Begin niet bij AI. Begin bij wat je doet.
- 5 mei
- 7 minuten om te lezen
In elke webinar over AI die ik geef, stel ik op een bepaald moment dezelfde vraag aan mijn publiek.
Waarin voel jij je vandaag al bekwaam met AI?
Het antwoord is bijna altijd hetzelfde. Negen op tien handen gaan omhoog bij prompting. Een handvol mensen wijzen naar Custom GPT's of Projects. Bij agents, automatisering of vibe coding blijft het meestal stil.
Dat patroon is mij beginnen verbazen. Niet omdat prompting onbelangrijk is, integendeel. Wat me verbaast, is dat AI ondertussen zoveel meer kan dan dat. Custom GPT's, projecten, Skills, agents, geautomatiseerde workflows, vibe coding, het bouwt zich elke maand verder uit. En toch raakt al dat extra de meeste L&D'ers, opleiders en facilitatoren niet. Die blijven hangen op één laag.
Blijkbaar is er een drempel. Een hindernis die maakt dat de stap voorbij prompting niet vanzelf gezet wordt. Omdat ze niet weten wáár ze die stap moeten zetten en wáárvoor.
Drie groepen, drie drempels
Wie naar AI op het werk kijkt, ziet vandaag drie groepen.
De grootste groep gebruikt AI nog niet. Niet uit weerstand, wel omdat het te ver weg staat. Te technisch lijkt. Te ongrijpbaar. Wist je dat ongeveer de helft van werknemers nooit AI gebruikt op het werk?¹ Voor die groep is de drempel niet de tool, maar de afstand. Ze zien geen ingang in hun eigen dagelijkse werk.
De tweede groep is wel ingestapt en blijft in de chat hangen. Een prompt naar ChatGPT of Claude, een herwerking via Copilot, een snelle vraag aan Gemini. Deze groep is de meerderheid van wie wel iets met AI doet. Slechts dertien procent van werknemers ervaart AI als diep geïntegreerd in hun dagelijks werk, en maar één derde begrijpt hoe geavanceerde AI-functies werken.² Die groep wint soms tijd, en verliest die soms weer aan corrigeren en herformuleren.
De drempel hier is niet motivatie, het is dat de stap voorbij chat onbekend en technisch oogt.
De derde groep is klein. Daar werken mensen wel met Custom GPT's, Projects, Skills, agents en automatiseringen. Maar dat betekent niet automatisch dat zij waarde halen. Acht op tien organisaties gebruiken AI ergens, slechts één op veertien heeft het schaalbreed uitgerold.³ Veel van die geavanceerde toepassingen zijn alleenstaande experimenten. De drempel zit hier in het ontbreken van een rode draad.
Drie groepen, drie verschillende drempels. Daaronder zit één gedeelde reflex.
De verkeerde startvraag
Een tijd geleden schreef ik een blog over hoe ik zelf een jaar lang vastliep met AI. Ik stak er veel meer tijd in dan ik er ooit aan tijd uit haalde. Ik sprong van tool naar tool, van prompt naar prompt, van experiment naar experiment, en bleef telkens met het gevoel zitten dat ik bezig was zonder vooruit te gaan.
De stap die alles veranderde, was niet een nieuwe tool of een betere prompt, maar een vraag:
Wat doe ik de hele dag en hoe kan AI mij in dat werk versnellen, verbreden, versterken of structureren?
Wie zijn werk in kaart brengt, ziet pas waar de echte herhalingen zitten. Waar de tijd weglekt. Waar oordeel telt en waar vorm telt. En pas dan kan je een eerlijke vraag stellen aan AI. Niet wat kan jij? Maar waar in dit werk pas jij?
Dat is de omgekeerde volgorde. En die werkt voor alle drie de groepen, of je nu nog niet bent ingestapt, in de chat blijft hangen, of al vol experimenten zit zonder rode draad.
Wat kan AI eigenlijk allemaal?
AI versnelt niet alleen maar. AI doet minstens vier dingen, en het verschil tussen die vier is precies waar de juiste keuzes beginnen.
AI kan versnellen.
De evidente kant. Een eerste versie van een opdracht die je anders van nul moet schrijven. Een vergelijking tussen drie evaluatieformulieren in dertig seconden in plaats van een uur. De notulen van een teamoverleg omgezet naar concrete actiepunten in twee klikken.
AI kan verbreden.
Dit is misschien wel de meest onderschatte modus. Als je een nieuw thema voorbereidt voor een opleiding, kan een goed bevraagde Custom GPT je tien invalshoeken geven die je zelf nooit zou hebben bedacht, gestoeld op bronnen die jij niet kan lezen op één leven.
AI kan versterken.
Bij twijfel een tweede mening vragen aan een Project dat jouw aanpak kent. Een didactische structuur laten testen tegen tien hardnekkige bezwaren die deelnemers vaak hebben. Een opleidingsbeschrijving laten controleren op consistentie met je eigen stijl. Niet AI als vervanger van jouw oordeel, wel AI als vaste sparringpartner ervan.
AI kan structureren.
Dit is het stuk dat me zelf het meest verrast heeft. Sinds ik mijn mail laat verwerken door een agent, is mijn maildag rustiger en duidelijker geworden. Niet omdat de agent alle mails beantwoordt, maar omdat hij ze sorteert, samenvat en aangeeft welke mijn aandacht echt vragen. Mijn werk is structureel veranderd door één geautomatiseerde tussenstap. Voor een L&D-manager met dertig deelnemers in opvolging na een opleiding, of een facilitator die meerdere trajecten parallel draait, geeft dat een ander dagritme.
Wie alleen aan versnellen denkt, mist de andere drie.
AI inpassen in je werk. De omgekeerde volgorde, in vier stappen
Maak je werkproces zichtbaar
Welk werk komt terug? Welke ontwerpen, welke faciliteringen, welke evaluaties? Welke meetings leid je? Welke opvolging vraagt elke afgesloten opleiding?
Begin klein. Eén concreet werkproces is genoeg. Het ontwerpen van een opleiding op vraag van een interne klant. Het voorbereiden van een teamcoaching. Het samenstellen van een leertraject voor nieuwe medewerkers. Eén concrete, afgebakende keuze.
Deel het op in subprocessen
Eén werkproces zit nooit in één blok. Een opleiding ontwerpen valt uiteen in minstens zes subprocessen: de leervraag analyseren, een didactische structuur bouwen, werkvormen schrijven, content maken, de facilitatie voorbereiden, de opvolging organiseren. Elk van die zes vraagt iets anders.
Wie meteen vraagt hoe gebruik ik AI bij opleidingsontwerp? mist de scherpte. Pas wanneer je opdeelt, zie je dat een didactische structuur bouwen iets anders vraagt dan een werkvorm uitschrijven. Een leervraag analyseren is iets anders dan een evaluatieformulier opmaken.
Elk subproces verdient zijn eigen vraag.
Match elk subproces aan een soort AI
Hier worden mensen vaak nerveus, want de eerste reflex is: moet ik dan agents leren bouwen?
Nee. Eerst kiezen welke soort AI bij welk soort werk past.
Voor losse subprocessen die je af en toe nodig hebt, volstaat een chat-prompt. Eén vraag, één antwoord, geen overhead. ChatGPT, Claude, Copilot, Gemini, kies wat je vertrouwt.
Voor subprocessen die terugkomen met een vaste structuur is een Custom GPT, een Project of een Gem meestal de moeite waard. Een vaste assistent met jouw context, jouw bronnen, jouw stem. Het verschil tussen elke keer opnieuw uitleggen wat je doet, of één keer goed uitleggen en dan jaren oogsten.
Voor terugkerende routine-subprocessen die volledig kunnen worden geautomatiseerd, kunnen agents en automatiseringen zin hebben. Mijn mailagent is daar een voorbeeld van. Maar dat is geen startpunt, dat is een eindpunt.
Veranker je stem
Dit is de stap die ik in mijn vorige AI-blog "het meest onderschat" noemde. Wie AI gebruikt zonder eerst stil te staan bij zijn eigen stem en die van zijn organisatie, krijgt generieke output. Bruikbaar misschien, maar niet herkenbaar. Niet jij. Niet jouw afdeling, niet jouw klanten, niet jouw aanpak.
Welke schrijfstijl gebruik jij? Welke principes liggen onder jouw didactische keuzes? Welke woorden zou jouw organisatie nooit gebruiken, en welke wel? Wat maakt jouw aanpak herkenbaar voor wie er al eens mee in contact kwam?
Die antwoorden horen niet eenmalig in een prompt. Ze horen verankerd te zitten in de Custom GPT's, Projects en Skills die je opzet. Eén keer uitschrijven wie je bent en wat je doet. Daarna oogsten op consistente uitvoer, in elk subproces.
Dit is de stap die het verschil maakt tussen AI gebruiken en AI van jou maken.
Wat dit voor jou betekent
Of je nu opleidingen ontwerpt, workshops faciliteert, leermateriaal maakt of een L&D-team aanstuurt, het principe is hetzelfde. Begin niet bij AI. Begin bij wat je doet. Maak het zichtbaar. Deel het op. Kies welke laag AI je verder helpt voor welk stuk. En veranker je eigen stem in alles wat je opzet.
Dat is de aanpak waar wij bij LUDO mee werken. In de LUDO L&D Academy organiseren we hier doorlopend webinars en opleidingen rond, telkens met de eigen werkpraktijk van de deelnemer als startpunt.
Niet bij AI. Bij jouw werk. En jouw stem.
In het kort
Tussen de 90 en 95 procent van het AI-publiek noemt enkel prompting als zelfgerapporteerde competentie.
AI doet niet één ding, maar minstens vier: versnellen, verbreden, versterken en structureren.
De juiste volgorde, in vier stappen: werkproces zichtbaar maken, opdelen in subprocessen, soort AI matchen aan soort subproces, en je eigen stem verankeren in Custom GPT's, Projects of Skills.
Veelgestelde vragen
Moet ik dan eerst een grondige werkanalyse maken voor ik AI mag gebruiken?
Nee. Begin met één concreet werkproces dat je elke week of elke maand doet. Eén ontwerp, één voorbereiding, één terugkerend document. Breng dat in kaart, splits het op, kies per subproces welke soort AI past en veranker er je stem in. Daarna pak je het volgende werkproces.
Wat als mijn collega's al met agents en automatisering bezig zijn en ik nog niet?
Voorbij prompts gaan is geen wedstrijd. Wie naar agents springt zonder eerst zijn werkproces te kennen of zijn eigen stem te verankeren, bouwt automatisering rond rommel. De meest waardevolle stap is bijna altijd: één werkproces helder krijgen, daar één goede Custom GPT of Skill voor maken die jouw stem kent, en die echt in routine brengen. Pas daarna verder.
Werkt deze aanpak ook als ik AI nog helemaal niet gebruik?
Ja. Misschien zelfs het beste, want je hebt nog geen oude reflexen om af te leren. Begin met één werkproces uit je gewone week, splits het op, en kies één subproces dat je voor één keer met AI probeert. Ga niet eerst tools vergelijken. Doe het, leer ervan, en pas daarna ga je verder.
Bronnen
¹ Gallup, Workplace AI Use, vierde kwartaal 2025. Cijfer: 49 procent van Amerikaanse werknemers gebruikt nooit AI op het werk. Pew Research Center kwam in september 2025 tot 65 procent die AI weinig tot niet gebruikt in hun job.
² Boston Consulting Group, AI at Work 2025: Momentum Builds But Gaps Remain.
³ McKinsey & Company, The State of AI, editie 2025. 88 procent van organisaties gebruikt AI in minstens één functie, slechts 7 procent heeft het schaalbreed uitgerold. Deloitte, The State of AI in the Enterprise 2026, vond bovendien dat slechts één derde van organisaties hun kernprocessen rond AI herontwerpt; de rest plakt AI op bestaande processen zonder iets aan die processen te veranderen.
Opmerkingen