Noodzakelijke opslag staat aan. Analytics laden alleen na toestemming. Meer informatie
Een roadmap is pas waardevol als mensen er anders door gaan werken.
Dat is precies waar veel AI-geletterdheidsprogramma's vastlopen. Ze beginnen bij de juridische verplichting, maken een slidedeck, nodigen medewerkers uit voor een webinar en slaan de aanwezigheidslijst ergens op bij HR. Op papier is er iets gebeurd. In de praktijk heeft de organisatie nog hetzelfde probleem: mensen gebruiken AI-tools zonder gedeelde taal, zonder rolgericht oordeel en zonder betrouwbaar bewijs van competentie.
Voor de governance-kant publiceerden we de companion blog AI literacy roadmap 2026 op Embed AI. Deze LearnWize blog kijkt naar de volgende vraag: hoe vertaal je die roadmap naar leergedrag dat blijft hangen?
AI-geletterdheid moet niet beginnen met een generieke cursuscatalogus. Het moet beginnen bij het werk dat mensen daadwerkelijk doen.
Een recruiter moet bias in CV-screening, geautomatiseerde ranking en menselijk toezicht begrijpen. Een jurist moet geheimhouding, broncontrole en de grenzen van gegenereerde juridische analyse begrijpen. Een manager moet governance, verantwoordelijkheid en escalatie bij AI-use-cases begrijpen. Een medewerker die een chatbot gebruikt, heeft praktisch oordeel nodig over data, output en verificatie.
Onder dit alles ligt dezelfde Artikel 4-verplichting, maar de leerbehoefte verschilt per rol. Daarom is de juridische tekst in de AI Act Explorer over Artikel 4 belangrijk. Die vraagt niet om een abstract certificaat. Die vraagt om een voldoende niveau van AI-geletterdheid, rekening houdend met technische kennis, ervaring, opleiding, training en de context waarin AI-systemen worden gebruikt.
Die context is het startpunt van goed leerontwerp.
Een bruikbare AI literacy roadmap heeft drie lagen.
De eerste laag is basiskennis. Iedereen moet begrijpen wat AI is, wat generatieve AI wel en niet kan, waarom hallucinaties ontstaan, wat gevoelige data betekent en wanneer menselijke controle nodig is.
De tweede laag is rolgericht oordeel. HR, inkoop, compliance, marketing, finance en management hebben elk andere scenario's nodig. Mensen leren sneller wanneer voorbeelden voelen als hun eigen werk.
Start met de 5-minuten scan en zie waar je AI-geletterdheid nog niet bewijsbaar is.
De derde laag is governancegedrag. Medewerkers moeten weten wat ze doen nadat ze een risico herkennen. Waar registreer je een AI-use-case? Wie keurt een nieuwe tool goed? Welke checklist geldt voordat AI met persoonsgegevens wordt gebruikt? Welke incidentroute geldt als er iets misgaat?
Hier moeten LearnWize en het bredere ecosysteem elkaar versterken. LearnWize bouwt het leergedrag. De Responsible AI Platform templates ondersteunen de documentatielaag. Embed AI helpt organisaties om beide te verbinden met governance, beleid en implementatie.
Gamification wordt vaak verkeerd begrepen. Het gaat niet om compliance leuk aankleden. Het gaat om van een eenmalige verplichting herhaalde oefening maken.
Mensen worden niet AI-geletterd omdat ze één keer een opname bekijken. Ze worden AI-geletterd omdat ze herhaaldelijk realistische cases tegenkomen, keuzes maken, feedback krijgen en stap voor stap oordeel opbouwen. Streaks, voortgang, badges, team challenges en korte scenario-assessments werken omdat ze ritme creëren.
Dat ritme is belangrijk in 2026. AI-tools veranderen snel. Beleid verandert. Nieuwe guidance verschijnt. Een statisch trainingsprogramma veroudert snel. Een leerplatform kan het onderwerp levend houden zonder medewerkers elk kwartaal opnieuw door een awarenesssessie van twee uur te halen.
Het doel is niet entertainment. Het doel is retentie.
Als AI-geletterdheid alleen als training wordt gezien, wordt bewijs achteraf bedacht. Iemand exporteert een completion report, voegt een certificaat toe en hoopt dat het genoeg is.
Een betere aanpak ontwerpt bewijs vanaf dag één in het programma. Bepaal per rol wat voldoende AI-geletterdheid betekent. Koppel die definitie vervolgens aan leermodules, assessments, completiondata en periodieke herhaling.
Zo ontstaat een simpele keten:
Die keten is veel waardevoller dan een map vol losse certificaten.
De sterkste AI-geletterdheidsstrategie probeert niet één website of één tool alles te laten doen.
Responsible AI Platform is de juridische en regelgevende laag: artikelen, overwegingen, templates, risicobegrippen en juridische duiding.
Embed AI is de advieslaag: roadmap, governance, implementatie en organisatieverandering.
LearnWize is de leerlaag: rolgerichte modules, gamified practice, teamvoortgang en bewijs van deelname.
Samen maken deze lagen de boodschap sterker. Een lerende die de juridische basis nodig heeft, kan Artikel 4 lezen. Een compliance officer die documentatie nodig heeft, kan templates gebruiken. Een manager die implementatiesteun zoekt, kan de roadmap lezen. Een medewerker die vaardigheid moet opbouwen, volgt een leerpad.
Zo hoort interne en externe linking te werken. Niet als SEO-versiering, maar als route door het echte probleem.
Een sterke AI literacy roadmap voor 2026 moet drie zichtbare uitkomsten opleveren.
Ten eerste weten medewerkers wat AI betekent in hun eigen werk. Ze herkennen risicovol gebruik, beschermen data, controleren output en escaleren wanneer dat nodig is.
Ten tweede kan management voortgang zien. Niet alleen wie door een module heeft geklikt, maar welke teams gedekt zijn, waar gaten zitten en wanneer herhaling nodig is.
Ten derde heeft compliance bewijs. Geen vage mededeling dat er training is gegeven, maar een gestructureerd dossier gekoppeld aan rollen, systemen, risico's en competenties.
Dat is het verschil tussen AI awareness en AI literacy. Awareness vervaagt na de sessie. Literacy verandert hoe mensen handelen wanneer niemand meekijkt.
Organisaties die dat begrijpen, behandelen Artikel 4 als startpunt, niet als eindpunt. Ze bouwen programma's die mensen daadwerkelijk onthouden, toepassen en herhalen.
Pas dan verandert AI-geletterdheid van juridische verplichting in organisatievermogen.