AI-trainingen: zo maak je je team AI-proof
De meeste ondernemers die we spreken willen wel iets met AI, maar weten niet goed waar te beginnen. Ze proberen het zelf, krijgen niet wat ze willen en concluderen dat AI “nog niet zo ver is.” Terwijl het probleem bijna altijd ergens anders zit: niet in de technologie, maar in de manier waarop je ermee omgaat. In deze blog vertelt Lukas, digitaal strateeg en AI-trainer bij SatisfITeers, wat je leert tijdens een AI-training en waarom dat een groot verschil kan maken.
Waarom AI-trainingen minder vanzelfsprekend zijn dan je denkt
Eerlijk gezegd: AI-trainingen lopen minder hard dan onze cybersecuritytrainingen. Dat verbaast me niet. Je leest dagelijks in het nieuws over hacks en datalekken en dat zorgt dat ondernemers de urgentie voelen. Bij AI is het sentiment anders. Mensen denken: ik probeer het wel, ik vogel het wel uit. Dat is op zich prima, maar dan blijf je hangen in matige prompts en halfbakken resultaten.
Dat terwijl de wil er wel degelijk is. Uit een onderzoek van team.blue onder ruim 8.200 Europese ondernemers blijkt dat mkb’ers AI en digitalisering belangrijk vinden, maar vastlopen bij de eerste stap. De drie grootste drempels: niet weten welke tools te kiezen, te weinig kennis om ermee te werken en gebrek aan tijd om zich erin te verdiepen. Ongeveer zes op de tien Nederlandse ondernemers gebruikt inmiddels in enige vorm AI, maar een groot deel geeft aan nog niet goed te weten hoe. Het patroon is herkenbaar: men begint met losse experimenten - niveau ‘even spelen met ChatGPT’ - zonder helder doel, waardoor het effect tegenvalt en de wil om door te pakken wegzakt.
Het is een beetje alsof je een hamer hebt, een paar spijkers en een paar planken. Je hebt alles in huis, maar er komt geen kast uit. Bart schreef het al in zijn blog over goed prompten: als je AI een vage opdracht geeft, krijg je een vaag resultaat terug. Twee uur samen zitten met iemand die je laat zien hoe het werkt, scheelt maanden aanmodderen.
Eerst inventariseren, dan trainen
Voordat we een training geven, willen we weten waar een bedrijf staat. Niet via een vragenlijst of een intakeformulier, maar gewoon tijdens een gesprek. Waar zijn jullie al mee bezig? Wat doen medewerkers privé met AI? Wat gebruiken ze op het werk? Begrijpen ze wat er achter een prompt zit, of denken ze dat AI in hun hoofd kijkt en zelf het antwoord weet?
Die inventarisatie bepaalt de rest. Bij een team dat nog nooit bewust een prompt heeft geschreven, beginnen we bij de basis. Bij een team dat al dagelijks met Copilot werkt, gaan we een stap verder. De training is in de basis altijd hetzelfde, maar we stemmen hem af op het niveau en de behoeften van het bedrijf.
Wat leer je concreet tijdens een AI-training?
De kern van de training draait om één vraag: hoe krijg je wat je wilt? Dat klinkt simpel, maar in de praktijk is het precies waar mensen vastlopen. Ze typen “Schrijf een mail” en krijgen een generieke lap tekst waar ze niets aan hebben. Tijdens de training laten we zien wat er nodig is: context meegeven, je doelgroep benoemen, het gewenste formaat specificeren en je rol als instructeur serieus nemen.
Dat doen we niet met vage theorie, maar met de praktijk van de deelnemers zelf. Ik stel de vraag: wat zou jij nu van AI willen? Welke prompt zou je daarvoor schrijven? Dan kijken we samen welke prompt het beste resultaat oplevert. Soms schrijven drie collega’s een prompt voor hetzelfde doel en krijgen ze drie totaal verschillende resultaten. Dát is het moment waarop het kwartje valt.
AI is je co-pilot, niet je autopilot
Wat we ook nadrukkelijk meenemen: AI liegt niet bewust, maar verzint wel. Het presenteert fictie met dezelfde overtuiging als feiten. Denk aan het rapport dat Deloitte schreef voor de Australische overheid: een document van 440.000 Australische dollar, vol verwijzingen naar onderzoeken die helemaal niet bestonden. Jij bent altijd degene die moet controleren wat de output is.
Niet voor niets heet Microsofts AI-assistent Copilot en niet Autopilot. Het is een assistent die je helpt en ondersteunt, maar die het niet voor je doet. Jij blijft eindverantwoordelijk voor wat er naar buiten gaat. Die mindset is minstens zo waardevol als de technische vaardigheden.
Training en beleid: twee aparte sporen
Een vraag die we regelmatig krijgen: nemen jullie in de training ook mee hoe je AI-beleid opstelt? Het antwoord is nee. De training richt zich op de gebruiker: hoe haal je het meeste uit AI-tools? Beleid - denk aan data classificeren, gevoelige documenten afschermen, bepalen wie er toegang heeft tot wat - is een apart traject. Dat hoort bij de inrichting van je omgeving, niet bij een gebruikerstraining.
Uiteraard kunnen we je daar ook bij helpen. In onze blog over Shadow AI schreven we over het belang van kaders en afspraken rondom AI-gebruik. In de blog over datasoevereiniteit gingen we dieper in op waar je data terechtkomt. De training en het beleid versterken elkaar, maar het zijn twee verschillende gesprekken.
Voor wie is een AI-training geschikt?
Dat verschilt per bedrijf. Bij sommige organisaties is het goed het hele team te trainen, bij andere bedrijven is het slimmer een selecte groep een training te geven. Soms begint het met twee of drie collega’s die een pilot draaien en er daarna de rest bij betrekken. We zien ook dat ondernemers het zelf spannend vinden: hoe gaat mijn team hiermee om, welke vragen kunnen ze stellen, kan iemand straks via Copilot de salarisgegevens van de directeur opvragen?
Dat laatste is trouwens een terechte zorg, maar technisch goed op te lossen. Copilot laat alleen informatie zien waar iemand al toegang toe heeft. Je kunt daarbovenop gevoelige documenten classificeren zodat ze helemaal niet in AI-resultaten verschijnen. Dat soort configuratie valt onder beleid en inrichting, precies het type vraagstuk dat we ook behandelen in onze blog over de AI Act.
Wil je team leren hoe AI echt werkt?
Twee uur samen zitten scheelt maanden aanmodderen. Wil je weten wat een AI-training voor jouw team kan opleveren? Neem contact op via onderstaande knop of bel naar 0118-613 220. We stemmen de sessie af op jullie niveau en behoeften.