5 AI ontwikkelingen in 2026

5 AI-ontwikkelingen in leertechnologie die L&D nu al serieus moet nemen

AI is inmiddels niet meer weg te denken uit gesprekken over leren en ontwikkelen. Toch blijft de belangrijkste vraag hetzelfde: wat heb je er in de praktijk aan? 

Tijdens de VOV-beurs vroegen we L&D-professionals welke AI-toepassingen hen het meest aanspreken. Vooral oefenen en rollenspel, adaptieve leerpaden, feedback, personalisatie en data-analyse kwamen duidelijk naar voren. Dat is interessant, omdat de behoefte dus niet alleen zit in sneller content maken. L&D kijkt ook naar beter begeleiden, gerichter oefenen en slimmer organiseren. 

In dit artikel zetten we vijf ontwikkelingen op een rij die nu al relevant zijn voor HR en L&D. Niet als hype, maar als manier om scherper te kijken naar waar AI echt waarde kan toevoegen aan leertechnologie. 

1 Content maken wordt interactiever en veelzijdiger

AI wordt vaak als eerste gekoppeld aan contentcreatie, het maken van e-learning bijvoorbeeld. Logisch: teksten herschrijven, plaatjes maken, toets vragen ontwikkelen en vertalen gaat met AI sneller en gemakkelijker dan voorheen. 

Maar eigenlijk gaat het veel verder dan “sneller content maken”. AI helpt ook om meer variatie aan te brengen in leercontent. Denk aan praktijkvoorbeelden voor verschillende rollen, alternatieve uitleg voor verschillende niveaus, interactieve opdrachten, meer scenario’s etc. 

Daarmee verschuift de rol van L&D. Niet alles hoeft vanaf nul geschreven te worden, maar de didactische keuzes blijven belangrijk. Wat moet iemand leren? Welke oefenvorm past daarbij? Wanneer is feedback nodig? En hoe voorkom je dat content generiek of oppervlakkig wordt? Of wanneer wordt interactiviteit een gimmick, een truckje. 

Een praktisch voorbeeld is het bouwen van interactieve onderdelen in bestaande auteurstools. Courseware geeft bijvoorbeeld de training “Haal meer uit Rise: Vibecoden en Code Blocks”, waarin AI wordt gebruikt om interactieve code blocks in Rise te bouwen. Dat laat goed zien waar AI interessant wordt: niet alleen bij tekst, maar ook bij nieuwe vormen van interactie. 

2 De AI-assistent groeit door naar leerbuddy of coach

Veel organisaties kennen nu al een AI-assistent. Deze is vooral een chatbot: je stelt een vraag en krijgt antwoord. In leertechnologie is dat pas het begin. 

De volgende stap is een assistent die beter begrijpt waar iemand staat in het leerproces. Niet alleen: “Hier is een antwoord”, maar: “Dit is wat je nu nodig hebt om verder te komen.” Dat kan gaan om een uitleg, een oefenvraag, een reflectie, een aanbevolen module of uitleg of richting naar een vervolgstap. 

Voor L&D is vooral het idee van scaffolding (ondersteuning die stap voor stap afbouwt) interessant. Een goede leerbuddy neemt het leren niet over, maar geeft precies genoeg steun om iemand verder te helpen. Soms is dat een hint. Soms een voorbeeld. Soms juist een vraag die iemand dwingt om na te denken. 

Dit is natuurlijk niet een vervanger voor alles, het vervangt geen menselijke begeleiding, geen manager en geen inhoudelijke expert. Maar als onderdeel in een leerplatform kan zo’n assistent wel helpen om leren toegankelijker, persoonlijker en beter begeleid te maken en is het een extra werkvorm die gebruikt kan worden.

3 Leerplatformen worden makkelijker te beheren en te begrijpen

AI is niet alleen relevant voor de lerende. Ook voor beheerders, HR-teams, L&D-teams en managers kan AI het verschil gaan maken. 

Leerplatformen bevatten veel data, instellingen, rapportages, doelgroepen, leerpaden en contentstructuren. In de praktijk kost het tijd om daar goed mee te werken. AI kan helpen om beheer begrijpelijker te maken. Bijvoorbeeld door in natuurlijke taal informatie op te vragen, rapportages samen te stellen, content te taggen of leeractiviteiten beter te structureren. 

Ook dashboards en rapportages kunnen toegankelijker worden. Niet doordat ieder rapport vooraf helemaal hoeft te worden ingericht, maar doordat managers gerichter vragen kunnen stellen aan leerdata. Welke groepen blijven achter? Welke thema’s worden veel gevolgd? Waar ontstaat behoefte aan extra ondersteuning? 

4 Rollenspel, oefenen en feedback worden rijker

Oefenen en rollenspel kwamen tijdens de VOV-beurs sterk naar voren. Dat is begrijpelijk. Veel leerdoelen gaan niet alleen over kennis, maar over gedrag: een gesprek voeren, feedback geven, omgaan met weerstand, reflecteren op keuzes of handelen in een lastige situatie. 

AI kan helpen om dat soort oefensituaties vaker en laagdrempeliger aan te bieden. Denk aan gesprekssimulaties (voor bijv. verkoopgesprekken en slecht nieuwsgesprekken), scenario’s waarin keuzes gevolgen hebben, of feedback op een geschreven reflectie of gespreksaanpak. 

De waarde zit vooral in herhaling en variatie. Een medewerker kan oefenen met verschillende situaties, klanttypen, reacties of moeilijkheidsniveaus. Daarna kan AI helpen met feedback op toon, structuur, volledigheid of gekozen aanpak. 

Ook hier blijft zorgvuldigheid belangrijk. Feedback moet begrijpelijk en passend zijn bij de context van de organisatie. Daarnaast wil je, zeker bij gevoelige onderwerpen, weten op basis waarvan feedback wordt gegeven. De feedback moet dus wel controleerbaar (en door een mensen aanpasbaar) zijn.  

5 Adaptieve en persoonlijke leerervaringen worden realistischer

Personalisatie is al jaren een belofte in L&D. AI maakt die belofte concreter, maar vraagt ook om realistische verwachtingen. 

Een persoonlijke leerervaring betekent niet dat iedereen volledig zijn eigen route krijgt zonder vooraf opgezette kaders. Het betekent vooral dat het leerplatform beter kan aansluiten op rol, niveau, interesse, skills en leerdoelen. De ene medewerker krijgt extra uitleg, de ander juist verdieping. De een krijgt een aanbevolen module, de ander een oefening of reflectievraag. 

Adaptieve leerpaden passen daarbij. Een leerroute kan veranderen op basis van voortgang, toetsresultaten, voorkeuren of eerder gedrag. Door AI kan dit schaalbaar en krachtig worden ingezet, zonder dat dit de inzet van L&D overbodig maakt. De kaders waarbinnen dit gebeurt moeten nog steeds worden opgezet en gevalideerd. Dit zal uiteindelijk het leren meer relevant maken voor de lerende.  

De kern is niet dat AI de leerstrategie overneemt. De kern is dat AI kan ondersteunen bij het maken van betere, meer gepersonaliseerde keuzes binnen duidelijke didactische kaders. 

Wat betekent dit voor HR en L&D? 

De belangrijkste stap is niet meteen een tool kiezen. Begin bij dat wat je wilt oplossen. 

  Wil je medewerkers beter laten oefenen?  

  Wil je leerdata beter benutten?  

  Wil je content toegankelijker maken voor verschillende doelgroepen?  

  Wil je een leerplatform dat meer ondersteuning biedt aan lerenden en beheerders?  

Elke vraag vraagt om een andere AI-toepassing. 

Daarbij horen ook praktische randvoorwaarden. Denk aan datakwaliteit, privacy, security, transparantie, beheer, adoptie en didactische kwaliteit. AI werkt alleen goed als de leercontext duidelijk is en als mensen begrijpen wat de technologie wel en niet doet. 

Juist daarom is het verstandig om klein en concreet te beginnen. Kies één toepassing die herkenbaar waardevol is voor jouw organisatie. Bijvoorbeeld feedback op oefenopdrachten, betere aanbevelingen in het leerplatform, ondersteuning bij rollenspel of slimmer zoeken in het leeraanbod.

Waar begin je? 

AI in leertechnologie wordt pas interessant als het aansluit op echte L&D-vragen. De signalen uit de VOV-beurs laten zien dat professionals vooral zoeken naar toepassingen die leren persoonlijker, praktischer en beter begeleid maken. 

Dat vraagt om een nuchtere blik. Niet alles hoeft direct. Niet elke AI-functie is even waardevol. En niet elke belofte is al volwassen genoeg voor elke organisatie. 

Wil je verkennen wat AI kan betekenen voor jouw leerplatform, contentaanpak of L&D-doelen? Courseware denkt graag mee over toepassingen die haalbaar, verantwoord en passend zijn bij jouw organisatie.