AI-training voor je MKB-team kiezen: welke vorm past, en hoe je zorgt dat het beklijft

In trainingen zie ik steeds hetzelfde: op de dag zelf is de energie hoog, iedereen ontdekt iets waarvan ze denken "dit ga ik morgen gebruiken", en twee weken later is het team teruggevallen in de oude routine. Het verschil zit zelden in de slides of de trainer. Het zit in wat er na afloop gebeurt, of juist niet gebeurt.

De vraag is dus niet meer of je je team traint, want sinds de AI Act is dat verplicht. De vraag is welke vorm bij jouw bedrijf past, en hoe je voorkomt dat je geld uitgeeft aan een leuke dag zonder blijvend effect.

Eerst de verplichting: waarom je hier sowieso iets mee moet

Sinds 2 februari 2025 verplicht artikel 4 van de Europese AI Act elke werkgever om te zorgen voor een toereikend niveau van AI-geletterdheid bij iedereen die namens jou met AI werkt. Dat geldt voor je vaste team, maar ook voor freelancers en partners die jouw AI-tools bedienen.

De wet werkt op basis van risico's. Voor de meeste MKB-bedrijven die laag-risico tools als ChatGPT, Copilot of Claude gebruiken volstaat een solide basis: wat is generatieve AI, wat zijn de grenzen, wat mag wel en niet met klantgegevens, hoe herken je een hallucinatie. Pas als je AI inzet voor beslissingen met directe impact op mensen (selectie, beoordeling, krediet) komen er zwaardere eisen bij kijken.

Voor een onderbouwing van wat dat passend niveau betekent, en hoe je het pragmatisch regelt, verwijs ik naar het stuk hierboven. In deze blog gaat het over de stap erna: welke trainingsvorm kies je, en hoe zorg je dat het de investering waard is.

De vormen, met hun voor- en nadeel

Er zijn grofweg vijf assen waarop trainingen verschillen. Ze zijn niet exclusief, je combineert ze meestal.

Open inschrijving of in-company. Een open training is goedkoper per deelnemer en je leert van mensen uit andere bedrijven. Nadeel: de voorbeelden zijn generiek en het sluit zelden naadloos aan op jouw processen. In-company is duurder, maar de trainer kan oefenen met jouw documenten, jouw mailbox, jouw werkelijke werkdag. Voor teams vanaf vier of vijf personen pakt in-company vaak alsnog gunstig uit.

Eenmalige workshop of doorlopend traject. Een eendaagse workshop is laagdrempelig en goed om iedereen op hetzelfde startniveau te krijgen. Maar één dag is precies de vorm waarin de kennis het snelst wegzakt. Een doorlopend traject (meerdere kortere sessies over weken of maanden) vraagt meer commitment van het team, maar werkt in de basis beter.

E-learning of klassikaal. E-learning is flexibel en herhaalbaar, ideaal voor de pure basiskennis. Het vraagt wel zelfdiscipline, en wie geen tijd inplant doet het niet. Klassikaal levert interactie, directe feedback en groepsdynamiek op, maar kost reistijd en is lastig in te plannen. Blended (basiskennis online, verdieping en oefening in de zaal) combineert de twee en is voor MKB-teams meestal de meest praktische vorm.

Algemeen of rol-specifiek. Een algemene AI-training geeft het hele team een gezamenlijke basis en een gedeelde taal. Een rol-specifieke training (marketing leert prompts voor content, sales leert klantgesprekken voorbereiden, finance leert documenten analyseren en cijfers interpreteren) is direct toepasbaar en heeft de grootste kans dat het beklijft. De combinatie werkt het beste: eerst samen de basis, dan apart de toepassing.

Waar je op let bij de keuze

Vijf vragen die je vooraf beantwoordt, voorkomen dat je achteraf teleurgesteld bent.

Wat moet het team na afloop kunnen? Maak het concreet. Gaat het om bewustwording (iedereen snapt de risico's), om dagelijkse taken efficiënter doen (concrete tijdwinst per rol), of om strategische keuzes (waar zetten we AI komend jaar in)? Deze drie doelen vereisen totaal verschillende trainingen, en aanbieders die alles voor elk doel beloven, zijn vaak de zwakste keuze.

Hoe relevant is de praktijk? Een goede training begint bij jouw werkprocessen, niet bij de tools. Vraag een aanbieder vooraf: welke voorbeelden gebruik je, gaan we oefenen met onze eigen documenten en cases, mag ik vooraf input geven over waar het team tegenaan loopt. Krijg je vage antwoorden, dan wordt het een demo van allerlei tools.

Wat is het niveau van de deelnemers? Management en uitvoerend personeel hebben verschillende vragen. Het management wil weten waar de waarde zit, wat het kost en welke risico's er zijn. Het team wil weten hoe ze morgen sneller werken. Vaak loont het om hier aparte sessies van te maken, anders verveelt de ene helft zich terwijl de andere afhaakt.

Wie staat er voor de zaal? Een trainer met aantoonbare MKB-ervaring weegt zwaarder dan een trainer met alleen technische diepgang. AI-tools veranderen elk kwartaal; wat niet verandert is wat een ondernemer in een bedrijf van vijftien mensen wel en niet kan organiseren. Vraag naar concrete voorbeelden uit bedrijven van jouw omvang.

Is er aandacht voor verantwoord gebruik? AVG, bias, hallucinaties, vertrouwelijkheid van klantdata. Dit is geen losse module aan het einde, het hoort in de hele training verweven te zijn. Je hebt het sowieso nodig voor de AI Act, en het voorkomt dat enthousiasme zonder rem leidt tot een datalek of een verkeerd besluit.

De echte test: beklijft het?

Hier gaat het bij de meeste trainingen mis. Het succes wordt gemeten aan aanwezigheid en een evaluatieformulier direct na afloop. Beide zeggen niets. Iedereen die net iets nieuws heeft geleerd is enthousiast, zeker als de lunch goed was.

De enige zinvolle maatstaf is gedragsverandering: gebruikt het team de tools structureel, ook als het druk is, ook over twee maanden. Een nieuwe gewoonte aanleren kost grofweg twee tot drie maanden van bewust herhalen voordat het automatisch gaat. Zonder opvolging valt een team na twee weken terug in de oude routine, niet omdat de training slecht was, maar omdat de oude manier onder druk sneller lijkt.

Dat is geen falen van de medewerkers, dat is hoe gewoontes werken.

Hoe je opvolging en inbedding regelt

Vijf dingen die het verschil maken tussen een leuke dag en een blijvende verandering.

• Meet het gebruik na twee tot vier weken, niet meteen op de eerste dag. Bekijk de gebruiksstatistieken van je AI-tools, of vraag mensen concreet: wanneer heb je het deze week gebruikt, waarvoor.
• Observeer wat mensen doen als ze haast hebben. Daar zie je of de nieuwe manier echt is aangeslagen, of dat hij alleen werkt als er tijd voor is.
• Vraag concrete output, geen meningen. Een set prompts voor de vijf taken die wekelijks terugkomen. Een rapportage die nu automatisch wordt opgesteld. Een procedure die korter is geworden.
• Plan korte vervolgsessies, een uur per maand voor de eerste drie maanden. Wat werkt, waar loopt het vast, wat moeten we anders aanpakken. Dit is goedkoper dan een nieuwe training en effectiever.
• Bouw de toepassing in de bestaande workflow in, met uitleg op het moment dat iemand het nodig heeft. Niemand opent achteraf een handleiding. Wel klikt iedereen op een knop die in de tool staat die ze al gebruiken.

Dit is geen aparte fase na de training, dit hoort onderdeel te zijn van het voorstel. Vraagt een aanbieder hier zelf niet naar, dan koop je een dag plezier, geen blijvende verandering.

Tot slot

Een training die alleen inspireert is verspild geld. De waarde zit niet in de zaal, maar in wat erna gebeurt en hoe de toepassing in het dagelijks werk wordt ingebed. Daar falen de meeste trajecten, en daar moet je dus op selecteren.

Als je nog aan het oriënteren bent op waar AI in jouw bedrijf het meeste oplevert, voordat je begint met trainen, lees dan ook hoe je begint met AI in het MKB. Een training heeft het meeste effect als je weet welke twee of drie processen je er als eerste mee wilt versterken.