Inleiding
AI is nu officieel een gangbare strategie voor het personeel. Het is allang geen specialistische kwestie meer: het verandert hoe organisaties prestaties definiëren, beslissingen nemen op het gebied van talent en de vaardigheden van hun mensen verbinden aan bedrijfsresultaten.
Voor HR- en bedrijfsleiders is de vraag verschoven van “Is AI belangrijk?” naar “Zijn onze mensen toegerust om AI goed te gebruiken?”
Deze verschuiving heeft een nieuwe operationele uitdaging gecreëerd. Toen we AI als een lokaal experiment behandelden, konden organisaties vertrouwen op informele inschattingen. Tegenwoordig is AI voor de meeste teams dagelijkse realiteit. Leiders hebben daarom een betrouwbare, gedeelde taal nodig die de basis vormt voor echte beslissingen: over het helder definiëren, werven, meten, belonen en ontwikkelen van AI-vaardigheden.
Het gebrek aan consensus
Uit onderzoek van HiBob blijkt dat het de markt niet aan inzet ontbreekt.
Organisaties zitten niet vast als het gaat om het ontwikkelen van AI-vaardigheden. Iedereen doet iets, maar er is geen consensus over de “juiste” aanpak voor training en ontwikkeling of over wat organisaties hun mensen moeten aanbieden.
Op dit moment zegt de meerderheid van de organisaties (73%) te investeren in bijscholing, maar de daadwerkelijke ondersteuning is nog beperkt en wisselend van kwaliteit.
De gedragingen definiëren die waarde creëren
Om niet langer te hoeven gissen, stelden we 1200 AI-besluitvormers vragen om precies te bepalen welk AI-gedrag echte bedrijfswaarde oplevert.
Door een basisset van observeerbare AI-vaardigheden te definiëren, kunnen werkgevers:
- Talent gerichter aantrekken
- Personeel effectiever ontwikkelen
- Voorkomen dat vage signalen, die ongelijkheid kunnen voortzetten, de doorslag geven
Methodologie
Dit rapport is gebaseerd op een onderzoek uitgevoerd door HiBob, met netwerkondersteuning van Censuswide.
Aan het onderzoek namen 1200 AI-besluitvormers deel uit de Verenigde Staten, het Verenigd Koninkrijk, DACH, Scandinavië, Benelux en Australië/Nieuw-Zeeland, met 200 respondenten per marktgroep. Het veldwerk vond plaats van 3 februari tot 12 maart 2026.
Respondenten:
- Werkten bij organisaties met 50 tot 50.000 medewerkers
- Hadden een verantwoordelijkheid op het niveau van middenmanagement of hoger
- Waren in de voorgaande 12 maanden persoonlijk betrokken bij AI-gerelateerde beslissingen
Deze gegevens vormden de basis voor ons kader voor AI-vaardigheden en onze beoordelingstool: een praktische oplossing voor de behoefte aan een gestructureerde uitvoering met duidelijk toezicht.
Samenvatting
AI verandert werk in een tempo waar traditionele functietitels en diploma’s geen gelijke tred meer mee houden. Hoewel 75% van de besluitvormers verwacht dat een gemiddeld niveau van AI-vaardigheid binnen 24 maanden de norm is voor de meeste functies, zitten veel organisaties nog vast in een experimentele fase waarin ze van alles proberen om te zien wat werkt.
Deze gefragmenteerde aanpak heeft een aanzienlijke operationele kloof gecreëerd. Organisaties koppelen AI-vaardigheid al aan promoties (67%) en prestatiebeoordelingen (50%), maar doen dit zonder duidelijke, gedeelde normen.
Professionals hebben duidelijke richtlijnen nodig over welk gedrag deze beloningen oplevert. Bedrijven hebben consistente normen nodig om dat gedrag eerlijk te beoordelen.
Belangrijkste bevindingen
- AI is de nieuwe basis: 75% van de besluitvormers verwacht dat een gemiddeld niveau van AI-vaardigheid binnen de komende 24 maanden de norm wordt voor de meeste niet-technische functies.
- AI is de sleutel tot doorgroeimogelijkheden: organisaties verwerken AI-capaciteiten actief in hun formele talentbeslissingen. 67% van de respondenten zegt dat hun organisatie AI-vaardigheden koppelt aan promotiecriteria en 50% koppelt ze rechtstreeks aan prestatiebeoordelingen.
- Sterke intentie, weinig samenhang in de uitvoering: hoewel 68% van de AI-besluitvormers zegt dat hun organisatie een duidelijke strategie heeft om AI-talent aan te trekken en 73% zegt te investeren in bijscholing, gebeurt de uitvoering stapsgewijs. Slechts 24% zegt specifieke middelen te gebruiken, zoals ATS-tags, en geen enkel trainingsonderwerp wordt door meer dan 27% toegepast.
- De beperkte paraatheid van managers: van directe leidinggevenden wordt het vaakst verwacht AI-vaardigheden binnen hun teams te ontwikkelen, maar verantwoordelijkheid dragen wil niet zeggen dat je er ook klaar voor bent. Slechts 36% van de respondenten vindt dat managers uitstekend voorbereid zijn om hun mensen bij te scholen.
- Kwaliteitscontrole is belangrijker dan programmeren: AI-besluitvormers hechten meer waarde aan een veilige, betrouwbare uitvoering dan aan indrukwekkende technische trucs. Proactief de kwaliteit van resultaten controleren (52%) en beslissingen over werkprocessen documenteren (52%) gelden als de belangrijkste dagelijkse AI-gedragingen.
- Schaarste loont: hoe schaarser de vaardigheid, hoe hoger het salaris dat ervoor wordt betaald. Werkgevers zijn bereid minstens 10% extra te betalen voor expertise in automatisering (34%), AI-veiligheid, ethiek en bestuur (34%) en de beoordeling van resultaten (33%).
Aanbevolen voor verder leesplezier
Succes met AI vraagt om een werkend operationeel model, niet om nog meer tools
Echte AI-transformatie draait om een operationeel model. Het is geen race om zo veel mogelijk tools binnen te halen. Om verder te komen dan vage modewoorden als “AI-geletterdheid”, moeten organisaties een gedragskader opstellen dat precies definieert wat “goed” precies betekent.
Met een gedeelde taal voor AI-vaardigheden kunnen organisaties:
- Talent gerichter aantrekken door verder te kijken dan algemene selectiecriteria
- Mensen effectief ontwikkelen met trainingen die aansluiten op dagelijkse taken
- Eerlijkheid waarborgen door de “vage signalen” weg te nemen die ongelijkheid vaak versterken
Dit rapport bevat de fundamentele gegevens — gevalideerd door 1200 besluitvormers wereldwijd — voor ons beoordelingstool voor AI-vaardigheden en het AI-vaardigheidskader , plus de operationele context waarvoor ze zijn ontwikkeld. Samen bieden het kader en de tools organisaties een duidelijke blauwdruk voor een schaalbare infrastructuur voor medewerkers, aangedreven door AI en gestuurd door mensen.
AI-vaardigheden zijn nu een belangrijke bedrijfsprioriteit
AI-expertise is niet langer voorbehouden aan een kleine groep technische specialisten. Het verandert actief de manier waarop we dagelijks werken.
Maar liefst 75% van de besluitvormers verwacht dat een gemiddeld niveau van AI-vaardigheid in 2028 de norm is voor de meeste niet-technische functies binnen hun organisatie.
AI-vaardigheden zijn niet langer iets voor een kleine groep specialisten. Ze worden nu al gezien als een voorwaarde voor verdere carrièreontwikkeling. Organisaties laten AI-competenties bovendien steeds zwaarder meewegen in formele talentbeslissingen, in plaats van ze als een nieuwigheid te behandelen.
Op dit moment koppelt 67% van de bedrijven AI-vaardigheden aan promotiecriteria en koppelt 50% ze rechtstreeks aan prestatiebeoordelingen.
Hoe verschillen de AI-verwachtingen per markt?
Hoewel deze ontwikkeling zich wereldwijd voordoet, ziet de uitwerking ervan er per markt iets anders uit.
- Scandinavië loopt voorop: 79% van de besluitvormers verwacht dat AI-vaardigheid de norm wordt binnen hun organisatie
- Het Verenigd Koninkrijk, DACH en de Benelux volgen op de voet met 77%
- De Verenigde Staten zitten met 74% rond het wereldwijde gemiddelde
- Australië en Nieuw-Zeeland (ANZ) melden met 68% iets lagere verwachtingen
Het algemene signaal is duidelijk: AI-vaardigheden worden overal steeds meer de norm.
Tijd om AI-talent niet langer stapsgewijs te ontwikkelen
Nu AI-vaardigheden officieel aan prestaties en promoties zijn gekoppeld, zou je gemakkelijk kunnen aannemen dat organisaties een waterdicht plan hebben om deze vaardigheden in huis te halen en verder te ontwikkelen. Niets is minder waar.
Als één thema alle gegevens uit dit onderzoek verbindt, is het wel de enorme kloof tussen intentie en infrastructuur. Bedrijven willen AI-talent, maar proberen het tot nu toe stapsgewijs te ontwikkelen.
Er is een kloof in talentwerving: intentie leidt niet tot actie
Maar liefst 68% van de besluitvormers zegt dat hun organisatie een duidelijke strategie heeft om kandidaten met AI-vaardigheden te vinden. Achter dat sterke vertrouwen gaat schuil dat de strategieën in de praktijk nog maar beperkt worden uitgevoerd. Zo gebruikt slechts 24% specifieke middelen, zoals tags in applicant tracking systems (ATS) of speciale talentcommunity’s.
Daar komt bij dat bedrijven het talent mislopen dat ze al in huis hebben. Slechts 23% van de respondenten zegt dat hun organisatie trajecten voor interne mobiliteit en omscholing specifiek inricht om medewerkers met AI-vaardigheden te vinden.
De L&D-paradox: hoge investeringen, geen consensus
Precies hetzelfde patroon speelt bij L&D. Hoewel 73% van de respondenten zegt dat hun organisatie investeert in AI-bijscholing, is er geen consensus over wat echt werkt. In plaats van één samenhangend programma bieden bedrijven een versnipperde mix van tools en ondersteuning voor bijscholing.
Minder dan een derde van de respondenten meldt dat hun organisatie zelfs de meest gangbare programma’s gebruikt, zoals gefinancierde leertrajecten (30%), bibliotheken met prompts en procedures (29%) en gereserveerde oefentijd (29%).
Onze gegevens laten ook zien dat organisaties de trainingsinhoud op een zeer gefragmenteerde manier aanpakken: geen enkel onderwerp wordt door meer dan 27% toegepast. De specifieke onderwerpen waarop bedrijven wel trainen, tonen echter een duidelijk patroon: organisaties stappen af van algemene “inspiratie en innovatieve productiviteit” en geven in plaats daarvan prioriteit aan werkinrichting, controle en beoordelingsvermogen.
De meest voorkomende trainingsonderwerpen weerspiegelen de behoefte van bedrijven aan veiligheid en betrouwbaarheid:
- Herontwerp van werkprocessen (27%)
- Beveiliging en aanvaardbaar gebruik (26%)
- Documentatie (25%)
- Gegevens analyseren en verifiëren (24%)
Organisaties weten dat ze “iets” concreets moeten ontwikkelen om hun medewerkers te trainen en te laten zien dat ze “vooroplopen met AI”. Toch blijft AI-bijscholing verkennend en onsystematisch. Zonder deze gefragmenteerde inspanningen in een betrouwbaar systeem samen te brengen, laten bedrijven de daadwerkelijke ontwikkeling van vaardigheden aan het toeval over.
Geef managers de tools om niet langer te improviseren
Organisaties voegen gefragmenteerde trainingsprogramma’s samen en hopen op het beste. Maar van wie verwachten ze nu eigenlijk dat die nieuwe vaardigheden blijvend worden toegepast?
Het antwoord uit onze gegevens is een van de grootste operationele knelpunten waarmee bedrijven nu te maken hebben.
Verantwoordelijkheid betekent nog geen paraatheid
Wereldwijd zijn direct leidinggevenden en teamleiders de belangrijkste groep waarvan organisaties verwachten dat ze de verantwoordelijkheid nemen voor het ontwikkelen van AI-capaciteiten binnen hun teams (24%). Maar verantwoordelijkheid betekent nog geen paraatheid.
Van de respondenten die verwachten dat managers deze cruciale verantwoordelijkheid op zich nemen, vindt slechts 36% dat ze uitstekend voorbereid zijn om hun teams doeltreffend bij te scholen in AI. Dit houdt in dat het merendeel van de organisaties tegenwoordig managers vraagt om een grootschalige transformatie van het personeelsbestand te leiden, ook al is het vertrouwen in hun vermogen om dat te doen laag.
Managers helpen echte AI-vaardigheid op te bouwen, vergt meer dan alleen intentie. Dat vraagt om structuur, gedeelde definities, de juiste tools en de training om ze goed te leren toepassen.
Er is geen universeel antwoord op de vraag wie verantwoordelijk is
Hoewel de verwachtingen voor managers in het algemeen het hoogst zijn, leggen organisaties de verantwoordelijkheid voor AI-bijscholing in verschillende markten bij verschillende partijen.
- De VS: technologieleveranciers (28%) lopen iets voor op managers (24%) als belangrijkste drijvende kracht van AI-capaciteit
- Benelux: van werkgevers op bedrijfsniveau (25%) wordt verwacht dat ze de leiding nemen, in plaats van individuele managers (13%)
- Scandinavië: de strategie reikt hier verder dan de werkplek en steunt sterk op beroepsonderwijs en opleidingstrajecten (25%) om deze vaardigheden te ontwikkelen
Ongeacht je regio blijft de kern hetzelfde: we kunnen niet van mensen vragen om AI-transformatie te improviseren.
Als we van managers (of anderen) verwachten dat ze AI-vaardigheden zonder gedeelde norm beoordelen en coachen, krijgen we inconsistente, gefragmenteerde resultaten.
De oplossing is om leiders een concreet kader voor AI-vaardigheden en een beoordelingstool te bieden. Geef ze de exacte gedragscriteria die ze nodig hebben om hun coaching op elkaar af te stemmen, hun werving te standaardiseren en prestaties eerlijk te beoordelen.
Wat 1200 leiders het belangrijkst vinden
Als je managers een gedragskader geeft om hun teams te evalueren, waar moeten ze dan precies op letten?
Voor bedrijven draait AI niet zozeer om indruk maken, maar vooral om veilige en betrouwbare toepassing. De belangrijkste AI-gedragingen zijn geen indrukwekkende technische trucs. Het gaat om beoordelingsvermogen, betrouwbaarheid en beheer.
Uit de feedback van vakgenoten in ons onderzoek komt naar voren dat vooral twee dagelijkse AI-gewoonten van belang zijn: het proactief controleren van de uitvoer (52%) en het documenteren van personeelsbeslissingen om de betrouwbaarheid te vergroten (52%).
Het tekort aan vaardigheden schetst een ander beeld
De vaardigheden die AI veilig en schaalbaar houden, zijn juist de vaardigheden die organisaties moeilijk kunnen vinden.
Toen we AI-besluitvormers vroegen voor welke capaciteiten werving het moeilijkst is, wezen ze meteen op risicobeheer en procesontwerp.
De drie vaardigheden waar organisaties het meeste moeite mee hebben om ze te vinden, sluiten direct aan bij die prioriteiten:
- AI-veiligheid, ethiek en governance
- Het beoordelen en verbeteren van outputkwaliteit
- Werkprocessen evalueren & herontwerpen
Omdat deze vaardigheden moeilijk te vinden zijn, zijn organisaties bereid er fors meer voor te betalen.
Volgens de respondenten zijn hun organisaties bereid een salaris te bieden dat minimaal 10% boven de norm ligt aan mensen met expertise in automatisering en technische integratie (34%), AI-veiligheid, ethiek en governance (34%) en de beoordeling van uitvoer (33%).
Dit laat zien dat gespecialiseerde, schaarse vaardigheden vanzelf leiden tot hogere salarissen, ook als ze slechts voor een beperkt aantal specifieke functies nodig zijn.
Professionals die hierin uitblinken – met diepgaande technische integratie, solide governance en een scherp oog voor kwaliteitscontrole – zijn de drijvende kracht achter de AI-transitie. Zij kunnen dan ook rekenen op een bovengemiddeld salaris.
Trek toptalent op het gebied van AI aan door de meest waardevolle vaardigheden duidelijk te definiëren
Weten welke vaardigheden het meest waard zijn, is slechts de helft van het werk. Met vage concepten als “AI-geletterdheid” kan een manager of recruiter moeilijk beoordelen of een kandidaat sterk is in governance, laat staan onderbouwen waarom die kandidaat 10% meer zou moeten verdienen.
Om dit waardevolle talent aan te trekken, moeten je leiders precies weten waarop ze moeten letten. Dat betekent dat ze verder moeten kijken dan modewoorden en precies moeten definiëren welk gedrag ertoe doet.
Conclusie: zorg voor een structurele infrastructuur voor het ontwikkelen van AI-vaardigheden
Om AI-vaardigheden doeltreffend aan te trekken en te ontwikkelen, hebben organisaties een gedeeld kader voor AI-vaardigheden nodig.
Zoals de gegevens laten zien, kunnen we AI-transformatie niet simpelweg kopen. We moeten deze vanaf de basis opbouwen.
Om stapsgewijze training en willekeurige experimenten achter ons te laten, moeten we een gedragskader rechtstreeks verankeren in de systemen die onze medewerkers nu al vormgeven: onze functiearchitectuur, salarisschalen en trajecten voor leren en ontwikkelen.
Succesvolle organisaties delen niet simpelweg softwarelicenties uit en hopen dat het goed komt. Ze sturen de invoering van AI aan vanuit een gedeeld kader van vaardigheden en bijbehorend gedrag.
Een gedragsnorm maakt een einde aan het giswerk. Managers krijgen de duidelijkheid die ze nodig hebben om prestaties eerlijk te beoordelen, recruiters krijgen de exacte signalen om schaars talent te herkennen en elk teamlid krijgt een duidelijke routekaart om de eigen carrière verder te ontwikkelen.
Het is tijd om AI niet meer te zien als een afzonderlijk experiment binnen specifieke teams, maar als een essentieel onderdeel van de bedrijfsvoering voor de toekomst.
