Inleiding
Bij de ontwikkeling van de AI Professional Vaardigheden-training liep ik steeds tegen dezelfde vraag aan: wanneer is zo’n training eigenlijk effectief? De AI-verordening bleek een bruikbaar begin te geven. AI-geletterdheid wordt gedefinieerd als drie dingen tegelijk: kennis, vaardigheid én begrip (artikel 3, lid 56).
Artikel 4 legt de plicht bij aanbieders (wie een AI-systeem ontwikkelt of onder eigen naam op de markt brengt) en gebruiksverantwoordelijken (de partij die een AI-systeem onder eigen verantwoordelijkheid inzet, art. 3 lid 4). Die plicht geldt sinds 2 februari 2025 en is in juli 2026 herschreven door de Digital Omnibus. Eerst moesten organisaties zoveel als mogelijk zorgen voor een toereikend niveau van AI-geletterdheid. Sinds 27 juli 2026 moeten ze maatregelen nemen om de ontwikkeling van AI-geletterdheid bij hun personeel te ondersteunen. De wet zegt er nu uitdrukkelijk bij dat ze geen bepaald niveau per persoon hoeven te garanderen. De verantwoordelijkheid ligt dus nog steeds bij de organisatie en niet bij de individuele medewerker, alleen is de lat verschoven van een resultaat naar een inspanning. Het onderscheid tussen de drie lagen verklaart waarom zoveel AI-trainingen ontoereikend blijken.
Het huidige aanbod van trainingen en opleidingen valt grofweg in twee categorieën. Het aanbod uit de ene levert kennis: hoe een taalmodel werkt, wat de AI-verordening ongeveer regelt, waarom je niet zomaar alles in ChatGPT plakt. Het aanbod uit de andere categorie levert vaardigheid: prompts schrijven, met agents werken, MCP’s opzetten. Allebei nuttig, maar allebei laten ze de derde laag liggen.
Begrip is de moeilijkste laag
Kennis kun je overdragen in een ochtend. Vaardigheid kun je oefenen. Begrip moet je opbouwen, en dat gaat trager, omdat het niet over feiten of handelingen gaat maar over oordeelsvermogen.
Begrip is wat je in staat stelt een toepassing te beoordelen die je nog nooit eerder hebt gezien. Een collega die wéét dat AI kan hallucineren (kennis) en die ChatGPT vlot bedient (vaardigheid), mist alsnog iets essentieels: is dít specifieke gebruik in déze context verantwoord, en hoe leg ik dat uit? Begrip maakt het verschil tussen een checklist afvinken en snappen waaróm de checklist zegt wat hij zegt, zodat je ook kunt handelen als je checklist tekortschiet.
Om deze reden is begrip de laag die het meeste oplevert en het minst wordt aangeboden: het is het lastigst om te ontwikkelen.
Bewustwordingstraining is de verkeerde naam
Veel van het huidige AI-trainingsaanbod bestaat voor een groot deel uit zogenoemde bewustwordingstrainingen. Die naam dekt de lading echter niet. Deze trainingen willen namelijk geen bewustwording teweegbrengen, ze willen gedragsverandering.
Daar heb je drie dingen voor nodig. Mensen moeten weten wat ze moeten doen. Ze moeten weten hoe ze dat voor elkaar krijgen. En ze moeten de motivatie hebben om het ook daadwerkelijk anders te gaan doen.
Tot zover lopen bewustwording en geletterdheid parallel. Weten wát lijkt op kennis, weten hóe lijkt op vaardigheid. Bij de derde laag wordt het interessant. Begrip levert een reden om het goed te doen: wie snapt waarom een regel bestaat, heeft een motief dat verder reikt dan de regel zelf. Maar een motiverende reden is geen garantie. Begrip zegt niets over de vraag of dat motief het wint van tijdsdruk of gemak. Wie het waarom niet snapt, valt vrijwel zeker terug in oude patronen. Maar zelfs als je wél snapt waarom, kan het nog steeds gebeuren. Daar kun je honderd weetjes en vaardigheden tegenaan gooien, en het is niet genoeg.
De omgeving
Hier is niet alles mee gezegd. De drie voorwaarden voor gedragsverandering zijn interne beweegredenen: ze gaan over wat er in het hoofd van de medewerker gebeurt. Er is een vierde component waarmee gedragsverandering en geletterdheid staan of vallen, en die zit buiten dat hoofd. Mensen moeten de mogelijkheid krijgen om het goed te doen.
Neem een medewerker die snel een klantmail wil samenvatten met een AI-tool. Wat hij moet doen is duidelijk: geen persoonsgegevens of bedrijfsvertrouwelijke data in een publieke chatbot plakken. De manier waarop doet er ook toe: anonimiseren, of de goedgekeurde tool van de organisatie gebruiken. Als hij begrijpt waarom, dan weet hij dat die data via de prompt in de logs of het trainingscorpus van een derde partij belandt, met een datalek en meldplicht als reëel gevolg.
Toch kan het misgaan. Stel dat de organisatie geen bruikbaar alternatief biedt, of dat de goedgekeurde tool traag en omslachtig is. Dan is de drempel om het goed te doen simpelweg te hoog. De medewerker grijpt naar schaduw-AI, niet uit onwil, maar omdat de rekening voor de zorgvuldige route bij hem terechtkomt en de rekening voor de andere route pas veel later bij iemand anders. Je kunt er honderd bewustwordingstrainingen tegenaan gooien. Tegen een omgeving die het foute gedrag beloont met snelheid en het goede gedrag bestraft met gedoe, zijn kennis en vaardigheid niet toereikend. Een omgeving die het goede gedrag ondersteunt, ontstaat niet vanzelf. Het is de uitkomst van keuzes die iemand moet maken, vastleggen en onderhouden.
Begrip cultiveer je, uitleggen is niet genoeg
Terug naar de derde laag, want die vraagt iets soortgelijks. Begrip ontstaat door zelf te oordelen. Horen hoe een ander oordeelt levert kennis op. Aan kennis ontbreekt het echter niet.
Dat er hoe dan ook geoordeeld moet worden, volgt uit hoe regels werken. Een regel bevat namelijk nooit de regel voor zijn eigen toepassing. Je kunt vastleggen dat er geen persoonsgegevens in een publieke tool gaan, maar of een geanonimiseerde klachtmail met een uniek dossiernummer daaronder valt, staat niet in die regel. Ergens houdt de uitleg op en moet iemand oordelen. Wie dat nooit geoefend heeft, houdt zich aan de letter en loopt vast zodra de casus afwijkt van het voorbeeld uit de training.
Bij de AIPV begint elk thema daarom met een stelling waarover de deelnemers het oneens mogen zijn, en oefenen ze op casussen waar geen kant-en-klaar antwoord bij hoort. Algemene voorbeelden zijn nuttig om de regel scherp te krijgen, maar de oefening zit in de gevallen waarover mensen van mening verschillen. Die onenigheid is het materiaal. Zolang iedereen het eens is, oefen je namelijk geen oordeelsvermogen maar herhaal je een regel.
Dat kost tijd, en dat is de echte reden dat trainingen zich focussen op kennis en vaardigheid. Begrip laat zich niet in een ochtend wegzetten en niet afvinken met een toets.
Waarom je die twee niet los kunt aanpakken
Begrip zonder omgeving levert medewerkers op die precies kunnen uitleggen waarom ze zojuist de verkeerde tool hebben gebruikt. Omgeving zonder begrip levert een keurig ingerichte infrastructuur op die niemand toepast op het geval dat er net buiten valt.
Ze corrigeren elkaar bovendien. Zodra je met een werkgroep de eigen toepassingen langsloopt, komen de gaten in de omgeving vanzelf boven water, want dat zijn precies de plekken waar mensen op vastlopen. En andersom dwingt elke keuze over tools, beleid of verantwoordelijkheden tot een oordeel over waaróm die keuze zo uitvalt. Dat is begrip in de praktijk.
Hier ligt ook het punt dat in de discussie over artikel 4 vaak wordt overgeslagen, en dat na de Omnibus alleen maar zwaarder weegt. De plicht rust op de aanbieder en de gebruiksverantwoordelijke, en het gaat om maatregelen die de ontwikkeling van AI-geletterdheid ondersteunen. Sommige organisaties lezen in de nieuwe tekst dat het nu minder hoeft. Ik lees het andersom: zonder vast niveau om af te vinken, telt alleen nog of de organisatie aantoonbaar de juiste maatregelen neemt. Een cursusaanbod is daar één invulling van, en gezien het bovenstaande niet de meest voor de hand liggende. Wie alleen traint en de omgeving laat zoals hij is, heeft iets gedaan, maar niet noodzakelijk wat artikel 4 vraagt.
Tot slot
AI-geletterdheid is geen certificaat maar een toestand die je onderhoudt. De vraag is dus niet of je medewerkers een training hebben gevolgd. De vraag is of iemand in jouw organisatie volgende maand een AI-toepassing kan beoordelen die vandaag nog niet bestond, en of de omgeving diegene daarna in staat stelt om er iets mee te doen.
Op die twee vragen is het AI Professional Vaardigheden-programma gebouwd. De sleutelfiguren in je organisatie lopen in één dag alle thema’s van het AI Maturity Model langs, elk vanuit de eigen rol. Ze oefenen het oordelen op stellingen en casussen waarover je het oneens kunt zijn, en aan het eind van de dag op de eigen organisatie.
Wat de organisatie overhoudt is een ontwikkelplan: welke tools er nodig zijn en welke weg kunnen, welk beleid ontbreekt, en wie waarvoor verantwoordelijk is. Verankerd in de AVG, de AI-verordening en de regels van je eigen sector. Dat is meteen een stevige basis voor je dossier voor artikel 4: een vastgelegde afweging over wat AI-geletterdheid in jouw context vraagt en welke maatregelen je neemt.
Kennis en vaardigheid krijg je erbij. Maar het gaat om die derde laag, en om de omgeving die mensen de mogelijkheid geeft om het goed te doen. AIPV is een in-company opleiding van één dag voor de sleutelfiguren in je organisatie, met een vervolgbijeenkomst waarin zij hun ontwikkelplan presenteren. Voor de medewerkers op de werkvloer is er daarnaast een training AI-geletterdheid van twee uur. Wil je weten of jouw organisatie de vraag van hierboven volgende maand kan beantwoorden, neem dan contact op met hallo@privacy1.nl.
Geschreven door Dirk Walgien.
3 september 2026
Wil je jouw organisatie privacy-volwassen maken of heb je vragen over gegevensbescherming?
Neem vrijblijvend contact met ons op en ontdek hoe Privacy1 je kan helpen.
Neem contact met ons op