Een school of onderwijsinstelling bestaat uit twee soorten tijd die zelden gelijk verdeeld zijn: tijd voor de klas of collegezaal, en tijd erbuiten. Die laatste categorie is groter dan vaak wordt aangenomen. Lesvoorbereiding, toetsen opstellen en corrigeren, rapportages, verantwoording naar inspectie of bestuur, roosters, communicatie met ouders of studenten, en administratie rond zorg en begeleiding. Veel van dat werk is talig: het bestaat uit teksten lezen, teksten schrijven, teksten beoordelen. Dat maakt het onderwijs tot een sector waar de verschuiving van werk door AI zich concreet en vroeg laat voelen, want tekstwerk is precies waar taalmodellen het meest doen.
Daarbij komt een omstandigheid die het onderwijs onderscheidt van een winkel of een fabriek: de uitkomst van het werk is iemands ontwikkeling, en die ontwikkeling wordt beoordeeld en bekostigd volgens vaste kaders. Een curriculum, een examenprogramma, een inspectiekader. Dat stuurt mee welk werk zich laat verplaatsen en welk werk aan de docent blijft, onafhankelijk van wat technisch mogelijk is.
In sommige scholen wordt een eerste versie van een toets, een rubric of een feedbackformulering al door AI opgesteld, met een docent die controleert, aanscherpt en pas daarna vrijgeeft. In andere scholen gebeurt dat nog niet, en het verschil zit zelden in de wil om te vernieuwen. Het zit in drie dingen die stuk voor stuk aanwezig moeten zijn voordat werk daadwerkelijk overgaat.
Het eerste is toegang: mag een leraar een taalmodel gebruiken op leerlingdata, of ligt daar een verwerkersovereenkomst en een privacytoetsing tussen die nog niet rond is. Het tweede is toezicht: wie beoordeelt of een door AI gegenereerde beoordeling van een leerling correct is, met welke bevoegdheid en volgens welk protocol. Het derde is vertrouwen bij de gebruiker zelf: een docent die twijfelt of een AI-suggestie recht doet aan een specifieke leerling, zal die suggestie negeren, hoe goed het systeem ook is.
Deze drie categorieën lopen door al het werk in het onderwijs heen. Een deel kan AI zelfstandig overnemen, zoals het samenvatten van een lange beleidstekst of het opstellen van een eerste roosterversie. Een deel gaat met menselijk toezicht dat goedkeurt of afkeurt met reden, zoals feedback op een opstel of een conceptrapportage. En een deel blijft mensenwerk, zoals het gesprek met een leerling die vastloopt, of de pedagogische afweging achter een zorgmelding. Welk deel waar terechtkomt, verschilt niet alleen per instelling maar ook per taak binnen dezelfde instelling.
"Wij zetten AI in om werkdruk te verlagen" is een zin die in vrijwel elk bestuursverslag past en in de praktijk vrijwel niets vastlegt. Wordt bedoeld dat correctietijd vrijkomt voor meer aandacht per leerling, of dat een vaste hoeveelheid onderwijstijd met minder ondersteunend personeel wordt ingevuld? Beide zijn legitieme ambities, maar ze vragen andere capabilities: andere systemen, andere bevoegdheden, andere afspraken met de medezeggenschap. Zolang die keuze niet is vastgelegd in een concreet toekomstbeeld en getoetst op wat de organisatie daarvoor moet kunnen, blijft een directieteam met dezelfde woorden langs elkaar heen praten.
Dat is waar een gereedheidstoets verschil maakt: niet de ambitie herformuleren, maar toetsen of de voorwaarden ervoor aanwezig zijn. Denkt u aan datatoegang, aan heldere besluitrechten over wie een AI-suggestie mag goedkeuren, aan getrainde vaardigheid bij docenten en staf, aan een toezichtstructuur die past bij de gevoeligheid van leerlinggegevens.
Als tekstwerk verschuift, komt er onderwijstijd of ondersteunende tijd vrij. Wat een bestuur met die vrijgespeelde capaciteit doet, hoort bij de eigen strategische en arbeidsrechtelijke afwegingen van die instelling, met eigen wettelijke vereisten wanneer het om personeelsbeslissingen gaat. Deze pagina beschrijft alleen waar het werk zelf naartoe beweegt, niet wat een bestuur daarmee behoort te doen.
De onderliggende dynamiek — talig werk verschuift eerder dan fysiek of relationeel werk, en toezicht blijft de sturende factor — speelt niet alleen in het onderwijs. Vergelijkbare patronen zijn te herkennen in wat er aan AI-ambities leeft in de ICT-sector, in de manier waarop de detailhandel tegen AI-taken aankijkt, en in de heel andere uitgangspositie van AI-ambities in de horeca. Wat telkens verschilt, is niet de techniek maar de gereedheid van de organisatie erachter.
Een ambitie als "AI ondersteunt bij toetsontwikkeling" vertaalt zich naar concrete rollen: wie stelt op, wie keurt goed, wie is verantwoordelijk als een fout doorglipt. Die vertaling van ambitie naar rol en besluitrecht staat centraal op de pagina over welke capabilities een organisatie nodig heeft om een AI-ambitie waar te maken, en is voor een schoolbestuur of College van Bestuur zelden een technische vraag alleen — het is ook een vraag over hoe een directieteam op één lijn komt over wat de ambitie precies inhoudt.
De vraag welk werk in uw instelling werkelijk door AI is over te nemen, laat zich niet beantwoorden met een algemeen sectorbeeld; die vraag wordt per taak beantwoord met de werkscan van FTE TO AI. Wilt u eerst weten waar uw organisatie op dit moment staat, dan geeft de gratis gereedheidscheck met acht korte vragen, één per dimensie, een beeld van waar u het verst en waar u het minst ver bent. De volledige ambitietoets, met de vier lagen van visie tot target state en de vertaling naar rollen en besluitrechten, is in aanbouw.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.