Blog

Vorige week was ik een spreker op een congres in Hamburg: “AI in teaching around the world”. Mooie lange lijst met sprekers, prof.dr, prof, prof, dr. En wiemer. Mooie verhalen over een verre toekomst. AI in 2026. En mijn verhaal. Over AI in het onderwijs. In het Nu. Hier. Vandaag. Personal Tutors, Feedforward Bots. The works.

Deze week dinsdag mocht ik de opening doen voor de track AI en Werk op het briljante event “Beyond technologie” van de Universiteit Utrecht. Mijn verhaal had als titel “The CV of the AI future”. Kern van mijn verhaal was, na een aantal persoonlijke voorbeelden, dat het vooral moet zijn: “The CV of the AI present”. En daarmee de vraag: wat moeten onze studenten kunnen, weten, afleren in de AI toekomst die er vandaag al is. De impact op het onderwijs is enorm. En die impact is er nu. Niet morgen, niet in 2026. Na veel voorbeelden van nu al beschikbare, operationele tooling, functies en concrete operationeel beschikbare onderwijs toepassingen ging er bij veel mensen in het publiek een lampje branden. Mooie kans om te vertellen wat wij doen, goede, scherpe vragen na afloop, en weer veel uitnodigingen om te komen spreken, om mee te denken, te sparren, te bouwen. Dankbaar werk. Dank Anita en Rogier voor deze kans.

Die wij zijn de 3 mannen van het AI Proeflokaal van de Hogeschool Utrecht. Bert, Han en wiemer. Drie mannen met een gemiddelde leeftijd van 65. Drie mannen die zich enorm druk maken over de impact van AI op het onderwijs. Drie mannen die bij de 5% horen die vooral de kansen zien. Willen zien. Willen benutten. Kansen voor beter onderwijs. Individueler onderwijs, en vooral ook meer persoonlijk onderwijs. Kansen om onze studenten veel beter voor te bereiden op de arbeidsmarkt. Zodat ze straks een huis kunnen huren, huis kunnen kopen. En bij hun ouders weg kunnen. Niet omdat het moet, maar omdat ze het kunnen betalen.

Samen met de briljante Jan van Rouwendal mag ik studenten begeleiden die AI bij de overheid projecten doen. Door de verbluffend effectieve onderwijsvisie van Jan leren onze studenten in een pressure cooker om AI toe te passen. Ethisch toe te passen. Leren dat samen werken, empathie, begrip noodzakelijk is om dit werk te kunnen doen. En wat leveren ze mooie producten op. Wat een visie, wat een waarde. Rechten, accounting, communicatie, IT studenten, prachtige mix in een multi functional team. En nee opdrachtgever: ze gaan echt eerst hun school afmaken. Daarna mag u ze pas een baan aanbieden. Dit is nog altijd het land van het papieren plafond. Trots op ze, wat een kanjers.

En gisteren tijdens mijn wekelijks ochtend met ze ging er iets helemaal mis. Studenten zijn heel open naar mij toe. Opa wiemer kan je alles vertellen. Een van mijn studenten gaf aan dat hij enorme zorgen had over zijn toekomst. Over 1,5 jaar op de arbeidsmarkt. En de zorg of datgene waar zijn school voor opleidt nog wel relevant is. Mooi die congres slides met AI neemt geen banen weg, maar taken. Maar als al die taken de baan is: wat is er dan te doen voor mij? Wat een zorgen, en vooral ook wat een super scherp inzicht. Studenten die snappen dat de inhoud van de opleiding over hun toekomst gaat. En als de wereld verandert, de opleiding moet veranderen. Nu.

Wij zij de oude mannen van het AI proeflokaal, jong van geest, stram van leden, die deze zorgen delen met onze studenten. Die al die extra privé uren, al die extra privé kosten nemen om dat te doen waar we voor zijn gekomen na onze eigen carrière. Niet vertellen wat we weten, niet vertellen wat we kunnen. Zorgen dat studenten het weten, dat studenten het kunnen. Ontleren wat niet meer nuttig is over 2 jaar. Of morgen. Aanleren en vooral doen wat essentieel is voor hun toekomst.

Voor die manager van de afdeling lowercase h, Uppercase R: ja ik ben gedreven. Ik heb haast, ik ervaar die sense of urgency. Diep in mijn zijn. Student over process. Anyday. Everyday. Ik draag die titel Grumpy old man in AI met ere.

Feel free to share.

Introductie

In een baanbrekend onderzoek van Harvard University werd AI-tutoring vergeleken met traditionele actieve leermethoden. De resultaten waren duidelijk: studenten die met een AI-tutor werkten, leerden niet alleen sneller maar voelden zich ook meer betrokken en gemotiveerd. Deze bevindingen geven richting aan de toekomst van ons onderwijs. Maar hoe kunnen we AI inzetten om de kwaliteit van het hoger beroepsonderwijs in Nederland te versterken? In dit artikel gaan we in op de conclusies van het onderzoek en onderzoeken we hoe deze kunnen bijdragen aan een adaptiever, inclusiever en effectiever onderwijsmodel binnen het HBO.

Conclusies van het onderzoek:

1. Hogere leerprestaties in minder tijd: Studenten die met de AI-tutor werkten, behaalden meer leerwinst dan studenten in de actieve lesgroep. Dit wijst op de kracht van een op maat gemaakte leerervaring. Door feedback en ondersteuning op maat aan te bieden, helpt de AI-tutor studenten om in kortere tijd diepgaande kennis en vaardigheden op te doen. Traditioneel lesgeven mist vaak deze mate van personalisatie, waardoor sommige studenten achterblijven.

2. Zelfgestuurd leren en tijdsmanagement: De AI-tutor maakt het mogelijk dat studenten zelf hun leersnelheid bepalen, wat cruciaal is voor een succesvolle leerervaring. In de AI-groep konden studenten pauzeren, terugkeren en meer tijd besteden aan concepten die ze moeilijk vonden. Traditionele klassikale lessen zijn doorgaans gebonden aan een vast tijdschema, wat studenten beperkt in hun mogelijkheden om echt dieper in te gaan op complexe onderwerpen.

3. Betere motivatie en betrokkenheid: De AI-tutor bleek studenten meer te betrekken en te motiveren. Deze toegenomen motivatie was essentieel in het leerproces. Studenten ervaarden het leren niet alleen als effectiever maar ook als leuker en relevanter. Actieve betrokkenheid leidt tot meer doorzettingsvermogen en een dieper leerproces, wat essentieel is voor langdurige kennisretentie.

4. Aanmoediging van een groeimindset: Een opvallende bevinding was de manier waarop AI-tutoring studenten ondersteunde in een groeimindset. AI moedigde studenten actief aan om door te zetten bij uitdagende vragen. Dit versterkt het vertrouwen dat, met voldoende inspanning, iedereen moeilijke concepten kan leren beheersen – een waardevolle eigenschap in onze snel veranderende wereld.

5. Inclusieve leerervaring en wereldwijde toegang: Omdat AI-tutoring toegankelijk is voor iedere student met een internetverbinding, biedt het een mogelijkheid voor wereldwijde toegang tot hoogwaardige educatie. Het model is schaalbaar en betaalbaar, en kan studenten ondersteunen in diverse omgevingen en contexten.

Toepassing op het HBO onderwijs in nederland

Deze conclusies bieden waardevolle inzichten voor het HBO in Nederland. Door AI-tutoring te integreren in het onderwijs kunnen we belangrijke uitdagingen aanpakken, zoals de diversiteit aan leerstijlen, de behoefte aan flexibiliteit en de vraag naar meer persoonlijke begeleiding.

1. Versterkte leerprestaties door AI-Tutoring

AI-tutoring kan ingezet worden als aanvulling op traditionele lessen, vooral in vakgebieden die intensieve kennisopbouw vereisen, zoals technologie, engineering en gezondheidszorg. Door AI-tutoring te gebruiken om basiskennis en -vaardigheden zelfstandig op te bouwen, kunnen docenten hun tijd en expertise richten op complexere leerdoelen, zoals projectmatig werken, praktijkgericht probleemoplossen en samenwerking. Dit stelt studenten in staat om sneller vooruitgang te boeken en geeft docenten de kans om zich te richten op diepere leerervaringen.

2. Ondersteuning van zelfgestuurd leren

Zelfgestuurd leren is cruciaal voor HBO-studenten, die vaak een drukke agenda hebben met stages en bijbanen. Met AI-tutoring kunnen studenten leren in hun eigen tempo en de nodige tijd nemen voor moeilijke onderwerpen zonder het strikte lesrooster van een traditionele les te volgen. Dit bevordert zelfverantwoordelijkheid en bereidt studenten beter voor op de zelfsturing die van hen wordt verwacht in de moderne beroepspraktijk.

3. Verhoging van motivatie en betrokkenheid

AI-tutoring kan helpen de motivatie en betrokkenheid van studenten te versterken door interactieve en op maat gemaakte leerervaringen te bieden. Wanneer studenten voelen dat hun specifieke leerbehoeften worden erkend en ondersteund, is de kans groter dat ze actief deelnemen en zich gemotiveerd voelen om door te zetten. Vooral in het HBO, waar studenten praktijkgericht leren en vaak de directe relevantie van hun kennis willen zien, kan AI een cruciale rol spelen in het verhogen van betrokkenheid.

4. Ondersteuning van een groeimindset bij studenten

AI-tutoring biedt een veilige leeromgeving waarin studenten kunnen oefenen en fouten kunnen maken zonder angst voor het oordeel van docenten of medestudenten. Dit stimuleert een groeimindset, wat essentieel is om door te zetten bij moeilijkheden en te leren van uitdagingen. Door deze mindset te bevorderen, helpt AI-tutoring HBO-studenten niet alleen bij hun studie maar bereidt het hen ook voor op de continue leerprocessen die hun professionele loopbaan vereisen.

5. Verbeterde toegang en Inclusie

AI-tutoring kan ook bijdragen aan een inclusiever onderwijssysteem. Studenten die extra begeleiding nodig hebben of die baat hebben bij herhaling van leerstof, kunnen hiervan profiteren zonder het stigma van ‘achterblijven’ te ervaren. Dit maakt onderwijs toegankelijker en gelijkwaardiger voor een diverse groep studenten, en helpt ervoor te zorgen dat niemand buiten de boot valt.

Conclusie

De resultaten van dit onderzoek maken duidelijk dat AI-tutoring een waardevolle aanvulling kan zijn op het HBO-onderwijs in Nederland. Door te investeren in AI-tutoring kunnen onderwijsinstellingen studenten flexibeler, persoonlijker en effectiever ondersteunen. Zo kunnen we inspelen op de diverse behoeften van studenten, hun zelfsturend vermogen vergroten en hen voorbereiden op een leven lang leren in een snel veranderende wereld.

Door AI in het onderwijs te omarmen, staat het Nederlandse HBO op het punt om een stap verder te gaan in de ontwikkeling van een flexibel, innovatief en toekomstgericht onderwijssysteem. Wil je kijken hoe wij dat doen op de HU: kom naar het AI Proeflokaal.

Herinner je je nog de opkomst van shadow IT? Medewerkers omzeilden hun eigen IT-afdeling en gebruikten ongeautoriseerde technologieën om hun werk gedaan te krijgen. Dit was geen vorm van rebellie, maar een duidelijk signaal dat de aangeboden tools niet voldeden aan hun behoeften. Vandaag de dag zien we een vergelijkbaar fenomeen in het hoger beroepsonderwijs: shadow AI. Zonder strategische keuzes over AI keizen docenten en studenten zelf voor generatieve AI-tools om hun productiviteit te verhogen.

De geschiedenis herhaalt zich: van shadow IT naar shadow AI

Jaren geleden begonnen werknemers hun eigen apparaten en software mee te nemen naar het werk omdat de bedrijfsoplossingen tekortschoten. Dit leidde tot veiligheidsrisico’s en inefficiënties, maar het dwong organisaties ook om hun technologiebeleid te herzien. Nu gebeurt hetzelfde met AI. Zonder officiële goedkeuring gebruiken onderwijsprofessionals tools zoals oa. ChatGPT, Azure OpenAI, NotebookLM en Midjourney om lesmateriaal te creëren, onderzoek te versnellen en administratieve taken te vereenvoudigen.

De risico’s en drijfveren van Shadow AI

Waarom gebeurt dit?

1. Drang naar efficiëntie: Docenten willen hun taken sneller en beter uitvoeren. Werkdruk is veel te hoog, hier ligt een oplossing

2. Toegankelijkheid van AI-tools: Veel AI-oplossingen zijn gratis en eenvoudig te gebruiken. Veel docenten betalen graag 20-50 euro per maand om hun werk beter te doen

3. Gebrek aan ondersteuning: Zonder adequate top-down AI-strategieën voelen medewerkers zich gedwongen zelf oplossingen te zoeken. “Ik moet mijn werk goed, doen, programmatisch toetsen is killing me”

De risico’s

1. Gegevensbeveiliging: Ongeautoriseerde tools kunnen leiden tot datalekken.

2. Compliance: Niet-naleving van regelgeving zoals de AVG kan ernstige gevolgen hebben.

3. Operationele Inefficiënties: Het ontbreken van standaardisatie kan chaos veroorzaken.

Van uitdaging naar kans: strategische integratie van AI

In plaats van shadow AI te verbieden – Early adopters aan de schandpaal te nagelen, een meeting en powerpoint circus in de lucht te houden – ,moeten we het zien als een wake-upcall om AI strategisch te integreren in het onderwijs. Zie je ranking van he HBO instelling, leer snappen wat AI kan doen om de kwaliteit van je onderwijs enorm te vergroten, realiseer je dat het een top-down stragegische keuze is, en gaan! En weet je niet wat het is, wat het kan, of het mag, of het wenselijk is: Kom naar een training, educate yourself!

Wat hebben we nodig?

1. Open dialoog: Creëer een cultuur waarin het gebruik van AI openlijk besproken kan worden zonder angst voor repercussies. Het gesprek is nu vaak not safe, en career limiting.

2. Ontwikkel duidelijk beleid: Stel richtlijnen op voor het verantwoord gebruik van AI-tools, inclusief goedgekeurde oplossingen en best practices. En is niet de keuze terug naar de middeleeuwen door studenten met pen en papier in een lokaal te zetten.

3. Investeren in training en ontwikkeling: Zorg dat docenten en studenten over de vaardigheden beschikken om AI effectief en ethisch in te zetten. Grijp de kans die de AI act je als werkgever biedt.

4. Samenwerking tussen afdelingen: Betrek IT, management en onderwijsprofessionals bij het formuleren van een gezamenlijke AI-strategie. En zoek de mensen die er voor open staan, de aanjagers, de idealisten. Dit is niet een tech topic, het is een onderwijs topic.

Conclusie

Shadow AI is geen bedreiging, maar een kans om het onderwijs te transformeren. Het is een oproep om proactief te zijn en ervoor te zorgen dat AI op een verantwoorde en strategische manier wordt geïntegreerd. Door uit de schaduw te treden en samen te werken, kunnen we innovatie stimuleren en het hoger beroepsonderwijs voorbereiden op de toekomst. En vooral studenten een veel beter startpositie op de arbeidsmarkt te geven. Dat verdienen ze, en dat is onze plicht

Ben je klaar om de stap te zetten en de toekomst van het onderwijs vorm te geven? Laten we vandaag beginnen met het gesprek dat nodig is om echte verandering teweeg te brengen.

Vanaf 2 februari 2025 treedt Artikel 4 van de AI act in werking. Dit artikel verplicht aanbieders en gebruikers van AI-systemen om ervoor te zorgen dat hun medewerkers voldoende AI-geletterd zijn. Dit geldt ook voor HBO-instellingen, waar zowel personeel als studenten voorbereid moeten zijn op een toekomst waarin AI een steeds belangrijkere rol speelt. Maar waarom is dit zo belangrijk? Laten we dat samen verkennen.

1. De impact van Artikel 4 van de AI act

Artikel 4 maakt het verplicht om ervoor te zorgen dat iedereen die met AI-systemen werkt, voldoende kennis en vaardigheden heeft om deze technologie verantwoord te gebruiken. HBO-instellingen moeten daarom tijdig beginnen met het opleiden van hun medewerkers. Deze wetgeving raakt niet alleen IT’ers, maar ook docenten, ondersteunend personeel en iedereen die AI-systemen in zijn werk tegenkomt.

2. De rol van AI binnen HBO-instellingen

AI-systemen worden in snel tempo geïntegreerd in het hoger onderwijs. Denk aan geautomatiseerde studentvolgsystemen, adaptieve leermethoden en onderzoekssoftware. AI helpt ons om processen efficiënter te maken en biedt nieuwe mogelijkheden voor gepersonaliseerd onderwijs. Maar zonder voldoende AI-geletterdheid kunnen deze systemen niet optimaal worden benut, of erger nog: kunnen er fouten en misverstanden ontstaan.

3. Waarom AI-geletterdheid essentieel is

AI-geletterdheid is meer dan alleen begrijpen hoe AI werkt. Het gaat ook om het kritisch kunnen beoordelen van AI-resultaten, de ethische vraagstukken begrijpen en weten wanneer menselijke tussenkomst nodig is. Voor docenten betekent dit bijvoorbeeld dat ze AI kunnen inzetten om lesmateriaal te personaliseren, terwijl ondersteunend personeel AI kan gebruiken om administratieve processen te automatiseren en te stroomlijnen.

4. De risico’s van onvoldoende AI kennis

Stel je voor dat medewerkers onvoldoende AI-kennis hebben. Dit kan leiden tot slechte beslissingen, ethische problemen of het verkeerd interpreteren van AI-uitkomsten. Zonder de juiste training kunnen medewerkers AI-systemen niet optimaal inzetten, en dat beïnvloedt de kwaliteit van het onderwijs en de efficiëntie van de organisatie. Fouten in het gebruik van AI kunnen studenten op een verkeerde manier begeleiden of zelfs discriminatie in de hand werken als AI-systemen niet goed worden begrepen.

5. Praktische voordelen van AI training

AI-training biedt medewerkers concrete voordelen. Ze leren niet alleen hoe AI-technologie werkt, maar ook hoe ze deze in hun dagelijkse werk kunnen gebruiken. Een docent kan bijvoorbeeld AI gebruiken om studenten met leerproblemen beter te identificeren. Administratief personeel kan AI inzetten om processen zoals roosteren en studentenadministratie te verbeteren. AI-geletterdheid biedt kansen om innovatie en efficiëntie binnen de instelling te stimuleren.

6. Voorbereiden op Artikel 4: stappen voor HBO-instellingen

Hoe kunnen HBO-instellingen zich voorbereiden op deze veranderingen? Hier zijn enkele praktische stappen:

• Organiseer trainingen en workshops over de basisbeginselen van AI voor alle medewerkers.
• Ontwikkel AI-leerlijnen die specifiek gericht zijn op de verschillende afdelingen binnen de instelling.
• Werk samen met externe experts om maatwerk AI-cursussen aan te bieden.
• Implementeer een continue leerstrategie waarbij AI-kennis up-to-date blijft met de nieuwste ontwikkelingen.

7. AI-geletterdheid voor studenten: de toekomstige medewerkers voorbereiden

AI-geletterdheid is niet alleen van belang voor het huidige personeel, maar ook voor studenten. Zij zijn de toekomstige medewerkers die straks in een wereld vol AI zullen werken. Of ze nu in de zorg, techniek, economie of onderwijs terechtkomen, AI zal een integraal onderdeel zijn van hun werk. Het is dus essentieel dat studenten tijdens hun studie al leren omgaan met AI-technologieën.

8. Hoe HBO-studenten voorbereiden op AI in de arbeidsmarkt

HBO-instellingen kunnen AI-vaardigheden in hun curriculum integreren door AI-gerelateerde vakken en projecten aan te bieden. Studenten moeten niet alleen leren hoe AI werkt, maar ook hoe ze het kunnen toepassen binnen hun vakgebied. Dit kan door interdisciplinaire projecten waarin AI-oplossingen worden ontwikkeld voor specifieke problemen in bijvoorbeeld zorg, logistiek of marketing. Ook stages waarbij studenten werken met AI-systemen zijn een effectieve manier om hen voor te bereiden op de praktijk.

9. Voordelen voor studenten: meerwaarde op de arbeidsmarkt

Studenten die AI-vaardigheden ontwikkelen, worden aantrekkelijker voor werkgevers. Of ze nu technische AI-specialisten worden of AI toepassen in andere vakgebieden, deze vaardigheden maken hen veelzijdig en toekomstbestendig. AI-geletterdheid biedt hen de tools om mee te groeien met de snel veranderende arbeidsmarkt.

10. Een Integrale aanpak: AI-geletterdheid voor medewerkers en studenten

AI-geletterdheid moet een integraal onderdeel worden van de strategie van HBO-instellingen. Door zowel medewerkers als studenten te trainen, creëer je een lerende omgeving waarin iedereen – nu en in de toekomst – op een verantwoorde en effectieve manier met AI kan omgaan. Dit vraagt om een gezamenlijke inspanning waarin continu leren en innoveren centraal staan.

11. Conclusie: investeren in de toekomst

Artikel 4 komt snel dichterbij, en de tijd dringt om AI-geletterdheid binnen HBO-instellingen te verankeren. Door nu te investeren in training voor zowel medewerkers als studenten, creëren HBO-instellingen niet alleen een toekomstbestendige organisatie, maar dragen ze ook bij aan het opleiden van een nieuwe generatie professionals die klaar zijn voor de AI-gedreven wereld van morgen.

Ben jij er klaar voor?

De meeste studenten deugen: hun eigen 24/7 tutor in actie!

Heb je je ooit afgevraagd wat er gebeurt als je studenten de vrijheid geeft om hun eigen leerproces vorm te geven? Nou, in het AI Proeflokaal van Hogeschool Utrecht en tijdens de Minor Digitale Innovaties voor Maatschappij & Overheid zie ik het elke dag gebeuren, en het resultaat is verbluffend. Ik kan je vertellen, de meeste studenten deugen écht! En als ze de kans krijgen om hun eigen feedback- en feedforward-chatbots te bouwen, grijpen ze die kans met beide handen aan.

Studenten bouwen hun eigen AI tutors

Stel je voor: je loopt een klaslokaal binnen waar studenten niet alleen leren, maar zelf hun eigen AI tutors bouwen. Ze creëren chatbots en tutors die hun werk analyseren, feedback geven en vooral ook suggesties doen voor verbetering. Dit gebeurt allemaal in het AI Proeflokaal van de HU, waar de technologie letterlijk tot leven komt in de handen van de studenten.

En dit is niet zomaar een gimmick. Deze AI-tutors worden volledig door studenten geprogrammeerd om hen continu te ondersteunen in hun leerproces. Ze kunnen ervoor kiezen om suggesties te krijgen over hoe ze hun werk kunnen verbeteren (feedforward), of om feedback te ontvangen op wat al gedaan is. Het mooie? De meeste kiezen bewust voor suggesties, omdat ze begrijpen dat dit de manier is om écht te leren.

Een keuze met impact: Suggesties of direct resultaat?

Hier komt de magie van keuzevrijheid om de hoek kijken. Studenten hebben de mogelijkheid om te kiezen tussen suggesties die hen helpen om hun werk beter te maken of direct een “kant-en-klaar” resultaat. Wat zou jij doen als je student was? Het lijkt misschien verleidelijk om te kiezen voor een afgemaakt product, maar mijn ervaring laat zien dat studenten iets bijzonders kiezen: ze willen leren!

Keer op keer hoor ik ze zeggen: “DUH, ik zit hier om te leren!” Ze kiezen massaal voor suggesties en feedforward. Waarom? Omdat ze snappen dat leren niet gaat om het eindresultaat, maar om het proces. Ze willen het zelf doen, zelf ontdekken, en zelf beter worden. Het is inspirerend om te zien hoe intrinsiek gemotiveerd ze zijn. Dit is leren op z’n best!

Het verlichten van de werkdruk voor docenten

Als AI-docent zie ik ook een andere kant van deze ontwikkeling, en die is minstens zo waardevol. De AI-tutors die de studenten bouwen, spelen namelijk een cruciale rol in ons nieuwe onderwijsmodel: programmatisch en portfolio-toetsen. Dit model vereist regelmatige evaluaties en feedbackmomenten, wat de werkdruk voor docenten enorm kan verhogen. Maar door deze slimme tutors in te zetten, worden de duidelijk aanwezige negatieve operationele effecten van programmatisch toetsen deels weggenomen. De tutors nemen een deel van de formatieve feedback taken over, waardoor de werkdruk voor docenten afneemt en er meer tijd overblijft voor persoonlijke begeleiding.

Bovendien verbeteren de AI-tutors de kwaliteit van de tweewekelijkse datapunten die we gebruiken voor de beoordeling van studenten. De feedback die ze genereren is consistent en van hoge kwaliteit, wat zorgt voor een beter inzicht in de voortgang van de student. En het mooie is, de studenten worden er ook gewoon heel blij van! Ze hebben continu toegang tot begeleiding, zonder te hoeven wachten op een docent. Het maakt hen zelfstandiger, en dat is precies wat we willen bereiken.

Blije studenten kiezen voor leren

Je zou misschien denken dat studenten liever makkelijk scoren, maar wat ik keer op keer zie, is dat ze écht voor het leren kiezen. Ze zijn blij met de vrijheid om hun eigen leerproces te sturen, maar ze kiezen niet voor de makkelijke weg. Ze willen zichzelf uitdagen, groeien, en fouten maken om daarvan te leren. En eerlijk gezegd, dat is precies wat ik als AI-docent ook wil zien.

Wat me het meest inspireert, is de blijdschap die studenten uitstralen als ze werken met hun eigen 24/7 tutor. Ze voelen zich ondersteund, maar ook verantwoordelijk voor hun eigen leerproces. En als ze dan zeggen: “DUH, ik zit hier om te leren!” dan weet ik dat we iets goed doen.

Conclusie: Leren in volledige vrijheid

Wat ik geleerd heb uit deze ervaring in het AI Proeflokaal en de Minor Digitale Innovaties voor Maatschappij & Overheid, is dat studenten meer willen dan kant-en-klare antwoorden. Ze willen leren, zichzelf verbeteren, en bovenal verantwoordelijkheid nemen voor hun eigen succes. Wanneer we hen de tools en vrijheid geven om dat te doen, zie je ze echt tot bloei komen.

Deze AI-tutors zijn niet alleen een leuk experiment, ze zijn een integraal onderdeel van ons onderwijs. Ze verlichten de werkdruk voor docenten, verbeteren de kwaliteit van ons toetsingsproces, en – misschien wel het belangrijkste – maken studenten blij. Dit is de toekomst van onderwijs, en het is prachtig om te zien hoe onze studenten die toekomst met beide handen aangrijpen.

Dus als je me vraagt: wat gebeurt er als je studenten de vrijheid geeft om hun eigen leerproces te sturen? Dan is mijn antwoord simpel: ze kiezen ervoor om te leren. De meeste studenten deugen, en ze laten dat elke dag zien.

Wil je hier meer over leren? www.aiproeflokaal.nl www.aiproofingstation.com IDIMO

#AIProeflokaal #HU #DigitaleInnovaties #ProgrammatischToetsen #AIinOnderwijs #ToekomstvanLeren

De term AI-agent lijkt uitgegroeid tot de volgende hype in kunstmatige intelligentie. En eerlijk is eerlijk, het klinkt ook indrukwekkend. Alsof je een soort virtuele medewerker in dienst neemt. Maar in de praktijk zie je vaak dat wat mensen een AI-agent noemen, eigenlijk een AI-workflow of zelfs doodnormale automatisering is. Geen ramp natuurlijk, maar de verschillen zijn wél belangrijk om te kennen. En dat brengt ons meteen bij een nieuw begrip dat je de laatste tijd misschien ook bent tegengekomen: RAG (Retrieval-Augmented Generation).

Automatisering: gewoon een vast recept

Laten we beginnen met het meest eenvoudige voorbeeld: automatisering. Het draait hier vaak om regelgebaseerde processen, een beetje alsof je een recept volgt. Je weet precies welke stappen je gaat doorlopen, en zolang er geen onverwachte ingrediënten in de pan belanden, werkt het als een zonnetje.

• Sterke punten: Automatiseringen zijn snel, betrouwbaar en lekker voorspelbaar.
• Zwakke punten: Ze laten weinig ruimte voor improvisatie. Zo’n vaste workflow kan niet omgaan met onverwachte omstandigheden.

Denk bijvoorbeeld aan het automatisch versturen van facturen of het bijwerken van klantdata in je CRM-systeem. Prima klussen om te automatiseren, maar je wilt er geen grote beslissingen in vastleggen die nog alle kanten op kunnen gaan.

AI-workflows: automatisering met een slim tintje

Daarna heb je AI-workflows. Je kunt het zien als een kruising tussen klassieke automatisering en machine learning. Hierbij gebruik je bijvoorbeeld taalmodellen als ChatGPT of Claude om bepaalde taken in die workflow uit te voeren, zoals het herkennen van patronen of het samenstellen van automatische antwoorden.

• Sterke punten: Het proces blijft in de basis voorspelbaar, maar er zit een laagje ‘intelligentie’ op. Ideaal voor taken waarbij je nét wat meer flexibiliteit nodig hebt dan een standaard script.
• Zwakke punten: AI-workflows blijven uiteindelijk beperkt tot een vooraf bedachte structuur. Bovendien kan het trainen en debuggen van die AI-stap best wat hoofdbrekens opleveren.

Voor veel bedrijven is een AI-workflow al een gigantische stap vooruit. Je kunt klantvragen automatisch categoriseren, teksten samenvatten en rapporten opstellen. Al die zaken waar je net wat rekenkracht of patroonherkenning voor nodig hebt, maar niet direct een zelfdenkende alleskunner.

AI-agents: de digitale medewerker

Echte AI-agents zijn een ander verhaal. Dit zijn programma’s die zó zijn ontworpen dat ze niet alleen een scriptje volgen, maar zelf kunnen bijsturen en nieuwe scenario’s kunnen verkennen. Het is alsof je een digitale medewerker in dienst hebt die taken volkomen zelfstandig kan aanpakken, zonder dat je alles tot in de puntjes hoeft voor te kauwen.

• Sterke punten: Geweldig voor situaties waar je van tevoren niet kunt vastpinnen wat er gaat gebeuren. Denk aan complexe, creatieve projecten of onvoorspelbare marktomstandigheden.
• Zwakke punten: AI-agents kunnen onvoorspelbaar zijn, ze kosten vaak veel rekenkracht en je moet maar net vertrouwen dat ze niet halverwege op hol slaan.

Hoewel er heel veel geroepen wordt dat je een AI-agent nodig hebt, blijkt in de praktijk dat de meeste organisaties prima uit de voeten kunnen met een simpele automatisering of een AI-workflow. Het is dus vooral belangrijk om voor jezelf te bepalen of je echt een “denkende” digitale sidekick nodig hebt, of dat een wat bescheidener oplossing prima voldoet.

RAG (Retrieval-Augmented Generation): je eigen GPT bouwen

Naast de drie bovenstaande begrippen komt er nu nóg een interessant concept bij kijken: RAG, oftewel Retrieval-Augmented Generation. Met RAG kun je een taalmodel, zoals ChatGPT, verrijken met je eigen data. Denk bijvoorbeeld aan alle documenten, FAQ’s of productinformatie die je in huis hebt.

Door RAG te gebruiken, breid je een bestaand model uit met jouw eigen kennisbronnen. Zo kun je als het ware je eigen GPT maken, gericht op jouw domein. Dit kan in de praktijk betekenen dat je ChatGPT toegang geeft tot een speciale database of kennisbank. Wanneer je hem dan een vraag stelt, zoekt hij eerst in jouw dataset naar relevante informatie en verwerkt dat in zijn antwoord.

• Voordelen: Je krijgt antwoorden die veel beter aansluiten op jouw specifieke bedrijfscontext, zonder dat je helemaal zelf een model hoeft te trainen.
• Nadelen: Er is wel wat technische kennis nodig om de koppeling tussen ChatGPT en je eigen datasystemen in te richten. Bovendien blijf je afhankelijk van de kwaliteit van je data én de robuustheid van de AI zelf.

RAG’s bij het AI Proeflokaal

Een mooi voorbeeld van RAG-toepassingen in de praktijk vind je bij het AI Proeflokaal van de Hogeschool Utrecht. Hier werken we onder meer aan de ontwikkeling van chatbots die studenten en docenten op maat kunnen helpen. Al deze chatbots maken gebruik van RAG om de meest relevante informatie te “retrieven” uit bronnen zoals lesmateriaal, FAQ’s en studiehandleidingen, voordat ze een antwoord genereren. Het resultaat is een slimme, context-specifieke chatbot die perfect aansluit op de vragen en behoeften van de gebruikers. Hierdoor zien we hoe krachtig RAG kan zijn: je gebruikt de technische power van een taalmodel, maar voegt daarbij je eigen kennisbronnen toe om tot een oplossing te komen die direct in de onderwijspraktijk toepasbaar is.

Kies de juiste oplossing voor jouw uitdaging

De kern van dit verhaal is dat je altijd moet kijken naar de aard van het probleem dat je op wilt lossen.

• Is de taak volledig voorspelbaar? → Dan is regelgebaseerde automatisering (gewoon een workflow zonder AI) vaak de simpelste en meest betrouwbare keuze.
• Moet er wel wat “intelligentie” bij, maar werk je nog binnen een redelijk vastomlijnd proces? → Overweeg een AI-workflow.
• Is de uitkomst onzeker en moet het systeem zelfstandig kunnen bijsturen? → Alleen dan is een AI-agent de juiste kandidaat.
• Wil je een taalmodel voeden met eigen data? → Kijk dan eens naar RAG, zodat je bijvoorbeeld je eigen GPT-toepassing kunt bouwen met ChatGPT.

Het is echt geen schande om gewoon te kiezen voor een beproefde, stabiele oplossing als een AI-workflow of oude vertrouwde automatisering. De bedoeling is immers dat je problemen oplost – en dat kan net zo goed met een simpele robot als met een hypermoderne “AI-agent” of een RAG-oplossing.

Tot slot

Het is fantastisch dat we nu zoveel mogelijkheden hebben om ons werk slimmer te maken met AI. Maar laat je niet gek maken door de hype: een AI-agent is niet de heilige graal die elke klus oplost. Soms is een basisautomatisering of AI-workflow meer dan genoeg. Heb je wél behoefte aan een persoonlijke GPT voor jouw organisatie? Dan is RAG misschien het stukje technologie dat je zoekt om je favoriete taalmodel met je eigen databronnen te verrijken.