Van AI-geletterdheid naar AI-mindset

Bram Ruber werkt als adviseur AI en algoritmes bij het ministerie van Infrastructuur en Waterstaat en hield zich daarvoor drie jaar in Brussel bezig met de AI-verordening. In het webinar plaatste hij het begin van de Europese ontwikkeling in 2019. Het doel was om risico’s van AI met regelgeving te beperken, het vertrouwen in de technologie te vergroten en een gelijk speelveld voor innovatie in Europa te creëren. Zijn uitleg is terug te vinden in de presentatie over de AI-verordening, AI-geletterdheid en het AI Impact Assessment.

De AI-verordening beschouwt AI in essentie als een product, vergelijkbaar met andere producten waarvoor Europese veiligheidseisen gelden. Het is een Europese verordening die rechtstreeks in Nederland van toepassing is. Er komt geen nationale omzettingswetgeving. Nederlandse implementatiewetgeving bepaalt wel welke partijen toezicht houden.

De gekoppelde pagina van Digitale Overheid bevat aanvullende actuele informatie over de gefaseerde inwerkingtreding van de AI-verordening. De verordening trad in augustus 2024 in werking. Organisaties die AI inzetten, moeten sinds 2 februari 2025 werk maken van AI-geletterdheid. De transparantieverplichtingen werden op 2 augustus 2026 van kracht. De bepalingen voor hoogrisico-AI gaan volgens deze gekoppelde bron op 2 december 2027 in.

De toepassing bepaalt het risico

De AI-verordening kijkt volgens Ruber niet alleen naar het AI-systeem zelf, maar vooral naar de context waarin het wordt toegepast. Een geavanceerd systeem kan voor een onschuldig doel worden gebruikt, terwijl een relatief eenvoudig systeem in een gevoelige toepassing grote gevolgen kan hebben. De wet is daarom in essentie technologieneutraal en risicogebaseerd.

De verordening reguleert niet rechtstreeks de gebruikte data. Bij persoonsgegevens blijft bijvoorbeeld de Algemene verordening gegevensbescherming van toepassing. Afhankelijk van het werkgebied kunnen daarnaast andere regels relevant zijn. Voor wegbeheerders noemde Ruber de Intelligent Transport Systems Directive als voorbeeld. Organisaties moeten zich daarom niet uitsluitend op de AI-verordening richten, maar ook onderzoeken welke regelgeving voor hun data, domein en toepassing geldt.

De AI-verordening onderscheidt vier risicocategorieën:

onacceptabel risico;
hoog risico;
transparantierisico;
minimaal risico.

AI voor emotieherkenning bij werknemers werd genoemd als voorbeeld van een toepassing met een onacceptabel risico. Zulke toepassingen zijn verboden. Onder de categorie hoog risico kunnen toepassingen binnen kritieke infrastructuur vallen, bijvoorbeeld wanneer AI wordt ingezet voor de veiligheid op wegen of bij de levering van drinkwater. Deze toepassingen zijn toegestaan, maar moeten aan aanvullende eisen voldoen.

Bij AI met een transparantierisico, waaronder bepaalde toepassingen met chatbots, moet duidelijk zijn dat AI wordt gebruikt. Voor de grootste categorie, AI met een minimaal risico, gelden geen aanvullende regels vanuit de AI-verordening.

Afhankelijk van de risicocategorie kan de verordening een AI-toepassing verbieden, aanvullende maatregelen voorschrijven, een transparantieverplichting opleggen of geen extra verplichtingen toevoegen. Op een slide staat dat er drie mogelijke gevolgen zijn, terwijl daaronder vier gevolgen worden opgesomd. Ruber beschreef in het webinar eveneens vier gevolgen. Bij bepaalde hoogrisicosystemen kan naleving van de vereisten uiteindelijk leiden tot een CE-markering.

Met een beslishulp naar de juiste maatregelen

Om te bepalen welke regels gelden, moet een organisatie eerst vaststellen of zij met een AI-systeem werkt. Vervolgens moet duidelijk worden waarvoor het systeem wordt gebruikt, welke output het produceert en wat met die output gebeurt. Op basis daarvan kan de risicocategorie worden vastgesteld en wordt duidelijk welke maatregelen nodig zijn.

Als voorbeeld noemde Ruber het gebruik van ChatGPT om samenvattingen te maken. Daarbij moet worden bekeken hoe de output wordt gebruikt en of een transparantieverplichting geldt. Organisaties hoeven hiervoor niet zelfstandig de volledige wettekst door te nemen. Via het gekoppelde onderdeel over de AI-verordening in het Algoritmekader is een beslishulp beschikbaar waarmee organisaties de toepassing en bijbehorende vereisten stapsgewijs kunnen beoordelen.

AI-geletterdheid als inspanningsverplichting

Iedere organisatie die AI toepast, moet volgens de AI-verordening aandacht besteden aan AI-geletterdheid. Wat een organisatie daarvoor precies moet doen, is bewust niet strikt vastgelegd. Het vereiste niveau hangt onder meer af van de technische kennis en ervaring van medewerkers, de context waarin AI wordt toegepast en de personen of groepen op wie het systeem betrekking heeft.

Een team van technisch geschoolde AI-specialisten heeft een andere behoefte dan medewerkers die nog nooit met AI hebben gewerkt. AI-geletterdheid is daarmee geen uniforme training, maar een inspanningsverplichting die moet aansluiten op het gebruik en de bijbehorende risico’s. Wanneer een organisatie een risicovolle toepassing gebruikt en niets doet om medewerkers verantwoord met AI te leren werken, kan dat bij toezicht in haar nadeel meewegen.

Praktijkvoorbeeld: AI Impact Assessment voor verantwoorde toepassing van AI

In het webinar presenteerde Ruber het AI Impact Assessment als hulpmiddel voor organisaties die AI ontwikkelen of adopteren. Het instrument bestaat uit vragen waarmee betrokkenen systematisch kunnen onderzoeken wat nodig is om AI verantwoord toe te passen.

Het gekoppelde document vermeldt dat het AI Impact Assessment is ontwikkeld door het IDlab en de afdeling Analyse van de Inspectie Leefomgeving en Transport, het Datalab van Rijkswaterstaat en de Concerndirectie Informatiebeleid van het ministerie van Infrastructuur en Waterstaat. In versie 2.0 uit 2024 zijn onder meer informatie over generatieve AI, gebruikerservaringen en de definitieve tekst van de AI-verordening verwerkt.

Het assessment behandelt onder meer het doel en de organisatorische rol van het systeem, de gebruikte data, datakwaliteit, risicobeheer, informatiebeveiliging, transparantie en betrokkenheid van gebruikers. Het document schrijft voor dat een multidisciplinaire groep het assessment invult. Welke deskundigen nodig zijn, hangt af van de toepassing en kan onder meer een projectleider, data scientist, jurist, ethicus, informatiebeveiliger, databeheerder of eindgebruiker omvatten.

Ook helpt het assessment om het toepasselijke risicogebied uit de AI-verordening vast te stellen. Wanneer een toepassing als hoog risico wordt geclassificeerd, moeten aanvullende vragen uit de bijlagen worden doorlopen. Zo kunnen juridische, technische en organisatorische vereisten vanaf het ontwerp in de ontwikkeling worden meegenomen.

Van AI-geletterdheid naar een AI-mindset

Bart Brink benadert AI vanuit de innovatieopgaven in de woningbouw, utiliteitsbouw en infrastructuur. In het transcript en de presentatie van Bart Brink wordt hij aangeduid als waarnemend directeur van TKI Bouw en Techniek. De terugblikpagina vermeldt zijn huidige functietitel als Managing Director.

De gebouwde omgeving staat voor een grote vernieuwingsopgave, terwijl tegelijkertijd sprake is van schaarste aan geld, mensen, kennis en kunde. Door de vergrijzing neemt de personele uitdaging verder toe. Brink verbindt deze maatschappelijke opgaven met de mogelijkheden van digitale technologie en AI. De samenhang tussen de duurzaamheidstransitie en de technologische transitie wordt ook aangeduid als de twin transition.

In het position paper Artificiële Intelligentie voor Levensduurverlenging onderzocht Brink welke rol AI kan spelen bij het beter en langer benutten van bestaande bruggen, viaducten en gebouwen. Zijn advies tijdens het webinar was om AI een vaste plaats te geven in innovatieprogramma’s, zoals het Groeifondsprogramma Toekomstbestendige Leefomgeving. Zo kunnen assetbeheerders gezamenlijk ontdekken waar AI wel en niet helpt bij databeheer, onderhoud, vervanging en vernieuwing.

Samenwerken aan concrete toepassingen

Het position paper leidde volgens Brink tot het initiatief Built by AI. Dit initiatief verbindt opgaven met digitale technologie en stimuleert samenwerking en kennisdeling binnen de gebouwde omgeving. In zijn presentatie liet Brink een indicatieve verdeling zien waarbij technologie en proces 20 tot 30% van de opgave vormen en adoptie 70 tot 80%.

Begin 2026 startte volgens Brink daarnaast het programma AI voor Woningbouw, waarin partijen uit de keten samen aan concrete toepassingen werken. Die samenwerking is nodig omdat de benodigde data niet altijd bij één asseteigenaar beschikbaar zijn. Gegevens kunnen ook bij marktpartijen of gemeenten liggen. Het ontwikkelen van een AI-toepassing is daardoor niet alleen een technisch vraagstuk, maar ook een ketenvraagstuk.

Brink onderscheidt toepassingen op verschillende niveaus. Generatieve AI kan individuele medewerkers ondersteunen met hulpmiddelen zoals ChatGPT en Copilot. AI kan daarnaast worden ingezet in de bedrijfsvoering, in projecten en in ketens waarin verschillende organisaties samenwerken aan vervanging of vernieuwing.

Bij organisatiebrede inzet gaat het niet alleen om het toevoegen van AI aan bestaande processen. Organisaties moeten opnieuw kijken naar hun kernprocessen, bepalen hoe die veranderen en onderzoeken welke rol agents en agentic AI daarin kunnen spelen.

Grootschalige adoptie is vooral een veranderopgave

De technologie ontwikkelt zich snel en er komt steeds meer kennis beschikbaar over processen, blauwdrukken en de technisch-organisatorische inrichting. De grootste uitdaging ligt volgens Brink echter bij de grootschalige adoptie. AI verandert hoe mensen, organisaties en sectoren werken. Daarbij spelen vertrouwen, beschikbare data en de bereidheid om werkwijzen te veranderen een grote rol.

Data zijn binnen veel organisaties versnipperd en in het verleden niet altijd structureel op orde gebracht. Voor AI is niet alleen de hoeveelheid data belangrijk. Het gaat ook om de juiste data, een bruikbare structuur en informatie die door machines kan worden gelezen.

De opgave is daarom niet uitsluitend om AI de sector binnen te brengen. De professionals in de sector moeten AI-geletterd worden en een AI-mindset ontwikkelen. Zij moeten begrijpen hoe AI kan helpen bij hun eigen werkzaamheden, in de samenwerking met anderen en op organisatieniveau.

Die verandering raakt gedrag, cultuur en werkwijzen. AI kan productiviteitswinst en kostenbesparingen opleveren, maar ook leiden tot nieuwe oplossingen, andere samenwerkingsvormen en andere waarde voor burgers, vervoerders en andere gebruikers. Assetbeheerders kunnen bijvoorbeeld nieuwe inzichten verkrijgen en proactiever plannen.

De 30%-mentaliteit en menselijke regie

Brink omschrijft een AI-mindset als het vermogen om wendbaar en aanpasbaar te blijven. Niet iedere medewerker hoeft AI-expert te worden. Iedere professional heeft wel een basisniveau van kennis, vaardigheden en ervaring nodig. Hij vergelijkt dit met ongeveer 30% beheersing van een vreemde taal: voldoende grammatica en woordenschat om te begrijpen wat er gebeurt en jezelf uit te drukken.

Professionals moeten bewust bekwaam worden. Dat betekent dat zij de juiste vragen kunnen stellen, AI-output kunnen begrijpen en beoordelen en weten wanneer zij een toepassing wel of niet moeten gebruiken. Menselijke regie blijft daarbij essentieel.

Bij generatieve AI voorspellen modellen bijvoorbeeld het volgende woord in een zin. De uitkomst is probabilistisch. Daardoor wordt het controleren van de resultaten belangrijker. Brink beschrijft een verschuiving van human in the loop naar human on the loop: AI voert meer werkzaamheden uit, terwijl de mens een toezichthoudende en regisserende rol krijgt. Organisaties moeten bepalen welke kennis, vaardigheden, competenties en profielen daarvoor nodig zijn.

Ruimte voor leren, experimenteren en falen

Een AI-strategie en een duidelijke organisatorische richting zijn belangrijk, maar niet voldoende. Medewerkers hebben ook een omgeving nodig waarin zij kunnen leren, experimenteren en ervaring opdoen. Organisaties die vanaf het begin ruimte boden om met toepassingen zoals ChatGPT te werken, hebben volgens Brink inmiddels meer leercurves doorlopen dan organisaties die terughoudend bleven.

Niet iedere medewerker of organisatie bevindt zich op hetzelfde punt. Sommige mensen adopteren nieuwe technologie snel, anderen willen meedoen maar hebben ondersteuning nodig en een deel ervaart weerstand. Koplopers en interne change agents kunnen collega’s helpen om een volgende stap te zetten. Dit maakt de invoering van AI bovenal een veranderkundig proces.

Een eenmalige, verplichte training is daarom niet genoeg. Organisaties moeten medewerkers laten reflecteren, gesprekken over AI faciliteren en duidelijke kaders bieden. Praktijkvoorbeelden van directe collega’s werken daarbij volgens Brink beter dan voorbeelden die alleen in een externe presentatie worden getoond. Interne netwerken en social learning kunnen de kennis stap voor stap verder verspreiden.

Organisaties moeten de benodigde hulpmiddelen beschikbaar stellen in een verantwoorde experimenteeromgeving. Wanneer medewerkers AI willen gebruiken maar geen veilige en toegestane middelen krijgen, kan schaduw-IT ontstaan. Tegelijkertijd moet er aandacht zijn voor zorgen over de gevolgen voor werk, de positie van junior medewerkers en het energiegebruik van AI. Veiligheid en vertrouwen zijn op ieder niveau van de organisatie nodig.

De AI-aanpak van Waterschap Drents Overijsselse Delta

Jeroen Waanders is innovatieadviseur binnen het CIO-office van Waterschap Drents Overijsselse Delta. In zijn presentatie over de AI-ontwikkeling binnen WDODelta liet hij zien hoe het waterschap leren, beleid en praktische toepassingen met elkaar verbindt.

Het waterschap zag eind 2024 dat medewerkers grote hoeveelheden informatie naar generatieve AI-toepassingen zoals ChatGPT uploadten. Door het grote aantal beschikbare toepassingen bleek het niet mogelijk om al het gebruik technisch tegen te houden.

WDODelta besloot het gebruik daarom te reguleren en tegelijkertijd te stimuleren. Het uitgangspunt was dat AI binnen aanvaardbare risico’s moest worden gebruikt, zonder te wachten totdat alle juridische en beleidsmatige onderdelen volledig waren uitgewerkt. De organisatie regelde eerst de noodzakelijkste voorwaarden en begon vervolgens met leren en toepassen.

Praktijkvoorbeeld: Beslisboom voor verantwoord AI-gebruik bij WDODelta

Contactpersoon: Jeroen Waanders, innovatieadviseur binnen het CIO-office, Waterschap Drents Overijsselse Delta

WDODelta formuleerde vier eenvoudige regels voor het gebruik van AI:

AI is altijd adviserend en de medewerker blijft zelf verantwoordelijk;
de uitkomst is altijd een concept en moet op juistheid worden gecontroleerd;
deel geen gevoelige, persoonlijke of bedrijfsgevoelige informatie;
wees transparant over het gebruik van AI.

Deze regels vormden het vertrekpunt voor gesprekken met medewerkers. Om de afweging eenvoudiger te maken, verwerkte WDODelta de regels in een visuele handreiking voor het gebruik van AI. De beslisboom vraagt achtereenvolgens of gevoelige informatie wordt gebruikt, of de uitkomst inhoudelijk moet kloppen, of de medewerker de tekst kan beoordelen en of diegene de verantwoordelijkheid kan nemen. Afhankelijk van de antwoorden is het gebruik van Copilot of een andere AI-tool wel of niet verantwoord.

Praktijkvoorbeeld: AI-café voor AI-geletterdheid bij WDODelta

Contactpersoon: Jeroen Waanders, innovatieadviseur binnen het CIO-office, Waterschap Drents Overijsselse Delta

Om medewerkers te laten begrijpen wat AI doet, richtte WDODelta in de kerstvakantie van 2024 met tweedehands meubilair een AI-café in. Dit was voor het waterschap een nieuwe werkvorm. Medewerkers kregen er uitleg over de technische werking en geschiedenis van AI, verschillende soorten AI, voor- en nadelen, vooringenomenheid en de beperkingen van de technologie. Daarnaast leerden zij hoe zij goede prompts konden schrijven.

Deelname was vrijwillig. Tijdens het webinar meldde Waanders dat meer dan de helft van de organisatie het AI-café had bezocht. WDODelta telt ongeveer 800 fte. Het waterschap wilde ook de buitendienst bereiken door met het café naar buiten te gaan.

Ook het dagelijks bestuur en het algemeen bestuur namen deel. Het groeiende bewustzijn over de risico’s leidde mede tot de instelling van een ethiekcommissie. Deze commissie beoordeelt, vaak vooraf, of bepaalde AI-toepassingen binnen de organisatie worden toegestaan.

De presentatie beschrijft social learning als een belangrijk resultaat. Daarbij komt 10% van het leren uit formele training, 20% uit feedback, coaching en gesprekken en 70% uit leren in de praktijk en van elkaar. Dezelfde verdeling wordt toegelicht op de gekoppelde WDODelta-pagina over het oud-Hollandse AI-café.

Medewerkers bouwen ondersteunende toepassingen

Naast persoonlijk gebruik ontstonden ideeën voor toepassingen in ondersteunende bedrijfsprocessen. Informatie uit bijvoorbeeld het personeelshandboek en verlofregelingen kan worden ontsloten met een bot of agentic AI die vragen van medewerkers beantwoordt.

Binnen WDODelta waren volgens Waanders ten tijde van het webinar 94 medewerkers betrokken bij dit soort ondersteunende toepassingen. De organisatie legt vast wat zich onder de motorkap bevindt, hoe een toepassing is geprompt en welke data worden gebruikt. Deze informatie wordt gepubliceerd op de plaatsen waar dat nodig is.

Rond de toepassingen is een interne community ontstaan. Medewerkers leiden elkaar op, wisselen ervaringen uit en verspreiden kennis via social learning. Volgens Waanders waren er binnen de organisatie meer mensen die deze rol konden vervullen dan vooraf werd verwacht.

De gekoppelde pagina van WDODelta bevat aanvullende praktijkinformatie. In januari 2026 stond de teller daar op 90 ideeën voor het automatiseren van eenvoudig maar noodzakelijk werk. Genoemde voorbeelden zijn het verwerken van vraag-en-antwoordlijsten, het analyseren van offertes en het inzichtelijk maken van de status van facturen. Deze voorbeelden zijn afkomstig van de aanvullende WDODelta-pagina en zijn niet afzonderlijk tijdens het webinar uitgewerkt.

Praktijkvoorbeeld: Satellietbeelden en AI voor toezicht op watergangen

Contactpersoon: Jeroen Waanders, innovatieadviseur binnen het CIO-office, Waterschap Drents Overijsselse Delta

WDODelta gebruikt AI niet alleen voor generatieve toepassingen. Waanders vertelde dat het waterschap al jaren satellietbeelden en AI inzet voor toezicht. De toepassing is transparant vastgelegd in het Algoritmeregister van de Nederlandse overheid.

Tijdens de Q&A voegde Waanders hieraan toe dat medewerkers voorheen ongeveer drie weken met meerdere auto’s door het beheergebied reden om te controleren of 7.500 kilometer aan watergangen schoon was. Dit toezicht wordt nu uitgevoerd met satellieten en AI. Het voorbeeld laat zien dat AI ook kan bijdragen aan een andere inrichting van operationele processen. Waanders merkte daarbij op dat het ingewikkeld blijft om alle energetische effecten in een bestuurlijk aanvaardbare businesscase te verwerken.

WDODelta wil zich verder ontwikkelen tot een datagedreven en meer zelfsturende organisatie. Niet alle beslissingen hoeven daarbij volledig door mensen te worden uitgevoerd; technologie kan hen steeds verder ondersteunen. Deze ontwikkeling moet helpen omgaan met vergrijzing en schaarste aan mensen en middelen.

Beleid parallel aan de praktijk ontwikkelen

WDODelta koos ervoor om het AI-beleid parallel te ontwikkelen aan de opleiding van medewerkers en de praktische toepassing van AI. In het webinar en op de laatste slide van de presentatie staat dat het waterschap zijn AI-beleid in het tweede kwartaal van 2026 wilde vaststellen.

Waanders adviseert andere organisaties om gebruik te maken van medewerkers die AI al begrijpen en toepassen. Organisaties moeten deze collega’s goed begeleiden, maar hoeven niet te wachten totdat ieder beleidsmatig en juridisch onderdeel is afgerond voordat zij verantwoord beginnen.

Vragen en antwoorden

Praktijkvoorbeeld: Algoritmekader voor verantwoord gebruik van AI en algoritmes