AI leer je niet op een cursus (maar zo wél)
Erwin Berkouwer
AI leer je het best door het te doen, met echte problemen uit je eigen bedrijf. Een cursus van twee dagen geeft kennis, maar zonder directe toepassing zakt die snel weg. Daarom werkt leren-door-doen beter: je team bouwt mee aan een oplossing die het daarna zelf kan beheren.
Waarom werken AI-cursussen vaak niet?
De meeste AI-trainingen zijn gebouwd op de klassieke manier van kennis overdragen: een dag of twee theorie, een certificaat en dan terug naar het werk. Voor een vakgebied dat zo snel verandert als AI schiet dat tekort.
Drie redenen waarom cursussen vaak falen:
- Vergeetcurve. Wat je niet toepast, vergeet je grotendeels binnen enkele weken. Training op dinsdag, niets gedaan op woensdag, en vrijdag is het meeste al vervaagd.
- Generieke voorbeelden. "Gebruik ChatGPT om e-mails te schrijven" helpt een logistiek manager met specifieke systeemkoppelingen weinig.
- AI evolueert sneller dan lesmateriaal. Een cursus die een half jaar geleden is opgezet, behandelt tools die inmiddels zijn ingehaald.
De kosten lopen intussen op. Zonder directe toepassing betaal je voor kennis die je team niet gebruikt. Een goed gekozen, geautomatiseerd proces bespaart juist vaak uren per medewerker per week.
Waarom is AI-geletterdheid nu een thema?
AI is in het mkb geen uitzondering meer: veel bedrijven gebruiken al minstens één AI-tool. Tegelijk mislukt een deel van de AI-projecten, vaak door onrealistische verwachtingen of doordat niemand weet hoe je het na een cursus toepast. Daar komt bij dat de EU AI Act organisaties die met AI-systemen werken verplicht te zorgen voor voldoende AI-geletterdheid bij hun medewerkers.
De vraag is dus niet óf je team met AI gaat werken, maar hoe het dat leert.
Hoe leer je AI dan wel?
De aanpak die wij zien werken: leren door te doen, met echte problemen uit je eigen bedrijf. In drie stappen:
Stap 1: Kies één concreet probleem
Begin niet met theorie, maar met een herkenbaar knelpunt:
- "We zijn elke dag uren kwijt aan het verwerken van leveranciersmails."
- "Het opstellen van een offerte duurt een halve dag."
- "Klantvragen worden handmatig doorzocht in een grote database."
Start met het proces waar je team de meeste pijn voelt, niet met het leukste AI-project. Dat geeft de snelste zichtbare winst en het meeste draagvlak.
Stap 2: Bouw het samen
Bouw de AI-agent of het geautomatiseerde proces samen met je team, zodat mensen de logica van binnenuit leren. Geen uitleg achteraf, maar meedenken terwijl het gebouwd wordt. Voorbeelden van koppelingen met bestaande software vind je bij onze integraties.
Stap 3: Neem het zelf over
Zodra het systeem draait, draag je het over aan je eigen team. Het weet dan hoe het systeem aan te passen, problemen te herkennen en een volgend proces zelf op te pakken. Dat zijn de vaardigheden die een cursus nauwelijks kan bijbrengen.
Cursus of leren-door-doen: wat past waarbij?
| Traditionele AI-cursus | Leren-door-doen | |
|---|---|---|
| Vorm | Een of twee dagen theorie | Meewerken aan een echt proces |
| Voorbeelden | Generiek | Uit je eigen bedrijf |
| Na een maand | Veel is vergeten | Een werkend systeem in gebruik |
| Resultaat | Moeilijk te meten | Meetbaar in bespaarde tijd |
| Zelfstandigheid team | Wisselend | Hoger, doordat men meebouwde |
| Aanpassing aan jouw processen | Beperkt | Volledig |
Wanneer is leren-door-doen de juiste aanpak?
Dit werkt het beste als:
- je herhalende, tijdrovende processen hebt die je team dagelijks frustreren;
- je team bereid is mee te werken aan de implementatie en niet alleen toekijkt;
- je binnen enkele weken resultaat wilt zien, niet na een jaar roadmap;
- je AI-geletterdheid in je organisatie wilt borgen met praktijkervaring.
Voor teams die structureel willen groeien in het werken met AI is er het AI-adoptietraject. Weet je nog niet welk proces als eerste aan de beurt is? Dan helpt een AI-scan met de UnifyAI Agent om dat scherp te krijgen.
Wat is de eerste stap?
Kies één proces dat je team veel tijd kost en begin daar. Samen bepalen we welk proces de meeste tijdswinst oplevert, en je team leert het door het te doen. Plan een kennismaking.
Veelgestelde vragen
Korte, heldere antwoorden die je helpen sneller beslissen.
Heeft mijn team technische kennis nodig om AI te leren?
Nee. De vaardigheden waar het om gaat, zoals goed prompten, systemen koppelen en resultaten beoordelen, zijn geen technische skills. Het zijn nieuwe werkgewoonten die iedereen kan leren.
Wat is het verschil met een reguliere AI-cursus?
Een cursus geeft theorie met generieke voorbeelden. Bij leren-door-doen bouw je een werkend systeem voor je eigen situatie, zodat je team leert terwijl het echte resultaten ziet.
Wat als de AI-tools veranderen of verbeteren?
Je leert de onderliggende logica, niet één specifieke tool. Als een tool verandert, past je team zich aan omdat het begrijpt wat AI doet.
Verplicht de EU AI Act ons iets op het gebied van AI-training?
Ja. De EU AI Act verplicht organisaties die met AI-systemen werken om te zorgen voor voldoende AI-geletterdheid bij de betrokken medewerkers.
