29 september 2026
Een leerling die vandaag een werkstuk maakt, heeft toegang tot een persoonlijke AI-assistent die binnen enkele seconden een onderwerp kan uitleggen, teksten kan herschrijven, vragen kan beantwoorden en oefenmateriaal kan genereren. Voor een docent is dat tegelijkertijd een enorme kans én een fundamenteel probleem.
Want als AI het maken van een antwoord steeds gemakkelijker maakt, hoe weet een school dan nog wat een leerling daadwerkelijk heeft geleerd?
Die vraag wordt steeds urgenter nu generatieve AI zich razendsnel verspreidt onder studenten en scholieren.
De Europese Commissie meldde eerder dit jaar dat in 2025 ongeveer vier op de tien jongeren tussen 16 en 24 jaar generatieve AI gebruikten voor formeel onderwijs. Tegelijkertijd waarschuwde de Commissie dat AI prestaties kan verbeteren zonder dat dit automatisch betekent dat leerlingen ook daadwerkelijk meer leren. Overmatig gebruik kan bovendien gevolgen hebben voor zelfstandig denken en andere cognitieve vaardigheden.
Daarmee ontstaat een merkwaardige paradox.
Een leerling kan met AI een beter antwoord produceren, terwijl diezelfde leerling misschien minder goed begrijpt hoe dat antwoord tot stand kwam.
Het huiswerkprobleem is nog maar het begin
De eerste grote confrontatie tussen onderwijs en generatieve AI ging vooral over huiswerk.
Leerlingen konden ChatGPT of vergelijkbare systemen gebruiken om essays, boekverslagen en antwoorden te schrijven. Scholen probeerden vervolgens AI-detectors in te zetten om te bepalen of een tekst door een machine was geschreven.
Maar dat model blijkt steeds minder houdbaar.
AI kan teksten herschrijven, leerlingen kunnen AI-output aanpassen en moderne modellen kunnen schrijven in een stijl die nauwelijks nog te onderscheiden is van menselijke tekst.
Daarmee wordt de centrale vraag niet langer:
“Heeft AI dit geschreven?”
Maar:
“Wat heeft de leerling hiervan geleerd?”
Dat is een veel fundamentelere verandering.
Het onderwijs moet misschien zelf veranderen
Als een leerling thuis een perfecte tekst kan laten produceren, heeft het weinig zin om vervolgens uitsluitend te beoordelen hoe goed die tekst eruitziet.
Onderwijsinstellingen experimenteren daarom steeds meer met andere vormen van toetsing.
Mondelinge toelichtingen.
Projectwerk.
Presentaties.
Reflectieverslagen.
Toetsen waarbij leerlingen hun redenering moeten uitleggen.
En opdrachten waarbij AI juist onderdeel mag zijn van het proces, zolang de leerling kan aantonen wat hij of zij zelf heeft gedaan.
Dat betekent dat AI niet alleen een nieuw hulpmiddel wordt.
Het kan het onderwijssysteem zelf veranderen.
Ook docenten krijgen een AI-assistent
De ontwikkeling beperkt zich bovendien niet tot leerlingen.
AI kan docenten helpen met het maken van lesmateriaal, differentiatie, feedback en voorbereiding. Een docent kan bijvoorbeeld een onderwerp laten omzetten naar verschillende moeilijkheidsniveaus.
Voor een leerling die moeite heeft met een onderwerp kan dezelfde les eenvoudiger worden uitgelegd. Voor een leerling die al verder is, kan AI juist aanvullende opdrachten genereren.
Dat klinkt aantrekkelijk, zeker in een tijd waarin scholen te maken hebben met personeelstekorten.
Maar juist daar ontstaat een tweede risico: dat scholen AI niet alleen gebruiken om onderwijs beter te maken, maar ook om personeelstekorten op te vangen.
De grens tussen ondersteunen en vervangen wordt daardoor steeds belangrijker.
Een opmerkelijk voorbeeld komt uit het bedrijfsleven
Hoe gevoelig dat kan liggen, bleek deze maand in het Verenigd Koninkrijk.
Docenten bij Multiverse, een technologiebedrijf voor professionele opleidingen, uitten zorgen over een AI-systeem dat online lessen analyseert en docenten beoordeelt. Volgens berichtgeving van The Guardian kijkt het systeem onder meer naar de inhoud en timing van lessen en signaleert het vermeende tekortkomingen. Docenten beschreven de voortdurende beoordeling als stressvol en vonden dat de technologie onvoldoende rekening hield met de complexiteit van lesgeven.
Het bedrijf stelt daartegenover dat AI bedoeld is als hulpmiddel voor kwaliteitscontrole en dat menselijke medewerkers verantwoordelijk blijven voor beoordelingen.
Het voorbeeld laat zien dat de AI-discussie in het onderwijs niet alleen gaat over leerlingen.
De technologie kan ook de manier waarop docenten zelf worden beoordeeld veranderen.
Dat kan een veel grotere discussie worden
Wanneer AI steeds meer gegevens over onderwijs verzamelt, ontstaat een nieuwe mogelijkheid.
Een systeem kan bijvoorbeeld analyseren welke vragen leerlingen stellen, welke opdrachten moeilijk zijn en op welke momenten studenten afhaken.
In theorie kan een docent daarmee een veel beter beeld krijgen van wat er in een klas gebeurt.
Maar dezelfde technologie kan ook veranderen in een vorm van permanente monitoring.
Hoeveel AI mag weten over een leerling?
Mag een systeem voorspellen dat een student waarschijnlijk gaat uitvallen?
Mag een school AI gebruiken om leerlingen automatisch risicoprofielen te geven?
En wie controleert of zo’n voorspelling klopt?
Dit zijn geen theoretische vragen meer. Naarmate AI onderdeel wordt van onderwijsplatforms, leerlingvolgsystemen en digitale leeromgevingen, zullen scholen ermee geconfronteerd worden.
Universiteiten hebben een ander probleem
In het hoger onderwijs speelt daarnaast nog een tweede vraag: wat moeten studenten eigenlijk leren in een wereld waarin AI een deel van het kenniswerk kan uitvoeren?
Als een AI-systeem code kan schrijven, moeten studenten dan nog leren programmeren?
Als AI juridische teksten kan analyseren, hoeveel juridische schrijfvaardigheid is dan nog noodzakelijk?
Als AI wetenschappelijke literatuur kan samenvatten, moet een student dan nog tientallen papers zelf lezen?
Het antwoord zal waarschijnlijk niet simpelweg zijn dat die vaardigheden verdwijnen.
Juist omdat AI fouten kan maken, blijft het belangrijk dat iemand de output kan controleren.
Een student die niets weet van programmeren kan moeilijk beoordelen of AI-code veilig en correct is.
Een student die geen medische basiskennis heeft, kan een foutief AI-advies niet herkennen.
En een onderzoeker die niet begrijpt hoe wetenschappelijke methodologie werkt, kan een overtuigend maar verkeerd AI-samenvatting gemakkelijk voor waarheid aanzien.
AI maakt kennis daardoor niet automatisch minder belangrijk.
In sommige gevallen maakt het begrijpen van kennis juist belangrijker.
De universiteit van de toekomst krijgt waarschijnlijk een andere verhouding met AI
Een interessant voorbeeld is de samenwerking tussen University of Oxford en OpenAI rond de Bodleian Library.
Volgens berichtgeving van The Guardian heeft Oxford materiaal uit de historische collectie beschikbaar gesteld voor digitalisering en AI-ontwikkeling. Daarbij zouden onder meer honderdduizenden gescande afbeeldingen van historisch materiaal aan OpenAI zijn verstrekt. De samenwerking illustreert hoe universiteiten niet alleen gebruikers van AI worden, maar ook leveranciers van grote kenniscollecties waarmee AI-systemen worden ontwikkeld.
Dat verandert de relatie tussen universiteiten en AI-bedrijven.
Universiteiten beschikken over onderzoekers, archieven, datasets en specialistische kennis.
AI-bedrijven beschikken over modellen, rekenkracht en commerciële infrastructuur.
De samenwerking tussen beide werelden kan daardoor steeds belangrijker worden.
Maar onderwijs krijgt ook een nieuwe verantwoordelijkheid
De grootste verandering is misschien dat scholen leerlingen niet langer alleen hoeven te leren hoe ze informatie vinden.
Ze moeten leerlingen leren beoordelen wat een AI-systeem zegt.
Dat betekent leren controleren.
Bronnen vergelijken.
Fouten herkennen.
Vragen stellen.
Redeneringen begrijpen.
En vooral: weten wanneer je een machine niet moet vertrouwen.
Dat kan uiteindelijk een van de belangrijkste vaardigheden van de AI-generatie worden.
Niet hoe je de beste prompt schrijft.
Maar hoe je weet of het antwoord klopt.
De klas wordt daarmee een testomgeving voor de AI-maatschappij
De gezondheidszorg worstelt met dezelfde fundamentele vraag als het onderwijs.
Wie blijft verantwoordelijk wanneer AI een beslissing ondersteunt?
In een ziekenhuis is dat de arts en de organisatie.
In een klas is het de docent, de school en uiteindelijk de leerling die moet kunnen aantonen wat hij of zij begrijpt.
AI kan onderwijs persoonlijker maken, docenten tijd besparen en leerlingen toegang geven tot kennis die vroeger moeilijk bereikbaar was.
Maar het kan ook leiden tot afhankelijkheid, oppervlakkig leren en een systeem waarin prestaties gemakkelijker worden gemeten dan daadwerkelijke kennis.
De komende jaren zullen daarom niet alleen bepalen hoeveel AI er in scholen komt.
Ze zullen bepalen wat we eigenlijk nog onder leren verstaan.
En dat is waarschijnlijk een veel grotere verandering dan de komst van een AI-chatbot alleen.
Dit zijn bewust twee verschillende invalshoeken: AI als organisatorische uitdaging in de zorg en AI als fundamentele verandering van leren en toetsen in het onderwijs.