Vijf dingen die ik leerde van drie jaar AI-trainingen geven

Ik heb geen idee wat ik doe als trainer. Nooit een didactische opleiding gevolgd, geen coachingstraject gedaan, geen boek over groepsdynamica gelezen. Iemand vroeg of ik het wilde doen. Dat iemand was ik zelf. Na een week bedenktijd.

Drie jaar later train ik marcom teams in AI. Het gaat, objectief gezien, best aardig. (Ik zeg dit terwijl ik weet dat minstens twee deelnemers vorige maand verder waren dan ik op onderdelen. Maar dat telt niet mee voor het gemiddelde.)

iedereen heeft een bedrijfs-GPT. hij is bijna altijd waardeloos.

IT heeft iets ingericht op een model van anderhalf jaar oud, met een systeemprompt van twee zinnen en een verbod op grappige content. Gevolg: iedereen gebruikt stiekem gewoon ChatGPT. Op hun privéaccount. Met bedrijfsdata.

Geweldig voor de informatieveiligheid.

Wat me meer verbaast: het kennisniveau is nauwelijks gestegen. Drie jaar AI-hype verder en het aantal mensen dat een goede systeemprompt kan schrijven, een assistent kan bouwen, output kan beoordelen — nog steeds een klein clubje. De tools zijn beter geworden. De gebruiker minder hard dan je zou verwachten.

Dat is altijd nog het grootste aha-moment in een zaal. Elke keer weer.

Ze verwachtten een demo. ze kregen een hackathon.

Na twintig minuten werkt iedereen zelf. Stilte. Laptops open. Vijftig euro aan credits op fal.ai, gewoon stuk slaan. Soms maken mensen iets wat nergens op lijkt. Soms sturen ze het meteen naar hun manager. Ik bepaal dat niet.

Ik reageer op vragen vanuit het vak, maak al vrij snel een sarcastische opmerking over mezelf, en voel de temperatuur. Waardoor ze na een halfuur het gevoel hebben dat ze met een vakgenoot werken in plaats van naar iemand luisteren die z'n eigen slide bewondert.

De trainers die ik langs zie komen doen dat laatste trouwens ook. Hetzelfde deck. Elke klant. Ik snap de efficiëntie.

De olifant heet klimaat en hij past niet onder het kleed.

Het ongemakkelijkste moment in elke training komt vroeg of laat.

Iemand vraagt naar de energiekosten van AI. Of naar water. Of zegt gewoon hardop wat iedereen denkt: we kappen bossen voor AI-video's die nergens op lijken.

En dan sta ik daar. Als iemand die dit predikt, er zijn geld mee verdient, en er tegelijk oprecht van wakker ligt. Ik heb het geprobeerd — uitgelegd, gerelativeerd, context gegeven. Het helpt allemaal niet echt, want de vraag klopt gewoon. Dus zeg ik dat maar. Het schuurt. Het voelt hypocriet.

Vreemd genoeg is dat het moment waarop de zaal het meest ontspant.

80% van de 'AI-vragen' is een if-this-then-that uit 2014.

Organisaties willen niet meer geïnspireerd worden. Ze willen weten wat het oplevert, hoe het in hun werkproces past, en of het iemand z'n baan kost. (Die laatste vraag stellen ze bijna nooit hardop.)

Wat mensen denken dat AI moet oplossen, is heel vaak gewoon automatisering. Geen taalmodel nodig. Gewoon een koppeling die al tien jaar bestaat maar waar nooit budget voor was.

Ik schat 80% van de use cases die ik voorbij zie komen. Dat is niet wat mensen willen horen. Ik zeg het toch.

Ik bepaal niet wat blijft hangen.

Ik heb n8n-automatiseringen gebouwd die nergens op leken. AI-video gemaakt die ik nooit aan een klant zou laten zien. Een hele training voor AI-video stopgezet omdat ik eerlijk moest zijn: dit ligt te ver buiten wat ik goed kan.

(De prachtige AI-video's die je online ziet van creators die "gewoon Kling gebruiken" zijn trouwens bijna altijd gemaakt door mensen met early access en een affiliate deal. Shady marketinghoek. Ik benoem het maar even.)

Imposter syndrome is een vaste gast. Sommige deelnemers zijn verder dan ik op onderdelen. Da's prima, maar het went niet.

Wat ik er wel van heb geleerd: de simpelste uitleg over hoe je een bestand exporteert is soms het aha-moment van de dag. Niet de grote visie die ik zo mooi had uitgeschreven.

Ik zorg dat er genoeg in de kist zit. De rest is aan het publiek.