Stuur het team een middag op cursus en daarna kan iedereen met AI werken. Zo wordt een AI workshop vaak verkocht, en zo hopen veel ondernemers dat het werkt.

Zo werkt het niet. Eén workshop maakt je team niet AI-vaardig, net zomin als één rijles je een rijbewijs oplevert. De echte opbrengst zit in wat medewerkers een week later anders doen. En die opbrengst wordt net zo hard bepaald door de vorm van de workshop als door de inhoud.

Dat is geen reden om training over te slaan. Het is een reden om kritischer te kiezen. Want een goede AI workshop levert wel degelijk wat op, alleen iets anders dan de meeste bedrijven verwachten.

Waarom een losse presentatiemiddag zo weinig verandert

Kennis die je niet meteen gebruikt, vervliegt. Iedereen kent het van de gemiddelde cursusdag: op het moment zelf interessant, twee weken later weet je nog ongeveer waar het over ging. Een AI workshop is daarop geen uitzondering. Wie na afloop alleen een hand-out en wat inspiratie mee naar huis krijgt, is die inspiratie bij de eerstvolgende drukke week kwijt.

Bij AI-training komt daar iets bij. Uit onderzoek van strategisch adviesbureau McKinsey blijkt dat 7 op de 10 medewerkers formele trainingsvideo's negeren. Ze leren liever al doende en van collega's. Dat is geen onwil; een video over andermans voorbeelden raakt hun eigen werkdag simpelweg niet. Een workshop die vooral uit slides en demo's bestaat, heeft dus precies het formaat dat je team uit zichzelf al links laat liggen.

Het CBS (Centraal Bureau van de Statistiek) ziet hetzelfde patroon op bedrijfsniveau. De productiviteitswinst van AI hangt sterk samen met wat een bedrijf eromheen doet, en dan vooral met training voor medewerkers buiten de ICT-hoek. Zonder die investering blijft het effect vrijwel nul. AI-tools aanschaffen zonder je mensen mee te nemen is vooral een dure manier om licenties te betalen.

Leren door te doen werkt aantoonbaar beter

Harvard Business Impact vergeleek medewerkers die AI-vaardig werden met medewerkers die geen of weinig ervaring met AI hebben door zelf te experimenteren met hun collega's. De uitkomst liegt er niet om: die eerste groep is 81% productiever. Wie zelf experimenteert, ontdekt waar AI in het eigen werk past en waar juist niet. Dat leer je niet van een presentatie; dat leer je door het te proberen op je eigen taken.

Daarom bepaalt de vorm van een AI workshop de opbrengst net zo hard als de inhoud. Dezelfde stof, uitgelegd op slides of geoefend op echt werk, geeft twee totaal verschillende resultaten. Een middag luisteren voelt als leren, maar pas als iemand het eigen werk door een AI-tool haalt, ontstaat de vaardigheid die blijft.

Waar herken je een goede AI workshop aan?

De kern is simpel: deelnemers passen het geleerde tijdens en direct na de workshop toe op hun eigen werk. In de praktijk betekent dat:

• Iedereen brengt eigen taken mee. De een de wekelijkse rapportage, de ander de offerte-opvolging of het uitwerken van vergadernotities.

• Laptops open, zelf doen. Kijken naar een demo is geen oefenen.

• Iedereen gaat naar huis met minstens één taak die morgen sneller gaat.

• De inhoud is actueel: tools zoals ze nu werken, niet zoals ze vorig jaar werkten.

• Er is een vervolg. Deelnemers kunnen ergens terecht met vragen en houden ruimte om te blijven proberen.

Een vuistregel om te onthouden: als niemand een week na de workshop een taak anders doet dan ervoor, was het een presentatie, geen training.

Dat vraagt ook iets van jou als werkgever. Wie medewerkers traint en ze daarna volplant met deadlines, ziet het geleerde alsnog verdampen. Een paar uur per maand om te experimenteren is genoeg om het te laten beklijven.

Wat levert een goede AI workshop dan concreet op?

De eerste opbrengst is direct zichtbaar: tijdwinst op terugkerende taken. Rapportages, standaardmails, verslagen en samenvattingen gaan van uren naar minuten. Die winst zie je al in de eerste week, juist omdat de workshop op precies die taken geoefend heeft.

De tweede is minder zichtbaar, maar minstens zo waardevol: een gedeelde basis in het team. Iedereen spreekt dezelfde taal en kent dezelfde afspraken over wat wel en niet in een AI-tool mag. Dat voorkomt zowel wildgroei als koudwatervrees.

De derde is de belangrijkste: medewerkers die daarna zelf verder experimenteren. Zij vinden de toepassingen die niemand vooraf had kunnen bedenken, want zij kennen hun werk het best.

Voor het Nederlandse MKB is dat geen luxe. Volgens het CBS gebruikte in 2025 29,8% van het MKB AI, tegenover de 66,2% van grote bedrijven. Die kloof zegt niets over wat er mogelijk is, wel over wie er al mee oefent. En een team dat wekelijks met AI werkt, haalt die achterstand sneller in dan welke tool-aankoop ook.

Zelf aan de slag?

Wil je zien hoe zo'n hands-on aanpak er voor jouw team uitziet? Bekijk onze AI-training. Je team oefent op eigen taken en gaat naar huis met resultaten die de volgende werkdag al tijd opleveren.

Bronnen

1. McKinsey – Redefine AI upskilling as a change imperative (2025). https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/the-organization-blog/redefine-ai-upskilling-as-a-change-imperative 

2. CBS – Kenmerken van bedrijven die AI-technologie gebruiken (2025), hoofdstuk Productiviteit.  https://www.cbs.nl/nl-nl/longread/rapportages/2025/kenmerken-van-bedrijven-die-ai-technologie-gebruiken/5-productiviteit 

3. Harvard Business Impact – Why Hands-On Learning Is Key to Building an AI-Fluent Workforce (2025). https://www.harvardbusiness.org/insight/learning-through-experimentation-why-hands-on-learning-is-key-to-building-an-ai-fluent-workforce/ 

4. CBS – Gebruik van AI-technologie door Nederlandse microbedrijven (2026). https://www.cbs.nl/nl-nl/longread/rapportages/2026/gebruik-van-ai-technologie-door-nederlandse-microbedrijven 

5. SkillsTown – Waarom is een AI-cursus essentieel voor toekomstbestendig werken? https://skillstown.com/kennis/waarom-is-een-ai-cursus-essentieel-voor-toekomstbestendig-werken/