Inleiding
Dit artikel is met ondersteuning van AI opgesteld. BAETER is verantwoordelijk voor de publicatie.
Neem een fictieve drukkerij. Een nieuwe werkvoorbereider laat AI een eerste offerte opstellen. De productgegevens lijken volledig, maar een ervaren collega verandert de voorgestelde uitvoering. Deze klant heeft eerder een afwijkende verpakking afgesproken. Die afspraak is terug te vinden, maar de reden om er bij deze opdracht opnieuw naar te kijken staat nergens uitgelegd.
Als de ervaren collega alleen het voorstel corrigeert, is de offerte geholpen. De nieuwe collega weet daarmee nog niet hoe een vergelijkbaar geval te beoordelen. Voor kennisoverdracht is juist het tussenliggende oordeel waardevol: welk signaal viel op, welke bron gaf de doorslag en wanneer zou een andere keuze passend zijn?
Bewaar een afweging, geen los antwoord
Een goedgekeurde uitkomst vertelt niet vanzelf waarom die passend was. Een volgende opdracht kan erop lijken en toch een andere beslissing vragen. Noteer daarom de voorwaarden waaronder het voorbeeld bruikbaar is.
In de drukkerij begint dat met één vraag: wanneer wijken we bij een offerte af van de standaarduitvoering? De ervaren medewerker beschrijft een concreet geval en de gebruikte bronnen. Een collega stelt verduidelijkende vragen. Het doel is een afweging die iemand anders kan volgen, niet een volledig verslag van alles wat de medewerker die dag deed.
In een OESO-verkenning benadrukken geïnterviewden het belang van vakkennis bij het afbakenen van AI-taken, herkennen van mogelijke fouten en beoordelen van uitkomsten. Het zijn kwalitatieve praktijkinzichten, geen representatieve effectmeting. Ze bieden context voor de rol van vakgenoten, maar bewijzen niet dat kenniskaarten het leren verbeteren.
Dit artikel stelt daarvoor een kleine kenniskaart voor. De kaart is bedoeld om vakgenoten te laten bespreken en oefenen. Zij is geen automatische instructie aan een AI-model en geen vervanging van een actuele werkinstructie.
Zes velden maken het waarom zichtbaar
Begin met één betekenisvolle afwijking. Laat namen, volledige klantberichten en andere niet-noodzakelijke gegevens weg.
- Situatie: Een herhaalopdracht lijkt op een standaardbestelling, maar verwijst naar een eerdere afspraak.
- Eerste voorstel: De standaarduitvoering is overgenomen in het offerteconcept.
- Signaal: Een opmerking in de opdracht verwijst naar een afwijkende verpakking.
- Afweging en bron: De werkvoorbereider vergelijkt de verwijzing met de goedgekeurde klantafspraak.
- Keuze en vervolg: Eerst bevestigen of de afwijkende afspraak nog geldt; daarna de offerte afronden.
- Grens voor hergebruik: Het voorbeeld geldt niet automatisch voor een andere klant, productvariant of afspraak.
Voeg de datum en de beoordelende rol toe. Als de uitvoering later bekend is, kan de kaart worden aangevuld met wat er gebeurde. Maak daarbij onderscheid tussen wat iemand destijds wist en wat pas achteraf duidelijk werd. Anders lijkt een lastige keuze achteraf eenvoudiger dan zij werkelijk was.
Een goede afloop bewijst geen goede redenering
Een onderbouwde afweging kan verstandig zijn terwijl de uitkomst tegenvalt. Omgekeerd kan een zwak besluit toevallig goed aflopen. Beoordeel daarom de reden en de afloop afzonderlijk. Vraag welke informatie beschikbaar was, welke onzekerheid bleef bestaan en welke alternatieven serieus zijn overwogen.
Laat een tweede vakgenoot een paar kaarten bekijken. Begrijpt die waarom het standaardvoorstel is aangepast? Is de bron nog geldig? En welke ontbrekende context zou tot een andere keuze kunnen leiden? Dat kan helpen persoonlijke voorkeur te onderscheiden van een gedeelde werkwijze. Het maakt één voorbeeld nog niet tot een algemene bedrijfsregel.
Het vrijwillige NIST AI Risk Management Framework benoemt domein- en gebruikerskennis en het verwerken van beoordeelde feedback. Het schrijft deze kenniskaart niet voor. De kaart is een eigen voorstel om een klein deel van de werkcontext bespreekbaar te maken.
Laat een collega eerst zelf redeneren
Gebruik een geschikte kaart als oefening. Geef een collega eerst alleen de situatie en de goedgekeurde informatie. Laat die benoemen wat nog ontbreekt, welke keuze mogelijk is en wanneer overleg nodig is. Toon daarna de oorspronkelijke afweging en bespreek de verschillen.
Een afwijkend antwoord is niet automatisch fout. Misschien is een risico gemist of de informatie veranderd. Laat de vakgenoot dat beoordelen. Gebruik de oefening voor een gesprek over kwaliteit, niet om zonder verdere onderbouwing medewerkers te rangschikken.
Noteer vooral welke uitleg of bron nog ontbreekt. Een enkele goed uitgevoerde oefening bewijst geen blijvende vaardigheid. Een later, vergelijkbaar maar nieuw geval kan laten zien welke vragen opnieuw aandacht vragen. Claim geen kortere inwerktijd of leerwinst zonder dat zorgvuldig te onderzoeken.
Spreek af waarvoor de kaarten worden gebruikt
Maak vóór het verzamelen duidelijk wie de voorbeelden mag inzien, wie ze onderhoudt en waarvoor ze bedoeld zijn. Houd kennisoverdracht gescheiden van een eventuele beoordeling van medewerkers. Hergebruik correcties niet stilzwijgend voor een ander doel, zoals personeelsanalyse of het trainen van een model.
Wanneer persoonsgegevens meedoen, blijven de regels en afspraken voor die verwerking gelden. De AP-handreiking over generatieve AI en de AVG biedt daarvoor context. Alleen namen weglaten maakt een herkenbaar praktijkgeval niet vanzelf anoniem. Kies fictieve of zorgvuldig bewerkte voorbeelden wanneer echte details niet nodig zijn.
Begin met drie kaarten rond één terugkerende afweging. Bespreek na enkele weken of collega's de redenering kunnen volgen, waar zij aanvullende informatie nodig hebben en of de kaarten nog actueel zijn. Misschien is een aangepaste werkinstructie nuttiger dan meer voorbeelden. Ook dat is een bruikbare uitkomst.
Welke beslissing kan nu vooral één ervaren collega goed uitleggen? Neem een fictief of zorgvuldig geanonimiseerd voorbeeld mee naar een vrijblijvende AI-kansen sessie met BAETER. Bespreek welk oordeel overdraagbaar moet worden en wie de kwaliteit daarvan kan beoordelen.
Bronnen
- 1.NIST, AI RMF 1.0, Core: MAP 1.2 en GOVERN 5.2. Raamwerk gepubliceerd 26 januari 2023; geraadpleegd 15 oktober 2026. Over domein- en gebruikerskennis, samenwerking en het verwerken van beoordeelde feedback. Het vrijwillige raamwerk wordt herzien; geen validatie van de kenniskaart of oefenvorm.
- 2.Autoriteit Persoonsgegevens, AP helpt ontwikkelaars en organisaties met nieuwe AVG-richtlijnen voor generatieve AI. Gepubliceerd 13 juli 2026; geraadpleegd 15 oktober 2026. Aankondiging van de handreiking over generatieve AI en de AVG en een afzonderlijk praktisch hulpmiddel. De AP adviseert eerst na te gaan of verwerking van persoonsgegevens kan worden vermeden. Geen juridische beoordeling van de kenniskaart.
- 3.OESO, Agentic AI in organisations: Early insights from practitioner interviews. Gepubliceerd 16 september 2026; geraadpleegd 15 oktober 2026. Kwalitatieve interviews bij 25 organisaties. Pagina 21 van het rapport bespreekt de rol van vakkennis bij taakafbakening, mogelijke fouten en beoordeling. Illustratieve bevindingen, geen representatief onderzoek of bewijs voor een leermethode.
Meer lezen

Wie houdt de kennis achter je AI actueel?
Neem een fictieve groothandel in fietsonderdelen. De binnendienst gebruikt AI voor conceptantwoorden over levertijd en garantie. Een medewerker krijgt een overtuigende tekst terug, maar ziet een oude garantievoorwaarde. In het verkoopsysteem staat inmiddels iets anders. Voordat het antwoord naar de klant kan, begint het zoekwerk: welk document geldt, wie heeft het aangepast en voor welke bestelling?
Lees artikel
Van losse AI-hulp naar één werkproces
Neem een fictief schoonmaakbedrijf. Een medewerker gebruikt AI om aanvragen voor extra werk samen te vatten. De concepten zijn snel klaar en lezen prettig. Toch belt de planner geregeld terug: voor welke locatie geldt dit, wat is al afgesproken en wanneer kan het werk plaatsvinden? De eerste medewerker bespaart mogelijk tijd, terwijl de volgende dezelfde informatie opnieuw moet uitzoeken.
Lees artikel