Hoe je AI-interacties praktisch beheerst en een AI-handboek ontwikkelt
Betrokkenheidsprobleem: AI-adoptie verloopt moeizaam door een gebrek aan betrokkenheid en onduidelijke interactiepraktijken binnen organisaties.
Noodzaak van een AI-handboek: Organisaties die vooruitgang boeken met AI gebruiken handboeken die zijn afgestemd op effectieve interactie en gedragsverandering.
Beheersing van interacties: De echte AI-vaardigheid ligt in het beheersen van interacties, verdergaand dan eenvoudige prompttechnieken, voor effectieve samenwerking.
Beperkingen van prompttraining: Promptworkshops vergroten het bewustzijn, maar slagen er niet in AI-gebruik te integreren in de dagelijkse werkprocessen van medewerkers.
Invloed van leiderschap: AI-adoptie verbetert wanneer leiders zichtbaar betrokken zijn en de toon zetten voor veilig, verkennend gebruik.
Het probleem met AI is dat het niet is zoals traditionele technologie…
Organisaties overal ter wereld investeren zwaar in AI. Ze kopen licenties, rollen copilots uit en lanceren AI-beleid. Ze organiseren workshops over het schrijven van prompts, richten governancegroepen op en publiceren gelikte communicatie. En toch stellen veel leiders zichzelf in stilte dezelfde vraag.
“Waarom gebruiken onze mensen het eigenlijk niet?”
Create a Free Account to Keep Reading—and Keep Leading Smarter
Unlock this piece and join a community of forward-thinking leaders discovering tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Laat me vertellen waarom… Omdat AI-adoptie een betrokkenheidsprobleem is.
Veel organisaties benaderen AI-implementatie nog steeds alsof het om een nieuwe software-uitrol gaat. Ze trainen mensen in de functies, geven hun een paar gebruiksscenario’s, delen enkele prompts en hopen dat de adoptie vanzelf volgt.
Maar AI is anders.
Dit is niet zomaar software waar mensen doorheen klikken. AI verandert de manier waarop mensen denken, creëren, communiceren, analyseren, problemen oplossen en beslissingen nemen. Het vraagt mensen om interactie te hebben met intelligentie zelf, vaak zonder voldoende vertrouwen, context of duidelijkheid over hoe “goed” eruitziet. Het voelt meer als echte intelligentie dan historische technologie of software.
En daar beginnen veel AI-uitrollen te stagneren. Werknemers voelen zich overweldigd door het tempo van de verandering. Managers weten niet hoe ze AI-adoptie binnen hun teams moeten aansturen. Training in het schrijven van prompts zorgt voor kortstondig enthousiasme, maar voor inconsistente gewoonten op de lange termijn, en leiders verwachten innovatie terwijl ze onbedoeld angst creëren rond experimenteren en falen.
Dit alles betekent dat AI wordt gepositioneerd als transformationele technologie, maar uiteindelijk een andere onderbenutte tool op de werkplek wordt.
Zo bouw je een AI-handboek dat je mensen daadwerkelijk zullen gebruiken
De organisaties die echte vooruitgang boeken met AI doen iets anders. Ze leren mensen niet alleen hoe ze AI-tools moeten gebruiken. Ze leren mensen hoe ze effectief met AI kunnen omgaan als denkpartners en coaches, en hoe ze deze interacties kunnen omzetten in herhaalbaar gedrag binnen de hele organisatie.
Daar wordt een AI-handboek essentieel. Geen statisch document vol beleid en goedgekeurde prompts. Het moet een praktisch raamwerk zijn dat mensen helpt begrijpen hoe ze met AI kunnen denken, met AI kunnen samenwerken en AI betekenisvol kunnen toepassen tijdens het werk.
Waarom AI-adoptie stagneert
Een van de grootste misvattingen bij AI-implementatie is de aanname dat toegang gelijkstaat aan adoptie. Maar er wordt heel weinig tijd besteed aan het helpen van mensen om vertrouwen op te bouwen in de interactielaag, en dat is belangrijk omdat AI-gebruik sterk gedragsmatig van aard is. Onze mensen moeten weten:
- Hoe ze betere vragen kunnen stellen
- Hoe ze betekenisvolle context kunnen bieden
- Hoe ze resultaten kunnen verfijnen
- Hoe ze reacties kritisch kunnen bevragen
- Wanneer ze AI wel en wanneer ze AI niet kunnen vertrouwen
- Hoe ze menselijk beoordelingsvermogen kunnen toepassen naast door AI gegenereerde resultaten
Meesterschap in AI-interactie is de echte vaardigheid
Veel organisaties praten over prompt engineering alsof het de ultieme AI-capaciteit is. Laat dit duidelijk zijn: dat is het niet.
Het schrijven van prompts is slechts een klein onderdeel van een veel grotere vaardighedenreeks die ik meesterschap in AI-interactie noem.
De mensen die de beste resultaten uit AI halen, zijn zelden degenen die slimme prompts van één regel gebruiken die ze van LinkedIn hebben gekopieerd. Het zijn de mensen die begrijpen hoe ze iteratief en doelgericht met AI kunnen samenwerken. Ze weten hoe ze:
- Context kunnen vormgeven
- Resultaten kunnen verduidelijken
- De toon kunnen sturen
- Hun denkproces kunnen verfijnen
- Resultaten kritisch kunnen ondervragen
- Expertise kunnen toepassen
- AI kunnen gebruiken als denkpartner in plaats van als antwoordmachine
Hier moeten organisaties hun denkwijze veranderen. In plaats van werknemers te leren “AI te gebruiken”, zouden organisaties werknemers moeten leren hoe ze hoogwaardige AI-interacties kunnen opbouwen.
Hier is een van mijn eenvoudigste raamwerken dat ik organisaties aanmoedig te gebruiken.
Persona + Context + Resultaat
Dit verbetert de kwaliteit van AI-interacties aanzienlijk en helpt werknemers tegelijkertijd bewuster na te denken over wat ze proberen te bereiken. In plaats van AI bijvoorbeeld te vragen:
“Schrijf een e-mail over onze nieuwe AI-uitrol.”
Werknemers zouden de interactie als volgt kunnen structureren:
- Persona: Neem de rol aan van een ervaren HR-directeur die organisatorische verandering aanstuurt.
- Context: We introduceren AI-tools in een sterk gereguleerde financiële dienstverleningsorganisatie waar veel werknemers bezorgd zijn over de gevolgen voor hun baan en gegevensprivacy.
- Resultaat: Creëer een geruststellende interne communicatie die psychologische veiligheid bevordert, experimenteren aanmoedigt en uitlegt hoe werknemers worden ondersteund.
Het verschil in kwaliteit van de output is onmiddellijk zichtbaar. Maar nog belangrijker: dit raamwerk verandert de manier waarop mensen nadenken over interactie met AI, omdat het doelgerichtheid stimuleert in plaats van automatisering.
En dat onderscheid doet ertoe.
Organisaties hebben namelijk geen werknemers nodig die blindelings sneller content genereren. Ze hebben werknemers nodig die kritisch kunnen nadenken, intelligent kunnen samenwerken en goed beoordelingsvermogen kunnen toepassen in door AI ondersteunde omgevingen.
Waarom training in prompts alleen niet werkt
Veel organisaties organiseren inmiddels workshops over het schrijven van AI-prompts. Je kent ze wel, toch? Werknemers nemen deel, raken enthousiast en vertrekken met pagina's vol prompts. En daarna… verandert er vrijwel niets.
Waarom?
Omdat promptsessies vaak bewustwording creëren zonder gedrag te verankeren. Mensen keren terug naar drukke werklasten en vallen snel terug in oude gewoonten. De prompts die ze in documenten hebben gekopieerd, integreren niet vanzelf in hun dagelijkse werk. Het geleerde voelt losgekoppeld van echte werkstromen.
Daarom voelen zoveel AI-initiatieven momenteel gefragmenteerd aan. Er is enthousiasme, maar geen operationalisering. Als organisaties betekenisvolle adoptie willen bereiken, moeten ze verder gaan dan geïsoleerde trainingssessies en systemen bouwen die herhaalbare AI-interacties in de loop der tijd ondersteunen.
En ze moeten tools integreren.
Als AI buiten bestaande werkstromen staat, zal de adoptie altijd moeizaam verlopen. De organisaties die sterkere betrokkenheid zien, integreren AI in vergaderingen, communicatie, projectwerk, coachingsgesprekken, analyses, wervingsprocessen en de dagelijkse besluitvorming.
Wat een sterk AI-handboek daadwerkelijk bevat
Een effectief AI-handboek is geen statisch beleidsdocument in pdf-formaat dat onaangeroerd in een gedeelde map staat. Het is een praktische, actuele en flexibele leidraad voor de manier waarop je organisatie met AI omgaat.
Het moet werknemers helpen vragen te beantwoorden zoals:
- Hoe ziet goed AI-gebruik er hier uit?
- Hoe moet ik AI in mijn functie toepassen?
- Wat zijn de grenzen?
- Hoe verbeter ik de kwaliteit van de output?
- Welke menselijke vaardigheden blijven het belangrijkst?
- Wanneer moet ik mijn beoordelingsvermogen gebruiken in plaats van automatisering?
- Hoe blijf ik op de hoogte van veranderingen en innovaties?
Dus laat me je een geheim verklappen…. de sterkste AI-handboeken bevatten meestal vijf belangrijke gebieden.
1. Principes voor ethische interactie
Dit zijn de gedragsmatige fundamenten voor AI-gebruik in de hele organisatie. Bijvoorbeeld:
- Controleer output voordat je deze extern deelt
- Voeg betekenisvolle bedrijfscontext toe
- Gebruik AI om het denken te ondersteunen, niet om het denken te vervangen
- Bescherm vertrouwelijke informatie
- Herhaal en verfijn voordat je de kwaliteit van de output beoordeelt
- Pas menselijk beoordelingsvermogen toe bij gevoelige beslissingen
Deze principes helpen consistentie te creëren en tegelijkertijd risico's te beperken. Belangrijker nog: ze benadrukken ook dat AI een samenwerkingshulpmiddel is en geen autonome vervanging voor menselijke verantwoordelijkheid.
2. Functiegerichte promptkaders
Algemene voorbeelden van prompts stimuleren zelden de adoptie, omdat werknemers moeite hebben om ze aan hun eigen werk te koppelen. Kies voor functiespecifieke voorbeelden; die zijn veel effectiever.
Managers, HR-teams, recruiters, professionals op het gebied van leren en ontwikkeling, operationele leiders en communicatieteams werken allemaal op een andere manier met AI. Managers kunnen AI bijvoorbeeld gebruiken om:
- Zich voor te bereiden op moeilijke gesprekken door rollenspellen met de AI
- Feedback iteratief te structureren
- In context te brainstormen over ideeën voor teamontwikkeling
- Vergadercommunicatie voor verschillende teamleden of belanghebbenden te verbeteren
HR-teams kunnen AI gebruiken om:
- Beleidsuitleg vereenvoudigen
- Trends binnen het personeelsbestand analyseren
- Communicatie voor medewerkers opstellen
- Welzijnsinitiatieven ondersteunen die daadwerkelijk beklijven en praktisch zijn
Teams voor leren en ontwikkeling kunnen AI gebruiken om:
- Gepersonaliseerde leertrajecten te creëren
- Toetsvragen, modelantwoorden en beoordelingsmechanismen te genereren
- Workshops samen te vatten met de belangrijkste inzichten en stimulansen
Zoals bij al deze toepassingen geldt: het belangrijkste is dat het gebruik van AI relevant, praktisch en direct toepasbaar aanvoelt.
3. Organisatorische toepassingen
Veel organisaties richten zich te veel op geïsoleerde productiviteitswinst en weet je wat? Dit is niet waar jouw mensen zich op richten!
Duurzame AI-adoptie ontstaat door herhaalbare organisatorische werkprocessen te identificeren waarin AI de resultaten daadwerkelijk verbetert en je mensen zowel persoonlijk als professioneel ondersteunt.
Dit kan onder meer het volgende omvatten:
- Personeelsplanning
- Communicatie door leidinggevenden
- Wervingsprocessen
- Veelgestelde vragen over onboarding (want we weten dat dit tijdverspilling is!)
- Rapportage aan belanghebbenden
- Communicatie met klanten
- Prestatiemanagement
- Strategische analyse
De beste toepassingen zijn niet altijd de meest opvallende. Vaak ontstaat de grootste impact door wrijving in het dagelijkse werk te verminderen en deze resultaten te delen als zichtbare snelle successen waar iedereen gebruik van kan maken en van kan profiteren.
4. Verwachtingen rond menselijk toezicht
Naarmate de mogelijkheden van AI toenemen, weten we dat menselijk beoordelingsvermogen belangrijker wordt, niet minder. Organisaties moeten expliciet aangeven waar menselijk toezicht vereist is en welke verantwoordelijkheden bij medewerkers blijven liggen. Dit is vooral belangrijk op gebieden die betrekking hebben op:
- Ethiek
- Naleving
- Beslissingen over mensen
- Vooringenomenheid
- Welzijn
- Organisatorisch risico
Hier worden onderscheidende menselijke vaardigheden cruciaal. De werkplek van de toekomst zal deze vaardigheden, die zich blijven ontwikkelen, steeds meer belonen (en als ze nog niet in je ontwikkelingsplan staan, raad ik je sterk aan ze toe te voegen):
- Kritisch denken
- Ethische intelligentie
- Leervermogen
- Duidelijke communicatie met zowel menselijke als ‘digitale’ collega’s
- Emotionele intelligentie
Organisaties die het snelst vooruitgaan met AI worden steeds doelgerichter in waar AI de meeste waarde heeft.
5. Gedrag van leidinggevenden
De adoptie van AI staat of valt met het gedrag van leidinggevenden. Medewerkers letten tijdens veranderingsperiodes nauwlettend op leidinggevenden. Als leidinggevenden rond AI afstandelijk, angstig of inconsistent overkomen, merken teams dat onmiddellijk. Een van de grootste problemen die ik zie, is dat leidinggevenden betrokken raken bij AI zonder daadwerkelijk in actie te komen.
Ze wonen presentaties bij, lezen rapporten en keuren budgetten goed. Maar ze experimenteren zelf niet met AI. En dat creëert een grote geloofwaardigheidskloof.
Leidinggevenden hoeven geen technische experts te worden. Maar ze moeten zich wel zichtbaar met AI bezighouden op manieren die vertrouwen, zekerheid en daarmee psychologische veiligheid in de hele organisatie bevorderen.
Dat betekent:
- Hun eigen experimenten delen
- Toegeven wat ze nog aan het leren zijn
- Nieuwsgierigheid tonen
- Verantwoord verkennen aanmoedigen
- Ruimte maken voor teams om te leren
Mensen bouwen geen vertrouwen op door druk; ze bouwen vertrouwen op door toestemming, ondersteuning en herhaling.
Mijn praktische raamwerk voor het opstellen van een AI-handleiding
Organisaties maken de invoering van AI vaak onnodig ingewikkeld en we hebben ons daar allemaal schuldig aan gemaakt. In werkelijkheid zijn de meest effectieve AI-draaiboeken praktisch, iteratief en diep verbonden met het dagelijkse werk.
Hier volgt een eenvoudige aanpak in vijf stappen die organisaties kunnen gebruiken.
Stap 1: Identificeer werkprocessen met veel wrijving
Begin met het identificeren van de plekken waar medewerkers tijd, energie of motivatie verliezen.
- Waar vertragen repetitieve taken mensen?
- Waar hebben teams moeite met communicatie, analyse of een overvloed aan informatie?
- Wat doen mensen met tegenzin? En waarom?
De invoering van AI wordt betekenisvoller wanneer deze echte, mensgerichte problemen oplost.
Stap 2: Bepaal hoe goed AI-gebruik eruitziet
Creëer duidelijke gedragsnormen waar iedereen zich aan kan houden.
- Hoe ziet verantwoord, effectief en hoogwaardig contact met AI eruit binnen jouw organisatie?
- Wat wordt ingedeeld als rood (niet doen), oranje (soms doen, afhankelijk van de context) en groen (altijd doen binnen de veiligheidsmaatregelen)?
Hier worden interactieprincipes essentieel.
Stap 3: Bouw herbruikbare sjablonen
Creëer praktische kaders die medewerkers direct kunnen gebruiken. Dit kan het volgende omvatten:
- Promptkaders (geen promptgebruiksscenario's!)
- Sjablonen voor ondersteuning bij vergaderingen
- Analysewerkstromen
- Voorbeelden per functie
Hoe eenvoudiger je AI-interacties maakt, hoe sneller de adoptie groeit. Geef mensen hulpmiddelen die eenvoudig toe te passen en leuk in gebruik zijn.
Stap 4: Train managers als eerste
Managers zijn een van de grootste versnellers van AI-adoptie en als managers weinig vertrouwen hebben in AI, lopen teams vaak vast.
Maar wanneer managers actief experimenteren, leren aanmoedigen en goed gedrag voorleven, versnelt de adoptie aanzienlijk. We weten allemaal dat managers de cultuur sterker vormgeven dan beleid ooit zal doen en dat je de adoptie aanzienlijk kunt versnellen met de juiste bijscholing en ondersteuning voor managers.
Laat je echter niet verleiden tot algemene coachingsvaardigheidstrainingen; ik zie L&D-teams regelmatig in deze valkuil lopen. De training moet specifiek gericht zijn op de functie en op AI, zodat mensen deze gemakkelijk kunnen toepassen.
Stap 5: Creëer een experimenteercultuur
De organisaties die het snelst vooruitgaan met AI zijn vaak technisch gezien niet de meest geavanceerde, maar creëren omgevingen waarin mensen zich veilig voelen om te leren. Dat betekent:
- Nieuwsgierigheid belonen
- Experimenteren normaliseren
- Angst voor fouten verminderen door onschuldige fouten niet te bestraffen
- AI-adoptie beschouwen als een doorlopende ontwikkeling van vaardigheden en niet als een eenmalig trainingsprogramma
Vertrouwen in AI wordt opgebouwd door gebruik, en gebruik groeit alleen waar psychologische veiligheid bestaat.
AI-adoptie is menselijk
Veel organisaties benaderen AI nog steeds voornamelijk vanuit het perspectief van productiviteit. En begrijp me niet verkeerd: productiviteit is absoluut belangrijk.
Maar de organisaties die op de lange termijn succesvol zijn, zullen iets groters erkennen. AI-adoptie draait in essentie om mensen. Het gaat erom mensen te helpen vertrouwen op te bouwen in een snel veranderende omgeving. Het gaat erom leiders te helpen op een andere manier leiding te geven en medewerkers te helpen anders te denken.
Dit komt doordat de toekomst van werk niet menselijk of AI is. Het is interactie tussen mens en AI op grote schaal.
En de organisaties die deze interactielaag als eerste beheersen, zullen AI niet alleen succesvoller invoeren, maar in het proces ook meer aanpasbare, zelfverzekerdere en meer toekomstbestendige werknemersbestanden opbouwen.
Metabeschrijving
De meeste AI-adoptiestrategieën mislukken omdat ze zich richten op hulpmiddelen in plaats van gedrag. Leer hoe je een AI-adoptiedraaiboek opbouwt dat betrokkenheid, vertrouwen en duurzaam AI-gebruik binnen je gehele personeelsbestand stimuleert.
