Bloggers

Afbeelding door Peter Faulhaber

Tijdens een recente nieuwe Losmakers meetup namen we een kijkje in de keuken bij Peter Faulhaber, Senior learning en development specialist bij Strukton. Strukton bouwt infrastructuur voor het spoor, denk aan aanleggen, onderhouden en vernieuwen van spoorlijnen en kabels rondom het spoor. Zo speelt Strukton een belangrijke rol in het veilig en betrouwbaar laten rijden van treinen. Peter werkt aan het leren en ontwikkelen van zoals hij het zelf noemt de ‘blue collars’, de mensen die direct aan het spoor werken.

Binnen Strukton heeft Peter toegang tot een Copilot licentie. En die gebruikt hij om AI-assistenten te bouwen om zijn eigen werk sneller én beter te maken (in Copilot heet dit een Agent). Dat doet hij niet met één assistent, maar met maar liefst zeventien. Peter: “Een L&D-er combineert kennis uit veel vakgebieden. Denk aan didactiek, tooling, leerpsychologie, schrijven, analyse, evaluatie en meer. Voor elk vakgebied kun je een assistent bouwen”.  Peter telde 17 rollen. En dus maakte hij 17 agents van analyse en ontwerp tot schrijven, samenvatten en video-scripts maken.

In deze blog een paar inspirerende inzichten uit zijn aanpak om lekker af te kijken.

Allereerst: wat is eigenlijk een AI-agent?

​Voor Peter is een agent eigenlijk gewoon een digitale collega. “Een AI-collega die 24/7 naast je staat, nooit moe wordt en altijd mee kan denken.”  Een voorbeeld van een agent is Lenn de leerstrateeg. Lenn is een AI – hulpmiddel, 24/7 paraat met alle L&D kennis gebundeld en is gevoed met modellen als ADDIE, blended leren, Sue Behavioural Design en onder andere evidence over Micro learning, Spaced learning / repetition, breinleren. Lenn helpt Peter om een doorkijk te geven in het hele ontwikkeltraject. (lees meer over Lenn in deze LinkedIn post).

De allereerste AI-agent die Peter bouwde was Sanne: een assistent die gespecialiseerd is in het samenvatten van documenten. Het idee ontstond vanuit een herkenbaar L&D-probleem: stapels rapporten, boeken of beleidsdocumenten die je eigenlijk moet doorlezen. Met Sanne kan Peter eenvoudig meerdere documenten invoeren waarna de agent binnen enkele seconden een heldere samenvatting maakt.  Aan het einde geeft Sanne ook vragen geeft om aan de inhoudsdeskundige te stellen. Zo kan hij snel de kern begrijpen en goed voorbereid het gesprek aangaan met experts. Het is een eenvoudige toepassing, maar volgens Peter meteen een enorme tijdwinst – en het startpunt van zijn verdere experimenten met AI-agents

Maak kennis met André: een assistent die agents bouwt

Een van de leukste voorbeelden uit de sessie: Peter heeft ook een agent gebouwd die nieuwe agents voor hem ontwerpt: André. Die helpt bijvoorbeeld bij vragen als:

• Ontwerp een nieuwe agent voor een L&D-vraagstuk
• Schrijf de juiste instructies
• Zorg dat evidence-based modellen gebruikt worden

Binnen seconden ontstaat zo een nieuwe assistent. Overigens zou je hiervoor ook de functie ‘beschrijven’ kunnen gebruiken waar je voor kunt kiezen als je een nieuwe Agent maakt in Copilot.

Zo bouw je zelf een agent in vier onderdelen

Lang niet iedereen in de meetup had ervaring met het maken van assistenten. Het mooie: een agent bouwen is verrassend simpel.

Een agent of assistent bestaat uit vier onderdelen:

1. Naam
2. Beschrijving van de rol
3. Instructies (prompt)
4. Kennisbronnen of documenten

Inspiratie van Peter kun je vinden op deze pagina.

Tip van Peter. Als je een assistent eerst gewoon in Word maakt kun je ze zo kopiëren naar verschillende taalmodellen zoals Copilot (Agents), Gemini (Gems) of ChatGPT (GPTs).

Samenwerken met 17 agents

Peter gebruikt agents in verschillende stappen van het L&D-proces. Bijvoorbeeld, Lenn helpt met het eerste leerontwerp. Daarna helpen agents bijvoorbeeld met:

• herschrijven van teksten
• maken van toetsvragen
• scripts voor instructievideo’s

Belangrijk: Peter laat AI nooit het hele proces in één keer doen. Hij werkt in stappen en blijft zelf in de loop. “De human moet altijd in de loop blijven.”

Een mooi praktijkvoorbeeld: monteurs in het spooronderhoud

Bij Strukton werken veel monteurs in het spooronderhoud. Veel kennis zit bij ervaren vakmensen, die weinig tijd hebben. In twee uur moet het klaar zijn. Peter gebruikt AI om die kennis sneller om te zetten in leermateriaal. Zijn aanpak:

1. Experts vertellen hun verhaal (bijvoorbeeld over een technische installatie)
2. Het gesprek wordt opgenomen
3. AI maakt een transcript en samenvatting
4. Daaruit ontstaan direct leerpagina’s en instructiemateriaal

Dit bespaart tijd voor de expert en levert veel sneller leermateriaal op.

De doelgroep van monteurs kunnen niet tijdens het werk een chatbot opent, lange teksten lezen of zelf een telefoon gebruiken bij machines. Daarom denkt Peter veel na over performance support op het juiste moment. Bijvoorbeeld: korte instructievideo’s of QR-codes bij apparatuur

AI verandert werk maakt je werk sneller – maar ook anders

Een interessante reflectie uit de sessie: AI bespaart niet alleen tijd. Het verandert ook de manier waarop je werkt. Of zoals Peter het praktisch verwoordt: AI geeft een startpunt, jij maakt er kwaliteit van. Zijn belangrijkste boodschap?

“AI is een hulpmiddel. Jij blijft verantwoordelijk voor wat eruit komt.”

Welke AI-assistent zou jij willen?

De meetup eindigde met een leuke brainstorm. Deelnemers noemden bijvoorbeeld ideeën voor agents zoals:

• een leercoach die medewerkers helpt hun leerdoelen te formuleren
• een niveau-checker die bepaalt wat iemand al weet
• een offerte-coach of samenvatter
• een agent die een lesboek omzet in coaching-vragen

De mogelijkheden zijn eindeloos. Maar de echte vraag is misschien wel:

    Welke AI-collega zou jouw werk morgen makkelijker maken?