Bijgewerkt op 21 november 2026
Zorgprofessionals opleiden in het tijdperk van kunstmatige intelligentie
In de zorg draait opleiding niet alleen om toegang tot de juiste informatie. Het gaat erom die informatie op het juiste moment te kunnen inzetten in de beroepspraktijk. Door voort te bouwen op bestaande content en referentiekaders kan kunstmatige intelligentie helpen om meer kennis om te zetten in oefensituaties, feedback en leertrajecten die zijn afgestemd op de behoeften van elke professional.
In de zorg bestaat leren niet alleen uit het verwerven van kennis
Richtlijnen voor goede praktijkvoering, protocollen, referentiekaders, interne procedures, wetenschappelijke bronnen: zorgprofessionals werken in een omgeving waarin kennis zowel overvloedig is als voortdurend verandert.
Opleidingen helpen om die kennis te structureren en over te dragen. Maar het uiteindelijke doel blijft dat ze in de praktijk wordt toegepast.
Een richtlijn kennen betekent niet per se dat je weet hoe je die toepast. Een module over het voorkomen van een risico hebben gevolgd, garandeert niet dat je in een professionele situatie de relevante elementen herkent. En een goede score op een vragenlijst is op zichzelf onvoldoende om te concluderen dat iemand een competentie beheerst.
Juist op dit gat tussen verworven kennis en toepasbare kennis is kunstmatige intelligentie bijzonder interessant voor zorgopleidingen.
Niet door nieuwe medische kennis te produceren, maar door betrouwbare content die opleiders en zorginstellingen al hebben beter te benutten.
Bestaande content omzetten in oefenmogelijkheden
Een groot deel van het digitale onderwijs berust nog steeds op een vertrouwd stramien: content raadplegen en daarna een paar vragen beantwoorden om het begrip te toetsen.
Die aanpak is nuttig voor het verwerven van kennis, maar bereikt snel haar grenzen als je professionals wilt voorbereiden op het toepassen ervan.
AI maakt een extra stap mogelijk: opleidingscontent gebruiken als grondstof om meer oefenactiviteiten te creëren.
Op basis van een referentiekader, een richtlijn, een protocol of gevalideerde lesstof kunnen opdrachten worden aangeboden waarbij de lerende een passende handelwijze moet kiezen, informatie moet rangschikken, een situatie moet analyseren of een procedure moet toepassen.
Het verschil is belangrijk: de lerende herkent niet langer alleen informatie die hij net heeft gelezen. Hij moet die inzetten.
AI is er dan niet om de medische regel of het verwachte antwoord te verzinnen. Het kader blijft dat van de brontekst. De technologie maakt die content interactiever en vergroot het aantal momenten waarop ze kan worden gebruikt.
Van kennisquiz naar oefenen in de praktijk
De meerkeuzevraag blijft een geschikt instrument om bepaalde kennis te toetsen. Maar niet alle beroepscompetenties kunnen op die manier worden beoordeeld.
Er is een verschil tussen de vraag:
"Welke van deze antwoorden is de juiste handelwijze?"
en de lerende confronteren met een situatie uit de opleidingscontent, waarin hij eerst de relevante elementen moet herkennen voordat hij die handelwijze kiest.
In het eerste geval toets je vooral het herkennen van kennis.
In het tweede geval begin je te werken aan het toepassen ervan.
Dit onderscheid is vooral belangrijk in de zorg, waar kennis zelden geïsoleerd wordt gebruikt. De professional moet haar combineren met een context, een procedure, risicofactoren of informatie die op een bepaald moment beschikbaar is.
De meerwaarde van AI ligt dus minder in het genereren van "meer vragen" dan in het variëren van de manier waarop dezelfde kennis kan worden geoefend.
Feedback geven die verwijst naar de referentiecontent
Oefenen wordt pas echt leerzaam als er feedback bij hoort.
Ook hier kan AI meer bieden dan een eenvoudige correctie met "juist/onjuist".
Wanneer een professional een opdracht beantwoordt, kan de feedback uitleggen waarom het antwoord wel of niet passend is, welk onderwerp hij moet herhalen en op welk onderdeel van de referentiecontent de correctie is gebaseerd.
Dit punt is essentieel in de zorg.
AI mag niet de autoriteit worden die bepaalt wat medisch juist is. De feedback moet verankerd blijven in de gevalideerde content waarop de opleiding is gebouwd.
De lerende krijgt zo direct een terugkoppeling en kan tegelijk terugkeren naar de betreffende richtlijn, het protocol of de lesstof.
Zo ontstaat een eenvoudige leercyclus:
leren → oefenen → feedback ontvangen → terug naar de bron → opnieuw beginnen.
Deze cyclus is veel gemakkelijker te herhalen dan in een model waarin elke terugkoppeling een individuele tussenkomst van een opleider vraagt.
AI gebruiken om beter te zien wat opnieuw geoefend moet worden
De andere belangrijke verandering betreft personalisatie.
Tegenwoordig volgen twee professionals die zich voor dezelfde opleiding inschrijven doorgaans een vrijwel identiek traject, ook als hun beginkennis en hun moeilijkheden verschillen.
Met AI kunnen de interacties met de opleiding worden gebruikt om beter te herkennen welke onderwerpen beheerst worden en welke nog aandacht nodig hebben.
Als een professional een onderwerp beheerst, hoeft hij niet steeds vergelijkbare oefeningen te maken.
Loopt hij daarentegen herhaaldelijk vast op hetzelfde onderwerp, dan kan de opleiding voorstellen om de bijbehorende content opnieuw door te nemen, een andere uitleg te krijgen of een nieuwe oefenactiviteit te doen.
Personalisatie betekent dus niet dat AI bepaalt wat een zorgprofessional moet leren. Het betekent dat AI helpt om vooruitgang te boeken binnen een vastgesteld en gevalideerd leerkader.
Dat is een cruciaal nuanceverschil.
Opleidingscontent omvormen tot een bruikbare bron
Bij bij- en nascholing in de zorg gaat het ook om wat er na de opleiding gebeurt.
Een professional heeft een module misschien enkele weken of maanden eerder gevolgd en moet een stuk informatie terugvinden op het moment dat het weer relevant wordt.
Dankzij AI is een andere relatie met de lesstof denkbaar: in plaats van de juiste module, pagina of sectie te moeten opzoeken, kan de professional het corpus waartoe hij toegang heeft rechtstreeks bevragen.
Ook hier zit de waarde in de verankering in bronnen.
In plaats van een algemeen model een beroepsvraag voor te leggen, werkt de gebruiker met content die door zijn organisatie of opleider is geselecteerd. Het antwoord kan vergezeld gaan van de gebruikte bron, zodat hij die kan raadplegen en in context kan plaatsen.
Opleiding wordt zo minder eenmalig: de geleerde content blijft op lange termijn toegankelijk en bruikbaar.
Tijd vrijmaken voor wat echt een opleider vraagt
Deze aanpak vermindert het belang van de opleider niet. Ze helpt juist beter te onderscheiden wat geautomatiseerd kan worden en wat menselijke expertise vereist.
Gevalideerde content omzetten in oefeningen, een eerste niveau van feedback geven, de lerende naar de juiste bron leiden of een regelmatig verkeerd begrepen onderwerp signaleren: bij dit soort taken kan AI helpen.
De tijd van de opleider kan dan meer worden besteed aan wat technologie slecht nabootst: contextualiseren, complexe situaties bespreken, vragen beantwoorden die buiten het kader vallen, begeleiden bij moeilijkheden en praktijkervaring inbrengen.
Het doel is dus niet om de mens uit zorgopleidingen te halen, maar om meer menselijke tijd te reserveren voor situaties die echt om zijn expertise vragen.
In de zorg heeft AI alleen waarde als de bronnen onder controle zijn
Deze voorwaarde maakt het gebruik van AI in de zorg sterk anders dan in veel andere sectoren.
Een algemeen generatief model kan een overtuigend maar onjuist antwoord geven. In de context van beroepsopleidingen in de zorg kan dat risico niet als een simpele technische onvolkomenheid worden behandeld.
De kwaliteit van het systeem hangt dus rechtstreeks af van de kwaliteit van het corpus waarmee het werkt.
Wetenschappelijke referentiekaders, officiële richtlijnen, gevalideerde lesstof, procedures van de instelling: AI moet verankerd blijven in de bronnen die men haar heeft toevertrouwd.
Dat veronderstelt ook dat je deze bronnen kunt identificeren, ze kunt actualiseren wanneer richtlijnen veranderen en menselijk beheer over de content behoudt.
Het doel is niet om een kunstmatige intelligentie te vragen wat een zorgprofessional zou moeten weten.
Het is om hem in staat te stellen effectiever gebruik te maken van wat experts hebben bepaald dat hij moet weten en kunnen.
Van overdracht naar training
Kunstmatige intelligentie verandert dus niet per se de inhoud van de opleiding. Ze kan vooral het gebruik ervan veranderen.
Hetzelfde referentiekader kan dienen om kennis over te dragen, een toepassingsactiviteit te maken, feedback te geven, een moeilijkheid te signaleren en de professional door te verwijzen naar de bron die hij opnieuw moet doornemen.
Daar ligt een belangrijk deel van het potentieel voor zorgopleidingen.
Lange tijd heeft digitalisering vooral ervoor gezorgd dat opleidingscontent toegankelijk werd voor meer professionals.
AI kan een extra stap mogelijk maken: die content interactief maken.
Niet door medische situaties te verzinnen of klinische expertise te vervangen, maar door professionals meer kansen te geven om gevalideerde kennis toe te passen, hun fouten te begrijpen en vooruit te gaan.
In het tijdperk van kunstmatige intelligentie is de vraag dus misschien niet langer alleen: "Hoe dragen we de juiste kennis over?"
Maar ook: "Hoe laten we de professional oefenen met het gebruik ervan?"
