Een sterke training zet gedrag in gang. Daarna begint het lastige deel: dat nieuwe gedrag vasthouden als de waan van de dag terugkomt. Precies daar kan AI veel betekenen. En precies daar is het belangrijk om scherp te zijn op welke rol AI krijgt.
Waarom oefenen na de training het verschil maakt
Vaardigheden die je niet gebruikt, zakken weg. Een meta-analyse van 53 studies naar het verlies van getrainde vaardigheden laat zien dat er direct na een training nog vrijwel niets verloren is. Na een jaar zonder oefening is het verlies fors. Cognitieve taken bleken daarbij gevoeliger dan fysieke (Arthur e.a., 1998). Een gespreksstructuur toepassen of standhouden in een onderhandeling valt eerder in die eerste categorie.
Voor commerciële teams is dat herkenbaar. De training was goed, de techniek zat erin, en een paar maanden later voert iedereen het gesprek weer zoals vroeger. Wie wil dat nieuw gedrag blijft, moet het blijven oefenen.
Wat AI hier goed kan
Oefenen vraagt tijd, een oefenpartner en een veilige setting. Dat maakt het schaars. Een AI-avatar haalt die drempels weg. Je voert een klant- of onderhandelingsgesprek wanneer het jou uitkomt, zo vaak als je wilt, zonder dat er een echte deal op het spel staat. Direct na het gesprek krijg je feedback.
Die feedback moet dan wel goed zijn. Een klassieke meta-analyse van ruim 600 effecten laat zien dat feedback prestaties gemiddeld verbetert, maar dat meer dan een derde van de feedbackinterventies prestaties juist verslechterde. Het verschil zit in waar de feedback de aandacht op richt. Feedback op de taak helpt. Feedback die de aandacht naar de persoon zelf trekt, werkt averechts (Kluger & DeNisi, 1996).
Daarom richt de feedback van de avatar zich op het gesprek zelf: je structuur, je vragen, je openingspositie, en wat je de volgende keer scherper kunt doen.
Waar het oordeel bij mensen hoort
Er is ook een grens, en die trekken we bewust. De avatar is gemaakt om te leren. Het oordeel over een persoon hoort bij mensen: of iemand geschikt is voor een functie, klaar is voor een promotie of beter ergens anders past.
Daar zijn twee redenen voor. De eerste is inhoudelijk. Wie selecteert of beoordeelt, wil gedrag zien dat niet vooraf is geschreven, gewogen door iemand die de context kent. Onze zusterorganisatie AVOP, specialist in assessments, schreef daarover: wat voorspelt succes in een functie, nu kandidaten AI gebruiken?
De tweede reden is juridisch. De EU AI Act merkt AI-systemen die de prestaties en het gedrag van werknemers beoordelen aan als hoog risico. Voor die systemen gelden vanaf 2 december 2027 strenge eisen (Europese Commissie, 2026).
Hoe wij de avatar inzetten
Elk Zenith-traject volgt dezelfde lijn: diagnose, live training, borging. De diagnose-avatar is een nulmeting. Die laat zien waar de groei zit, zodat onze adviseurs de live training precies daarop richten. De dashboards per team gebruiken we om training en coaching te sturen. Voor het beoordelen van individuele medewerkers zijn ze uitdrukkelijk niet bedoeld.
Human expertise, AI amplified. Onze adviseurs zetten gedrag in gang, de avatar houdt het levend. De training is voorbij, de ontwikkeling gaat door.
Benieuwd hoe dat eruitziet? Bekijk de Zenith AI-avatar of neem contact op voor een demo.
Bronnen
- Arthur, W., Jr., Bennett, W., Jr., Stanush, P. L., & McNelly, T. L. (1998). Factors that influence skill decay and retention: A quantitative review and analysis. Human Performance, 11(1), 57-101. doi.org/10.1207/s15327043hup1101_3
- Kluger, A. N., & DeNisi, A. (1996). The effects of feedback interventions on performance: A historical review, a meta-analysis, and a preliminary feedback intervention theory. Psychological Bulletin, 119(2), 254-284. doi.org/10.1037/0033-2909.119.2.254
- Europese Commissie (2026). AI Act: regulatory framework on AI. digital-strategy.ec.europa.eu
- Verordening (EU) 2024/1689 (AI Act), bijlage III, punt 4. eur-lex.europa.eu
