De discussie over AI gaat vaak over modellen, leveranciers en use-cases. Maar in de praktijk beslist iets anders of AI verantwoord landt in een organisatie: weten mensen eigenlijk wanneer ze op AI vertrouwen, wanneer ze moeten ingrijpen en welke afspraken daarbij horen? Juist daar draait AI-geletterdheid om.
Onder de EU AI Act is dat geen vrijblijvende ambitie. Artikel 4 vraagt organisaties die AI aanbieden of inzetten om maatregelen te nemen die de ontwikkeling van AI-geletterdheid van hun mensen ondersteunen. Sinds de wijziging bij Verordening (EU) 2026/1744, die op 27 juli 2026 in werking trad, staat er uitdrukkelijk bij dat dit niet betekent dat je per persoon een bepaald niveau moet waarborgen. Het gaat om de inspanning: de mensen die met AI werken kennis, context en begeleiding bieden om het systeem verstandig te gebruiken. De Europese Commissie heeft rond artikel 4 aparte Q&A's, beleidsuitleg en een levende repository met voorbeelden van AI-geletterdheidspraktijken gepubliceerd.
Waarom dit nu urgent is
Veel organisaties zitten al voorbij de experimenteerfase. Teams gebruiken copilots voor schrijven, samenvatten, coderen, dossieranalyse en besluitvoorbereiding. Tegelijk groeit de druk om AI niet alleen productief, maar ook uitlegbaar en beheersbaar in te zetten. De Europese AI-literacy repository is juist opgezet om voorbeelden te delen voor providers en deployers van AI-systemen in het licht van artikel 4 van de AI Act. Dat is belangrijk, omdat AI-geletterdheid in de praktijk niet met één standaard e-learning is af te vinken.
AI-geletterdheid gaat ook verder dan “weten hoe je prompt”. Een medewerker die een model gebruikt voor een intern rapport heeft andere kennis nodig dan een teamleider die uitkomsten accordeert of een beheerder die verantwoordelijk is voor logging, toegangsbeheer en escalatie. Organisaties die dit te generiek aanpakken, krijgen schijnzekerheid: mensen voelen zich vaardig, maar herkennen risico’s nog steeds te laat.
Wat AI-geletterdheid wél betekent
Goede AI-geletterdheid is rolgebonden. Ze combineert drie elementen:
- kennis van wat het systeem wel en niet kan;
- begrip van de context waarin het wordt gebruikt;
- gedragsafspraken over controle, beveiliging en escalatie.
Voor een kenniswerker betekent dat bijvoorbeeld: weten wanneer een samenvatting controle nodig heeft, welke data niet in een publieke tool mag, en hoe je bronnen of argumentatie verifieert. Voor een manager betekent het: begrijpen waar menselijke eindverantwoordelijkheid blijft liggen, welke risico’s er ontstaan door automatisering, en welke KPI’s iets zeggen over veilige adoptie. Voor IT en compliance betekent het: inzicht in toegangsbeheer, logging, bewaartermijnen, modelkeuze en auditability.
Zes bouwstenen voor een werkbare aanpak
- Breng in kaart waar AI nu al gebruikt wordt. Begin niet bij beleid, maar bij de werkelijkheid. Welke teams gebruiken publieke tools? Waar draaien pilots? Welke beslissingen worden al deels door AI ondersteund?
- Werk met rolprofielen in plaats van één training voor iedereen. Eindgebruikers, proceseigenaren, leidinggevenden en beheerders hebben verschillende leerdoelen.
- Maak menselijk toezicht concreet. Leg vast wie controleert, wanneer een uitkomst niet zonder review verder mag en hoe uitzonderingen worden opgepakt.
- Zorg voor een veilige standaardomgeving. Als medewerkers geen veilig alternatief hebben, ontstaat schaduwgebruik. Private AI of afgeschermde werkplekken verkleinen dat risico direct.
- Koppel instructie aan echte workflows. Laat mensen niet alleen trainen op fictieve cases. Gebruik documenten, processen en beslismomenten die zij dagelijks tegenkomen.
- Meet gedrag, niet alleen deelname. Een voltooide training zegt weinig. Kijk liever naar correct gebruik, escalaties, foutreductie en naleving van richtlijnen.
Waar organisaties vaak de mist in gaan
De eerste fout is AI-geletterdheid behandelen als communicatieproject. Een intranetpagina en een lunchsessie geven hooguit bewustzijn, maar veranderen geen gedrag. De tweede fout is het onderwerp volledig bij IT of juridische zaken neerleggen. Juist lijnmanagers moeten begrijpen hoe AI het werk verandert, anders ontstaat er een gat tussen beleid en praktijk. De derde fout is wachten op perfecte kaders voordat teams mogen leren. Dan groeit het schaduwgebruik buiten zicht.
Een pragmatische route is veel effectiever: kies een beperkt aantal processen, geef teams een veilige omgeving, train rolgericht en bouw feedback in. Zo maak je AI-geletterdheid zichtbaar in de uitvoering in plaats van alleen op papier.
Een realistische 90-dagenaanpak
In de eerste maand inventariseer je lopende AI-toepassingen en benoem je proceseigenaren. In de tweede maand vertaal je dat naar richtlijnen, korte rolgerichte training en voorbeeldcases. Als gezamenlijke basis kan iedereen de gratis online cursus AI-geletterdheid volgen: zes korte modules en een eindtoets, met certificaat. Voor training op maat van je eigen rollen en werkprocessen is er de AI-training van Prudai. In de derde maand leg je toezicht, logging en evaluatie vast in de werkpraktijk. Daarmee creëer je geen perfect eindbeeld, maar wel een bestuurbare basis.
Voor veel organisaties is dit ook het moment om een principiële keuze te maken over tooling. Wie medewerkers dwingt om veilig te werken, moet hen ook een veilige standaard geven. Daarom zien wij in de praktijk dat AI-geletterdheid en Private AI vaak samen optrekken: zonder regie op omgeving en data blijft gedrag moeilijk afdwingbaar.
Wil je AI-geletterdheid vertalen naar concrete rollen, processen en governance in jouw organisatie? Plan een korte verkenning met Prudai via onze contactpagina of bekijk onze aanpak op AI Services.
Bijgewerkt op 13 oktober 2026: de passages over artikel 4 volgen nu de tekst zoals die luidt na de wijziging bij Verordening (EU) 2026/1744.
Bronnen
- Europese Commissie, AI literacy questions & answers
- Europese Commissie, AI talent, skills and literacy
- Europese Commissie, Repository of AI literacy practices