AI-geletterdheid voor alle sectoren

Van klantcontact tot administratie, van HR tot projectwerk: AI raakt inmiddels bijna iedere organisatie. De AI Geletterdheid Toolkit helpt je team de kansen te zien, de risico's te herkennen en AI verantwoord toe te passen in jullie eigen praktijk.

Wat de AI Act betekent voor jullie

Medewerkers gebruiken AI steeds vaker in hun dagelijkse werk. De AI Act stelt dat medewerkers die met AI werken voldoende AI-geletterd moeten zijn (artikel 4). Maar wat dat in de praktijk betekent, verschilt per organisatie. Een installatiebedrijf, adviesbureau, onderwijsinstelling, creatieve studio of logistieke organisatie heeft andere processen, klantvragen, risico's en kansen. Daarom is de AI Geletterdheid Toolkit bewust flexibel opgebouwd. De basis staat klaar, maar voorbeelden, accenten en gespreksvragen kunnen snel worden aangescherpt voor jullie type werk. AI-geletterdheid begint niet bij een standaardverhaal, maar bij het gesprek over wat er bij jullie al gebeurt, wat verstandig is en hoe je medewerkers AI-geletterd én AI-vaardig maakt.

Praktijksituaties

Bekijk deze voorbeelden eens

Veel AI-kansen en risico's zitten in alledaags werk: informatie zoeken, teksten maken, klantvragen beantwoorden, processen verbeteren. Neem gerust contact op, dan kijken we hoe de inhoud aansluit op jullie praktijk.

1. Losse ideeën vastleggen zonder alles eerst netjes te organiseren

Tot voor kort moest informatie vooral netjes worden georganiseerd om bruikbaar te blijven. Ideeën hoorden in een projectplan, klantnotities in een CRM-systeem, documenten in vaste mappen en afspraken in duidelijke velden. Dat klinkt logisch, maar in de praktijk betekent het ook dat kleine ideeën, snelle observaties, foto’s, links of opmerkingen vaak helemaal niet worden vastgelegd. Ze passen nergens precies, kosten te veel tijd om netjes te verwerken en verdwijnen dus in iemands hoofd, mailbox of geheugen.

Dankzij AI kun je daar anders naar kijken. Het kan ineens waardevol zijn om een makkelijk toegankelijk document of mapje te hebben waar medewerkers gewoon losse dingen in mogen gooien: een link naar een artikel, een foto van een situatie, een klantvraag, een suggestie voor later, een risico dat nog niet zeker is of een idee dat nog niet rijp genoeg is voor een plan. Het hoeft niet perfect geordend te zijn. Juist daar kan AI helpen. Later kun je vragen: “Welke ideeën zijn relevant voor deze maand?” of “Wat hadden we ook alweer verzameld over werken in deze regio?” Zo wordt losse organisatiekennis veel sneller terugvindbaar en bruikbaar.

Maar juist omdat dit zo makkelijk werkt, ontstaat ook een nieuw risico. Als medewerkers steeds sneller notities, foto’s, klantinformatie of interne afwegingen verzamelen en AI daar toegang toe geven, weet je dan nog waar die informatie terechtkomt? Worden gegevens opgeslagen, verwerkt in buitenlandse datacenters of gebruikt om modellen te verbeteren? En wat als er persoonsgegevens, klantgegevens of gevoelige interne informatie tussen staan? AI maakt het aantrekkelijk om meer vast te leggen, maar dan moet je ook scherper nadenken over wat je vastlegt, waar je het opslaat en welke tool erbij mag.

Veel organisaties krijgen elke dag terugkerende vragen. Waar blijft mijn bestelling? Kan mijn afspraak worden verzet? Welke documenten moet ik aanleveren? Hoe werkt deze regeling, dienst of aanvraag? Voor een grote organisatie is klantcontact vaak een afdeling. Voor kleinere of drukke teams is het iets wat medewerkers er tussendoor bij doen.

Met tools als ChatGPT, Claude, Microsoft Copilot of een eigen AI-assistent op basis van handleidingen, voorwaarden en voorbeeldantwoorden kan een team sneller en consistenter reageren. Zeker als de organisatie vooraf goede ijkvoorbeelden maakt: zo beantwoorden wij boze klanten, zo leggen wij ingewikkelde onderwerpen eenvoudig uit, zo zeggen wij vriendelijk maar duidelijk “nee”. Dan leert AI niet alleen de feiten, maar ook de toon en kwaliteitsnorm van de organisatie.

Maar hoe ver mag zo’n AI-antwoord gaan? Mag AI alleen helpen met formuleren, of ook toezeggingen doen over korting, levering, planning of rechten? En wat als een klant niet doorheeft dat een antwoord met AI is voorbereid? Wordt dat slimme service, of ontstaat er ongemerkt een situatie waarin klanten vertrouwen op antwoorden die niemand meer echt controleert?

In bijna iedere organisatie worden veel documenten gemaakt: offertes, brieven, projectvoorstellen, instructies, verslagen, klantmails, rapportages en interne notities. Vaak bestaan er voorbeelden, maar in de praktijk kopieert iedereen uit oude bestanden. Daardoor ontstaan kleine verschillen in toon, volledigheid, actualiteit en kwaliteit.

Met AI kan een team juist werken met een paar écht goede voorbeelden. Niet als star sjabloon, maar als kwaliteitsstandaard: zo helder moet de opbouw zijn, zo concreet benoemen we acties, zo zorgvuldig is onze toon en zo duidelijk maken we wat de lezer moet doen. Vervolgens kan een medewerker de kern van een situatie invoeren en AI een concept laten maken dat past bij die afgesproken standaard.

Dat kan de gemiddelde kwaliteit van documenten verhogen. Maar wat gebeurt er na drie maanden, als iedereen eraan gewend is? Blijven medewerkers de output nog echt controleren, of wordt “het zal wel kloppen” de nieuwe routine? En als een AI-document professioneel oogt, wordt het dan juist moeilijker om kleine inhoudelijke fouten nog te zien?

Bij medewerkeronderzoeken, klanttevredenheidsonderzoeken, evaluaties of participatietrajecten wordt vaak gekozen voor meerkeuzevragen. Dat is praktisch, want honderden open antwoorden zijn lastig te verwerken. Maar het dwingt mensen ook in vooraf bedachte categorieën, terwijl hun echte punt soms precies tussen die antwoordopties valt.

Met AI kun je veel meer open antwoorden toestaan. Mensen kunnen in hun eigen woorden uitleggen wat zij bedoelen, waarna een model de antwoorden groepeert, samenvat, uitzonderingen signaleert en terugkerende patronen zichtbaar maakt. Dat kan rijkere informatie opleveren dan een enquête waarin de belangrijkste aannames al in de antwoordopties verstopt zitten.

Maar wie controleert of het model de antwoorden eerlijk samenvat? Worden kleine maar belangrijke minderheidsstandpunten zichtbaar gehouden, of verdwijnen ze in een nette gemiddelde samenvatting? En als AI labels plakt op antwoorden, bijvoorbeeld “weerstand”, “onzekerheid” of “ontevredenheid”, is dat dan handige ordening of al een interpretatie die het vervolg beïnvloedt?

Veel organisaties hebben standaardteksten, folders, handleidingen of informatiepagina’s. Die zijn nuttig voor veelvoorkomende situaties. Maar de echte uitdaging zit vaak in de uitzondering: een klant die weinig voorkennis heeft, een medewerker die visuele uitleg nodig heeft, een gebruiker die beperkt Nederlands spreekt of een situatie die net afwijkt van de standaardprocedure.

Met AI kan een medewerker sneller uitleg op maat maken. Bijvoorbeeld een stappenplan in eenvoudige taal, een korte samenvatting, een visuele uitleg, een vertaling, een audiofragment of een versie voor iemand die nog helemaal nieuw is in het onderwerp. Daardoor wordt goede communicatie niet alleen iets voor grote projecten, maar ook voor kleine momenten in het dagelijkse werk.

Juist daardoor ontstaat ook risico. Wat als een vereenvoudigde uitleg een belangrijke uitzondering weglaat? Wat als een vertaling net de verkeerde nuance geeft? En als een document er professioneel uitziet, zijn medewerkers dan nog kritisch genoeg op de inhoud voordat ze het delen? AI kan informatie veel toegankelijker maken, maar alleen als duidelijk blijft wat uitleg is, wat formele informatie is en wat nog gecontroleerd moet worden.

In veel organisaties is planning een ingewikkelde puzzel. Beschikbaarheid, werkdruk, reistijd, deadlines, klantafspraken, bevoegdheden, verlof, ziekte en persoonlijke voorkeuren lopen door elkaar. Veel kennis zit in het hoofd van ervaren planners, teamleiders of projectcoördinatoren.

AI kan helpen om scenario’s te maken. Wat gebeurt er als we deze medewerker op dit project zetten? Waar ontstaat overbelasting? Welke locatie heeft extra capaciteit nodig? Welke afspraak kan beter worden verschoven? Welke combinatie van ervaring, beschikbaarheid en reistijd is het meest logisch? De winst zit niet alleen in efficiëntie, maar ook in overzicht.

Maar planning raakt ook aan eerlijkheid en vertrouwen. Gaat AI steeds dezelfde sterke medewerkers op zware taken zetten omdat dat efficiënt is? Worden persoonlijke voorkeuren nog serieus meegewogen? En mag je verzuim, leeftijd, prestaties of privébeperkingen gebruiken in zo’n model? Wanneer wordt slim plannen een hulpmiddel, en wanneer voelt het als digitale beoordeling?

Een organisatie heeft vaak veel meer informatie dan zij zelf doorheeft. Oude Excelbestanden, pdf-rapporten, klantmails, projectmappen, notulen, formulieren, foto’s en losse exports uit systemen. Iedereen weet dat er waarde in zit, maar niemand heeft weken de tijd om alles netjes te ordenen, controleren en combineren.

Met AI kan zo’n rommelige databerg ineens veel bruikbaarder worden. Een medewerker kan documenten laten samenvatten, gegevens laten groeperen, patronen laten zoeken en ontbrekende informatie laten signaleren. Waar ontstaan steeds dezelfde klachten? Welke projecten lopen vaak uit? Welke klantvragen komen opvallend vaak terug? Welke gegevens ontbreken juist steeds? AI kan verbanden zichtbaar maken die met handwerk makkelijk onder de radar blijven.

Maar wanneer wordt zo’n overzicht te overtuigend? Is een 90% betrouwbaar beeld voldoende om nader onderzoek te starten? Waarschijnlijk wel. Maar is het ook genoeg om budget te verschuiven, beleid aan te passen of harde conclusies te trekken? En hoe leg je vast welke bronnen zijn gebruikt, waar onzekerheden zitten en wat nog door mensen gecontroleerd moet worden?

Waarom jouw organisatie
de AI Geletterdheid Toolkit gebruikt

Kansen grijpen

Medewerkers die AI begrijpen, zien waar klantcontact, administratie en processen slimmer kunnen. Zo maak je AI concreet voor jullie eigen werk.

Risico's beheersen

Privacy, hallucinaties, schijnzekerheid en verkeerd gebruik. Je team leert waar de valkuilen zitten, voordat ze organisatiebreed risico worden.

Compliance op orde

Aantoonbaar werken aan AI-geletterdheid volgens de AI Act artikel 4, met jaarrapport en certificaat als bewijsstuk.

Vraag gelijk een
vrijblijvende offerte aan

Vertel ons kort over jullie organisatie, dan komen we met een passend voorstel. Vrijblijvend, en met ruimte voor al jullie vragen.