title: Hoe maak je AI-training nuttig zonder er een theoretische cursus van te maken?
description: AI-training werkt pas echt wanneer medewerkers niet alleen begrijpen wat AI is, maar leren wanneer, waarom en hoe ze het veilig in hun eigen werk gebruiken.
date: 2026-08-21
author: BAIA
readTime: 6 min
tags: ai, training, ai-geletterdheid, leerimpact

Een L&D-professional stelde onlangs op Reddit een herkenbare vraag. Hij was bezig met een AI-adoptieprogramma en wilde medewerkers niet alleen informeren over het AI-beleid, maar hen ook laten experimenteren, verschillende kennisniveaus ontdekken en er liefst iets leuks van maken.

De vraag was ongeveer: hoe maak je AI-training praktisch en aantrekkelijk, zonder dat het een theoretische cursus over AI wordt?

Dat is een goede vraag, want AI leren gebruiken lijkt verrassend weinig op klassieke softwaretraining.

Begin niet bij AI, maar bij het werk

Een cursus kan uitgebreid uitleggen wat een taalmodel is, hoe prompts werken en welke risico’s bestaan. Toch weet een medewerker daarna nog niet automatisch wat hij maandagochtend met AI moet doen.

Een nuttiger vertrekpunt is daarom het dagelijkse werk.

Welke taken kosten veel tijd? Waar wordt veel gezocht, geschreven, samengevat of vergeleken? Bij welke taken zou AI kunnen helpen? En bij welke taken juist niet?

Zo wordt AI geen los onderwerp, maar een hulpmiddel binnen een herkenbare situatie.

Niet iedereen heeft dezelfde training nodig

De Europese Commissie benadrukt bij AI-geletterdheid expliciet dat organisaties rekening moeten houden met technische kennis, ervaring, opleiding en de context waarin mensen AI gebruiken.

Dat maakt één identieke AI-training voor iedereen vaak minder logisch.

Een medewerker die nog nooit een chatbot heeft gebruikt, heeft andere vragen dan iemand die dagelijks met AI werkt. Een manager moet misschien vooral begrijpen hoe hij output beoordeelt en verantwoordelijkheden organiseert, terwijl een specialist veel dieper moet ingaan op beperkingen, data en risico’s.

Een korte beginscan, oefening of aantal praktijkscenario’s kan daarom al snel zichtbaar maken waar verschillende groepen staan.

Laat mensen beslissingen nemen

AI-geletterdheid betekent niet alleen weten hoe je een goede prompt schrijft.

Minstens even belangrijk is weten wanneer je AI kunt vertrouwen en wanneer je moet controleren.

Maak oefeningen daarom niet alleen technisch. Geef deelnemers bijvoorbeeld situaties als:

  • Mag deze informatie in de AI-tool?
  • Welke delen van dit antwoord zou je controleren?
  • Zou je AI voor deze taak gebruiken?
  • Welke informatie ontbreekt om een goed antwoord te krijgen?
  • Wanneer moet een mens de beslissing overnemen?

Dat soort vragen sluit veel dichter aan bij het echte gebruik van AI.

Gebruik echte voorbeelden uit de organisatie

Een generiek voorbeeld over een fictieve marketingcampagne is prima om een functie uit te leggen. Maar een voorbeeld uit het eigen werk blijft meestal beter hangen.

Laat teams daarom eigen use cases verzamelen. Een salesmedewerker kan een klantgesprek voorbereiden, HR kan een tekst structureren en een projectmanager kan lange notities samenvatten.

De Europese Commissie gebruikt in haar eigen AI-geletterdheidsaanpak eveneens verschillende leerpakketten voor verschillende rollen, aangevuld met interne voorbeelden, richtlijnen, experimentatie en kennisdeling tussen collega’s.

Dat is een belangrijk inzicht: AI-adoptie is zelden één training. Het is eerder een leerproces.

Gamification werkt alleen als het leren ondersteunt

Een challenge, promptwedstrijd of quiz kan AI-training luchtiger maken. Maar het spel mag niet het leerdoel worden.

Een wedstrijd voor de ‘beste prompt’ beloont bijvoorbeeld al snel degene die de meest indrukwekkende output produceert. Terwijl een veel interessantere vraag kan zijn: wie herkent het snelst waarom een overtuigend AI-antwoord toch fout is?

Goede gamification beloont dus niet alleen snelheid of creativiteit, maar ook kritisch denken.

Geef mensen een veilige plek om te oefenen

Veel onzekerheid rond AI verdwijnt pas wanneer iemand het zelf probeert.

Laat deelnemers daarom experimenteren met herkenbare taken, fouten maken en output vergelijken. Bespreek waarom twee prompts verschillende resultaten geven en welke informatie wel of niet gedeeld mag worden.

De Europese Commissie noemt in haar actuele voorbeelden van AI-geletterdheid dan ook veel meer dan e-learning alleen: organisaties gebruiken onder andere workshops, bootcamps, interne communities en andere vormen van begeleiding.

Vergeet de periode na de training niet

Na een AI-training verandert de technologie gewoon verder.

Nieuwe tools verschijnen. Functionaliteiten veranderen. En pas wanneer medewerkers AI in hun echte werk gebruiken, ontstaan vragen die tijdens de opleiding moeilijk te voorspellen waren.

Daarom is het nuttig om ook na de training te kijken welke vragen terugkomen. Niet alleen om medewerkers te helpen, maar ook om te ontdekken waar het beleid onduidelijk is, welke use cases populair worden en waar extra uitleg nodig is.

Dat maakt de vragen na een training onderdeel van de leerdata.

AI-geletterdheid is bovendien geen vrijblijvende hype

Voor Europese organisaties is dit extra relevant. Artikel 4 van de Europese AI Act verplicht aanbieders en gebruikers van AI-systemen maatregelen te nemen om de AI-geletterdheid van medewerkers en andere betrokken personen te ondersteunen. Sinds augustus 2026 zijn ook de regels rond toezicht en handhaving van toepassing.

De Commissie schrijft daarbij niet één verplichte cursus voor. De aanpak moet juist passen bij de kennis van de doelgroep, het gebruikte AI-systeem en de context waarin het wordt ingezet.

Dat is eigenlijk een prettig uitgangspunt voor trainers.

Je hoeft medewerkers niet om te vormen tot AI-experts. Je moet hen helpen voldoende te begrijpen om AI bewust, kritisch en passend binnen hun eigen werk te gebruiken.

Conclusie

Een goede AI-training draait uiteindelijk minder om AI dan je zou denken.

Ze draait om keuzes maken, experimenteren, fouten herkennen en technologie vertalen naar echt werk.

Wie begint bij herkenbare taken, verschillende kennisniveaus respecteert en deelnemers ook na de opleiding ruimte geeft om vragen te stellen, maakt van AI-training geen eenmalige informatiesessie maar een leerproces dat met de praktijk mee kan groeien.