GovGPT Academy

Hoofdstuk 10. Leidinggeven aan AI in je team

Bronnen bij hoofdstuk 10

Kennisclip 2:23
Waar deze clip over gaat

Je ziet op welk onderzoek en welke regels de lessen van hoofdstuk 10 steunen, en waarom je ook bij die bronnen kritisch blijft lezen.

De video laadt pas als je op afspelen klikt. YouTube draait dan in de privacyvriendelijke modus.

Lees het transcript

Hoi! Fijn dat je er weer bent. De lessen in hoofdstuk 10 bouwen op onderzoek en evaluaties, ook bij andere overheden. In deze clip zie je per les waar het op steunt.

Bij les 10.1 meldden 20.000 Britse ambtenaren in 2025 gemiddeld 26 minuten tijdwinst per dag, wel zelf geschat, en 17 procent merkte geen duidelijke winst. Dell'Acqua en collega's, 2026, zagen bij 758 consultants dat AI hielp binnen zijn bereik, maar daarbuiten kwamen ze 19 procent minder vaak tot een juiste oplossing. Bij les 10.2 laten Madan en Ashok, 2023, zien dat het lerend vermogen van een organisatie mee bepaalt of AI goed landt. Neumann en collega's, 2024, zagen bij acht Zwitserse publieke organisaties dat per fase andere factoren tellen. Bij les 10.3 legt de Europese Commissie in 2026 uit dat artikel 4 geen verplichte training, vast niveau of certificaat voorschrijft. Benlian en Pinski, 2026, bieden een canvas om AI-geletterdheid per niveau te plannen.

Bij les 10.4 hoort de nieuwe versie van het IAMA uit 2026, die de vragen voor de grondrechteneffectbeoordeling markeert. Mantelero, 2024, legt uit wat de AI-verordening bij die beoordeling precies vraagt. En de Algemene Rekenkamer toetste in 2022 negen algoritmes. Drie voldeden aan alle basisvereisten, bij zes zag zij risico's. Bij les 10.5 zag de Algemene Rekenkamer in 2024 dat organisaties bij 35 procent van de AI-systemen in gebruik niet wisten of die hun verwachting waarmaakten. En een Britse pilot uit 2025 vond hoge tevredenheid, maar geen bewijs dat tijdwinst tot hogere productiviteit leidde.

Onderzoek naar AI gaat snel, en bronnen kunnen elkaar soms tegenspreken. Blijf daarom zelf kritisch lezen, ook bij de bronnen die wij kiezen.

De volledige bronnenlijst met links staat bij deze les op academy.civai.eu. Lees gerust een bron die je nieuwsgierig maakt. Veel succes, en tot in de volgende les!

Alle bronnen van hoofdstuk 10

Les 10.1 Waar begin je

  • Government Digital Service. (2025). Microsoft 365 Copilot experiment: Cross-government findings report. UK Government. https://www.gov.uk/government/publications/microsoft-365-copilot-experiment-cross-government-findings-report (opent in een nieuw tabblad)
    In dit experiment met 20.000 Britse ambtenaren bij twaalf organisaties (eind 2024) rapporteerden gebruikers gemiddeld 26 minuten tijdwinst per dag, vooral bij het opstellen van documenten, maar 17 procent merkte geen duidelijke tijdwinst en bij complex, genuanceerd werk hielp het minder. De cijfers zijn zelf gerapporteerd, en daarom kies je in deze les twee concrete taken en meet je zelf wat AI oplevert.
  • Dell'Acqua, F., McFowland, E., Mollick, E., Lifshitz, H., Kellogg, K. C., Rajendran, S., Krayer, L., Candelon, F., & Lakhani, K. R. (2026). Navigating the jagged technological frontier: Field experimental evidence of the effects of artificial intelligence on knowledge worker productivity and quality. Organization Science, 37(2), 403–423. https://doi.org/10.1287/orsc.2025.21838 (opent in een nieuw tabblad)
    Bij 758 consultants maakte GPT-4 het werk sneller en beter bij taken binnen het bereik van AI, maar bij een complexe taak daarbuiten kwamen deelnemers 19 procent minder vaak tot een juiste oplossing. Voor een leidinggevende is dat het argument om per taak te kiezen, in plaats van AI overal tegelijk in te voeren.

Les 10.2 Afspraken in je team

  • Madan, R., & Ashok, M. (2023). AI adoption and diffusion in public administration: A systematic literature review and future research agenda. Government Information Quarterly, 40(1), Artikel 101774. https://doi.org/10.1016/j.giq.2022.101774 (opent in een nieuw tabblad)
    Deze literatuurreview beschrijft spanningen bij AI in de publieke sector rond eerlijkheid, transparantie, privacy en mensenrechten, en laat zien dat het lerend vermogen van een organisatie, naast technologie en omgeving, bepaalt of AI goed landt. Teamafspraken zijn een manier om die spanningen bespreekbaar te maken en dat lerend vermogen op te bouwen.
  • Neumann, O., Guirguis, K., & Steiner, R. (2024). Exploring artificial intelligence adoption in public organizations: A comparative case study. Public Management Review, 26(1), 114–141. https://doi.org/10.1080/14719037.2022.2048685 (opent in een nieuw tabblad)
    Uit een vergelijking van acht Zwitserse publieke organisaties blijkt dat technologische en organisatorische factoren per fase van de invoering anders zwaar wegen, terwijl de omgeving minder bepalend is. Wat een team in de beginfase nodig heeft aan afspraken, is dus anders dan wanneer AI al dagelijks gebruikt wordt.

Les 10.3 AI-geletterdheid organiseren

  • European Commission. (2026). AI literacy, questions & answers (laatst bijgewerkt 20 oktober 2026). https://digital-strategy.ec.europa.eu/en/faqs/ai-literacy-questions-answers (opent in een nieuw tabblad)
    De Commissie legt uit dat artikel 4 geen verplichte training, vast niveau of certificaat voorschrijft, dat alleen de gebruiksaanwijzing laten lezen vaak niet volstaat en dat een interne registratie van maatregelen kan helpen, met toezicht vanaf 2 augustus 2026 en na de digitale omnibus een inspanningsplicht zonder voorgeschreven niveau. Voor hoog-risicosystemen blijft de plicht staan om medewerkers op te leiden voor menselijk toezicht, wat direct raakt aan het sociaal domein (hoofdstuk 8).
  • Benlian, A., & Pinski, M. (2026). The AI literacy development canvas: Assessing and building AI literacy in organizations. Business Horizons, 69(6), 759–775. https://doi.org/10.1016/j.bushor.2025.10.001 (opent in een nieuw tabblad)
    De auteurs bieden een matrix om AI-geletterdheid per niveau (bestuur, middenmanagement, medewerkers) te beoordelen en een canvas om te plannen wanneer, waar en hoe je investeert in training. Het voorbeeld komt uit het bedrijfsleven, maar het instrument past goed bij het teamplan dat je in deze les maakt.

Les 10.4 Risico's en verantwoording

  • Gerards, J., Muis, I., Straatman, J., Vankan, A., & Boiten, M. (2026). Impact Assessment Mensenrechten en Algoritmes (IAMA) (versie 2). Universiteit Utrecht in opdracht van het Ministerie van Binnenlandse Zaken en Koninkrijksrelaties. https://www.rijksoverheid.nl/documenten/rapporten/2026/02/16/impact-assessment-mensenrechten-en-algoritmes (opent in een nieuw tabblad)
    De geactualiseerde IAMA is korter, heeft een apart toelichtingsdocument en markeert de vragen die horen bij de grondrechteneffectbeoordeling uit artikel 27 van de AI-verordening; eerder ingevulde IAMA's hoeven niet opnieuw. Het instrument noemt ook dat de toepassing op generatieve AI lastig kan zijn, omdat trainingsdata en doelbinding minder duidelijk zijn, wat een leidinggevende helpt inschatten wanneer een IAMA nodig is en wie aan tafel moet.
  • Mantelero, A. (2024). The Fundamental Rights Impact Assessment (FRIA) in the AI Act: Roots, legal obligations and key elements for a model template. Computer Law & Security Review, 54, Artikel 106020. https://doi.org/10.1016/j.clsr.2024.106020 (opent in een nieuw tabblad)
    Dit artikel legt uit waar de plicht tot een grondrechteneffectbeoordeling in de AI-verordening vandaan komt, wat de wet precies vraagt en welke bouwstenen een goed model nodig heeft. Het helpt om de IAMA te plaatsen als Nederlandse invulling van die Europese plicht, en laat zien dat zo'n beoordeling ook buiten de verplichte gevallen nuttig is.
  • Algemene Rekenkamer. (2022). Algoritmes getoetst: De inzet van 9 algoritmes bij de overheid. https://www.rekenkamer.nl/publicaties/rapporten/2022/05/18/algoritmes-getoetst (opent in een nieuw tabblad)
    De Rekenkamer toetste negen algoritmes bij uitvoeringsorganisaties van het Rijk; drie voldeden aan alle basisvereisten, bij zes zag zij risico's, van gebrekkige controle op prestaties tot vooringenomenheid en onbevoegde toegang. Het laat zien dat verantwoord gebruik kan, maar dat het afhangt van heldere rollen en controles die de leidinggevende moet organiseren.

Les 10.5 Van pilot naar beleid

Je voortgang blijft alleen in deze browser.