AI in het onderwijs: wat kunnen leraren er nu al mee?

Op zondagavond zet een leerkracht van groep 7 haar rekenles klaar. Ze laat een AI-model drie versies van dezelfde opgave maken: een makkelijkere, een moeilijkere en een met een verhaalsom erin. Een kwartier later liggen ze er, en ze zijn bruikbaar. Maandagochtend vraagt een leerling of hij zijn spreekbeurt met AI mag voorbereiden. Op die vraag heeft ze geen antwoord klaar.

Tussen die twee momenten zit de hele discussie over AI in het onderwijs. Het gebruik is er al. De afspraken erover nog niet.

Uit onderzoek onder 1.005 onderwijsprofessionals, van het primair onderwijs tot het wetenschappelijk onderwijs, blijkt dat 53 procent wekelijks of vaker AI gebruikt en 14 procent helemaal niet [1]. Tegelijk heeft 10 procent van de scholen een uitgewerkt AI-beleid, terwijl 83 procent van de docenten juist vraagt om formele afspraken over wat leerlingen wel en niet mogen [1].

De praktijk loopt dus voor op het beleid. Dat los je niet op door te wachten tot er beleid ligt. Je lost het op door te ordenen, want niet elke toepassing van AI weegt even zwaar.

Hieronder staan drie zones, op volgorde van risico: je eigen voorbereiding, het werk met je leerlingen, en het beoordelen van dat werk. Per zone lees je wat er nu al kan, waar de grens ligt en wat je deze week kunt doen.

Zone 1. Je eigen voorbereiding: hier begin je

Dit is de zone met het laagste risico, en daarom de logische startplek. Je gebruikt AI voor je eigen werk, er komen geen leerlinggegevens aan te pas, en jij bent degene die het resultaat beoordeelt voordat er iets de klas in gaat.

Wat er nu al werkt: drie moeilijkheidsniveaus van een bestaande opgave, een tekst aanpassen aan het leesniveau van een leerling, een ouderbrief herschrijven naar begrijpelijke taal, een opzet voor een rubric, tien introducties voor hetzelfde thema, zodat je er één kunt kiezen. De handreiking van het Arbeidsmarktplatform PO vat het samen als ondersteuning bij lesvoorbereiding, differentiatie en het automatiseren van routinetaken [2]. Kennisnet noemt precies dat soort toepassingen als de plek waar AI het differentiëren van lesmateriaal kan versnellen [3].

Er is één harde grens in deze zone, en die is niet onderhandelbaar: er gaan geen persoonsgegevens in het prompt venster [2]. Geen namen, geen observaties over een kind, geen inhoud uit een ontwikkelingsperspectief. Wil je een tekst over een specifieke leerling laten herschrijven, haal er dan eerst alles uit wat naar dat kind verwijst.

Verwacht hier geen tijdwinst. Je levert geen uren in, je verschuift ze: het schrijven gaat sneller, het controleren komt erbij. Kennisnet wijst op datzelfde effect. De kwaliteit van de output hangt af van je prompt én van je eigen beoordeling, en het bijschaven kan zoveel tijd kosten dat er weinig winst overblijft [3]. De winst zit in voorspelbaarheid. Je begint niet meer bij een leeg scherm, en dat is iets anders dan minder werk.

Wat je deze week kunt doen: pak één les die je toch al geeft en laat AI er drie niveaus van maken. Beoordeel daarna niet de tool, maar jezelf: had jij die drie versies ook zo gemaakt? Waar zit het verschil, en wie heeft gelijk?

Zone 2. AI in de klas: hier zit je opdracht

De tweede zone gaat over lesgeven met en over AI, samen met je leerlingen erbij. Hier zit meer risico, want je werkt met minderjarigen. Hier zitten ook de grootste kans en je kerndoel. Die twee kanten vragen iets verschillends van je, dus hieronder staan ze los van elkaar.

Lesgeven met AI: elke leerling op eigen niveau

Dit is de kans die in de discussie de minste aandacht krijgt, en tegelijk de kans die het dichtst bij je dagelijkse werk ligt. Een leerling die de stof al beheerst, krijgt een moeilijkere opgave. Een leerling die vastloopt, krijgt een stap terug en een hint. Geen van beiden wacht tot jij aan hun tafel zit. Dat is wat adaptief onderwijs in de kern belooft, en het is precies het deel waar AI iets toevoegt.

Wat er nu al kan: oefenstof die meebeweegt met wat een leerling goed en fout doet, directe feedback op dat oefenwerk, en meerdere niveaus van dezelfde opdracht. Dat laatste maak je in zone 1 nog zelf, hier doet het systeem het terwijl de les loopt.

Twee dingen om te weten voordat je hierop leunt.

Waar AI-feedback goed in is, en waar niet. Een systematische review uit 2026 van 34 interventiestudies in negentien landen zet het naast elkaar. AI-feedback helpt bij spelling, grammatica, woordkeuze en structuur, en het zet leerlingen aan tot een tweede en een derde versie van hun werk. Voor de moeilijkere dingen blijft de leraar duidelijk beter: de kwaliteit van een argument, de opbouw van een redenering, en de vraag wat déze leerling als volgende stap nodig heeft [4]. Eén beperking van dat onderzoek hoort erbij: het merendeel van de studies is in het hoger onderwijs gedaan, dus de vertaling naar groep 7 vraagt terughoudendheid. Praktisch betekent het: kijk bij een programma niet of het feedback geeft, maar wat er staat als een leerling het drie keer fout doet.

Waar de grens ligt. Kennisnet vat de adaptieve kant samen: zulke systemen kunnen zich aanpassen aan het leerniveau van een leerling en gepersonaliseerde feedback geven, en tegelijk is de impact op het leerproces nog maar mondjesmaat wetenschappelijk onderzocht [5]. Het is dus een kans, geen aangetoond resultaat.

Nadira Saab, hoogleraar onderwijswetenschappen aan de Universiteit Leiden, schreef er in maart 2026 een position paper over voor de onderwijscommissie van de Tweede Kamer. Adaptieve systemen kunnen beter aansluiten bij het niveau van leerlingen en directe feedback geven, schrijft ze, en de positieve effecten treden vooral op wanneer er pedagogische begeleiding en didactische sturing bij zit. Haar conclusie is één zin: AI kan het werk van leraren ondersteunen, maar niet vervangen [6]. De review van de 34 studies komt op hetzelfde uit: de beste resultaten komen niet van AI alleen, maar van een leraar die de AI-feedback in het onderwijs inbouwt en met de klas bespreekt [4].

De werkregel die daaruit volgt is kort: het systeem stelt de volgende stap voor, jij beslist wat die stap over een leerling zegt. Meer over adaptieve leermiddelen en de vragen die ze oproepen staat in ons artikel over kunstmatige intelligentie in het onderwijs.

Wat je deze week kunt doen: pak één programma dat je al gebruikt en zoek op wat er gebeurt als een leerling drie keer hetzelfde fout antwoordt. Krijgt die leerling een hint, extra uitleg, of alleen een makkelijkere opgave? Dat verschil bepaalt of het programma je onderwijs versterkt of alleen je oefenblad vervangt.

Lesgeven over AI: hier zit je kerndoel

AI is namelijk geen extra onderwerp dat er bovenop komt. Het staat in de nieuwe kerndoelen digitale geletterdheid, als onderdeel D van het domein Praktische kennis en vaardigheden: kerndoel 22D in het primair onderwijs en kerndoel 21D in het voortgezet onderwijs [7]. De kerndoeltekst is opvallend concreet. “De leerling verkent AI”, met daaronder het beschrijven van elementen van een AI-systeem, het herkennen van veelvoorkomende AI-systemen in de eigen omgeving, en verantwoord interacteren met zo’n systeem [7].

Lees die formuleringen nog eens. Er staat niet dat je leerlingen moet leren prompten. Er staat dat ze moeten leren kijken naar wat er gebeurt. Niet de tool staat centraal, maar de didactische functie.

Drie werkvormen die daar nu al bij passen:

• Onderzoek de output samen. Zet één AI-antwoord op het digibord en laat de klas er drie aannames of fouten in zoeken [2]. Je hoeft niet te weten hoe het model werkt om te laten zien dat het feilbaar is.
• Stel de vraag achter het antwoord. “Hoe ben je hierop gekomen?” is de sterkste vraag die je een leerling kunt stellen, en hij werkt net zo goed op een AI-antwoord als op een antwoord uit een boek. In dit artikel over waarom we AI-output zo snel geloven, staat waarom die vraag zoveel doet.
• Laat zien dat het systeem kiest. Dezelfde zoekopdracht op verschillende apparaten levert verschillende resultaten op. Dat gesprek gaat over algoritmes en personalisatie, en het sluit direct aan op wat je leerlingen in een adaptief programma zelf meemaken: een systeem dat bepaalt wat zij te zien krijgen.

Let daarbij op de leeftijdsgrens in de gebruiksvoorwaarden. Voor ChatGPT is dat 13 jaar [2]. In het primair onderwijs betekent dat: je werkt klassikaal, via jouw account, op het digibord. Niet ieder kind achter een eigen chatvenster. Dat is geen beperking van je les, het scheelt je ook het gesprek met ouders dat daarop volgt.

De kerndoelen gelden vanaf 1 augustus 2027. Daarna volgt een overgangsfase tot 1 augustus 2031, waarin de Onderwijsinspectie nog niet handhaaft. Vrijblijvend is die periode niet: de verplichting begint in 2027, alleen het toezicht start later. Wat dat voor nu betekent: de gesprekken die je vandaag met je klas voert over AI zijn geen zijspoor, maar het begin van je leerlijn.

Zone 3. Beoordelen en toetsen: hier begin je niet

De derde zone is AI inzetten voor een oordeel over een leerling: werk beoordelen, een cijfer of een advies onderbouwen, of controleren of een tekst door AI is geschreven.

Let op het verschil met de zone hiervoor. Een adaptief programma dat de volgende oefening kiest, doet een voorstel binnen een les. Hier gaat het om een uitspraak met gevolgen, en die uitspraak blijft van jou. Twee redenen om er niet aan te beginnen, en de eerste is de belangrijkste.

Detectietools werken niet

Onderzoekers legden in 2026 twee veelgebruikte detectietools 192 teksten voor: teksten van studenten, professioneel geschreven teksten, teksten van AI, en teksten die half door een mens en half door AI waren geschreven. De nauwkeurigheid kwam uit op 61 procent voor de ene tool en 69 procent voor de andere. Bij die laatste categorie, half mens en half AI, herkende een van de twee vrijwel niets [8]. Dat is precies de categorie die je in een klas tegenkomt. De conclusie van de onderzoekers: deze tools zijn ongeschikt als enige basis voor een beslissing over fraude [8].

Een breder onderzoek uit 2023 wees dezelfde kant op. Van zestien getoetste detectietools haalde geen enkele 80 procent nauwkeurigheid, en werd de tekst licht geparafraseerd, dan zakte de nauwkeurigheid naar 26 procent [9]. Kennisnet komt tot dezelfde slotsom: fraudedetectie werkt niet, en de oplossing zit in het herontwerp van je toetsing [10].

In dat onderzoek uit 2023 zit nog een venijnig detail. Door mensen geschreven tekst die uit een andere taal was vertaald, werd aanzienlijk vaker ten onrechte als AI aangemerkt: de nauwkeurigheid zakte daar van 96 naar 76 procent [9]. Het onderzoek uit 2026 wijst voorzichtig dezelfde kant op: de best presterende tool was nauwkeuriger op professioneel geschreven teksten dan op teksten van studenten die in een tweede taal schrijven [8]. De leerling die het hardst geraakt wordt door een detector is dus de leerling die de taal nog aan het leren is. Voor een school die werk maakt van kansengelijkheid is dat geen technisch detail, maar een principiële reden om het niet te doen.

Dit is ook de zwaarst gereguleerde zone

AI-systemen die leerresultaten beoordelen of over toelating beslissen, vallen onder de hoog-risicocategorie van bijlage III van de AI-verordening. Die verplichtingen gaan in op 2 december 2027 [11]. Wat nu al geldt, sinds 2 februari 2025, is artikel 4: iedere organisatie die AI gebruikt moet zorgen voor voldoende AI-geletterdheid bij de mensen die ermee werken [12]. Wat dat precies betekent voor een school, staat in ons artikel over de AI Act in het onderwijs.

De datum is hier niet het punt. Het punt is dat de wetgever dezelfde grens trekt als de onderzoekers: hoe zwaarder de gevolgen voor een leerling, hoe minder je aan een systeem overlaat. De handreiking voor het primair onderwijs formuleert het als een werkregel die je vandaag al kunt hanteren: beslissingen met grote gevolgen voor leerlingen worden altijd door een mens genomen [2]. Dat is dezelfde regel als in zone 2, één trede zwaarder: daar stelt het systeem een oefening voor, hier zou het over de toekomst van een kind gaan.

Wat je deze week kunt doen: spreek in je team één zin af en zet die op papier. Een cijfer of een oordeel over een leerling komt nooit uit een AI-systeem. Leg die zin vast voordat iemand de vraag stelt, niet erna.

De drie zones op één A4

Dit is nog geen AI-beleid. Het is wel de kortste versie ervan, en het is precies het deel waar leraren dagelijks tegenaan lopen. Van de scholen heeft 10 procent iets uitgewerkt liggen [1]. Spreek je deze drie regels met je team af, dan heb je de kern waar dat beleid later op verder bouwt.

Van losse afspraken naar een gedeelde lijn

De drie zones helpen je morgen. Ze vervangen niet het gesprek dat je als team voert over wat je met AI wilt, en wat je bewust niet wilt. Dat gesprek gaat minder over tools dan je denkt en meer over wat je van je leerlingen blijft vragen.

Wil je weten wat AI-geletterdheid voor een heel team betekent en hoe je daar structureel aan werkt? Lees dan: AI-geletterdheid is geen experiment meer, maar een onderwijsopgave. Wil je liever weten waar jouw school nu staat, plan dan een vrijblijvend adviesgesprek.

Bronnen

[1] Koninklijke Jaarbeurs (10 februari 2026). Onderzoek onder 1.005 onderwijsprofessionals naar AI-gebruik en AI-beleid op school. IPON. ipon.nl

[2] Arbeidsmarktplatform PO (maart 2026). Handreiking Werken met AI in het primair onderwijs. Arbeidsmarktplatform PO, Den Haag. arbeidsmarktplatformpo.nl

[3] Kaag, M. (15 juni 2026). Leermiddelen differentiëren met AI. Kennisnet, Zoetermeer. kennisnet.nl

[4] Jiao, Y. en Wang, Q. (2026). Large language models for formative feedback in writing instruction: a systematic review of classroom interventions, feedback quality, and student outcomes. Frontiers in Education, 11. frontiersin.org

[5] Song Loong, T. en Lockefeer, W. (19 mei 2025). Kansen en beperkingen van AI-tutoren voor het onderwijs. Kennisnet, Zoetermeer. kennisnet.nl

[6] Saab, N. (maart 2026). AI in het funderend onderwijs: wat is de invloed van AI op het leerproces? Position paper op verzoek van de vaste commissie Onderwijs, Cultuur en Wetenschap. ICLON, Universiteit Leiden. tweedekamer.nl

[7] SLO (juli 2025). Definitieve conceptkerndoelen digitale geletterdheid, inclusief toelichtingsdocument. SLO, Amersfoort. slo.nl

[8] Hadra, M., Cambridge, K. en Mesbah, M. (2026). Evaluating the accuracy and reliability of AI content detectors in academic contexts. International Journal for Educational Integrity, 22(4). link.springer.com

[9] Weber-Wulff, D., Anohina-Naumeca, A., Bjelobaba, S. e.a. (2023). Testing of detection tools for AI-generated text. International Journal for Educational Integrity, 19(26). edintegrity.biomedcentral.com

[10] Kennisnet (bijgewerkt 16 januari 2026). Handreiking AI in het onderwijs. Kennisnet, Zoetermeer. kennisnet.nl

[11] ICTRecht (31 juli 2026). De Digitale Omnibus voor AI is er: wat verandert er nu écht? ictrecht.nl

[12] Digitale Overheid (26 februari 2025). Wat je moet weten over AI-geletterdheid. Ministerie van Binnenlandse Zaken en Koninkrijksrelaties. digitaleoverheid.nl