AI-geletterdheid: zo bouw je het op in je organisatie (2026)
Sinds 2 februari 2025 is AI-geletterdheid wettelijk verplicht. Artikel 4 van de EU AI Act schrijft voor dat elke organisatie die AI inzet (en welke organisatie doet dat anno 2026 niet?) zorgt voor een "toereikend niveau van AI-geletterdheid" bij medewerkers die met AI werken.1 Bij de meeste klanten waar wij komen, is de eerste reactie op die verplichting voorspelbaar. Er gaat een e-learning live, er volgen een paar prompt-workshops, en op het intranet verschijnt een AI-policy. Drie maanden later blijkt daar nauwelijks gedrag uit voortgekomen.
De aanname onder die aanpak is dat AI-geletterdheid een kwestie van kennisoverdracht is. Maar AI-geletterdheid is in de praktijk een vorm van gedrag, en gedrag laat zich nu eenmaal niet trainen met een PowerPoint.
In dit artikel beschrijf ik wat AI-geletterdheid daadwerkelijk inhoudt, welke vier gedragingen het in de praktijk uitmaken, waarom de gangbare aanpak zo voorspelbaar faalt, en hoe je het wel structureel ontwerpt in een organisatie.
Wat is AI-geletterdheid?
AI-geletterdheid is het geheel van vaardigheden, kennis en begrip waardoor mensen AI-systemen verantwoord, kritisch en effectief kunnen inzetten in hun werk. Het omvat technisch begrip (hoe AI-modellen tot output komen), kritisch beoordelingsvermogen (waar AI faalt en waarom), praktische vaardigheid (effectief prompten en itereren) en ethisch oordeel (wanneer wel, wanneer niet, en met welke data).
Die definitie komt uit de wet zelf. Artikel 3(56) van Verordening (EU) 2024/1689 omschrijft AI-geletterdheid als "de vaardigheden, kennis en het begrip die aanbieders, gebruiksverantwoordelijken en betrokken personen in staat stellen om een geïnformeerde inzet van AI-systemen te maken, en zich bewust te zijn van de mogelijkheden en risico's van AI en van de mogelijke schade die deze kan veroorzaken."1
Het zit hem in de werkwoorden: "in staat stellen", "geïnformeerde inzet maken", "bewust zijn". Dat zijn beschrijvingen van gedrag, geen beschrijvingen van kennis. Iemand kan een AI-cursus afronden, slagen voor de toets, en in de praktijk vervolgens klakkeloos elke ChatGPT-output naar een klantmail kopiëren. Die persoon heeft de kennis binnen, maar voldoet volgens de juridische definitie niet aan de eis.
Dat verschil is geen woordenspel. Het bepaalt of jouw training door een audit komt en tegelijkertijd het risico in de organisatie verlaagt, of alleen door die audit komt.
Waarom de meeste AI-geletterdheidstrainingen falen
De gangbare aanpak ziet er ongeveer zo uit. Twee uur online module over "wat is AI", een policy-document, een lijst do's en don'ts, en bij de ambitieuze organisaties ook een prompt-workshop. Drie maanden later is het stof neergedaald, de e-learning vergeten, en het gedrag zit op exact hetzelfde niveau als vóór de training. In sommige gevallen zelfs lager: het valse gevoel van competentie zorgt ervoor dat mensen minder kritisch worden.
Dit faalpatroon is niet uniek voor AI. Iedere training die kennisoverdracht verwart met gedragsverandering loopt op deze manier vast. Bij AI is het effect alleen groter, om drie redenen.
De eerste reden is cognitive offloading. Het brein is een energiezuinige machine. Zodra een tool het denken voor je kan overnemen, schuift Systeem 1 (het snelle, automatische deel van ons denken dat Kahneman beschreef) die taak vrijwel automatisch door.2 Dat scheelt veel cognitieve energie, en dat is precies het probleem: zonder bewust ontworpen verificatie-rituelen wordt elke AI-output in stilte "waar".
Daar komt bij dat AI fouten maakt die er competent uitzien. Een fout antwoord van Google is meestal duidelijk fout. Een hallucinatie van een LLM is grammaticaal perfect, in toon overtuigend, en bevat plausibele bronvermeldingen die niet bestaan. Het kritisch leesgedrag dat mensen onbewust toepassen op een slechte website schakelen ze uit bij vloeiend ogende AI-output. Daardoor ligt de drempel om te verifiëren hoger dan bij vrijwel elke andere informatiebron.
De derde factor is dat AI-gebruik plaatsvindt in een sociaal vacuüm. Bij traditionele tools zie je collega's werken, en pik je onbewust op wat goed gaat en wat niet. AI-gebruik gebeurt op je eigen scherm, in een chatvenster dat verder niemand ziet. Daardoor worden goede gewoontes niet zichtbaar overgedragen en blijven slechte gewoontes ongecorrigeerd. Iedereen vindt zijn eigen weg, en die wegen lopen vaak verkeerd.
"Behavior happens when motivation, ability, and a prompt come together at the same moment. If any one is missing, the behavior won't happen."
— BJ Fogg, Stanford Behavior Design Lab
De combinatie van die drie krachten verklaart waarom AI-geletterdheid nooit ontstaat uit alleen kennis aanbieden. Je moet de gedragingen ontwerpen.
De vier gedragingen die AI-geletterdheid uitmaken
In de praktijktrajecten die we bij SUE begeleiden, blijkt AI-geletterdheid in de kern terug te brengen tot vier specifieke, observeerbare gedragingen. Iemand die deze vier vertoont, is operationeel AI-geletterd, ongeacht welk diploma of certificaat eronder ligt.
1. Kritisch verifiëren in plaats van blind kopiëren
Dit is de meest fundamentele gedraging, en tegelijk de meest verwaarloosde. Een AI-geletterde medewerker behandelt elke AI-output als concept. Cijfers worden bij de bron gecheckt, namen en datums geverifieerd, en juridische of medische claims voorgelegd aan een mens met de juiste expertise. Voor elke output die de organisatie verlaat klinkt impliciet de vraag: weet ik dit zelf, of vertrouw ik alleen het model?
Het meten is simpel. Welk percentage van AI-gegenereerde content wordt voor publicatie of verzending door een mens geverifieerd? In de organisaties die wij doormeten, zit dat percentage zelden boven de 30%. In een geletterde organisatie staat het, voor risicovolle content, op 100%.
2. Effectief prompten via iteratie
Wie AI gebruikt als zoekmachine, één vraag en één antwoord, laat ergens richting de 80% van de waarde op tafel liggen. Effectief prompten is een gesprek: je begint breed, je verfijnt, je vraagt om alternatieven, je laat het model zijn eigen output bekritiseren. In onze trajecten zien we dat geletterde gebruikers gemiddeld zes tot tien iteraties per taak doen. Bij ongeletterde gebruikers blijft het bij één of twee.
Dit is geen technische vaardigheid in de IT-zin van het woord. Het is in de kern een gespreksvaardigheid. Je leert het niet uit een lijst van "10 beste prompts", maar door begeleid te oefenen op je eigen werk.
3. Herkennen waar AI faalt
AI-geletterdheid is voor een belangrijk deel ook weten waar AI niet moet worden ingezet. Taken waar de kosten van een fout asymmetrisch zijn (een medische diagnose, een juridisch advies, een prijsbepaling, een arbeidsrechtelijke beslissing) vragen om bewust afslaan van AI. In EU AI Act-termen vallen ze onder "hoog-risico" en vereisen ze menselijke supervisie.1
Een geletterde medewerker kan twee vragen op elk moment beantwoorden: (1) wat zijn de gevolgen als deze AI-output fout is, en (2) hoe waarschijnlijk is het dat ik die fout opmerk. Bij "groot" en "klein" stopt AI-gebruik daar. Dat oordeelsvermogen valt niet aan te leren in een module, omdat het juist ontstaat door begeleide reflectie op echte cases.
4. Veilig omgaan met data en privacy
De minst spannende en meest onderschatte gedraging. Een geletterde medewerker weet welke data wel en niet in een prompt mag, welke tool geschikt is voor welk soort informatie, en welke beperkingen aan een output zitten. Geen klantgegevens in ChatGPT-consumer. Geen strategiedocumenten in Gemini Free. Geen broncode in Copilot Personal. Dat klinkt vanzelfsprekend, maar in de organisaties die wij doormeten zit standaard ergens data waar het niet hoort.
"De grootste bedreiging voor je AI-strategie is niet dat medewerkers het niet gebruiken, maar dat ze het gebruiken zonder te weten wat ze doen."
— Tom de Bruyne, SUE Behavioural Design
Deze vier gedragingen, verifiëren, prompten, grenzen kennen en veilig delen, vormen samen de operationele definitie van AI-geletterdheid in een organisatie. Ze laten zich meten en ontwerpen, en ze laten zich niet vervangen door een e-learning.
Hoe je AI-geletterdheid ontwerpt met SWAC
Bij SUE gebruiken we voor elke gedraging die we structureel willen verankeren het SWAC-model: Spark, Want, Again, Can, de vier voorwaarden waaraan duurzaam gedrag moet voldoen. Toegepast op AI-geletterdheid ziet dat er als volgt uit.
CAN: maak de vier gedragingen makkelijker dan de alternatieven
Verifiëren moet makkelijker zijn dan niet-verifiëren. Dat lukt alleen door het in het werkproces te ontwerpen. Bijvoorbeeld een verplicht "bron-veld" in templates waar AI-content wordt geïntegreerd. Een prompt-bibliotheek met goed gestructureerde uitgangsprompts per functie, zodat itereren al vanaf een fatsoenlijk startpunt begint. Een eenvoudige beslisboom op intranet voor "mag ik dit in welke tool zetten". Een rode lijst van data-categorieën die nooit in publieke tools mogen.
"Simplicity eats willpower for breakfast", schrijft Fogg.3 Het gewenste gedrag moet de weg van de minste weerstand worden, anders verliest het op de lange duur altijd van het automatische gedrag van Systeem 1.
WANT: motiveer op het moment dat het ertoe doet
Algemene boodschappen over "AI is belangrijk voor onze toekomst" verdwijnen geluidloos in de inbox. Wat wel werkt zijn motivatie-momenten gekoppeld aan concrete fouten, niet als boetedoening, maar als signaal van wat er op het spel staat. Een geanonimiseerde maandelijkse "lessen geleerd"-mail met drie echte gevallen waar het bijna of helemaal misging, doet meer voor de motivatie tot verifiëren dan vier policy-updates op rij.
Sociaal bewijs werkt ook, maar alleen wanneer het van gerespecteerde vakgenoten komt. Niet vanuit management of IT. De motivatie tot grondig prompten ontstaat doordat de senior in het team in een teamoverleg laat zien hoe zij of hij itereert. Dat is een rolmodel waar alle CEO-mails bij elkaar niet tegenop wegen.
SPARK: ontwerp triggers in het werkproces
Zonder trigger gebeurt er geen gedrag, ook niet als motivatie en vaardigheid aanwezig zijn. Bij AI-geletterdheid werken triggers het best wanneer ze fysiek zijn ingebouwd in het moment van AI-gebruik. Een verplicht checklist-popup voordat AI-content naar buiten gaat. Een rood randje rond outputs van bepaalde tools tot ze geverifieerd zijn. Een automatische reminder in Slack op het moment dat iemand een gevoelige term in een prompt typt.
De truc zit hem in het ontwerpen van de trigger als versnelling van het juiste gedrag in plaats van als interruptie. Een goed ontworpen verificatie-prompt levert de medewerker tijd op, omdat de structuur het werk versnelt, en daarbovenop nog veiligheid.
AGAIN: bouw rituelen, geen evenementen
Gedrag wordt pas gewoonte na maanden van herhaling.3 Een eenmalige kick-off, hoe goed ook, levert geen geletterdheid op. Wat wel werkt is een wekelijkse "AI-leerronde" van vijftien minuten in elk teamoverleg. Iemand brengt één goede prompt-iteratie in, één bijna-misser, en één voorbeeld van "ik heb hier AI bewust niet gebruikt, en dit was waarom". Vijftien minuten, elke week, het hele jaar door.
Dat is niet schaalbaar in de zin van "we rollen het in één keer uit". Het is wel schaalbaar in de zin van "het verandert daadwerkelijk gedrag". En daar gaat het de wetgever uiteindelijk om: geen certificaten, maar aantoonbaar geletterd handelen op de werkvloer.
Vier veelgemaakte fouten bij het bouwen aan AI-geletterdheid
Uit de trajecten die we begeleiden komen vier fouten terug die zo consequent voorkomen dat ze het waard zijn om expliciet te benoemen.
Fout 1: AI-geletterdheid uitbesteden aan IT
AI-geletterdheid is in de kern geen IT-onderwerp, maar een HR-, leiderschaps- en proces-onderwerp. IT kan de tools beheren en de policy schrijven, maar de gedragingen ontstaan in werkprocessen die door operatie en management worden vormgegeven. Organisaties die het project bij de CIO laten en daarna achterover leunen, eindigen met een nette technische uitrol en geen gedragsverandering.
Fout 2: One-size-fits-all curriculum
De EU AI Act eist expliciet dat het niveau van geletterdheid past bij de context en het risico van de toepassing.1 Een marketingteam dat AI gebruikt voor concepten, een HR-team dat AI inzet voor cv-screening, en een juridisch team dat AI laat samenvatten: dat zijn drie totaal verschillende geletterdheidsbehoeften. Eén centraal e-learning-pakket voor de hele organisatie voldoet juridisch noch praktisch.
Fout 3: Meten wat makkelijk is in plaats van wat ertoe doet
Voltooiingspercentages van e-learnings zijn makkelijk te meten en zeggen niets over geletterdheid. Tijd doorgebracht in een module net zo min. Wat ertoe doet is gedrag: percentage geverifieerde outputs, gemiddelde iteratielengte, aantal bewuste "nee, hier zet ik geen AI in"-momenten, aantal datarisico-meldingen. Dat is bewerkelijker te meten, maar het is wat de wet vraagt en wat het risico in de praktijk verlaagt.
Fout 4: Geen sociaal weefsel voor leren
AI-gebruik is geïsoleerd werk. Wie er goed in wordt, wordt het in stilte, en wie er slecht in is komt daar zelf niet achter. Zonder een ontworpen sociaal weefsel (peer-review, terugkerende leerrondes, zichtbare voorbeelden van gerespecteerde collega's) kan geletterdheid niet ontstaan. Dit is het stuk dat het minst gebeurt en het meest verschil maakt.
Conclusie: AI-geletterdheid is een ontwerpopgave
Sinds 2 februari 2025 heeft elke organisatie die AI inzet een wettelijke verplichting. Maar de wet is niet de echte reden om dit goed te doen. De echte reden is dat AI op grote schaal in handen ligt van mensen die niet weten waar het faalt, en daar zit een zakelijk, juridisch en reputatie-risico aan dat we in deze schaal nog niet eerder hebben gezien.
De organisaties die hier serieus mee aan de slag gaan, beginnen niet met een e-learning. Ze beginnen met een diagnose. Welke vier gedragingen vertonen onze mensen wel, welke niet, en in welke werkprocessen? Vervolgens ontwerpen ze interventies per gedraging: in plaats van één centrale training, veel kleine contextuele rituelen. En ze houden dat vol over een periode van maanden.
Dat is bewerkelijker dan een module aanvinken. Het is ook het enige dat in mijn ervaring werkt.
Veelgestelde vragen over AI-geletterdheid
Wat is AI-geletterdheid?
AI-geletterdheid is het geheel van vaardigheden, kennis en begrip waardoor mensen AI-systemen verantwoord, kritisch en effectief kunnen inzetten in hun werk. Het bestaat operationeel uit vier gedragingen: kritisch verifiëren van AI-output, effectief prompten via iteratie, herkennen waar AI faalt, en veilig omgaan met data en privacy. Sinds 2 februari 2025 is het wettelijk verplicht in alle organisaties die AI inzetten, onder artikel 4 van de EU AI Act.
Is AI-geletterdheid wettelijk verplicht?
Ja. Sinds 2 februari 2025 verplicht artikel 4 van de EU AI Act (Verordening (EU) 2024/1689) alle aanbieders en gebruiksverantwoordelijken van AI-systemen om een "voldoende niveau van AI-geletterdheid" te garanderen bij personeel en derden die namens hen met AI werken. Dat geldt voor elke organisatie die in de EU AI inzet, ongeacht omvang of sector.
Wat is het verschil tussen een AI-training en AI-geletterdheid?
Een AI-training leert mensen hoe een tool werkt, als eenmalig kennismoment. AI-geletterdheid is een set van vier dagelijkse gedragingen: verifiëren, prompten, grenzen herkennen en veilig delen. Een training is een event; geletterdheid is een gewoonte. De meeste AI-trainingstrajecten leveren een diploma op zonder gedragsverandering, omdat ze de psychologische en contextuele laag overslaan.
Hoe meet je het niveau van AI-geletterdheid in een organisatie?
Meet niet wat mensen weten, maar wat ze doen. Vier indicatoren werken het best: (1) het percentage AI-outputs dat voor publicatie wordt geverifieerd, (2) de gemiddelde iteratielengte van prompts, (3) het aantal gevallen waarin medewerkers AI-gebruik bewust afslaan omdat het risico te groot is, en (4) het aantal gerapporteerde near-misses rond data. Kennisquizzen meten niets dat ertoe doet.
Wat eist artikel 4 van de EU AI Act precies?
Artikel 4 eist dat organisaties die AI ontwikkelen of inzetten "maatregelen nemen om, zo veel mogelijk, een toereikend niveau van AI-geletterdheid te garanderen bij hun personeel en andere personen die namens hen AI-systemen gebruiken of bedienen". Het niveau moet passen bij de technische kennis van de groep, de context, en de personen op wie de AI wordt toegepast. Er is geen specifiek curriculum verplicht, maar wel het resultaat: aantoonbaar geletterd personeel.
Wie binnen de organisatie is eigenaar van AI-geletterdheid?
In de praktijk werkt een driehoek het best: HR is eigenaar van de gedragsverandering en leerinterventies, IT van de tools en technische policy, en lijnmanagement van de toepassing in werkprocessen. Wanneer één partij alleen het oppakt (meestal IT) leidt dat structureel tot een goed bedoelde maar mislukte uitrol. De juridische eindverantwoordelijkheid ligt bij de gebruiksverantwoordelijke organisatie (in EU AI Act-termen: de deployer).
1,5 minuten over invloed
Elke week zie ik iets: een ziekenhuisbord, een supermarktschap, een zin in een vergadering. Altijd iets dat precies laat zien hoe context gedrag stuurt. Ik schrijf het op. Elke donderdagochtend krijg je het in je inbox. In 90 seconden.
Gelezen door 10.000+ professionals · Gratis · Uitschrijven kan altijd
