In 2026 zegt 82% van de enterprise-leiders dat hun organisatie een vorm van AI-training aanbiedt. En toch meldt 59% een AI-vaardigheidskloof. Als AI-training breed beschikbaar is, waarom vertaalt dat zich dan niet naar capabilities in de workforce?
Het antwoord is geen gebrek aan interesse. Het zit in hoe de training is ontworpen.
In ons onderzoek uit 2026 onder meer dan 500 enterprise-leiders in de VS en het VK, uitgevoerd met YouGov, wezen leiders consequent op structurele tekortkomingen in corporate AI-trainingsprogramma’s, met name rond relevantie, toepassing en meting.
Het probleem is effectiviteit, niet toegang
Van de bevraagde leiders:
- 82% biedt een of andere vorm van AI-training aan
- 68% zegt dat medewerkers toegang hebben tot AI-leermiddelen
- 46% biedt basistraining in AI-geletterdheid
Maar slechts 35% zegt een volwassen, organisatiebrede AI-upskillingstrategie te hebben.
Er is training; schaalbare capability ontbreekt. Waar gaat het mis?
1. Passief leren domineert corporate AI-training
Het meest voorkomende AI-trainingsformat is een combinatie van online leren en af en toe klassikale sessies (40%). Leiders geven aan dat deze formats moeite hebben om toegepaste vaardigheid op te bouwen:
- 23% zegt dat videotraining het lastig maakt om geleerde skills in de praktijk toe te passen
- 24% noemt een gebrek aan hands-on projecten of labs
Kijken naar AI-uitleg is niet hetzelfde als AI effectief gebruiken. Zonder gestructureerde oefening begrijpen medewerkers AI-concepten misschien wel, maar worstelen ze met de toepassing in echte workflows. Het resultaat: bekendheid zonder beheersing.
2. AI-training is niet rolrelevant
Een andere consistente klacht is het gebrek aan afstemming op rollen. Gevraagd naar uitdagingen bij online leren, zegt bijna een kwart (23%) van de leiders dat leerroutes niet zijn afgestemd op specifieke functies. Nog eens 21% zegt dat medewerkers moeite hebben om te bepalen waar ze moeten beginnen.
Het echte probleem is dat algemene sessies over AI-geletterdheid vaak niet aansluiten op dagelijkse verantwoordelijkheden. Feit is dat een HR-leider, een financieel manager en een marketinganalist AI anders gebruiken, maar veel AI-trainingsprogramma’s behandelen hen hetzelfde.
Als AI-learning niet is gekoppeld aan echte use-cases, wordt adoptie gefragmenteerd en inconsistent.
3. Organisaties hebben moeite om de ROI van training te meten
Traditionele AI-training mist ook duidelijke prestatiemetingen. Veelgehoorde klachten van leiders zijn onder andere:
- Moeite om te rapporteren over de ROI van trainingsprogramma’s (26%)
- Gebrek aan certificering of bewijs van vaardigheid (15%)
Als organisaties niet kunnen meten of AI-training prestaties verbetert, wordt het lastig om blijvende investeringen te rechtvaardigen.
Dit is vooral problematisch wanneer:
- 35% van de leiders tijdsdruk als grootste belemmering voor het verbeteren van AI-vaardigheden noemt
- 31% een gebrek aan budget noemt
Zonder duidelijke ROI concurreert AI-training met operationele prioriteiten—en verliest die strijd vaak.
4. Losse trainingen kunnen het tempo van AI’s evolutie niet bijbenen
AI-tools ontwikkelen zich razendsnel, maar veel organisaties vertrouwen nog op eenmalige workshops of kortlopende leerinitiatieven.
AI-geletterdheid is geen statische competentie. Het vereist:
- Doorlopende herhaling
- Contextuele oefening
- Feedbackloops
- Continue aanpassing
Traditionele trainingsmodellen zijn gebouwd voor langzamer ontwikkelende vaardigheden. AI-capability vraagt om een ander systeem.
Het gevolg: bewustzijn zonder toepassing
Als AI-training passief, generiek en lastig te meten is, is de uitkomst voorspelbaar:
- Medewerkers experimenteren met AI maar missen vertrouwen
- Use-cases blijven oppervlakkig
- Het risico stijgt door overmatige afhankelijkheid of misverstanden
- De ROI van AI-investeringen stagneert
Organisaties met volwassen, organisatiebrede upskillingprogramma’s hebben bijna twee keer zoveel kans om significante positieve AI-ROI te rapporteren. De volledige uiteenzetting van hoe trainingsvolwassenheid samenhangt met AI-ROI staat in het 2026 State of Data & AI Literacy Report.
Hoe effectieve AI-training er wél uitziet
Leiders die sterkere capabilities in de workforce rapporteren, gaan vaak verder dan traditionele cursusmodellen. Effectieve AI-trainingsprogramma’s zijn:
- Hands-on, met nadruk op toegepaste oefening, niet passieve consumptie
- Rolspecifiek, gekoppeld aan echte workflows
- Gestructureerd, met duidelijke groeipaden
- Versterkt over tijd, geen eenmalige sessies
- Meetbaar, gekoppeld aan skill-benchmarks en performance-uitkomsten
Met andere woorden: ze functioneren als capabilitysystemen, niet als contentbibliotheken.
Als praktisch voorbeeld: Bayer bouwde een meerlagige Data Academy die de digitale en AI-geletterdheid organisatiebreed versterkte, waarbij meer dan 90% van de lerenden verbeterde innovatie of procesverbeteringen rapporteerde.
Toen Bayer leermiddelen voor de Data Academy onderzocht, viel DataCamp op door zowel breedte als relevantie. Via de uitgebreide cursuscatalogus, met vakgebieden als data-analyse, statistiek, machine learning, SQL en generatieve AI, worden meerdere leerpersona’s ondersteund met één oplossing.
Om lerenden van theorie naar praktijk te brengen, koppelt Bayer DataCamp-learning aan capstoneprojecten. Na het afronden van cursussen passen medewerkers wat ze hebben geleerd toe op echte use-cases bij Bayer, variërend van kas- en kassenonderzoek tot hoe je neurale netwerken bouwt, waarmee ze hun vaardigheid aantonen en kansen identificeren om businesswaarde te creëren.
Deze resultaten werden niet gedreven door meer AI-tools. Ze kwamen voort uit beter trainingsontwerp.
Van contentlevering naar capabilitysystemen
De toekomst van AI-training draait niet om méér content. Het gaat om betere integratie tussen leren en werk.
Organisaties die AI-geletterdheid behandelen als core-infrastructuur—met andere woorden, ingebed in workflows, versterkt over tijd en gemeten op uitkomsten—hebben veel meer kans om de AI-vaardigheidskloof te dichten en de ROI te verbeteren.
DataCamp for Business is rond dit model ontworpen en combineert rolspecifieke leerroutes, hands-on oefeningen, assessments en benchmarking van de workforce om toegepaste AI-capabilities op schaal op te bouwen.
Als je wilt onderzoeken hoe je verder komt dan passieve AI-training, ontdek hoe DataCamp for Business enterprise AI-upskilling ondersteunt.
