AI-geletterdheid begint bij een werktaak

Inleiding

Dit artikel is met ondersteuning van AI opgesteld. BAETER is verantwoordelijk voor de publicatie.

Veel organisaties reageren op AI met een begrijpelijke reflex: regel een training voor iedereen. Een lunchsessie, een promptworkshop of een online module voelt als een logische start. Maar een medewerker die na zo'n sessie weet wat generatieve AI is, weet nog niet automatisch wat hij of zij veilig en verstandig met AI kan doen in het eigen werk.

Dat verschil verdient aandacht. De Europese AI Act Service Desk benadrukt in de toelichting op AI-geletterdheid dat de aanpak moet passen bij de betrokken mensen en de gebruikscontext. Technische kennis, ervaring, opleiding, de toepassing en de mensen die erdoor worden geraakt spelen daarbij een rol. Voor een team betekent dat een praktische ontwerpvraag: welke kennis en welk oordeel zijn in deze werktaak nodig?

Dat is goed nieuws voor het mkb. Een concrete eerste stap is één werktaak waarin mensen leren oordelen. Een gerichte oefening kan een bredere training aanvullen.

Maak van “AI kunnen gebruiken” een taak die je kunt bespreken

Neem als fictief voorbeeld een commercieel binnenteam dat AI inzet om een eerste antwoord op een offerteaanvraag te maken. De echte vaardigheid bestaat niet uit het schrijven van een slimme prompt. De medewerker moet ook kunnen beantwoorden:

• Welke klantinformatie mag wel en niet in deze tool?
• Welke aannames heeft de concepttekst gemaakt?
• Welke prijs, levertijd of belofte moet ik zelf in de bron controleren?
• Wanneer mag dit weg als concept, en wanneer moet een collega of specialist meekijken?

Wie die vier vragen consequent goed kan toepassen, laat veel meer AI-geletterdheid zien dan iemand die alleen een training heeft afgevinkt. De taak wordt daarmee ook een betere basis voor begeleiding, kwaliteitsbewaking en interne afspraken.

Kies een aanpak die bij het werk past

Volgens de FAQ van de Europese AI Act Service Desk is er geen universele aanpak die voor iedereen werkt. De FAQ vermeldt ook dat externe training en externe certificering niet verplicht zijn. Dat betekent niet dat kennisontwikkeling of een beoordeling van de concrete toepassing achterwege kan blijven.

Die nuance voorkomt twee kostbare fouten. De eerste is onderinvesteren: iedereen krijgt toegang tot een chatbot zonder duidelijke grenzen. De tweede is overinvesteren: een bedrijf koopt een generiek certificeringstraject terwijl het echte risico in één klantproces, één spreadsheet of één selectiehandeling zit.

Vooral wanneer AI invloed heeft op sollicitanten, werknemers, onderwijs, krediet of toegang tot diensten, is een brede “we hebben een cursus gevolgd”-verklaring onvoldoende. Laat dan vooraf juridisch en inhoudelijk beoordelen welke regels op de concrete toepassing van toepassing zijn. Dit artikel is praktisch bedrijfsadvies, geen juridisch advies.

Bouw een mini-proef rond één terugkerende taak

Een bruikbare aanpak kan verrassend klein zijn. Kies één taak die vaak voorkomt en waar een fout merkbare gevolgen heeft. Maak vervolgens een mini-proef van twintig minuten.

1. Situatie: geef een realistische, geanonimiseerde opdracht.
2. Gebruik: laat de medewerker AI gebruiken binnen de afgesproken gegevensgrens.
3. Controle: vraag welke bronfeiten, berekeningen en aannames handmatig zijn gecontroleerd.
4. Escalatie: voeg een twijfelgeval toe en laat de medewerker uitleggen wanneer hij of zij stopt en hulp vraagt.
5. Terugblik: noteer één aanpassing aan prompt, werkinstructie of toegangsrecht.

Zo'n proef is geen examen en hoeft geen personeelsdossier te worden. Het is een gesprek over vakmanschap in een veranderde werkomgeving. De uitkomst is vooral nuttig als teamleads er iets mee doen: een onduidelijke regel verduidelijken, een bron toevoegen of een taak voorlopig niet met AI laten uitvoeren.

Houd de bewijslast licht, maar zichtbaar

AI-geletterdheid wordt snel een papierproject als elke medewerker lange formulieren moet invullen. Houd daarom een beknopte taakkaart bij. Zet erop: de taak, de toegestane tool, de gegevensgrens, de verplichte controle, de menselijke beslisser en de datum van de laatste oefening.

Dat geeft een organisatie iets beters dan alleen een deelnemerslijst. Je ziet welke vaardigheid bij welk proces is geoefend, welke beperkingen gelden en waar herhaling nodig is na een nieuwe tool of werkwijze. Het NIST AI Risk Management Framework is vrijwillige Amerikaanse guidance, geen Nederlandse norm, maar de onderliggende gedachte helpt: betrouwbaarheid hoort niet alleen bij techniek; zij moet ook terugkomen in gebruik en evaluatie.

Begin waar het werk al schuurt

De Europese Commissie heeft inmiddels meer dan veertig praktijkvoorbeelden verzameld in haar kennisbank over AI-geletterdheid. Dat is geen automatische vrijwaring van naleving, maar wel een teken dat organisaties verschillende, contextgebonden routes kiezen.

Kies daarom niet het populairste AI-instrument als startpunt. Kies de taak waar nu al vragen terugkomen: “Mag dit naar de klant?”, “Waar komt dit antwoord vandaan?” of “Wie beslist als de AI iets anders voorstelt?” Daar kan een kleine, herhaalbare oefening helpen om kwaliteit, verantwoordelijkheden en AI-vaardigheden concreet te bespreken.

Praktische start voor deze week: vraag drie collega's ieder één AI-taak te noemen die zij regelmatig uitvoeren. Kies een afgebakende taak waarvoor een vakbekwame collega de uitkomst kan beoordelen. Gebruik voor de oefening fictieve of zorgvuldig geanonimiseerde gegevens en maak samen één taakkaart en één mini-proef. Als een taak grote gevolgen kan hebben voor klanten, financiën of privacy, laat dan eerst beoordelen welke extra waarborgen nodig zijn. Gebruik de uitkomst om een bredere training gericht in te vullen.

Wilt u AI-vaardigheden verbinden aan het dagelijkse werk? Neem één concrete taak en de vragen van uw team mee naar een vrijblijvende AI-kansen sessie met BAETER. Zo begint het gesprek bij wat medewerkers moeten kunnen beoordelen.