Onze AI-training voor bedrijven, uitgeschreven — inclusief wat we niet beloven

Vier programma's, drie soorten belofteHover to explore

Drie recente artikelen op deze site gingen over de inkoopkant van corporate AI-training: dat het aanbod niet het probleem is, dat deelnemers en opdrachtgevers het vaak oneens zijn over waarom de training er is, en dat zelfbeoordeling te onbetrouwbaar is om een budget mee te richten. Terecht. Het is makkelijker de markt te bekritiseren dan je eigen curriculum te publiceren in een vorm waar iemand je aan kan houden.

Dus hier is dat van ons, uitgeschreven.

Dit artikel specificeert de programma's die IdeaToMVP Academy verzorgt. De curricula, instapeisen en leveringsdetails zijn van ons en actueel op het moment van publiceren; de levende versie is de pagina over corporate training. Waar een cijfer ontbreekt, is dat omdat we het niet gemeten hebben — paragraaf 8 somt die gevallen uitdrukkelijk op.

1. De drie soorten belofte op een trainingspagina

Vóór de curricula eerst dat wat ze leesbaar maakt.

Bijna elke trainingspagina drukt haar onderwerpen, haar oefeningen en haar resultaten in hetzelfde lettertype en met hetzelfde gewicht af, alsof het dezelfde soort uitspraak zijn. Dat zijn ze niet, en ze door elkaar halen is precies hoe een koper in week twee verrast wordt.

Die regel is waarom je hieronder geen enkel productiviteitspercentage vindt. We hebben geen voor-en-na-data over deze programma's, dus er is geen cijfer om te noemen, en dat van iemand anders noemen zou bewijs lenen zijn in plaats van het hebben.

2. Generative AI Engineering Training (engineering met generatieve AI)

Voor technische teams

Deelnemers. Mensen uit engineering, product en platform die AI-functionaliteit gaan bouwen en onderhouden — het team dat het systeem nog steeds bezit als de training voorbij is.

Instapeisen. Werkelijke ervaring met softwareontwikkeling. Deelnemers moeten comfortabel code kunnen lezen en schrijven in een taal die hun team al gebruikt; voorkennis van machine learning wordt niet verondersteld. Oefeningen kunnen op representatief materiaal draaien — toegang tot productie is niet nodig om deel te nemen.

Leerdoelen. Aan het eind kan een deelnemer:

1. Een agent- of retrievalfunctie ontwerpen en uitleggen waarom die vorm is gekozen.

   De uitleg is de vaardigheid. Een architectuur kiezen is makkelijk; haar verdedigen tegen de twee alternatieven die je afwees, is wat een designreview overleeft.

2. Een retrievalpijplijn bouwen en vaststellen of een slecht antwoord een retrievalprobleem of een modelprobleem is.

   Van buitenaf falen die twee identiek en ze worden totaal verschillend opgelost; teams besteden geregeld weken aan prompts om een indexeringsbug te repareren.

3. Een evaluatieset schrijven die een regressie opvangt voordat die gebruikers bereikt.

   Het punt met de meeste hefboom in deze lijst, en het punt dat het vaakst overgeslagen wordt omdat het niets demonstreerbaars oplevert.

4. Een AI-functie scopen en begroten tegen echte randvoorwaarden, inclusief besluiten haar niet te bouwen.

   Besluiten niet te bouwen is een uitkomst die wij beoordelen, geen mislukking.

Behandelde onderwerpen.

• Hoe LLM's werken op het niveau dat een bouwer nodig heeft — tokens, context, confabulatie
• Prompting voor professionele, herhaalbare output
• Agents en automatiseringen met meerdere stappen
• RAG — retrievalontwerp, chunking, en wanneer je het niet gebruikt
• Modellen koppelen aan bestaande data en tools
• AI-ondersteunde ontwikkeling in je eigen repositories
• Evaluatiesets en regressiecontroles
• Faalwijzen: context, geheugen, stille modelwisselingen
• Een AI-functie scopen en begroten

Waarmee een deelnemer weggaat. Een capstone die tijdens het programma is gebouwd en beoordeeld tegen jullie eigen roadmap. Dit is een toezegging.

3. AI with Finance & Business (AI voor finance en business)

Voor business-, finance- en operationsteams

Deelnemers. Mensen die AI in hun eigen werk gaan gebruiken in plaats van bouwen — analyse-, rapportage- en planningsrollen, en de managers die hun output nakijken.

Instapeisen. Geen programmeerachtergrond verondersteld. Deelnemers moeten hun eigen analyse- of rapportagewerk beheersen; het programma past AI toe op dat werk in plaats van het werk zelf te onderwijzen.

Leerdoelen. Aan het eind kan een deelnemer:

1. Gestructureerde prompts schrijven — taak, context, randvoorwaarden en uitvoerformaat — die bruikbare, controleerbare zakelijke output opleveren.

   Controleerbaar is het sleutelwoord. Output die niemand kan verifiëren is geen tijdwinst, het is uitgesteld risico.

2. Werkdocumenten opstellen en nakijken langs een poort van vier punten: juistheid, toon, naleving en context.

   Onderwezen als een routine met een goed antwoord, niet als bewustwordingsthema.

3. Een AI-samenvatting controleren op weglatingen en verzonnen details voordat die een beslissing voedt.

   Weglating is de moeilijkste helft. Een verzonnen feit valt vaak op; een stilletjes geschrapte uitzondering niet.

4. Onderzoekssynthese doen met AI-tools en de beweringen tegen de bronnen verifiëren.

   Inclusief wat te doen wanneer de bron niet zegt wat de samenvatting beweert dat er staat.

5. Een in documenten gegrond antwoord onderscheiden van een ongegrond antwoord, en verifiëren voordat je op een van beide handelt.

   Het onderscheid dat voor de meeste niet-technische gebruikers nooit benoemd is, en het onderscheid dat bepaalt of een tool veilig is voor hun werkstroom.

Behandelde onderwerpen.

• Gestructureerd prompten: de vier ingrediënten, rol en context, iteratief bijschaven
• Promptpatronen — samenvatten, vergelijken, herschrijven, classificeren, bekritiseren — en de promptaudit
• Zakelijk schrijven: gestructureerd e-mails opstellen, getrouwheid van samenvattingen, rapportsjablonen met verificatiemarkeringen
• Onderzoekssynthese en bronverificatie; citeerpraktijk met AI-ondersteuning
• Presentaties en visueel materiaal, en het nakijken daarvan op professionaliteit en juistheid
• Documentgegronde vraagbeantwoording, en de grenzen van retrieval
• Omgaan met gevoelige data in prompts — plaatshouders in plaats van echte records
• Waar AI een bedrijfsproces verbetert, en waar niet

Waarmee een deelnemer weggaat. Hier is dat een scopingbeslissing en geen vast artefact, omdat wat nuttig is sterk verschilt tussen een financiële functie en een operationsteam. Een werkstroomportfolio — de opdracht, de prompts, de reviewstappen en het verificatiespoor — is de gebruikelijke vorm, en het heeft de eigenschap waar het ons om gaat: iemand die niet in de zaal zat, kan het inspecteren.

4. The AI Boardroom (AI in de directiekamer)

Voor directieteams

Deelnemers. Directie- en bestuursteams die bepalen waar AI in de winst-en-verliesrekening thuishoort — opdrachtgevers die AI-werk financieren en het moeten beoordelen, en niet de mensen die het uitvoeren.

Instapeisen. Geen technische. Deelnemers hebben kennis nodig van hun eigen kostenbasis en bedrijfsfuncties; in dit programma zit geen implementatiewerk.

Leerdoelen. Aan het eind kan een deelnemer:

1. AI-kansen in de eigen bedrijfsfuncties in kaart brengen en rangschikken.

   Tegen jullie functies, met jullie kostenbasis — geen generieke sectorkaart.

2. Een bouwen-kopen-wachten-kader toepassen op een concreet voorstel dat op tafel ligt.

   Wachten is een echte tak met echte voorwaarden, geen eufemisme voor besluiteloosheid.

3. Een leveranciersvoorstel bevragen op total cost of ownership in plaats van op de demo.

   Inclusief de kosten die pas in het tweede kwartaal van gebruik opduiken.

4. Verwachtingen over governance en risico vaststellen in verhouding tot wat er werkelijk wordt uitgerold.

   In beide richtingen in verhouding: een pilot te zwaar besturen kost evenveel als een productiesysteem te licht besturen.

Behandelde onderwerpen.

• AI-kansen in kaart brengen over de bedrijfsfuncties heen
• Bouwen, kopen of wachten, als beslissingskader
• Echte kosten en rendement — TCO, leveranciersbeoordeling, budgettering
• Governance en risico, afgestemd op wat de organisatie uitrolt

Waarmee een deelnemer weggaat. Een AI-roadmap van één pagina voor jullie bedrijf, gemaakt als capstone van het programma. Dit is een toezegging.

5. Campus Gen AI Programs (Gen AI-programma's op de campus)

Voor universiteiten en instellingen

Gen AI- en AI with Finance-trajecten die op de campus of online worden verzorgd, voor technische en niet-technische bachelorgroepen, projectgebaseerd en beoordeeld op wat studenten maken. Het is hetzelfde materiaal als de bedrijfstrajecten, uitgezet over een semester in plaats van over een samengeperste cohort.

6. Levering, groepsgroottes en welk traject past

7. Hoe scoping en prijs echt werken

Bedrijfsprogramma's worden gescopet in plaats van per plek verkocht, en dat is een echt antwoord op "wat kost het" en geen ontwijking: teamgrootte, leveringsvorm, duur en hoeveel van het materiaal op jullie systemen is gericht zijn de vier variabelen, en een getal noemen voordat die vastliggen zou gokken zijn.

1. Vertel ons de vorm ervan.

   Doelgroep, ongeveer teamgrootte en wat er daarna anders moet zijn. Twee minuten op het formulier.

2. Programmaschets binnen één werkdag.

   Een geschreven schets van wat het programma voor jullie teams zou behandelen, in een vorm die je intern kunt doorsturen zonder haar eerst te herschrijven.

3. Scopinggesprek.

   Leveringsvorm, duur, op welke systemen de oefeningen zijn gericht, en hoeveel maatwerk. Hier hangt de prijs van af, dus dit komt vóór een getal.

4. Begroot voorstel en data.

   Een voorstel dat weergeeft wat er gescopet is, met leveringsdata.

Het enige wat de moeite waard is om naar stap één mee te nemen:

Geen vaardighedenenquête. Neem iets mee dat je team gemaakt heeft — een functie die live ging, een rapport dat maandelijks uitgaat, een voorstel dat je moet goedkeuren. Elke oefening die iets waard is, bouwt op zoiets, en een programma dat vanuit echt werk is gescopet, is een ander ding dan een programma dat vanuit een zelfbeoordeling is gescopet. Dat is geen verkooppraatje; het is de kernbevinding uit het onderzoek dat we blijven aanhalen.

8. Wat wij niet claimen

Geen productiviteitscijfers. We hebben geen voor-en-na-meting op deze programma's gedaan, dus we publiceren geen verbeteringspercentage. Wie er wel een noemt — wij inbegrepen — zou de vraag moeten krijgen waar het gemeten is en bij wie.

Geen certificaat. De Academy geeft er geen uit. Vraagt jullie opleidingsproces om een geaccrediteerd diploma, dan zijn wij dat niet, en dat weet je liever vóór het scopinggesprek dan erna.

Doorlooptijden liggen niet vast. Tools, toetsing en ondersteuningsvoorwaarden evenmin. Het zijn scopingbeslissingen. Een pagina die een vast aantal dagen noemt voor een programma dat ze niet gescopet heeft, noemt een standaardwaarde en geen plan.

De voorbeeldoefeningen zijn illustratief. Hierboven drie keer gezegd, en een vierde keer waard: ze laten de vorm van een sessie zien en beloven geen opname.

Onze eigen uitkomstdata zijn dun. We hebben geleverd aan TCS, via LearnQuest als leveringspartner, en aan Chitkara Business School, en ongeveer 300 professionals hebben de training doorlopen. Dat is een leveringsgeschiedenis. Het is geen bewijs van gemeten uitkomsten, en dat zijn niet dezelfde bewering.

We zijn geen psychometrische meting. Wil je een gebenchmarkte capaciteitsscore over een vaste set competenties, voor en na, dan is dat een ander product en een andere leverancier, en dat zeggen we dan ook.

De eerlijke samenvatting

Een trainingsspecificatie publiceren is een vreemd ding om te doen, want elke regel is een regel waar iemand je later aan kan houden. Dat is juist het punt. De markt staat vol met curricula die onderling niet te vergelijken zijn, omdat geen ervan onderscheid maakt tussen wat zeker onderwezen wordt, wat misschien geoefend wordt en wat een deelnemer zeker in handen heeft als het klaar is.

Die drie dingen hebben heel verschillende waarde voor een koper, en ze even zwaar afdrukken is geen ongelukje in de opmaak. Het is precies wat een programma volledig laat klinken terwijl het bijna nergens aan vastzit.

Vergelijk je dit kwartaal aanbieders van AI-training, vraag elk van ze dan welke regels op hun pagina toezeggingen zijn en welke voorbeelden. Het antwoord, en hoe snel het komt, vertelt je het meeste van wat je wilt weten.

Programmadetails, instapeisen, leerdoelen, onderwerpen, groepsgroottes, leveringsvormen en het scopingproces zijn van ons en actueel op het moment van publiceren; de canonieke versie is de pagina over corporate training, en het curriculumprofiel voor business en finance staat voluit op het Chitkara-curriculumprofiel. De leveringsreferenties — TCS als intensief van 30 dagen ter plaatse in Chennai, LearnQuest als leveringspartner, en de BBA-groepen van Chitkara Business School — zijn registraties van geleverd werk, geen gemeten uitkomsten. Voor het onderzoek waar dit programmaontwerp een antwoord op is, zie 82% van de bedrijven traint in AI en 59% meldt nog steeds een kloof, 47% van de werknemers denkt dat de AI-training er is om hun baan te automatiseren en slechts 11% beoordeelt het eigen AI-niveau juist.

Related Posts

De AI-vaardigheid die niemand bij zichzelf ziet17 september 2026

AI-training in bedrijven faalt op overtuiging, niet op budget15 september 2026

De meeste AI-training levert geen capaciteit op15 september 2026