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. En de reflex is overal hetzelfde. Er gaat een e-learning live, er volgt een prompt-workshop, en op het intranet verschijnt een AI-policy. Drie maanden later is daar in de praktijk amper gedrag uit voortgekomen.
De onderliggende aanname is dat AI-geletterdheid een kwestie van kennisoverdracht is. Maar AI-geletterdheid is in de praktijk gedrag, en gedrag laat zich niet trainen met een PowerPoint. Dat klinkt vanzelfsprekend als je het zo leest. En toch bouwt bijna elke organisatie haar AI-beleid alsof het niet waar is.
In dit artikel: wat AI-geletterdheid daadwerkelijk inhoudt, welke vier gedragingen het uitmaken, waarom de gangbare aanpak zo voorspelbaar faalt, en hoe je het wél structureel ontwerpt.
Wat is AI-geletterdheid?
AI-geletterdheid is het geheel van vaardigheden, kennis en inzicht waarmee mensen AI-systemen verantwoord, kritisch en effectief kunnen inzetten in hun werk. Dat omvat technisch begrip (hoe komt een AI-model tot zijn output), kritisch beoordelingsvermogen (waar faalt AI en waarom), praktische vaardigheid (effectief prompten en itereren) en ethisch oordeel (wanneer wel, wanneer niet, en met welke data).
Die definitie komt letterlijk uit de wet. Artikel 3(56) van Verordening (EU) 2024/1689 omschrijft AI-geletterdheid als de vaardigheden, kennis en het begrip die gebruikers in staat stellen een geïnformeerde inzet van AI-systemen te maken, en zich bewust te zijn van de kansen en risico's ervan.
Kijk naar 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 vervolgens klakkeloos elke ChatGPT-output in een klantmail plakken. Die persoon heeft de kennis, maar voldoet volgens de juridische definitie niet aan de eis. Dat verschil is geen woordenspel. Het bepaalt of jouw training een audit doorstaat én het risico in je organisatie verlaagt, of alleen het eerste.
Waarom de meeste AI-geletterdheidstrainingen falen
De gangbare aanpak: een module "wat is AI", een policy-document, een lijst do's en don'ts, en bij de ambitieuze organisaties een prompt-workshop erbij. Drie maanden later is het stof neergedaald, de e-learning vergeten, en zit het gedrag op precies hetzelfde niveau als ervoor. Soms zelfs lager: een vals gevoel van competentie maakt mensen minder kritisch, niet meer.
Dit faalpatroon is niet uniek voor AI. Elke training die kennisoverdracht verwart met gedragsverandering loopt zo vast. Bij AI is het effect wel groter, om drie redenen.
Reden één: cognitive offloading. Het brein is een energiezuinige machine. Zodra een tool het denken kan overnemen, schuift het snelle, automatische deel van ons denken die taak er vrijwel automatisch naartoe. Dat scheelt cognitieve energie, en dat is precies het probleem: zonder bewust ontworpen verificatie-rituelen wordt elke AI-output stilzwijgend "waar".
Reden twee: AI maakt fouten die competent ogen. Een fout antwoord van een zoekmachine is meestal duidelijk fout. Een hallucinatie van een taalmodel is grammaticaal perfect, klinkt overtuigend, en bevat plausibele bronvermeldingen die niet bestaan. Het kritische leesgedrag dat mensen onbewust toepassen op een matige website, schakelen ze uit bij vlot ogende AI-output. De drempel om te verifiëren ligt daardoor hoger dan bij bijna elke andere informatiebron.
Reden drie: AI-gebruik speelt zich af in een sociaal vacuüm. Bij traditionele tools zie je collega's werken en pik je onbewust op wat goed gaat. AI-gebruik gebeurt op je eigen scherm, in een chatvenster dat verder niemand ziet. Goede gewoontes worden niet zichtbaar overgedragen, slechte blijven ongecorrigeerd. Iedereen vindt zijn eigen weg, en die wegen lopen vaak verkeerd.
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
Uit de praktijk blijkt AI-geletterdheid in de kern terug te brengen tot vier specifieke, observeerbare gedragingen. Wie deze vier vertoont, is operationeel AI-geletterd, ongeacht welk certificaat eronder ligt.
1. Kritisch verifiëren in plaats van blind kopiëren
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 data geverifieerd, juridische of medische claims voorgelegd aan een mens met de juiste expertise. Bij elke output die de organisatie verlaat, klinkt impliciet de vraag: weet ik dit zelf, of vertrouw ik enkel het model?
Meten is simpel: welk percentage van AI-gegenereerde content wordt vóór publicatie of verzending door een mens geverifieerd? In veel organisaties 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, één antwoord, laat een groot deel van de waarde op tafel liggen. Effectief prompten is een gesprek: je begint breed, verfijnt, vraagt om alternatieven, laat het model zijn eigen output bekritiseren. Geletterde gebruikers doen gemiddeld zes tot tien iteraties per taak. Ongeletterde gebruikers blijven 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 lijstje "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 de taal van de EU AI Act vallen die onder "hoog risico" en vereisen ze menselijke supervisie.
Een geletterde medewerker kan op elk moment twee vragen beantwoorden: wat zijn de gevolgen als deze AI-output fout is, en hoe waarschijnlijk is het dat ik die fout opmerk. Bij "groot" en "klein" stopt het AI-gebruik daar. Dat oordeelsvermogen leer je niet in een module, want het ontstaat juist 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 kleven. Geen klantgegevens in een gratis chatbot. Geen strategiedocumenten in een consumentenversie van een AI-tool. Geen broncode in een persoonlijke account. Klinkt vanzelfsprekend, maar in de praktijk zit er 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."
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 de Gaga Gedragsmotor
Voor elke gedraging die je structureel wilt verankeren, gebruik je de Gaga Gedragsmotor: Activator, Motivator, Facilitator, Stabilisator. Gedragsverandering = Activator x Motivator x Facilitator x Stabilisator. Toegepast op AI-geletterdheid ziet dat er zo uit.
de Gaga Gedragsmotor toegepast op AI-geletterdheid in organisaties
Facilitator: maak de vier gedragingen makkelijker dan de alternatieven
Verifiëren moet makkelijker zijn dan niet-verifiëren. Dat lukt alleen als je het in het werkproces bouwt. Een verplicht "bron-veld" in templates waar AI-content wordt geïntegreerd. Een prompt-bibliotheek met goed gestructureerde startprompts per functie, zodat itereren al vanaf een fatsoenlijk punt begint. Een simpele beslisboom op het intranet voor "mag ik dit in welke tool zetten". Een rode lijst van datacategorieën die nooit in publieke tools mogen.
Eenvoud verslaat wilskracht. Het gewenste gedrag moet de weg van de minste weerstand worden, anders verliest het altijd van het automatische gedrag.
Motivator: motiveer op het moment dat het ertoe doet
Algemene boodschappen over "AI is belangrijk voor onze toekomst" verdwijnen geluidloos in de inbox. Wat wél werkt: motivatiemomenten gekoppeld aan concrete fouten, niet als boetedoening, maar als signaal van wat er op het spel staat. Een geanonimiseerde maandelijkse mail met drie echte gevallen waar het bijna of helemaal misging, doet meer voor de motivatie dan vier policy-updates op rij.
Sociaal bewijs werkt ook, maar alleen als het van gerespecteerde vakgenoten komt. Niet van management, niet van IT. De motivatie tot grondig prompten ontstaat doordat de senior in het team tijdens een overleg laat zien hoe ze itereert. Dat rolmodel weegt zwaarder dan alle CEO-mails samen.
Activator: ontwerp triggers in het werkproces
Zonder trigger gebeurt er geen gedrag, ook niet met motivatie en vaardigheid aanwezig. Bij AI-geletterdheid werken triggers het best als ze fysiek zijn ingebouwd in het moment van gebruik. Een verplichte checklist-popup voordat AI-content naar buiten gaat. Een rood randje rond outputs van bepaalde tools tot ze geverifieerd zijn. Een automatische herinnering op het moment dat iemand een gevoelige term in een prompt typt.
De truc: ontwerp de trigger als versnelling van het juiste gedrag, niet als interruptie. Een goed ontworpen verificatie-prompt levert de medewerker tijd op, omdat de structuur het werk versnelt, met veiligheid als extraatje.
Stabilisator: bouw rituelen, geen evenementen
Gedrag wordt pas gewoonte na maanden herhaling. Een eenmalige kick-off, hoe goed ook, levert geen geletterdheid op. Wat wel werkt: 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 klap uit". Het is wel schaalbaar in de zin dat het écht gedrag verandert. 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
Fout 1: AI-geletterdheid uitbesteden aan IT
AI-geletterdheid is in de kern geen IT-onderwerp, maar een HR-, leiderschaps- en procesonderwerp. IT kan de tools beheren en de policy schrijven, maar de gedragingen ontstaan in werkprocessen die operatie en management vormgeven. Organisaties die het project bij de CIO parkeren, eindigen met een keurige 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. Een marketingteam dat AI gebruikt voor concepten, een HR-team dat AI inzet voor cv-screening, en een juridisch team dat AI laat samenvatten: drie totaal verschillende behoeftes. 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. Wat ertoe doet is gedrag: percentage geverifieerde outputs, gemiddelde iteratielengte, aantal bewuste "nee, hier zet ik geen AI in"-momenten, aantal datarisico-meldingen. Bewerkelijker om 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 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 meeste 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 reputatierisico aan dat we op deze schaal nog niet eerder hebben gezien.
Organisaties die dit serieus aanpakken, 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 meer werk dan een module aanvinken. Het is ook het enige dat 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. Operationeel bestaat het 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: het percentage AI-outputs dat vóór publicatie wordt geverifieerd, de gemiddelde iteratielengte van prompts, het aantal gevallen waarin medewerkers AI-gebruik bewust afslaan omdat het risico te groot is, en 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 de leerinterventies, IT van de tools en de technische policy, en lijnmanagement van de toepassing in werkprocessen. Wanneer één partij het alleen oppakt, meestal IT, leidt dat structureel tot een goed bedoelde maar mislukte uitrol. De juridische eindverantwoordelijkheid ligt bij de gebruiksverantwoordelijke organisatie, in de taal van de wet: de deployer.