Wat levert AI-training op? De rekening van niet opleiden

Rond 2000 kreeg Europa een standaard voor digitale basisvaardigheden. Niemand maakte hem verplicht en bijna dertig jaar later is zichtbaar wat dat heeft gekost. Bij AI was het deze keer wél in de wet geregeld. Sinds 27 juli 2026 niet meer.

De fout die we al eens gemaakt hebben

In 1997 richtten de Europese informaticaverenigingen een stichting op in Dublin met één doel: het niveau van digitale vaardigheden omhoog krijgen. Het resultaat was het Europees Computerrijbewijs, ECDL, tegenwoordig ICDL. Een leveranciersonafhankelijke standaard met lesstof, examens en een certificaat waarmee je aantoonde dat je met de gangbare kantoorsoftware overweg kon.

Het bestaat nog steeds. Ruim honderd landen, twintigduizend testcentra. In bijna dertig jaar namen zeventien miljoen mensen wereldwijd eraan deel.

Zeventien miljoen. Wereldwijd. In bijna dertig jaar. De Europese Unie alleen al telt bijna tweehonderd miljoen werkenden.

Een aantal overheden voerde het grootschalig in, vooral buiten Europa. Maar het werd nergens een algemene eis voor wie met een computer moest werken en in de meeste organisaties nooit een vast onderdeel van het personeelsbeleid. Bedrijven kochten de computers, ze kochten de software en de mensen die er elke dag mee moesten werken zochten het grotendeels zelf uit.

Het resultaat staat in de cijfers. In 2025 had 60% van de EU-inwoners tussen 16 en 74 jaar minstens basale digitale vaardigheden. Het doel voor 2030 is 80%. Dat cijfer gaat over de hele bevolking en onder personeel ligt het wat hoger. Toch haalt bijna dertig jaar na de introductie van het computerrijbewijs vier op de tien Europeanen de basis niet.

Dat viel te overleven. Slechte digitale vaardigheden kostten vooral tijd en waar het misging waren de fouten meestal zichtbaar: een verkeerd verstuurde mail, een formule die niet klopte. Vervelend en duur. Maar herkenbaar. En de concurrent liet het even hard liggen. Iedereen prutste en prutsen werd de norm.

Deze keer stond het wél in de wet

Bij AI leek die les geleerd. Artikel 4 van de EU AI Act verplichtte vanaf 2 februari 2025 iets wat rond 2000 volledig ontbrak. Aanbieders en gebruikers van AI-systemen moesten maatregelen nemen om naar beste vermogen een toereikend niveau van AI-geletterdheid te waarborgen bij hun personeel en bij iedereen die namens hen met die systemen werkt. Afgestemd op iemands kennis, ervaring en de context waarin het systeem wordt gebruikt.

Geen aanbeveling en geen keuzemenu. Een actieve borgingsplicht met een doel erin: een toereikend niveau. Niets doen was daarmee lastig te verdedigen.

Dat was precies de juiste beweging. Niet omdat wetgeving prettig is. Wel omdat het de discussie binnen organisaties beslechtte. Als de wet vraagt dat u naar beste vermogen zorgt dat uw mensen weten wat ze doen, hoeft niemand meer te onderhandelen over de vraag of opleiden nodig is.

Sinds 27 juli is de lat verlaagd

Op 24 juli 2026 verscheen Verordening (EU) 2026/1744, de Digital Omnibus, in het Publicatieblad. Drie dagen later trad hij in werking, zonder overgangstermijn voor dit onderdeel.

Artikel 4 luidt nu anders. De woorden "waarborgen", "naar beste vermogen" en "toereikend niveau" zijn geschrapt. Wat overblijft is de plicht om maatregelen te nemen die de ontwikkeling van AI-geletterdheid ondersteunen. En er staat nu uitdrukkelijk bij dat niemand hoeft te garanderen dat een individuele medewerker een bepaald niveau haalt.

Van borgen naar ondersteunen. Van een doel naar een richting.

Bijna achttien maanden gold de zwaardere versie. Minder dan een week voordat de nationale handhaving begon, is de lat verlaagd.

Let op wat er niet is gebeurd. De verplichting is niet verdwenen. Organisaties moeten nog steeds iets doen en die maatregelen moeten aansluiten op de rollen, de systemen en de risico's. Een nieuwsbrief die met niets daarvan verband houdt zal niet snel volstaan.

Wat wel verdween is de druk. Een norm die zegt "zorg dat uw mensen het kunnen" dwingt een besluit af. Een norm die zegt "ondersteun de ontwikkeling" laat ruimte om het klein te houden. En we weten uit ervaring welke kant organisaties op gaan zodra die ruimte er is.

Maak u over boetes overigens geen illusies, in beide richtingen. Artikel 4 kende nooit een eigen boetebedrag in de AI Act zelf. Maar nationale toezichthouders kunnen wel degelijk optreden en bij systemen met een hoog risico geldt daarnaast de eis dat het menselijk toezicht wordt uitgevoerd door mensen die dat aankunnen. Die verplichting valt wél onder de boetebepalingen. En veroorzaakt een medewerker schade doordat hij niet wist wat hij deed, dan is de vraag of de werkgever zijn zorgplicht is nagekomen gewoon een kwestie van aansprakelijkheidsrecht.

De wettelijke lat is dus verlaagd. Het risico is verplaatst, niet verdwenen.

Waarom het deze keer veel duurder uitpakt

Softwarekennis maakte iemand sneller in hetzelfde werk. Wie goed met een spreadsheet overweg kon maakte dezelfde tabel in tien minuten in plaats van dertig. Nuttig. Maar het bleef dezelfde tabel.

AI-vaardigheid verandert ook wat iemand aankan. Wie geen Frans schrijft heeft binnen een minuut een bruikbare eerste versie van een Franse offerte. Wie tegen tachtig pagina's notulen aankijkt heeft er een werkbare samenvatting van.

Dat is geen aanname. Onderzoekers van Harvard, Wharton, MIT en Warwick voerden samen met Boston Consulting Group een vooraf geregistreerd experiment uit met 758 consultants. Bij taken waar het model geschikt voor was rondden de deelnemers met AI 12,2% meer taken af, werkten ze 25,1% sneller en waardeerden beoordelaars hun werk ongeveer 30% hoger.

Een tweede onderzoek, in de Quarterly Journal of Economics, volgde 5.172 klantenservicemedewerkers. Zij handelden gemiddeld 15% meer vragen per uur af. Maar het gemiddelde verbergt het interessantste deel: de minst ervaren medewerkers verbeterden zowel hun snelheid als hun kwaliteit, terwijl de meest ervaren collega's nauwelijks sneller werden en hun kwaliteit licht zagen dalen.

De grootste sprong zit dus bij de collega's die zichzelf niet als technisch beschouwen. Precies de groep die uit zichzelf niet begint.

En dan de andere kant. Datzelfde BCG-experiment bevatte ook een opdracht die bewust buiten het kunnen van het model lag. De groep zonder AI kwam in 84,5% van de gevallen tot de juiste conclusie. Bij de groepen met AI was dat gemiddeld ongeveer 65%. Zij hadden hulp en presteerden slechter dan wie het zonder deed.

Het ongemakkelijkste komt nog. Beoordelaars kregen dezelfde antwoorden voorgelegd zonder te weten welke juist waren, met de vraag hoe overtuigend en goed onderbouwd ze waren. Het werk van de AI-groepen scoorde daar duidelijk hoger, ook wanneer de conclusie fout was.

Dat is het verschil met dertig jaar geleden. Toen was onkunde traag. Nu is onkunde onzichtbaar.

Bedienen is niet hetzelfde als beoordelen

In dat experiment zat nog een derde groep. Die kreeg naast de AI ook instructiemateriaal over hoe je zo'n model effectief bevraagt. Bij de taken waar het model geschikt voor was leverden zij werk van meetbaar betere kwaliteit dan de groep die alleen de tool kreeg. Dat verschil was statistisch significant.

Maar bij de taak buiten het bereik van het model presteerde juist die groep het slechtst van allemaal: 60% juiste conclusies, tegenover 70,6% voor de groep met alleen de tool.

Dat lijkt tegenstrijdig en dat is het niet. De instructie ging over het bedienen van het model, niet over het beoordelen van de uitkomst. Wie beter leert vragen stellen krijgt betere antwoorden en gaat het systeem daardoor meer vertrouwen. Precies dat vertrouwen is fataal op het moment dat het model buiten zijn kunnen komt.

Daar zit de les. Leren bedienen zonder leren beoordelen maakt het risico groter in plaats van kleiner. Een training die alleen over prompts gaat lost het probleem niet op. Wat medewerkers nodig hebben is inzicht in waar zo'n model betrouwbaar is, waar niet, wat er wel en niet in mag en wanneer een antwoord tegen het licht moet voor het de deur uit gaat.

De invulling is weer aan u

Rond 2000 was er een standaard, een examen en een certificaat. Bijna geen enkele organisatie maakte er beleid van. Niet omdat het slecht was. Wel omdat niemand het verplichtte en het altijd nog volgend jaar kon. Dat volgende jaar is er nooit gekomen.

Bij AI zijn we sinds de wijziging een eind die kant op geschoven. De wet schrijft niet meer voor welk niveau uw mensen moeten halen. Wat u doet om daaraan te werken, bepaalt u zelf. En dat is precies het soort keuze dat rond 2000 zo vaak op de lange baan verdween.

Alleen zijn de gevolgen deze keer groter. Er wordt in uw organisatie al met AI gewerkt, vaak zonder dat het ergens is afgesproken. De vraag is of die mensen genoeg basiskennis hebben om dat verantwoord te doen. Weten waar zo'n model betrouwbaar is, wat er wel en niet in mag en wanneer een antwoord gecontroleerd moet worden. Dat staat sinds 27 juli niet meer als eis in de wet. Het is niet verdwenen uit uw organisatie.

Bij AIAdopt maken we daarvoor korte online trainingen, met een toets en een certificaat per medewerker. Geen techniek, geen juridisch jargon, wel meteen bruikbaar op de werkvloer. En wie eerst zelf verder wil lezen: in onze Inzichten behandelen we wetgeving, certificering en het gebruik van AI in uiteenlopende sectoren. Vrij toegankelijk, zonder registratie.

Veelgestelde vragen

Wat is er op 27 juli 2026 veranderd aan de AI-geletterdheidsplicht?

Verordening (EU) 2026/1744 wijzigde Artikel 4 van de EU AI Act. Waar aanbieders en gebruikers van AI-systemen eerst maatregelen moesten nemen om naar beste vermogen een toereikend niveau van AI-geletterdheid te waarborgen, moeten zij nu maatregelen nemen die de ontwikkeling daarvan ondersteunen. Een toereikend niveau is niet langer de wettelijke maatstaf en er hoeft geen specifiek niveau per individuele medewerker te worden gegarandeerd. De verplichting zelf blijft bestaan.

Moet ik mijn medewerkers dan nog steeds opleiden?

Ja. De verplichting om maatregelen te nemen blijft bestaan en die maatregelen moeten aansluiten op de rollen, de systemen en de risico's in uw organisatie. Alleen schrijft de wet geen te bereiken niveau meer voor. Belangrijker is dat de reden om op te leiden nooit de wet was. Onderzoek laat zien dat AI-gebruik door onvoorbereide medewerkers de kwaliteit van het werk kan verlagen zonder dat iemand het opmerkt.

Wat levert AI-training op voor mijn medewerkers?

In een vooraf geregistreerd experiment met 758 consultants rondden deelnemers met AI-ondersteuning 12,2% meer taken af en werkten zij 25,1% sneller, met werk dat ongeveer 30% hoger werd gewaardeerd. Die winst gold voor taken waarvoor het model geschikt was. De deelnemers die daarnaast instructie kregen, leverden werk van significant betere kwaliteit dan wie alleen de tool kreeg.

Bij welke medewerkers levert AI-training het meest op?

Bij de minst ervaren en minst vaardige medewerkers. In een onderzoek onder 5.172 klantenservicemedewerkers verbeterden zij zowel hun snelheid als hun kwaliteit, terwijl de meest ervaren collega's nauwelijks sneller werden en hun kwaliteit licht zagen dalen. Dat is meestal ook de groep die uit zichzelf niet met AI begint.

Is een cursus prompts schrijven voldoende?

Nee. De groep die instructie kreeg over effectief bevragen presteerde beter waar het model geschikt was en het slechtst van allemaal bij de taak daarbuiten: 60% juiste conclusies, tegenover 70,6% voor de groep met alleen de tool. Beter leren bedienen vergroot het vertrouwen in het systeem en dat vertrouwen is juist riskant waar het model tekortschiet.

Bronnen

Rob Ummels, AIAdopt. AI-adoptie, AI-geletterdheid en praktische begeleiding voor organisaties die AI verstandig willen inzetten.

Geschreven door Rob Ummels in samenwerking met Claude (Anthropic). Redactionele eindverantwoordelijkheid: AIAdopt.