Hoe bouw je een AI-opleiding die wél beklijft?

Stel je een willekeurige middelgrote organisatie voor. Ergens in Nederland, publiek of privaat, het maakt niet uit. Loop er een dag doorheen en luister.

In de vergaderruimte op de tweede verdieping buigt een bestuurder zich over een voorstel voor een AI-pilot. De directeur Zorg wil tekenen, de OR wil garanties, de toezichthouder heeft vragen. Ze hoeft de techniek niet te doorgronden. Als het misgaat staat zij voor de pers. Haar vraag is geen AI-vraag. Het is een mandaatsvraag: wie geef ik hier het vertrouwen, en op basis waarvan?

Twee deuren verderop bereidt een HR-teamlead een gesprek voor met haar manager over de AI-tools die haar team inmiddels gebruikt bij sollicitaties en beoordelingen. Ze weet dat er iets mis kan gaan als het systeem een verkeerd advies geeft, maar wie er dan precies verantwoordelijk is, kan ze niet helder uitleggen. Taal en kaders heeft ze nodig. Niet meer kennis.

In de open kantoorruimte werkt een AI-lead aan een nieuw model. Technisch is hij goed. Maar bij iedere governance-discussie komt hij te laat aan tafel. Het bestuur denkt in risico's en cultuur; hij denkt in data en architectuur. Die brug mist hij. Hij weet het, en het frustreert hem.

Bij compliance heeft een junior medewerker zojuist gehoord dat een team al drie weken een chatbot gebruikt om aanvragen te beoordelen. Geen impactassessment, geen aantekening in haar register. Ze moet binnen een dag een risicoanalyse maken voor iets wat al live staat. Ze werkt daarvoor op het format van haar voorganger, zonder te weten of dat eigenlijk wel de juiste basis is.

En in de koffiehoek staat een teamleider klantcontact die AI voor van alles gebruikt (shadow gebruik), maar er bewust weinig over zegt tegen zijn collega's. Hij kent de risico's, maar kan ze niet verwoorden. Hij wil graag anderen meenemen, maar is geen implementatiespecialist. Abstracte beleidsstukken helpen hem daar niet bij.

Vijf mensen, één organisatie, één dag. Ze werken allemaal met goede bedoelingen. Wat ze gemeen hebben: AI arriveert sneller dan de capaciteit om het te begeleiden. En ze worstelen niet primair met technologie, maar met verantwoordelijkheid, taal en eigenaarschap. Een generieke AI-introductiecursus helpt geen van hen echt verder.

In het voorjaar van 2026 hadden Marieke Peeters (hoofddocent HU responsible applied AI & eigen consultancybedrijf Mooncake AI ) en ik gesprekken gevoerd over wat er ontbrak in het AI-trainingslandschap. We hadden allebei hetzelfde gezien: mensen gaan enthousiast naar een training, komen terug met nieuwe inzichten, en drie maanden later is er in de organisatie niets veranderd. Dat is geen kritiek op de trainers of de deelnemers. Het is een structureel probleem. En het vroeg om een structureel antwoord.

Waarom een losse kennistraining over AI niet gaat beklijven.

De organisatiepsycholoog Donald Schön maakte in The Reflective Practitioner (1983) een onderscheid tussen knowing-in-action ; geïnternaliseerde kennis en reflection-in-action: het vermogen om in real time te redeneren in situaties die verrassen, die niet in het handboek staan.

Nu is het zo dat de meeste AI-trainingen zijn gericht op kennisoverdracht: wat is een LLM, hoe werkt een prompt, wat staat er in de EU AI Act. Die kennis is nodig. Ze is echter niet voldoende. Wat organisaties nodig hebben voor verantwoorde AI-adoptie is het tweede niveau: professionals die kunnen oordelen in situaties zonder script. Die herkennen wanneer een AI-aanbeveling klopt en wanneer niet. Die weten welke vragen ze moeten stellen voordat een systeem live gaat.

Dat niveau van professionele bekwaamheid ontwikkel je niet in een middag.

“Het vermogen om in real time te redeneren in situaties die verrassen.”

Onze drie pijlers voor een AI-adoptie

• Geef richting aan AI met strategie en waarde: waarom wil je AI inzetten, vanuit welke waarden, hoe bouw je een eerlijke businesscase en hoe leg je die uit aan je stakeholders? Veel organisaties zijn hier sterk in, of denken dat te zijn.
• Vertaal AI naar de praktijk met implementatie en operatie: hoe vertaal je een AI-initiatief naar werkprocessen, hoe verdeel je taken tussen mens en systeem, hoe borg je kwaliteit en continuïteit, hoe ga je om met weerstand en verandering? Dit terrein wordt systematisch onderschat.
• Borg AI verantwoord met governance en ethiek: wie is verantwoordelijk als het systeem het mis heeft, hoe bouw je uitlegbaarheid in, hoe monitor je op onbedoelde effecten, hoe houd je mensen in staat om het systeem te bevragen en te corrigeren? Dit terrein wordt in de meeste curricula gereduceerd tot een compliance-module.

Drie niveaus van soorten trainingen

1. Fundamentals leggen de conceptuele basis: wat is AI, wat zijn de business kansen, welke waarden zijn in het geding, hoe werkt de relevante wetgeving?
2. Verdiepen gaat over toepassing: hoe werkt dit in jouw sector, jouw rol, jouw organisatie? Hier komen scenario's, dilemma's en casuïstiek centraal te staan.
3. Verankeren gaat over institutionele borging: hoe zorg je dat wat je hebt geleerd ook standhoudt als de trainer weg is, als de prioriteiten verschuiven, als het systeem faalt? Op dit niveau werken we veelal met trainingsacteurs. Ja, AI trainingen met trainingsacteurs.

Wat je leert in een training wordt pas werkzaam als het verankerd raakt in de dagelijkse manier van werken, in de taal die collega's delen, in de routines die een team heeft opgebouwd.