De vier toepassingen die je in de praktijk ziet
- Leermateriaal maken. Een auteurstool met een taalmodel zet een werkinstructie of beleidsdocument om in een module met vragen.
- Aanbod personaliseren. Een medewerker die naar een nieuwe rol doorgroeit, krijgt leeractiviteiten aanbevolen voor de skills die die rol vraagt. Dat is personalisatie op ontwikkelbehoeften; personalisatie op gedrag volgt wat iemand eerder bekeek of deed.
- Leerdata duiden. Een model vat patronen in voortgang en vragen samen, zodat een L&D-professional ziet welke onderdelen van een traject veel vragen oproepen en het materiaal daarop aanpast.
- Vragen beantwoorden. Een AI-tutor beantwoordt vragen van medewerkers tijdens het werk, op basis van interne documentatie.
Wat het oplevert
Tijdswinst bij de productie van leermateriaal is een van de meest directe voordelen. Een eerste versie van een module die eerder dagen kostte, staat er in uren. Dat verandert vooral de economie van klein, specifiek materiaal: een werkinstructie voor één machine of één klantgroep werd zelden gemaakt omdat de opbrengst de moeite niet waard was. Bij een AI-tutor zit de waarde eerder in toegang tot informatie op het moment dat iemand die nodig heeft, bij personalisatie in de relevantie van het aanbod.
Daarnaast verschuift de rol van de L&D-professional. Minder tijd aan bouwen betekent meer tijd voor de vraag welk probleem een training moet oplossen. In ons artikel over AI en leren staat hoe teams die verschuiving aanpakken.
Wat AI in L&D betrouwbaar maakt
Een inhoudelijke controle voordat je een module toewijst, maakt AI-gemaakt leermateriaal betrouwbaar genoeg om in te zetten. Een model dat vlot tekst produceert, produceert ook vlot onjuiste tekst. Bij compliance-materiaal is dat een reëel risico: een verkeerd geparafraseerde norm ziet er even overtuigend uit als de juiste.
Patronen in leerdata helpen om materiaal bij te stellen. Als bewijs dat iemand iets heeft geleerd of het geleerde toepast, zijn ze niet automatisch genoeg. Voor personalisatie op ontwikkelbehoeften leg je vast welke skills bij een rol horen, bijvoorbeeld in een skillstaxonomie; daarop kunnen aanbevelingen aansluiten.
Stem maatregelen voor AI-geletterdheid af op de toepassingen die medewerkers werkelijk gebruiken: wat mogen ze erin zetten, en hoe controleren ze de uitkomst? De AI Act vraagt organisaties die AI-systemen aanbieden of gebruiken om maatregelen die de AI-geletterdheid van hun medewerkers ondersteunen. Wat passend is, hangt af van de kennis, ervaring en opleiding van die medewerkers en de context waarin ze AI gebruiken, dus scholing alleen is niet altijd genoeg.