Zo train je je team in AI: van eenmalige workshop naar dagelijks gebruik

De meeste teams hebben inmiddels toegang tot AI. Een ChatGPT-licentie, Copilot in Microsoft 365, een assistent in de browser. En toch verandert er vaak weinig: een handvol enthousiastelingen gebruikt het elke dag, de rest opent het een keer, krijgt een halfbakken antwoord en valt terug in de oude manier van werken. De tool ligt klaar, de gewoonte ontbreekt.

Dat is geen toolprobleem, het is een trainingsprobleem, en een organisatieprobleem. Deze gids is voor ondernemers en teamleiders, van een klein bureau tot een afdeling binnen een groter bedrijf, die verder willen dan een losse introductiemiddag. Het doel: van AI een vaardigheid maken die je mensen elke dag inzetten, gericht op hun eigen werk, en waarvan je kunt zien dat het wat oplevert. Niet iedereen hetzelfde leren, maar iedereen iets dat past bij wat hij doet.

Er is ook een hardere reden om dit serieus te nemen. AI-geletterdheid is geen luxe meer maar een wettelijke plicht: onder de AI-verordening is het sinds 2 februari 2025 verplicht dat iedereen die binnen of namens een organisatie met AI-systemen werkt voldoende AI-geletterd is. Het gaat om kennis, vaardigheden en begrip: niet alleen hoe een model technisch werkt, maar ook de risico's en de praktische en ethische kanten. En vanaf 2 augustus 2026 kunnen markttoezichthouders hierop handhaven en boetes opleggen. Wie zijn team nu structureel meeneemt, slaat twee vliegen in één klap: betere adoptie en een naleefbare basis.

Wat je nodig hebt

Voordat je begint, leg je een paar dingen klaar. Niet veel, maar wel de juiste:

• Een eerlijk beeld van waar je team nu staat, per rol. Een verkoper heeft andere AI-behoeften dan iemand op finance of de werkvloer. Eén gemiddelde zegt niets.
• Mandaat en tijd vanuit de leiding. Adoptie valt of staat met voorbeeldgedrag. In organisaties waar leiders het gebruik actief stimuleren, ligt de adoptie 2,5 keer hoger.
• De tools die je al hebt, plus duidelijke kaders. Welke AI-tool gebruik je, en vooral: welke bedrijfsdata mag er wel en niet in? Zonder kaders ontstaat schaduwgebruik.
• Een of twee interne ambassadeurs. Mensen die het leuk vinden, die collega's helpen en die laten zien wat werkt in jullie context.
• Een simpele manier om gebruik te meten. Geen dashboard-project, wel een paar cijfers die je elke maand kunt ophalen.

Merk op: je hebt geen extern certificaat of formele opleiding nodig. De AI-verordening schrijft geen vaste meetlat voor; wat “voldoende” is, hangt af van de kennis en ervaring van je mensen, de risico's van het systeem en de context waarin je het inzet. Praktische begeleiding op maat telt zwaarder dan een diploma aan de muur.

In zeven stappen van workshop naar dagelijks gebruik

Je brengt eerst per rol in kaart waar je team staat, legt een gemeenschappelijke basis en duidelijke datakaders vast, en geeft daarna gerichte mini-workshops in plaats van één generieke training. Vervolgens veranker je het oefenen in het werk dat mensen tóch al doen, wijs je eigenaarschap aan en meet je de adoptie na 30, 60 en 90 dagen. Zo bouw je een gewoonte op, geen eenmalige gebeurtenis. Doorloop deze zeven stappen op volgorde.

1. Breng per rol in kaart waar je team staat

Maak een korte AI-volwassenheidscan per rol of team, geen examen maar een nulmeting. Drie vragen volstaan: welke taken kosten nu de meeste tijd, welke daarvan zijn tekst-, data- of zoekwerk (en dus geschikt voor AI), en hoe comfortabel is deze persoon al met AI-tools? Je krijgt zo een kaart van waar de winst zit én waar de koudwatervrees zit. Begin bij rollen met veel herhalend denkwerk, daar is het rendement het grootst.

2. Leg een minimumbasis en datakaders vast

Iedereen, ongeacht rol, krijgt dezelfde korte basis: wat een taalmodel wel en niet kan, waarom het soms zelfverzekerd onzin produceert, en welke bedrijfs- of klantdata absoluut niet in een publieke tool mag. Dit is precies de AI-geletterdheid die de wet vraagt. Koppel het aan een helder beleid in één A4: welke tools zijn goedgekeurd, wat mag erin, en wie je belt bij twijfel. Zo voldoe je aan de verplichting en voorkom je datalekken in één beweging.

3. Geef gerichte mini-workshops, niet iedereen hetzelfde

Dit is de kern. Vervang de plenaire sessie van drie uur door korte, rolgerichte werksessies van 45 tot 60 minuten, waarin mensen aan hún eigen taken werken. Verkoop oefent met het opstellen van offerteteksten en het samenvatten van gesprekken; finance met het uitpluizen van facturen of het opstellen van rapportages; support met het opstellen van antwoorden op terugkerende vragen. Laat iedereen tijdens de sessie één echte taak uit zijn eigen werk meebrengen en die live aanpakken. Wat je zelf hebt gedaan, onthoud je; wat je hebt aangehoord, vergeet je.

4. Veranker het oefenen in de bestaande werkflow

Kennis uit een workshop zakt binnen weken weg als ze nergens terugkomt. Zorg daarom dat AI opduikt op de plek waar mensen al werken, niet in een apart tabblad dat ze moeten onthouden te openen. Bouw prompts en assistenten in waar het werk gebeurt: een samenvat-knop in Slack, een AI-blok in Notion, een formule-assistent in Google Sheets. Hoe korter de afstand tussen “ik heb dit nodig” en “AI helpt me hier”, hoe sneller het een reflex wordt. Spreek ook vaste oefenmomenten af: een wekelijks kwartier waarin het team één prompt of werkwijze deelt die deze week goed werkte.

5. Wijs eigenaarschap en ambassadeurs aan

Geef één of twee mensen expliciet de rol van AI-ambassadeur, met tijd ervoor in hun agenda. Zij verzamelen werkende voorbeelden, helpen twijfelaars en houden de kaders levend. En laat de leiding zichtbaar meedoen: niemand gaat AI serieus oefenen als de directie het zelf nooit aanraakt. Dat voorbeeldgedrag is geen zachte factor maar de sterkste hefboom die je hebt.

6. Meet adoptie na 30, 60 en 90 dagen

Kies vooraf twee of drie cijfers en haal ze op drie momenten op. Bruikbare maatstaven: hoeveel mensen AI minstens wekelijks gebruiken, hoeveel tijd ze naar eigen schatting per week besparen, en op hoeveel rollen het inmiddels echt loopt. Meet niet alleen activiteit (“er zijn 200 prompts verstuurd”) maar uitkomst (“deze taak kost nu een uur minder”). Na 30 dagen zie je de eerste beweging, na 60 of het beklijft, na 90 of het een gewoonte is geworden.

7. Stuur bij en breid uit

Gebruik de meting om te kiezen: rollen waar het loopt krijgen een volgende, diepere sessie; rollen waar het stokt krijgen een gerichte herhaling of een andere insteek. Pas dan breid je uit naar de volgende groep. Zo groeit AI-gebruik als een olievlek vanuit de plekken waar het bewezen werkt, in plaats van als een grote uitrol die overal half blijft hangen.

Valkuilen

De eenmalige-workshop-val. Eén inspirerende middag voelt goed en verandert niets blijvends. Zonder herhaling en zonder verankering in het werk is de kennis binnen een maand verdampt. Plan vanaf het begin de tweede en derde aanraking in.

Iedereen dezelfde training geven. Een generieke “AI voor iedereen”-sessie raakt niemand echt, omdat de voorbeelden voor de helft van de zaal niet over hun werk gaan. De adoptiekloof is groot: 78% van het management gebruikt AI tegenover 47% van de medewerkers. Die kloof dicht je niet met meer algemene uitleg, maar met voorbeelden uit ieders eigen taken.

Denken dat tijdwinst vanzelf rendement wordt. Mensen die AI gebruiken besparen reëel tijd, gemiddeld zo'n 2,9 uur per week, maar onderzoek van TNO laat zien dat die tijdwinst niet automatisch tot meer productiviteit of omzet leidt. AI-adoptie is geen puur technische uitdaging: of de winst landt, hangt af van hoe je de vrijgekomen tijd inzet en je werkprocessen herontwerpt. Bespreek dus expliciet wat mensen met de gewonnen tijd gaan doen.

Geen kaders, dus schaduwgebruik. Zonder afspraken over welke data in welke tool mag, plakken mensen vroeg of laat klant- of personeelsgegevens in een willekeurige chatbot. Dat is precies het risico dat de AI-geletterdheidsplicht wil afdekken. Kaders vooraf zijn goedkoper dan een datalek achteraf.

Meten op de verkeerde dingen. Een hoog aantal prompts zegt niets als de uitkomst niet beter is. Hou minstens één uitkomstmaat aan naast de activiteitscijfers, anders vier je drukte in plaats van resultaat.

Kant-en-klaar vs. maatwerk

Moet je hiervoor een extern trainingsplatform inkopen of het op maat laten inrichten? Het eerlijke antwoord: het hangt af van hoe specifiek je werk is en hoe diep je AI wilt verankeren.

In de praktijk werkt een combinatie het best. Gebruik een kant-en-klaar cursus voor de gedeelde basis uit stap 2, dat is goedkoop en snel, en steek je eigen energie in de rolgerichte mini-workshops en de verankering in jullie werkflow, want dáár zit het verschil tussen een team dat AI kent en een team dat AI gebruikt. Hoe specifieker je processen en hoe gevoeliger je data, hoe meer maatwerk loont. Een standaardcursus leert niemand hoe hij jullie offertes, jullie facturen of jullie klantvragen aanpakt.

De stap van losse experimenten naar structureel gebruik is een verhaal op zich; hoe je van AI-pilots doorgroeit naar dagelijks gebruik in het MKB gaat over precies die organisatorische kant. En omdat AI-output nooit blind de deur uit mag, hoort bij elke training ook de vaardigheid om AI-output te verifiëren voordat je hem verstuurt of publiceert. Wil je de wettelijke kant compleet afdekken, loop dan ook de AI Act-nalevingschecklist voor het MKB na, waarvan de AI-geletterdheidsplicht uit deze gids één onderdeel is.

Tot slot

Een team train je niet in AI met één middag en een licentie. Je traint het door de drempel zo laag te maken dat gebruiken makkelijker wordt dan níet gebruiken: rolgericht oefenen op echt werk, ingebed in de tools die mensen al openen, met een leiding die het voordoet en cijfers die laten zien of het beklijft. De technologie is allang het makkelijke deel. Het echte werk zit in de gewoonte, en gewoontes bouw je stap voor stap, niet in één keer.