Onderwijsinstellingen hebben een eigenschap die weinig andere sectoren delen: de gebruikers van AI zijn voor een groot deel de mensen die de instelling geacht wordt te vormen, niet te controleren. Studenten en leerlingen gebruiken taalmodellen voor het maken van opdrachten, samenvattingen en werkstukken, vaak sneller en breder dan docenten en beleidsmakers kunnen volgen. Docenten gebruiken diezelfde tools om nakijkwerk te versnellen, lesmateriaal te ontwikkelen of feedback te formuleren. Daartussen staat een bestuur dat verantwoordelijk is voor onderwijskwaliteit, examinering en de bescherming van persoonsgegevens van vaak minderjarige leerlingen, zonder dat het altijd zicht heeft op wat er in de praktijk gebeurt.
Die verhouding — gebruik dat begint bij de gebruiker, niet bij de organisatie — maakt governance in het onderwijs anders dan in een bedrijfsomgeving waar IT een tool aanschaft en uitrolt. Hier ontstaat het gebruik eerst, verspreid over duizenden individuele keuzes, en komt de vraag naar grip pas achteraf.
Een inventaris van onderwijssoftware laat zien welke digitale leeromgevingen, toetssystemen en administratiepakketten zijn aangeschaft. Die lijst zegt weinig over wat docenten daadwerkelijk gebruiken om lesmateriaal te maken, en nog minder over wat leerlingen en studenten gebruiken om opdrachten te maken. Een chatbot die gratis toegankelijk is via een browser vraagt geen goedkeuring van de IT-afdeling en verschijnt in geen enkel contractoverzicht.
Dat maakt schaduw-AI in het onderwijs een structureel gegeven, niet een uitzondering. Het gebruik zit verspreid over docenten die individueel bepalen hoe ze een tool inzetten, over studenten die experimenteren zonder dat iemand het vraagt, en over onderdelen van de organisatie — van roosterplanning tot studieadvies — die los van elkaar naar hulpmiddelen zoeken. Een volledig beeld vraagt dus niet alleen een technische inventarisatie, maar ook een vraag aan de mensen die er dagelijks mee werken: wat gebruikt u, en waarvoor.
Die vraag levert alleen een eerlijk antwoord op als er geen sanctie aan vastzit. Een docent die toegeeft dat opdrachten met AI-hulp worden nagekeken, of een leerling die vertelt hoe een werkstuk is samengesteld, doet dat niet als het risico bestaat dat dit gebruik als overtreding wordt behandeld. Instellingen die vooral willen weten wat er gebeurt, hebben dus baat bij een aanpak die het gebruik eerst in kaart brengt en de vraag naar wenselijkheid en regels apart en later stelt. Wie beide vragen tegelijk stelt, krijgt op de eerste geen antwoord.
Niet elk AI-gebruik in een school of instelling weegt even zwaar. Een tool die docenten helpt bij het formuleren van feedback op een opstel heeft een andere impact dan een systeem dat meetelt bij de beoordeling van een examen, of een tool die wordt ingezet bij de selectie van studenten voor een opleiding. Waar AI meeweegt in een beslissing over een individuele leerling of student — een cijfer, een advies, een toelating — ligt het risiconiveau hoger dan waar AI alleen tijd bespaart bij voorbereidend werk.
Die classificatie naar rol en risico is nodig om schaarse aandacht goed te verdelen. Niet elk gebruik vraagt evenveel oversight, en een governance-aanpak die alles gelijk behandelt, verliest het overzicht juist op de plekken waar het risico het hoogst is.
Onderwijsinstellingen hebben vaak al vormen van toezicht: een examencommissie, een medezeggenschapsraad, een functionaris gegevensbescherming, een kwaliteitszorgsysteem. AI-governance werkt beter als die aansluit op deze bestaande structuren dan als er een apart, nieuw circuit naast wordt gezet. De examencommissie die al bepaalt wat toegestane hulpmiddelen zijn bij een toets, is de logische plek om ook AI-gebruik te beoordelen. De governance-vraag is dus niet alleen welke regels er gaan gelden, maar ook aan wie binnen de bestaande organisatie het toezicht wordt toebedeeld.
De actuele wettelijke kaders — wat verplicht is, voor wie, en op welke termijn — staan elders. Hier gaat het om het mechanisme: weten wat er gebruikt wordt, weten wie er verantwoordelijk voor is, en dat aantoonbaar kunnen maken richting bestuur, toezichthouder of ouders.
De onderwijssector deelt met andere omgevingen dat schaduw-AI de norm is en niet de uitzondering, maar de reden verschilt. Waar AI-governance in de financiële dienstverlening vooral gestuurd wordt door toezicht op individuele klantbeslissingen, en AI-governance in de ICT-sector draait om AI die zelf onderdeel wordt van het geleverde product, gaat het in onderwijs om een grote groep gebruikers die geen formele positie in de organisatie heeft maar wel het grootste deel van het feitelijke gebruik vertegenwoordigt. Dat is een andere uitdaging dan in AI-governance in de detailhandel, waar gebruik doorgaans wel bij medewerkers in een functie ligt.
Een inventaris van welke AI er wordt gebruikt en door wie, is een eerste stap. De vraag die daarna volgt, is specifieker: welk deel van het werk dat docenten, onderwijsondersteuners of beleidsmedewerkers nu doen, is geschikt om door AI te worden overgenomen, en welk deel niet. Dat is een vraag per taak, niet per functie of afdeling. De werkscan van FTE TO AI rekent dat door op taakniveau en laat zien welk deel van het werk zich daadwerkelijk laat automatiseren, los van de vraag welke tools daarvoor al circuleren.
Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.