Grip op AI
Blog
Compliance en AI 6 min leestijd

Hoe toon je AI-geletterdheid aan?

Een presentielijst bewijst de trainingsdag; een auditor vraagt naar de maandag erna. Drie soorten bewijs voor AI-geletterdheid en wat elk wel en niet zegt.

Abstracte skyline boven heuvels
Snel antwoord

Je toont AI-geletterdheid aan met drie soorten bewijs die elk iets anders zeggen. Training en deelname laten zien dat je mensen hebt uitgelegd wat ze moeten weten. Afspraken en beleid per rol laten zien wat er is besloten en van wie wat wordt verwacht. Gedrag tijdens het werk, in geaggregeerde cijfers, laat zien wat er daarna gebeurt: hoe vaak een melding werd getoond en wat mensen deden. De AI-verordening schrijft geen certificaat voor; zelf vastleggen volstaat. Geen van de drie is op zichzelf genoeg, en de derde ontbreekt meestal. Wat je niet kunt onderbouwen, benoem je ook zo.

01

Drie soorten bewijs: training en deelname, afspraken per rol en geaggregeerde cijfers over gedrag tijdens het werk

02

Een presentielijst bewijst de dag van de training, niet de weken erna

03

Cijfers over meldingen en markeringen tellen alleen mee als ze aan een maatregel en een reikwijdte gekoppeld zijn

04

Zonder gebruikers-id zeggen de cijfers iets over de organisatie, nooit over een persoon

05

Wat je niet kunt onderbouwen, zet je als niet onderbouwd in het overzicht

Een HR-manager van een zorgorganisatie liet in het voorjaar de hele organisatie een AI-training volgen. Driehonderdveertig medewerkers, 96 procent deelname, de presentielijsten netjes in een map. In september zit ze tegenover de auditor, die de map doorbladert en één vraag stelt: hoe weet u dat het in het dagelijkse werk ook werkt?

Het antwoord bestaat uit drie soorten bewijs. Training en deelname laten zien dat je mensen hebt uitgelegd wat ze moeten weten. Afspraken en beleid per rol laten zien wat er is besloten en van wie wat wordt verwacht. Gedrag tijdens het werk, in geaggregeerde cijfers, laat zien wat er daarna gebeurt. Geen van de drie is op zichzelf genoeg, en de derde ontbreekt meestal.

Wat vraagt de auditor eigenlijk?

Niet "heeft u getraind?", want het antwoord staat in de map. De vraag is of de maatregel doet waarvoor hij bedoeld is. Artikel 4 van de AI-verordening vraagt om maatregelen voor een toereikend niveau van AI-geletterdheid bij de mensen die AI-systemen gebruiken, afgestemd op hun rol en de context. Wat dat precies inhoudt, lees je in AI-geletterdheid in 2026. De kern voor dit stuk: er is geen certificaat voorgeschreven, en de Europese Commissie bevestigt in haar vragen en antwoorden over artikel 4 dat het volstaat als je de genomen maatregelen zelf vastlegt.

Dat klinkt als goed nieuws en dat is het ook. Het verplaatst de vraag alleen van "welk bewijsstuk?" naar "wat bewijst dit stuk eigenlijk?". Een auditor stelt die tweede vraag bij elk document dat je op tafel legt.

Drie soorten bewijs naast elkaar

Soort bewijsWat het aantoontWat het niet aantoont
Training en deelname (presentielijst, materiaal, toets)Dat mensen op een bepaalde dag uitleg kregen over wat mag en wat nietWat ze daarna doen, en of de uitleg paste bij hun rol
Afspraken en beleid per rol (register met statussen, instructie per systeem, wie wat besloot)Dat de organisatie heeft nagedacht en besloten, en dat besluiten herleidbaar zijnOf die besluiten de medewerker bereiken op het moment dat het ertoe doet
Gedrag tijdens het werk (geaggregeerde cijfers over meldingen en markeringen)Of het besluit zichtbaar was toen iemand een tool opende, en wat er daarna gebeurdeWat er buiten het bereik van de meting gebeurt, en waarom iemand koos wat hij koos

De drie vullen elkaar aan omdat elk een ander moment beschrijft. De eerste gaat over de dag van de training, de tweede over het moment waarop de organisatie besloot. De derde gaat over de gewone werkdag, en daar draait het bij artikel 4 uiteindelijk om.

Waarom een presentielijst alleen over de trainingsdag gaat

Een training maakt mensen bewust. Wat ze een maand later doen, onder tijdsdruk, met een tool die op de trainingsdag nog niet bestond, is een andere vraag. Kennis zakt weg en gewoonte wint. Dat is geen verwijt aan de medewerker; zo werken mensen nu eenmaal. Waarom dat zo werkt, staat uitgebreid in ons artikel over awareness-training en gedrag.

Voor het bewijs betekent dit dat een presentielijst precies één ding zegt: op die dag hoorde deze groep dit. Dat is waardevol, want zonder die basis helpt de rest minder. Maar het is een uitspraak over de trainingsdag. De auditor vraagt naar de maandag erna, en daarover zegt de lijst niets.

Hoe passen geaggregeerde cijfers daarin?

Het derde soort bewijs is het minst vertrouwd en het vaakst afwezig. Het gaat om cijfers die beschrijven wat er gebeurt als iemand een AI-tool opent en wat er gebeurt als er gevoelige gegevens in een tekst staan. Niet wie, maar hoe vaak en met welke afloop.

Heeft de organisatie over een tool besloten, dan verschijnt dat besluit in de browser. Elke keer dat zo'n melding verschijnt, kun je tellen wat de persoon deed: het goedgekeurde alternatief geopend of toch doorgegaan. Bij gevoelige gegevens met een markering tel je de afloop: gemaskeerd, verwijderd of toch verzonden. En van het aandeel AI-gebruik via goedgekeurde tools zie je de trend.

Die cijfers bevatten geen gebruikers-id. Ze zeggen dus iets over de organisatie en nooit over een persoon, en juist daarom passen ze hier. De auditor wil niet weten wie doorging, maar of het besluit van de organisatie tijdens het werk zichtbaar was en hoe vaak mensen er iets mee deden. Dat is de vraag die de presentielijst niet kan beantwoorden.

Detecties in de tijdAfgelopen 30 dagen
12.438+18% t.o.v. de vorige periode
Detecties per platform
ChatGPT
ChatGPT
78% aangepast
8.124
Gmail
81% aangepast
3.210
Gemini
74% aangepast
812
Gedetecteerde gegevenstypen
Naam
4.212
E-mailadres
2.930
BSN
1.486
IBAN
1.104
Diagnose
612
StandaardKritiek
Het BeeSensible-dashboard: detecties in totalen en waar ze het vaakst voorkomen, zonder individuele medewerkers te volgen.

Waar de cijfers ophouden, trek je een grens. Meldingen verschijnen in de browser, markeringen in de ondersteunde apps. Een gesprek met een chatbot op een privételefoon valt erbuiten. Zet dat erbij, want een percentage zonder reikwijdte strandt al bij de eerste vraag. Hoe dat misgaat, en wat een getal nodig heeft om bewijs te worden, staat in ons artikel over waarom een dashboard nog geen bewijs is.

BeeSensible telt meldingen en markeringen met hun afloop, zonder gebruikers-id. Het scherm Onderbouwing zet die cijfers naast de bepalingen uit de AVG, NIS2 en de AI-verordening, en vermeldt per bepaling wat erbuiten valt. Wat er per tool is besloten, staat in het register; zie de pagina over AI-tools.

Hoe ziet dat eruit bij de zorgorganisatie?

Terug naar de HR-manager. Ze legt drie dingen naast elkaar. De presentielijst van het voorjaar. Het register: Copilot toegestaan; ChatGPT niet toegestaan, met Copilot als alternatief; een dicteertool op "Nog geen besluit" sinds die in juni opviel. En de cijfers over de zomer: hoe vaak de melding bij ChatGPT verscheen, hoe vaak daarna het alternatief werd geopend en hoe vaak mensen toch doorgingen.

Wat ze ziet, is geen rapportcijfer maar een verloop. In juni gaan mensen bij ChatGPT vaker door dan dat ze het alternatief openen; in augustus is dat omgedraaid. De dicteertool heeft nog steeds geen besluit, maar wordt wel gebruikt. Dat is geen incident. Het is een openstaand besluit, en het staat in haar overzicht omdat het register het liet zien, niet omdat iemand het meldde.

Tegen de auditor zegt ze: de training is gegeven, hier staat per rol wat we hebben afgesproken, en dit is er daarna in de browser gebeurd. En over de dicteertool: daarover is nog niet besloten, dat staat hier als open.

Wat benoem je eerlijk als niet onderbouwd?

Alles wat je niet meet en niet hebt vastgelegd. Een paar voorbeelden die in bijna elke organisatie voorkomen: AI-gebruik op privéapparaten, een gesprek dat buiten de ondersteunde apps loopt, een tool die niemand als AI herkende en het besluit uit 2024 waarvan niemand meer weet wie het nam.

Zet die rijen in je overzicht, met de status erbij. Een verantwoording die overal groen is, vertelt een auditor dat de moeilijke rijen zijn weggelaten, en dan telt de rest ook minder. Een rij op "niet onderbouwd" is geen zwakte; het bewijst dat je weet waar je maatregel ophoudt. Hoe je van losse cijfers naar zo'n overzicht komt, staat in ons artikel over wat je aan al die AI-cijfers hebt; meer over dit onderwerp vind je bij AI-governance.

De volgende keer dat iemand vraagt of de organisatie AI-geletterd is, pak je niet de map met presentielijsten. Je pakt drie dingen: wat we hebben uitgelegd, wat we hebben besloten en wat er sindsdien is gebeurd. Plus de rij die nog openstaat.

FAQ

Veelgestelde vragen

Moet ik een certificaat kunnen laten zien voor AI-geletterdheid?

Nee. De AI-verordening noemt geen certificaat en de Europese Commissie schrijft in haar vragen en antwoorden over artikel 4 dat het volstaat als je de genomen maatregelen zelf vastlegt. Een certificaat mag, maar het bewijst alleen dat iemand een training heeft afgerond, niet dat die training in het dagelijkse werk effect heeft.

Is een presentielijst genoeg bewijs?

Het is een deel van het bewijs. Een presentielijst laat zien wie op welke dag uitleg kreeg. Hij zegt niets over wat die persoon drie weken later doet als er een deadline dreigt. Combineer hem met de afspraken per rol en met cijfers over wat er tijdens het werk gebeurt.

Mag ik per medewerker bijhouden of iemand zich aan het AI-beleid houdt?

Dat is een andere vraag dan aantonen dat het beleid werkt, en die raakt aan de AVG en aan de rechten van de ondernemingsraad. Voor de verantwoording heb je het niet nodig: geaggregeerde cijfers zonder gebruikers-id laten zien of het beleid de organisatie bereikt, en dat is wat de auditor vraagt.

Welke cijfers laten zien dat AI-geletterdheid werkt?

Hoe vaak een melding over een tool werd getoond en wat mensen daarna deden: het alternatief geopend of toch doorgegaan. Hoe vaak gevoelige gegevens een markering kregen en wat de afloop was. En het aandeel AI-gebruik dat via goedgekeurde tools loopt, met de trend. Altijd met de reikwijdte erbij: de browser, de ondersteunde apps.

Wat als ik iets niet kan onderbouwen?

Dan schrijf je dat op. Een overzicht dat overal groen is, gelooft een auditor niet. AI-gebruik op een privételefoon, een gesprek dat buiten de ondersteunde apps loopt, een besluit waarvan niemand meer weet wie het nam: benoem het als niet onderbouwd. Dat is geen gat in je verantwoording; dat is juist je verantwoording.

Portret van Rens Timmermans van BeeSensible

Liever iemand die het laat zien?

Rens, BeeSensible

Ik geef je graag een rondleiding van twintig minuten. Laat je gegevens achter, dan zoek ik een moment dat jou uitkomt. Bellen of mailen mag natuurlijk ook.

Liever eerst even overleggen?

Wil je een live demo, of een offerte voor 100+ gebruikers? Laat je gegevens achter, dan nemen we binnen één werkdag contact op.