Overheden, scholen en bedrijven zoeken op het moment van schrijven naar een nieuwe competentienorm voor het digitale tijdperk. Zij willen vastleggen welke vaardigheden nodig zijn om veilig en effectief met AI te werken. De discussie is urgent door de snelle opmars van generatieve systemen zoals OpenAI ChatGPT, Google Gemini en Microsoft Copilot op de werkvloer. In Europa spelen het DigComp-kader en de Europese AI-verordening mee, met zichtbare gevolgen voor overheid en onderwijs.
Competentienorm verschuift naar skills
Steeds meer organisaties bewegen weg van diploma’s als enige maatstaf en kijken naar meetbare vaardigheden. Dat geldt vooral voor digitale geletterdheid, data-inzicht en het verantwoord gebruik van algoritmen. Werkgevers willen weten wie prompts kan ontwerpen, resultaten kan controleren en privacy kan borgen. Zonder heldere definities is dat lastig te toetsen en te vergelijken tussen sectoren.
ESCO, de Europese vaardigheden- en beroepentaxonomie, helpt beroepen en skills eenduidig te beschrijven. Daarmee kunnen HR-systemen vacatures en kandidaten beter matchen op concrete digitale competenties. Bedrijven testen daarnaast micro-leren en korte certificaten om werknemers sneller bij te scholen. Zo ontstaat een flexibeler norm die met technologische veranderingen kan meebewegen.
De opkomst van generatieve AI versnelt deze verschuiving. Medewerkers gebruiken ChatGPT of Copilot vaak naast bestaande tools, en dat vraagt nieuwe basisregels. Denk aan bronvermelding, het herkennen van hallucinaties en het omgaan met gevoelige data. Een nieuwe competentienorm moet deze praktijkvaardigheden expliciet opnemen.
EU bouwt op DigComp
Europa leunt op DigComp 2.2, het digitale competentiekader voor burgers, en op DigCompEdu voor docenten. Deze kaders bieden een gedeelde taal voor digitale vaardigheden, van informatievaardigheden tot probleemoplossing. Lidstaten gebruiken ze om lesprogramma’s, toetsing en omscholing af te stemmen. Dat maakt certificering en uitwisseling tussen landen eenvoudiger.
De Europese Commissie werkt daarnaast aan het European Digital Skills Certificate (EDSC), bedoeld als herkenbaar bewijs van digitale vaardigheden. Dit kan een brug slaan tussen formeel onderwijs en kortere trajecten bij bedrijven en opleiders. Voor werkgevers helpt zo’n certificaat bij werving en interne mobiliteit. Voor burgers verlaagt het de drempel om bij te leren en dat zichtbaar te maken.
Ook AI-specifieke kaders komen op. Publieke instellingen en sectororganisaties vertalen DigComp naar AI-geletterdheid, zoals het beoordelen van trainingsdata en het herkennen van bias. Universiteiten koppelen die leeruitkomsten aan micro-credentials, zodat studenten en professionals gerichte bewijzen krijgen. Zo wordt de competentienorm concreet en toetsbaar.
DigComp 2.2 onderscheidt 5 domeinen met 21 competenties, van informatievaardigheden en communicatie tot veiligheid en probleemoplossing.
AI-verordening: gevolgen overheid
De Europese AI-verordening (AI Act) koppelt regels aan risicoklassen, van minimaal tot hoog risico. Voor hoog-risico systemen, zoals in werving, onderwijs of publieke dienstverlening, gelden strikte eisen. Overheden en bedrijven moeten dan onder meer menselijke controle borgen, logboeken bijhouden en duidelijke documentatie leveren. Dat vergt aantoonbare vakbekwaamheid bij inkopers, beheerders en eindgebruikers.
Voor publieke instellingen in Nederland betekent dit meer samenwerking tussen IT, juridische teams en beleid. De vraag “wie mag dit systeem bedienen en beoordelen?” wordt net zo belangrijk als “werkt het?”. Toezichthouders zullen kijken naar opleiding, trainingen en werkprocessen. Een competentienorm helpt organisaties om die eisen consistent te vertalen naar functies en verantwoordelijkheden.
De AVG blijft tegelijk leidend voor gegevensbescherming. Dataminimalisatie en versleuteling horen in elke taakomschrijving waar met datasets of modellen wordt gewerkt. Teams moeten leren hoe ze promptdata en uitkomsten classificeren en opslaan. Daarmee worden privacy-eisen een vast onderdeel van de dagelijkse AI-vaardigheden.
Nederland test microbewijzen
Universiteiten en hogescholen in Nederland werken op het moment van schrijven met micro-credentials om specifieke leeruitkomsten vast te leggen. Platforms als SURF ondersteunen afspraken over kwaliteit, niveau en uitwisseling. Zo kunnen professionals gericht modules volgen over data-ethiek, modelkeuze of AI-toepassingen in hun vak. Werkgevers zien de leerresultaten terug in een klein en controleerbaar certificaat.
In het mbo en hbo groeit aandacht voor AI-geletterdheid als basisvaardigheid. Opleidingen verwerken promptontwerp, bronkritiek en evaluatie van modeluitvoer in opdrachten. Studenten leren ook waar grenzen liggen, zoals het gebruik van generatieve AI bij toetsen. Zo sluit het curriculum beter aan op de praktijk in zorg, overheid en techniek.
Ook regionale samenwerkingen betrekken werkgevers bij de invulling van modules. Daardoor sluit het aanbod aan bij echte functies en systemen op de werkvloer. Denk aan trainingen rond Microsoft Copilot in kantoortaken of AI in logistieke planningssoftware. Deze praktijkkoppeling maakt de competentienorm concreet en meetbaar.
Werkvloer vraagt AI-hygiëne
Bedrijven stellen ondertussen huisregels op voor “AI-hygiëne”. Medewerkers leren welke data wel of niet in prompts mogen en hoe ze uitkomsten valideren. Tools met bedrijfslicenties, zoals ChatGPT Enterprise of Copilot met tenant-instellingen, verkleinen het lekrisico. Toch blijft eindcontrole door mensen verplicht, zeker bij beslissingen met impact.
Security- en privacyteams vertalen AVG-principes naar dagelijkse handelingen. Ze maken checklists voor dataminimalisatie, bewaartermijnen en logging van AI-gebruik. Ook leggen ze vast wie modellen mag instellen, finetunen of publiceren. Dit alles vraagt vaardigheden die traditioneel niet in elke functie zaten.
Vakbonden en ondernemingsraden krijgen hierbij een rol. Zij letten op herverdeling van taken en trainingstijd. Goede afspraken voorkomen dat AI-productiviteit oneerlijk wordt afgewenteld op medewerkers. Een duidelijke competentienorm maakt zulke gesprekken transparanter.
Meten en bijscholen blijft lastig
Het toetsen van AI-vaardigheden is geen eenvoudige rekentoets. Vaardigheden als kritisch denken, bias-herkenning en risicobewustzijn zijn contextafhankelijk. Organisaties combineren daarom praktijkopdrachten, portfolio’s en scenario-oefeningen. Vendor-certificaten blijven nuttig, maar dekkingsgraad is beperkt buiten één ecosysteem.
Een levend competentiekader is nodig omdat tools en risico’s snel veranderen. Jaarlijkse updates en hercertificering helpen kwaliteit borgen. Daarbij hoort transparantie over trainingsdata, modelversies en bekende beperkingen. Zo kan de norm meegroeien zonder verwarring te zaaien.
Voor Nederland en Europa ligt de winst in eenduidige taal en erkenning over sectoren heen. DigComp en de AI-verordening geven richting, micro-credentials maken het praktisch. Met duidelijke taken, scholing en toezicht kan AI verantwoord waarde toevoegen. Dat is de kern van de nieuwe competentienorm waar nu aan wordt gebouwd.
