Je team kwam enthousiast terug van de AI-workshop. Waarom gebruikt bijna niemand het nu nog?

Leestijd: 5 minuten

Je team kwam enthousiast terug van de AI-workshop. Waarom gebruikt bijna niemand het nu nog?

Twee maanden geleden zat je team enthousiast in de workshopruimte. Iedereen experimenteerde met prompts, er werd gelachen om de rare gegenereerde antwoorden van het AI-model, en aan het einde van de dag had bijna iedereen een paar concrete ideeën voor het eigen werk. Je dacht: dit gaat iets veranderen.

Nu, twee maanden later, is bijna iedereen zijn/haar ideeën vergeten. De aantekeningen liggen in een map die niemand meer opent. Een paar collega’s typen af en toe nog een vraag in ChatGPT, de rest is terug gegaan naar de oude routine. Dit is een veelvoorkomend probleem, en een die niet een resultaat is van een slechte workshop, maar een die ligt bij de kern van het doel van de workshop.

In dit artikel lees je waarom die terugval na een AI-workshop zo voorspelbaar is, en wat er wel voor nodig is om AI een vast onderdeel van het werk te maken in plaats van een leuke herinnering.

Een workshop geeft een vonk, geen gewoonte

Een workshop van een tot drie uur is gebouwd om iets specifieks te doen: uitleggen wat AI is, de eerste angst of scepsis wegnemen, en mensen een paar directe handvatten geven om mee te experimenteren. Bij Lumans benoemen we onze opgestelde doelen daarom bewust bewustwording, inspiratie en een ethisch kompas, en niet structureel gebruik. De reden hiervan is omdat je niet in een paar uur een gewoonte kunt opbouwen.

Een gewoonte ontstaat pas door herhaling, feedback en tijd. Je leert een nieuwe collega ook niet in een middag een heel proces aan en verwacht daarna dat hij het jarenlang foutloos blijft doen zonder ooit nog een vraag te stellen. Met AI is wel makkelijk om te zeggen dat dit wel het geval is.

Wat er in de praktijk misgaat

Drie patronen keren steeds terug bij teams waar de energie van een workshop binnen enkele weken wegzakt.

Het eerste is tijd. Iedereen gaat na de workshop terug naar een agenda die al vol stond. Oefenen met een nieuwe manier van werken kost in het begin juist meer tijd, niet minder, en die tijd wordt zelden bewust ingepland.

Het tweede is herhaling. Zonder iemand die er nog naar vraagt, verdwijnt een nieuwe vaardigheid net zo makkelijk als hij is gekomen. Niemand controleert of de voorbeelden uit de workshop ook echt worden toegepast, dus verdwijnt die druk vanzelf.

Het derde is de toepassing na de workshop. Tijdens een goede workshop oefenen deelnemers al met situaties die aansluiten op hun organisatie, rol of werkzaamheden. Maar dat betekent nog niet dat zij AI daarna zelfstandig kunnen inzetten bij iedere nieuwe taak. Zodra een situatie net anders is dan het geoefende voorbeeld, moeten medewerkers zelf bepalen of AI geschikt is, welke informatie ze nodig hebben en hoe ze tot een bruikbaar resultaat komen. Zonder begeleiding of een vast moment om daarop terug te komen, vallen veel mensen alsnog terug op hun vertrouwde werkwijze.

Een voorbeeld uit de praktijk

Een veelvoorkomende situatie is een team van tien tot vijftien medewerkers dat een workshop als Aan de slag met AI volgt. Iedereen gaat naar huis met minstens een aantal goede nieuwe ideeën: een concept-e-mail laten voorschrijven, een rapportage sneller samenvatten, een eerste versie van een offerte laten opstellen. Maar al snel veranderen deze dingen in de waan van de dag, en niemand heeft nog tijd om de nieuwe manier van werken te oefenen totdat hij vanzelf gaat.

Een leidinggevende die dit herkent, staat voor een keuze. Ze kan concluderen dat AI toch niet zo goed aansloeg bij het team. Of ze kan erkennen dat een eenmalige sessie nooit bedoeld was om dit gedrag blijvend te veranderen, en bewust een vervolg organiseren. Het risico van de eerste route is dat de investering in de workshop verloren gaat en het team AI voortaan associeert met een leuke, maar vrijblijvende dag en daar bovenop de boot mist voor de technologie van de toekomst. Het risico van de tweede route is dat het meer tijd en budget vraagt dan gepland. Beide zijn reële afwegingen, en de keuze hangt af van wat het team werkelijk nodig heeft.

Wie zorgt dat dit verantwoord blijft

Meer AI-gebruik is niet automatisch beter AI-gebruik. Als je als leidinggevende het gebruik van AI wilt vasthouden, hoort daar ook bij dat je vooraf bepaalt welke taken wel en welke taken niet aan AI worden overgelaten, en welke bedrijfsdata daarbij wel of niet gedeeld mag worden. Dat gesprek voer je het beste voordat de gewoonte zich vastzet, niet erna. Structureel gebruik zonder kaders levert namelijk hetzelfde risico op als geen gebruik: mensen die zelf, ongecontroleerd, uitzoeken wat wel en niet mag. De verantwoordelijkheid daarvoor ligt niet bij de tool, maar bij degene die het gebruik binnen het team organiseert.

Plan het vervolg voordat de energie verdwijnt

Na een workshop hoef je niet direct een uitgebreid AI-programma op te tuigen. Je moet vooral voorkomen dat iedereen teruggaat naar de dagelijkse werkzaamheden zonder af te spreken wat er daarna gebeurt.

Spreek daarom zo snel mogelijk met het team over de stof. Bespreek welke ideeën uit de workshop bruikbaar waren, waar medewerkers tegenaan lopen en wat nodig is om verder te komen. Dat kan iets praktisch zijn, zoals het kiezen en inrichten van een geschikte AI-omgeving voor het team. Het kan ook betekenen dat je één concrete toepassing selecteert die je als eerste gaat uitwerken en implementeren.

Soms blijkt dat medewerkers vooral meer moeten oefenen met AI in hun eigen werk. Dan ligt een praktische AI-training voor de hand. In andere situaties hebben medewerkers heel verschillende vragen of werkzaamheden en zijn persoonlijke begeleidingssessies effectiever. Ook kan blijken dat er eerst afspraken nodig zijn over privacy, verantwoordelijkheden en welke informatie wel of niet met AI gedeeld mag worden.

De juiste vervolgstap verschilt per organisatie. Het belangrijkste is dat die keuze bewust en snel wordt gemaakt. Niet pas enkele maanden later, wanneer de ideeën uit de workshop zijn verdwenen en iedereen alweer volgens de oude routine werkt.

Dit zijn daarom ook goede vraagstukken om tijdens de workshop voor te leggen bij je begeleider.

Van kennismaking naar structureel gebruik

Na een workshop is de belangrijkste vraag niet of je iets met AI moet doen, maar wat voor jouw team de juiste vervolgstap is. Misschien is er behoefte aan een praktische AI-training, waarin medewerkers verder oefenen met hun eigen werkzaamheden. Misschien moet eerst een concrete toepassing worden gekozen en ingericht. In andere gevallen zijn persoonlijke begeleidingssessies of duidelijke afspraken over veilig AI-gebruik logischer.

Bij Lumans helpen we organisaties om die keuze te maken en het vervolg praktisch in te richten. We kijken naar de processen, taken en vragen binnen het team en bepalen op basis daarvan welke aanpak het meeste oplevert. Wanneer een training passend is, oefenen deelnemers met hun eigen werksituaties, tools en prompts. Bruikbare ideeën worden vervolgens vertaald naar concrete werkwijzen die ook na de training toegepast blijven worden.

Dat structurele karakter is ook precies waarom leren door te doen beter beklijft dan een eenmalige uitleg: in dit artikel over de kracht van een praktische training lees je waarom oefenen met eigen werk zwaarder weegt dan een goede presentatie. Het sluit aan op wat ondernemers bij Midpoint Brabant ervaarden: tijdens een workshop automatiseren met AI bouwden zij zelf een werkende automatisering voor hun eigen praktijk, in plaats van alleen een demonstratie te zien.

De workshop was niet het probleem. Het ontbreken van een vervolg wel.

Tot slot

Wil je die vonk niet laten verdampen, maar vasthouden in het dagelijkse werk?

👉 Wil je dat jouw team AI structureel en verantwoord leert gebruiken? Bekijk de AI-trainingen van Lumans.