5 handvatten om AI-adoptie wél te laten werken in 2026
€200.000 geïnvesteerd in AI-licenties bij een financiële instelling. Zes maanden later gebruikt nog geen 15% van het team het echt. Het probleem? Niet de technologie, maar de capaciteiten om die technologie effectief in te zetten.
In december schreef ik over de vier implementatiekloven die AI-adoptie blokkeren. De grootste kloof: skills. Organisaties investeren massaal in tools, nauwelijks in de capaciteiten om die tools te gebruiken. Digitale vaardigheden zijn niet genoeg. Je hebt vier fundamentele menselijke capaciteiten nodig.
De vier skills die het verschil maken
1. Contextbegrip
Voorbeeld uit een gemeente: AI adviseert een boete op te leggen aan een inwoner die te laat een vergunning aanvroeg. Technisch correct.
Maar de medewerker weet: deze inwoner heeft net een zwaar ongeluk gehad. Contextbegrip is het verschil tussen “wat zegt het systeem” en “wat is hier echt aan de hand”.
Organisaties trainen mensen in hoe ze AI gebruiken. Maar bijna niemand traint hen in wanneer je AI-adviezen negeert. Dat laatste is vaak belangrijker.
2. Kritisch denken
AI kan onjuiste bronnen gebruiken, verouderde informatie presenteren of patronen reproduceren die je juist wil veranderen. Allemaal met grote zekerheid.
De skill? Altijd afvragen: klopt deze output in onze specifieke situatie?
3. Bias-herkenning
AI leert van het verleden. Als je recruitmentdata vol zit met mannelijke leidinggevenden, raadt AI mannelijke kandidaten aan voor die functies. Niet uit kwade wil, maar omdat het patronen herkent.
Net zoals sterke cultuur essentieel is voor AI-implementatie, moet je kunnen zien waar AI scheef trekt. En ingrijpen.
4. Leren in onzekerheid
AI verandert constant. Nieuwe tools, nieuwe mogelijkheden, nieuwe risico’s. De mensen die succesvol zijn? Die kunnen blijven leren terwijl ze nog niet alle antwoorden hebben. Comfort vinden in onzekerheid is belangrijk naarmate technologie sneller verandert.
Waarom organisaties vastlopen
Het standaardpatroon:
- Fase 1: enthousiasme – “We gaan AI inzetten!”
- Fase 2: implementatie – tools uitrollen, korte training.
- Fase 3: stilte – mensen gebruiken het niet of sporadisch.
- Fase 4: frustratie – “Waarom werkt dit niet?”
Het antwoord? Organisaties investeren in tools, niet in skills. Skills ontwikkel je niet in een klaslokaal. Je ontwikkelt ze door te experimenteren in een veilige omgeving, fouten te maken zonder afstraffing, en van elkaar te leren.
Vijf handvatten: waar begin je morgen?
1. Het 20-minuten skills-gesprek
Plan 20 minuten met een teamlid. Geen vragenlijst, gewoon:
- “Waar loop je tegenaan in je werk dat veel tijd kost?”
- “Als je die tijd zou besparen, wat zou je dan kunnen?”
- “Zou AI kunnen helpen? Waar precies?”
- “Wat heb je nodig om het te proberen?”
Waarom dit werkt: Je begint bij het probleem, niet bij de tool.
2. Maandelijkse experimenteer-sessie
Reserveer elke eerste vrijdag 1 uur:
- Eerste 30 min: iedereen werkt individueel aan één AI-experiment
- Laatste 30 min: delen wat je probeerde, wat je leerde
Belangrijke regel: fouten delen is even waardevol als successen.
3. Skills koppelen aan outputs (niet certificaten)
Maak een simpel overzicht:
| Taak | Tijd zonder AI | Tijd met AI | Wat verandert er? |
| Rapportage schrijven | 4 uur | 2 uur | Meer tijd voor analyse |
Update maandelijks. Niet om te meten, maar om zichtbaar te maken wat het oplevert.
4. De twee-weken-check
Twee weken nadat iemand iets nieuws probeerde:
- “Gebruik je het nog?” Waarom wel/niet?
- “Wat heb je nodig om door te gaan?”
Je vangt mensen op voordat ze stoppen.
5. Het buddy-systeem
Koppel mensen: iemand die AI al gebruikt + iemand die wil beginnen. Niet als trainer-leerling, maar als experimenteerpartners die wekelijks 15 minuten sparren.
Wat nu?
Eerder schreef ik over hoe leiderschap belangrijk is bij technologische transitie. Maar leiderschap alleen is niet genoeg. Je moet ook investeren in de fundamentele capaciteiten die mensen nodig hebben om AI effectief in te zetten.
De vraag is niet óf je moet investeren in AI-skills. De vraag is: begin je nu, of wacht je tot je achterstand te groot is? 2026 wordt het jaar waarin de kloof tussen AI-voorlopers en AI-achterblijvers groter wordt. Niet door betere technologie. Maar door beter ontwikkelde mensen.
