Uw LMS volgt voltooiing. Attest volgt competentie.

SCORM rapporteert "Completed." Auditors willen bewijs van beheersing. Een senior BSA-analist die de stof al kent en een vestigingsmanager van zes maanden met echte hiaten volgen dezelfde 4-hour AML-cursus en verdienen hetzelfde vinkje. Het dossier kan hen niet onderscheiden, omdat het nooit mat wat een van beiden weet.

Gevestigde partijen die zichzelf als "adaptief" in de markt zetten, draaien vooral collaboratieve filtering ("mensen zoals u volgden daarna Cursus X"), geen knowledge tracing op conceptniveau ("u beheerst concept Y nog niet"). En medewerkers gebruiken steeds vaker AI-assistenten om modules snel door te lopen, zodat het voltooiingsdossier "getraind" zegt terwijl het leren nooit is blijven hangen.

In gereguleerd werk is die kloof een aansprakelijkheid die een auditor kan beprijzen. Amerikaanse bedrijfstraining kost ongeveer $102.8B per jaar, ruwweg $874 per cursist (Training Magazine, 2025), en een groot deel daarvan koopt een voltooiingsrecord in plaats van bewijs van competentie. Waar een trainingskloof regelgevende gevolgen heeft, bij AML- en BSA-hercertificering of onder de rolgebaseerde AI-geletterdheidsregels van artikel 4 van de EU AI Act die op 2 augustus 2026 ingaan, is een groen vinkje precies het verkeerde bewijs om mee te komen.

De senior BSA-analist (8 jaar in de functie) staat bijna overal op groen, alleen zwak op Trade-Based Money Laundering en één SAR-red-flag-concept. Attest certificeert 16 of 18 concepten, stuurt 2 naar needs-proof, en markeert het bewijs niet. Zitijd daalt van 240 minuten plat naar 47.3 minuten adaptief, 80.3% bespaard. Dit is het geval "kent het meeste al, sla over wat bewezen is".

De nieuwe vestigingsmanager (6 maanden na overplaatsing) heeft echte hiaten in SAR-narrative en TBML. Het model leidt lage beheersing af op meerdere concepten en stuurt ze naar flow of scaffold in plaats van skip. Attest certificeert 10 of 18 concepten, stuurt 8 naar needs-proof, en snijdt zittijd van 240 naar 146.7 minuten, 38.9% bespaard. Minder concepten gecertificeerd dan bij de analist, omdat deze cursist de training echt nodig heeft. De besparing volgt de beheersing, geen platte korting.

De operations-medewerker is het lastige geval. Deze cursist antwoordde snel en perfect over 18 ongerelateerde concepten, een responstijdverdeling die niet strookt met echte herinnering. Schijnbare beheersing oogt hoog, maar de competentiepoort markeert het bewijs en certificeert 0 of 18. Alle 18 gaan naar needs-proof, het bewijs is gemarkeerd als flagged, en zittijd wordt ingehouden in afwachting van verificatie. We framen dit als waarde, niet als een "gotcha": we certificeren alleen wat we kunnen bewijzen.

Het cohortresultaat, live berekend

Over een echt gesimuleerd 500-person jaarlijks-hercertificeringscohort tegen een fully-loaded loon van $75 per hour berekent Attest ongeveer 51.9% cohortreductie van zittijd (2,000 platte uren omlaag naar ruwweg 962 adaptieve uren, ongeveer 1,038 uren teruggewonnen), ongeveer $77,872 teruggewonnen op deze ene module, en ongeveer $389,362 geannualiseerd wanneer opgeschaald naar een typisch 20-hour complianceprogramma. De dollarbedragen worden berekend uit de modeluitvoer, en het geannualiseerde getal staat op het scherm gelabeld als een projectie.

De modelbenchmark, het onafhankelijke anker

Held-out AUC is 0.8315 op een geseed, reproduceerbaar synthetisch PFA-gegenereerd KT-corpus (2,000 train- en 500 teststudenten, 18 concepten, 12 epochs), met next-step-nauwkeurigheid 0.771. Omdat het datagenererende proces (Performance Factors Analysis, een klassiek logistisch cursistenmodel) tot een andere modelfamilie behoort dan de transformer die we trainen, toont de held-out AUC dat SAKT echte latente leerstructuur heeft teruggevonden in plaats van de eigen aannames te beoordelen. Als externe context is de gepubliceerde SAKT-AUC op de publieke ASSISTments-dataset ongeveer 0.80 (Pandey & Karypis, 2019). De duurzame kop blijft het percentage bespaarde zittijd en het percentage automatisch gecertificeerd, die gelden bij elke modelkwaliteit. De AUC bewijst dat het model echte knowledge tracing is, niet het kopcijfer van het product.