Impressie dertiende L&D Global Sentiment Survey
Elk jaar beschrijft de L&D Global Sentiment Survey van Donald H. Taylor wat professionals op het gebied van leren en ontwikkelen (L&D) als de belangrijkste thema’s in hun vakgebied beschouwen. De editie van 2026 is de dertiende op rij en telt 3.797 reacties uit 105 landen. De uitkomsten schetsen een sector die zich op onbekend terrein bevindt door het wegvallen van vertrouwde patronen en zekerheden tegelijk, als gevolg van AI, economisch onzekere tijden, oorlog en onrust.
Ik zal mijn mening in de tekst verwerken, en vergelijk ook de uitkomsten van dit jaar met verleden jaar.
Voor het derde jaar op rij staat AI bovenaan de ranglijst van wat professionals het meest actueel vinden. Met 22,5% van de stemmen blijft het onderwerp dominant, maar voor het eerst daalde het aandeel — zij het met slechts 0,1 procentpunt. Taylor ziet dit als een kantelpunt: de eerste fase van pure nieuwsgierigheid lijkt voorbij. AI is geen experiment meer, maar een werkinstrument dat dagelijks wordt ingezet voor contentontwikkeling, personalisatie en analyse.
AI is inderdaad alomtegenwoordig en wordt steeds meer geïntegreerd in werkprocessen en in diverse applicaties waar we elke dag mee werken. Dat wil uiteraard niet zeggen dat we ‘AI’ ook heel bekwaam gebruiken. De L&D-functie heeft hierbij een belangrijke taak, waarbij zij ook de waarde van op AI-fluency gerichte leeractiviteiten helder moeten maken. Zelf denk ik dat respondenten AI ook niet meer als aparte optie beschouwen, maar als systeemtechnologie die andere belangrijke trends mogelijk maakt (zoals gepersonaliseerd leren). Volgens jaar, zo schrijft Donald Taylor, zal ‘AI’ dan ook geen aparte antwoordoptie meer in de survey zijn (het internet zelf is dat ook niet meer). Het is geen trend meer, maar een basisgegeven dat vrijwel alle andere categorieën ondersteunt. Voor de L&D-professional betekent dat: niet meer de vraag óf je met AI werkt, maar hoe je dat goed doet.
Die verschuiving van hype naar dagelijkse toepassing is op zichzelf al betekenisvol. Tegelijk roept ze nieuwe vragen op, aldus Taylor. Want hoe breed zet je AI in, en hoe doe je dat op een verantwoorde manier? Dat is precies de spanning die in de open antwoorden van respondenten steeds terugkomt. De reacties op AI in de survey zijn volgens Donald Taylor terug te brengen tot drie herkenbare houdingen.
Een deel van de respondenten is duidelijk enthousiast. Dat uit zich in groeiende aandacht voor gepersonaliseerd en adaptief leren. Dat is de enige optie die al vier jaar op rij stijgt in de ranglijst. AI wordt hier gezien als het middel om leertrajecten op maat te maken, ook op grote schaal.
Een ander deel is bezorgd. De optie ‘aantonen van waarde’ bereikte dit jaar een recordhoogte en steeg naar de vijfde positie. Respondenten geven aan dat zij de toegevoegde waarde van hun werk steeds vaker moeten bewijzen, juist nu AI taken overneemt. Leidinggevenden vragen niet langer om deelnamecijfers, maar om bewijs van gedragsverandering en prestatieverbetering bij de lerende. Dat is een ander criterium.
Een derde groep lijkt onverschillig tegenover een specifiek toepassingsgebied van AI: learning analytics. De interesse daarin daalde opvallend, terwijl AI juist veel mogelijkheden biedt voor organisatiebrede data-analyse. Taylor stelt de vraag of L&D hiermee een kans laat liggen door AI vooral in te zetten voor wat het altijd al deed -content maken voor individuele lerenden- in plaats van strategisch gebruik te maken van data. Een andere mogelijke verklaring is wat mij betreft: L&D-professionals realiseren zich dat zij slechts over weinig data beschikken die daadwerkelijk iets over leren en over de relatie met ‘performance’ beschikken.
Behalve AI vallen er opvallende verschuivingen op per land en regio. Nederland, jarenlang bekend om zijn aandacht voor performance support, zag die positie overnemen door Cambodja (al ‘scoort’ performance support stabiel). Ierland, traditioneel sterk in coaching en mentoring, daalde juist fors op dat thema. Zweden liet een sterke daling zien in collaboratief en sociaal leren. Deze verschuivingen zijn inconsistent met historische trends en daarmee moeilijk te verklaren, schrijft Donald.
Hij noemt dit het ‘Nieuwe Wereld’-effect: oude patronen gelden niet meer, nieuwe zijn nog niet uitgekristalliseerd. Voor L&D’ers betekent dit dat ervaringen uit het verleden minder houvast bieden dan vroeger. De omgeving vraagt om voortdurend aanpassen en evalueren.
Vijf uitdagingen die wereldwijd worden herkend
De open antwoorden in de survey maken vijf uitdagingen het meest zichtbaar, en opmerkelijk genoeg zijn die uitdagingen wereldwijd vrijwel uniform:
- AI integreren op een verantwoorde en effectieve manier
- De waarde en impact van L&D aantonen
- Omgaan met budgetbeperkingen en personeelstekorten
- Lerenden echt betrekken en gedragsverandering stimuleren
- Onzekerheid over de toekomstige rol van L&D
Regionale nuances zijn er wel. Britse respondenten zijn sceptisch en richten zich op kwaliteit. Amerikaanse professionals vrezen te veel automatisering. Europeanen benadrukken governance. In Zuidoost-Azië spelen infrastructuur en digitale vaardigheden nog een grote rol.
Naast de uitdagingen laat de survey ook zien wat respondenten het afgelopen jaar nieuw zijn gaan doen. AI is van experiment naar dagelijks gebruik gegaan. Meer professionals werken met data om beslissingen te onderbouwen. Het ontwerp van leeractiviteiten verschuift van uitgebreide cursussen naar kortere, contextgerichte vormen en werkplekondersteuning. En L&D breidt zijn rol uit naar coaching, cultuurontwikkeling en bredere organisatieontwikkeling.
Toch blijven de uitdagingen bestaan. Het omzetten van leren naar gedragsverandering blijft lastig, en de verwachte effecten van nieuwe manieren van leren zijn nog niet altijd aantoonbaar. Vooruitgang en druk gaan hier hand in hand.
Een aanvullende analyse van het woord ‘druk’ in de open antwoorden laat zien dat het gevoel van werkdruk onder L&D-professionals in 2026 terug is op het niveau van 2022, na een tijdelijke daling. Het gebruik van AI heeft dus niet echt geleid tot een lagere werkdruk. Dat komt m.i. mogelijk omdat het bijhouden van de vaak stormachtige ontwikkelingen en het je eigen maken van de diverse applicaties en toepassingen ook de nodige tijd vergt. Ook het woord ‘menselijk’ verschijnt steeds vaker in de antwoorden, schrijft Donals Taylor, terwijl dit in 2022 en 2023 nauwelijks voorkwam. Taylor ziet dit als een signaal dat professionals zich afvragen of AI de menselijke dimensie van hun werk aantast. Ik herken dit. Professionals op het gebied van leren, opleiden en onderwijs denken na over de toegevoegde waarde van menselijke activiteiten ten opzichte van ‘AI’ en zien ook de beperkingen van AI. Zij denken na over welke taken zij aan AI willen uitbesteden, en welke juist niet. Dat is een onderdeel van AI-fluency.
Donald Taylor concludeert dat er geen routekaart is voor L&D, maar wel een richting: leren en ontwikkelen die individuele prestaties verbindt aan organisatiedoelen. Professionals die beschrijven wat ze het afgelopen jaar hebben ondernomen, laten zien dat die richting al werkende wordt gevonden; door te experimenteren, te evalueren en aan te passen.
Vergelijking met 2025
Ik heb ook een vergelijking gemaakt met het onderzoeksrapport van 2025. Daarbij valt het volgende op. In beide jaren staat AI bovenaan: in 2025 met 22,6% van de stemmen, in 2026 met 22,5%. Wel is de richting van de trend anders. In 2025 groeide het aandeel nog, terwijl Taylor destijds een terugval had verwacht. In 2026 daalde het voor het eerst, al is het een minimale daling. Dat symbolische verschil markeert de overgang van AI als opkomende trend naar AI als standaardonderdeel van het werk. Het gebruik van AI-technologie voor L&D is m.i. echter nog geen standaard of norm, maar nog steeds een trend. Zoals gezegd zal deze systeemtechnologie wel steeds meer functioneren als enabler en katalysator van trends op dit terrein.
Gepersonaliseerd leren en het aantonen van waarde zijn in beide jaren prominent aanwezig, en voorbeelden hiervan. Deze thema’s zijn structureel van aard en niet tijdelijk, maar waarschijnlijk ook nog steeds geen standaard of norm (zoals mobile learning dat wel is).
Wat in vergelijking met verleden jaar wél duidelijk verschuift, is de positie van learning analytics: in 2025 nog een top-5-thema met 6,9% van de stemmen, in 2026 een categorie die opvallend daalt. Komt dit omdat professionals AI liever in te zetten voor het maken van content dan voor organisatiebrede data-analyse, zoals Taylor suggereert, of komt dit door de beperkingen van learning analytics die ik hierboven heb aangestipt (het beschikken van weinig voor L&D daadwerkelijk relevante data)? Ook het sentiment rondom de menselijke factor bij de AI-ontwikkelingen verandert. In 2025 lag de nadruk op het opbouwen van competenties en relaties binnen de organisatie. In 2026 klinkt een andere toon, zoals ik al eerder schreef (hoge werkdruk, vrees dat AI de menselijke kern van het werk aantast).