De balklengte is mijn niveau. Klik op een skill om te zien waar ik die heb gebruikt.