Sla navigatie over
BronzGreen

AI- en datageletterdheid

Leren werken met data en AI — echt werken, niet alleen erover praten.

Er is veel kennis over AI in de wereld. Veel ervan blijft als informatie zweven zonder ooit vaardigheid te worden. Ons AI- en datageletterdheidstraject werkt juist aan dat laatste stuk: het omzetten van kennis in kunde. Zodat jullie team na afloop niet meer is dan voor, maar anders: mensen die data kunnen lezen, ermee kunnen werken, en erover kunnen spreken.

Datageletterdheid is geen bonus meer.

Tien jaar geleden was "data begrijpen" een specialisme. Iets voor analisten, economen, data scientists. De rest van de organisatie las rapporten die door die specialisten waren opgesteld en vertrouwde op hun interpretatie. Dat werkt niet meer. In bijna elke rol — van bestuurder tot klantenservice-medewerker — nemen mensen nu dagelijks beslissingen die raken aan data of door data ondersteund worden. Wie dan niet weet hoe hij data leest, neemt slechtere beslissingen.

Daar komt AI bij. Medewerkers gebruiken ChatGPT, Copilot, en al snel tientallen AI-features die in bestaande software zijn ingebouwd. Dat vraagt een nieuwe reflex: weten wanneer je AI-output kunt vertrouwen, wanneer je moet doorvragen, wanneer je iets moet controleren. Wie dat niet leert, gebruikt AI wel — maar zonder het onderscheid tussen wat werkt en wat fout gaat.

Sinds 2 februari 2025 vraagt de AI Act expliciet dat jullie organisatie zorgt voor "voldoende AI-geletterdheid" bij iedereen die met AI werkt. Dat is Artikel 4. Dit traject sluit daar naadloos op aan — niet als primaire drijfveer (daar geloven we niet in), maar wel als logische uitkomst.

Data lezen, schrijven, spreken.

Wij zien datageletterdheid als drie samenhangende vaardigheden. Elk kan worden versterkt; elk heeft andere leeractiviteiten; elk past bij een andere rol binnen de organisatie.

Vaardigheid 1 — Data lezen. Het vermogen om te begrijpen wat een dataset, een grafiek, een dashboard of een AI-output zegt. Dat klinkt eenvoudig, maar is het niet. Data lezen betekent:

  • Weten wat de variabelen betekenen — en wat ze niet betekenen
  • Snappen hoe een grafiek kan misleiden (afgekapte assen, verkeerde schalen, cherry-picking)
  • Vragen stellen over onzekerheid, steekproefgrootte, representativiteit
  • Inschatten wanneer een AI-output te vertrouwen is en wanneer niet

Dit is de basis — en voor veel bestuurders, managers en specialisten het meest urgente leerdoel. Je kunt geen data-gedreven besluiten nemen als je de data niet kunt lezen.

Vaardigheid 2 — Data schrijven. Het vermogen om data zelf te gebruiken om iets over te brengen — een analyse maken, een grafiek opstellen, een argument opbouwen met cijfers als bouwstenen. Data schrijven betekent:

  • Kiezen welke visualisatie past bij welk verhaal
  • Data transparant presenteren zonder in valkuilen van manipulatie te vallen
  • AI inzetten als schrijfhulp zonder de eigen controle te verliezen
  • Combineren van cijfers met verhaal — zodat data landt bij mensen

Dit is voor iedereen die intern rapporteert, externe communicatie doet, of beslissingen moet onderbouwen. Niet voor iedereen gelijkwaardig belangrijk, maar voor veel rollen essentieel.

Vaardigheid 3 — Data spreken. Het vermogen om in gesprekken met anderen data constructief in te brengen — als onderdeel van een goede discussie, niet als stok. Data spreken betekent:

  • Kunnen uitleggen wat een cijfer betekent aan iemand zonder data-achtergrond
  • Open staan voor nuances ("de data zegt dit, maar we moeten ook naar dat kijken")
  • Goede vragen stellen aan mensen die data presenteren
  • AI-ondersteunde beslissingen bespreekbaar maken, inclusief de beperkingen

Dit is de meestal onzichtbare vaardigheid — maar in organisaties waarin veel teams met data werken, is dit waar het onderscheid wordt gemaakt tussen "we hebben data" en "we werken ermee".

Drie rolniveaus, drie lenzen.

Datageletterdheid betekent op elk niveau iets anders. Ons traject past zich daarop aan — geen one-size-fits-all, wel een gedeelde basis.

  1. Voor bestuur en directie

    Strategisch begrip van AI- en data-verantwoordelijkheid.

    Voor bestuurders en directieleden gaat het om herkennen welke bestuurlijke vraagstukken data raken, welke AI-beslissingen naar het bestuur komen (en welke niet), hoe verantwoording richting toezichthouders werkt, en hoe je collega-bestuurders bij lastige data-gesprekken kunt volgen. Typische opzet: drie tot vijf sessies van een halve dag, met concreet materiaal uit jullie eigen bestuurspraktijk.

  2. Voor management en middenkader

    Operationele sturing met data en AI.

    Voor managers en teamleiders draait het om hoe je een team leidt dat met data werkt, hoe je AI-tools bij je team introduceert, hoe je tegenover je medewerkers uitlegt waarom bepaalde AI-ondersteunde beslissingen worden genomen, en hoe je data-gedreven feedback geeft zonder dat het ontmenselijkt. Typische opzet: vijf tot zeven sessies van een dagdeel, met werkopdrachten tussendoor.

  3. Voor uitvoering en specialisten

    Dagelijkse vaardigheid in het werk.

    Voor medewerkers die zelf met data en AI werken gaat het om concrete tool-vaardigheid (ChatGPT, Copilot, bedrijfsspecifieke AI-tools), om snel herkennen wanneer iets niet klopt, om efficiënt werken met AI zonder kwaliteit te verliezen, en om professioneel bespreken wat AI wel en niet doet. Typische opzet: drie tot vijf workshops van een dagdeel, gecombineerd met één-op-één coaching voor wie dat wil.

Van intake tot duurzame verankering.

  1. 1

    Intake en scope

    Een startgesprek waarin we met jullie vaststellen welke rollen en lagen we willen bedienen, welk ambitieniveau past, en hoe we het traject verweven met het bestaande werk. Uitkomst: een helder programmaplan met deelnemers, sessies en doelen.

  2. 2

    Assessment en nulmeting

    Een korte nulmeting per deelnemer of per team — ofwel via een online tool ofwel in een kickoff-sessie. Doel: weten waar iedereen vertrekt. Dat voorkomt dat we oefeningen doen die voor de helft te makkelijk en voor de andere helft te moeilijk zijn.

  3. 3

    Trajectontwerp op maat

    Samen met jullie ontwerpen we de sessies-volgorde, de casuïstiek (bij voorkeur uit jullie eigen werk) en de werkopdrachten tussen sessies door. Dit is geen "menu afnemen" — het is een samenwerkingsfase.

  4. 4

    Uitvoering in ritme

    De sessies zelf. Afwisselend plenair, in subgroepen en individueel. Elk sessie heeft een concreet uitgangspunt, actieve oefening en een bruggetje naar het eigen werk. Wij vinden niets saaier dan sessies waar mensen passief luisteren — dat doen we dus niet.

  5. 5

    Verankering en nazorg

    Na het laatste plenaire moment is het traject nog niet klaar. We kijken met jullie hoe het geleerde wordt verankerd: door wie, in welke werkvormen, in welke ritmes. Vaak stellen we een kwartaal-terugkom-sessie voor om te meten wat beklijft en wat niet.

Concreet: wat verandert er.

Geen vaag "bewustzijnsvergroting" — deze specifieke dingen zien we terug in organisaties na afloop:

Voor bestuur:

  • Kunnen een AI-voorstel van een managementteam kritisch beoordelen
  • Weten welke vragen je moet stellen bij een data-gedreven rapport
  • Kunnen onderscheid maken tussen AI-hype en concrete waardepropositie
  • Kunnen aan toezichthouders of raad van commissarissen onderbouwen waar jullie staan met AI

Voor management:

  • Kunnen beoordelen of een AI-tool in het team zinvol is of vooral geluid produceert
  • Weten hoe je medewerkers begeleidt die met AI-output worstelen
  • Kunnen data-rapporten lezen zonder te verdrinken in details
  • Kunnen gesprekken voeren waarin AI-beslissingen bespreekbaar worden

Voor uitvoering:

  • Kunnen AI-tools effectief inzetten voor eigen werk zonder kwaliteitsverlies
  • Herkennen wanneer een AI-output niet klopt en controleert zelf
  • Kunnen data-informatie in werkprocessen integreren
  • Weten wanneer ze hulp of doorverwijzing nodig hebben

Wat een traject globaal kost.

De investering hangt af van de schaal (aantal deelnemers, aantal rolniveaus, aantal sessies), de mate van maatwerk (generieke casuïstiek of werken met jullie eigen bedrijfsdata) en de duur van de verankeringsfase. We werken meestal met een vast programma-pakket per rolniveau, eventueel met een organisatie-brede retainer voor grotere trajecten. Vraag in het kennismakingsgesprek een richtindicatie voor jullie situatie.

Veelgestelde vragen.

  • Hoe groot zijn de groepen?

    Voor bestuurs-sessies werken we meestal met de volledige directie als één groep (vier tot tien personen). Voor management-trajecten zijn groepen van acht tot twaalf ideaal. Voor uitvoering-workshops werken we tot twintig deelnemers per sessie met twee trainers.

  • Zijn de trainingen online of fysiek?

    Bij voorkeur fysiek, omdat de oefeningen en groepsdynamiek dan beter werken. Online kan; dan gebruiken we Miro, breakout rooms en pauze-ritmes die aanwezigheid vasthouden. Hybride vermijden we — één deelnemer op een scherm in een fysieke ruimte werkt zelden goed.

  • Sluit jullie traject aan op de AI-geletterdheidsplicht van Artikel 4?

    Ja, het traject is opgezet vanuit de expliciete doelen van Artikel 4. Deelnemers ontvangen na afloop een deelnamebevestiging die jullie kunnen gebruiken als onderdeel van jullie governance-documentatie.

  • Kunnen we vooraf een kennismakingsmoment hebben met de trainer?

    Zeker. Bij trajecten van meer dan drie sessies adviseren we dat zelfs — we willen dat jullie weten wie met jullie team werkt, en de trainer wil jullie context leren kennen.

  • Kunnen we eerst een workshop afnemen om te proeven?

    Dat kan. De workshop "Welkom in de wereld van AI" is ontworpen als kennismaking. Veel organisaties nemen eerst deze workshop af en gaan dan door met een volledig traject.

Welk traject bij jullie past hangt af van meer dan een pagina kan dekken — jullie rolniveau, jullie huidige vaardigheid, jullie cultuur en jullie tijdlijn. Vertel ons in een gesprek wat jullie nu merken, en wij schetsen twee of drie logische traject-vormen. Niet één — jullie hebben de keuze.