Zaterdagavond, iets na achten. Op mijn telefoon een blog van oud-docent en edtech-auteur Tom Daccord over het eerste jaar van AI Leap, het landelijke programma voor AI in het onderwijs van Estland. Ik las het in één keer uit, en daarna heb ik het jaarverslag zelf erbij gepakt. Met de docentenenquête, de gesprekken met leerlingen en een onafhankelijke risicoanalyse van de Universiteit van Tartu ernaast.

Ik deel wat ik daarin las, omdat Estland nu tegen dingen aanloopt waar wij over een jaar of twee mee te maken krijgen. Vanaf 1 augustus 2027 gelden in Nederland de kerndoelen digitale geletterdheid, en AI zit daar middenin. Wat er in Estland goed ging en wat schuurde, is voor elke Nederlandse school leerzaam.

Eerst kort wat AI Leap is. In februari 2025 kondigde de Estse president het programma aan, als opvolger van Tiigrihüpe, de sprong die in de jaren negentig computers en internet de klas in bracht. Het programma heeft twee sporen. Het eerste is een ondersteuningsprogramma voor ruim vijfduizend docenten in de bovenbouw, met betaalde toegang tot ChatGPT of Gemini en training. Het tweede is een eigen AI-tutor voor zo’n twintigduizend leerlingen van zestien en zeventien, de eerste twee jaar van het Estse gymnasium. Dat is vergelijkbaar met onze bovenbouw havo en vwo. Overheid en bedrijfsleven betalen het eerste jaar elk de helft.

Docenten gingen mee, vooral waar ze samen leerden

Het opvallendste resultaat zit bij de docenten. In het voorjaar zei 95,9% van de ondervraagde docenten AI in het werk te gebruiken. Ze schatten dat het ze gemiddeld bijna twee uur per week scheelt, vooral bij lesvoorbereiding, oefenmateriaal en administratie.

Interessanter dan dat percentage vind ik hoe het programma docenten liet leren. Elke school koos twee trekkers die maandelijks naar een regionale bijeenkomst gingen. Op school organiseerden zij leerkringen: collega’s die ongeveer eens per maand anderhalf uur samen uitzochten wat AI met hun vak doet. Niet alleen prompts en assistenten, ook hoe leren werkt, waarom inspanning ertoe doet en wat beoordelen nog meet.

Docenten waardeerden vooral voorbeelden van collega’s en korte video’s. Lange teksten en algemene theorie werden overgeslagen. En de grootste drempel was dezelfde die ik op elke school hoor: tijd.

Het keurige pad en het olifantenpad

De tutor heet ITI. Onderzoekers uit Tartu en Tallinn bouwden hem samen met OpenAI, en hij doet wat elke onderwijskundige zou willen. Hij geeft bewust geen kant-en-klaar antwoord. Hij vraagt wat je al weet, laat je je redenering uitleggen en helpt je een volgende stap te zetten.

Op papier is dat precies wat je wilt. In de praktijk liep het anders.

Van de ruim negentienduizend uitgenodigde leerlingen activeerden er 12.417 een account. In mei was daarvan 45,9% maandelijks actief, terwijl het doel 60% was. Een tevredenheidspeiling onder 182 leerlingen gaf de tutor gemiddeld 3,07 uit 5, waar 4,2 was beoogd. De klacht die verreweg het vaakst terugkwam: hij stelt te veel vragen. Leerlingen vonden hem traag en herhalend. Wie haast had, opende gewoon ChatGPT of Claude.

Een keurig aangelegd pad, met een olifantenpad ernaast.

Dat beeld gebruikte ik dit voorjaar zelf al, in een gesprek over pesten en het verbannen van apparaten. Kinderen zoeken, net als volwassenen trouwens, gewoon de makkelijkste weg. Sluit je die af, dan vinden ze een andere. Het paadje langs het paaltje dat je ziet als je gaat wandelen.

In Estland sloot niemand iets af. Ze legden juist het mooiste pad aan dat ze konden bedenken. En toch liep er een paadje naast.

Dat wil niet zeggen dat leerlingen niet willen leren. Een deel van hun kritiek is didactisch heel scherp. Een leerling wees erop dat de wiskundedocent eerst voordoet, formules geeft en dan hints, en niet steeds vraagt wat de leerling er zelf van denkt. Dat klopt. Een beginner heeft meer aan een uitgewerkt voorbeeld dan aan een reeks tegenvragen. Een gevorderde leerling juist andersom. Een goede docent kiest per leerling en per moment. Een tool die altijd hetzelfde doet, kan dat niet.

Eén detail over taal vond ik veelzeggend. De tutor sprak alleen Estisch. Voor Engels als vak en voor Russischtalige leerlingen was hij daardoor lastig bruikbaar. Toch was 11,2% van alle sessies deels Russisch. Leerlingen zochten de route die voor hen werkte.

Lees de cijfers met de juiste bril

Voordat je de Estse aanpak kopieert of afschrijft: bijna alle cijfers komen van de stichting zelf, uit zelfrapportage. Dat is geen verwijt, het is het eerste jaar van een pilot. Maar het vraagt wel om een kritische lezing. Drie dingen vielen me op.

Wie antwoordt, doet al mee. Die 95,9% komt uit een enquête die ongeveer een op de zes docenten invulde. In de licentiedata gebruikte 54,2% van de docenten de verstrekte ChatGPT maandelijks. Het verschil zegt vooral iets over wie de vragenlijst invult.

Leerkringen werken, maar hoeveel? Docenten die in een leerkring zaten, scoorden op bijna alles beter dan collega’s die dat niet deden. Maar wie meedeed, was vaak al gemotiveerder. Volg je dezelfde deelnemers van najaar naar voorjaar, dan zie je weinig groei. Alleen de manier van beoordelen schoof licht op. Het jaarverslag zegt zelf dat de steun het best werkte op scholen die al klaar waren en tijd hadden. Een programma dat vooral de koplopers helpt, vergroot de verschillen tussen scholen.

Wie bleef, wilde leren. Het verslag meldt dat 91,5% van de actieve leerlingen de tutor helemaal of deels gebruikte om te leren. Dat klinkt mooi. Maar de leerlingen die vooral antwoorden zochten, voerden gemiddeld 8 gesprekken, tegen 66 in de gemengde groep. Zij waren al vertrokken. Het cijfer beschrijft dus wie bleef, niet hoe leerlingen met AI omgaan. De onderzoekers geven zelf ook aan dat de grenzen tussen de groepen met de hand zijn gekozen.

Of de tutor het leren verbetert, weet nog niemand. Een studie van de Universiteit van Tartu onder ruim 9.000 leerlingen op 100 scholen moet dat eind 2026 laten zien.

Leerlingen wijzen naar de toets

Het stuk dat de minste aandacht krijgt, vond ik het sterkste. Estland organiseerde achttien gespreksrondes met in totaal zo’n 950 leerlingen. Leerlingen leidden de gesprekken zelf, via de jeugdraad en de bond van leerlingenraden. Het is geen representatief onderzoek, de scholen deden vrijwillig mee. Maar wat er uitkomt, is opvallend helder.

Leerlingen leggen het probleem niet bij AI, ze leggen het bij school. Ze grijpen naar AI als de werkdruk hoog is en bij vakken die ze weinig boeiend vinden. Ze beschrijven eigen werk dat lager werd beoordeeld dan werk dat met AI was gemaakt, en dat voelt oneerlijk. In de vakken met een centraal examen bleef de inzet volgens hen overeind. Ze ergeren zich aan regels die per docent verschillen, en extra aan docenten die zelf AI gebruiken en het hun verbieden. Slechts 21% vindt werk dat met AI is gemaakt echt van zichzelf.

Wat ze vragen, is concreet. Schoolbrede afspraken die docenten en leerlingen samen opstellen. Beoordeling die meer naar het proces kijkt, met mondelinge toelichting en werk in de klas. Basisvaardigheden die eerst zonder AI worden opgebouwd. En het recht om AI niet te gebruiken.

Leg dat naast de docentenenquête en je ziet iets wat de makers zelf nauwelijks benoemen. Docenten pasten hun huiswerk vaak aan, hun feedback soms, en hun toetsing het minst: ongeveer een op de drie. Leerlingen noemen toetsing de kern van het probleem. Twee groepen die elkaars antwoorden niet kenden, komen op hetzelfde punt uit.

Ik zei dit voorjaar in een gesprek dat AI-scanners loslaten op leerlingwerk kansloos is. Compleet kansloos. Het voelt handelingsvaardig, het is leuk en snel, maar het lost geen drol op. De echte vraag is waarom het probleem ontstond.

Olifantenpaden lopen naar de plek waar mensen heen willen. In Estland liep het naar het antwoord, omdat het antwoord werd beloond. Leerlingen deden wat het systeem van ze vroeg.

Verantwoordelijk voor iets wat je niet kunt zien

De stichting achter AI Leap liet het Ethiekcentrum van de Universiteit van Tartu een risicoanalyse maken, en publiceerde die. Petje af. De analyse noemt twaalf risico’s, van de betrouwbaarheid van beoordeling tot afhankelijkheid van grote techbedrijven. Eén punt herken ik direct uit Nederlandse besturen.

De school blijft juridisch verantwoordelijk voor het onderwijs en voor wat een tool met leerlingen doet. Maar volgens de analyse kunnen school en docent de gesprekken van leerlingen met de tutor niet inzien. De stichting, de leverancier en een tweede techpartij voor kwaliteitscontrole kunnen dat wel. De aansprakelijkheid van de leverancier is contractueel beperkt. Verantwoordelijkheid en zicht liggen dus op verschillende plekken.

In Nederland kennen we die spanning uit de privacypraktijk. Een centraal afgesloten licentie of een product-DPIA is een goed begin, maar het schoolbestuur blijft verwerkingsverantwoordelijke. Wie leest de gesprekken van leerlingen? Wat mag de leverancier ermee? Die vragen beantwoord je vóór de uitrol, niet erna.

De analyse wijst nog op iets dat in de Nederlandse discussie vaak ontbreekt. Een tool die leerlingen helpt leren, valt onder de AI-verordening niet in de categorie hoog risico. Zet je AI in om leerresultaten te beoordelen, dan verandert dat. Een paar van de ‘innovatieve’ voorbeelden van Estse docenten, zoals essays laten nakijken door AI aan de hand van een rubric, zitten precies op die grens. De zware eisen voor hoogrisicotoepassingen gelden vanaf 2 december 2027. Ik zou daar nu al rekening mee houden.

AI in het onderwijs: wat ik een Nederlandse school zou meegeven

Afgelopen voorjaar maakte ik bij een stichting een startfoto van digitale geletterdheid en AI. Wat me het meest bijbleef: op elke school gebeurde al veel meer dan op papier stond. Docenten die AI al in hun lessen gebruikten, zonder dat het in een plan stond. Kennis die van collega naar collega ging, buiten elke structuur om. Met die ervaring in mijn achterhoofd lees ik Estland. Vijf dingen neem ik mee.

1. Begin bij docenten, en geef ze tijd. Veel scholen leggen digitale geletterdheid en AI bij de ICT-afdeling neer. Het gaat tenslotte over computers. Maar ICT is een ondersteunende afdeling, die zorgt dat de spullen werken. Tachtig procent van een school bestaat uit onderwijsprofessionals. Je vraagt de conciërge toch ook niet hoe je onderwijs moet geven? Dit is een onderwijsvraag. Het deel van AI Leap dat werkte, was dan ook het samen leren op school. Dat werkt alleen als het in de taakverdeling staat. Anders is het liefdewerk oud papier, en dat houdt niemand lang vol. Maak dus tijd vrij voor leerkringen en verwacht niet dat docenten ze er even bij doen. Ik reken zelf met 70-20-10: het meeste leer je op je eigen werkplek, een vijfde samen met anderen, een klein deel in cursussen. Zoek die anderen ook buiten je eigen sectie, want met je eigen vakgenoten zit je al snel voor eigen parochie te praten. Ik zeg altijd: het onderwijs is helemaal niet moeilijk, we zijn alleen zo slecht in organiseren. Dan wordt alles kortcyclisch geregeld, op de waan van de dag. Een boost zonder vervolg is geen boost, dan zakt het als een plumpudding weer in elkaar.
2. Meet oordeelsvermogen, niet alleen gebruik. Estse docenten voelden zich het zekerst over wat ze niet in een AI-tool moeten stoppen, en het minst zeker over het beoordelen van wat eruit komt. Dat laatste is precies wat leerlingen moeten leren. Een nulmeting die alleen naar zelfvertrouwen vraagt, mist die vaardigheid. Vraag een aanbieder hoe de meting het oordelen over AI-uitvoer echt toetst.
3. Koppel AI aan je toetsbeleid. Laat de docent per opdracht bepalen of en hoe AI mag. Volg bij werk dat meetelt het maakproces, met tussenversies of een mondelinge toelichting. En laat het oordeel en het cijfer bij de docent. Dat hoort in het examenreglement en het PTA, anders blijft AI-geletterdheid een losse cursus.
4. Maak afspraken met leerlingen, niet over ze. Estse leerlingen vroegen om schoolbrede regels die ze zelf mee opstellen. Een gespreksronde met leerlingen als gespreksleiders is goed na te doen. In de meeste gesprekken die ik over dit onderwerp voer, komt de leerling alleen voor als onderwerp. Dat kan anders.
5. Stel geen gebruikscijfers als doel. Estland mat succes in geactiveerde accounts en actieve gebruikers. De doelen voor actief gebruik werden niet gehaald, en of er beter werd geleerd, is nog onbekend. Kijk liever naar wat er in opdrachten, toetsing en het gesprek in de les verandert.

En houd ruimte voor ‘wanneer juist niet’. Estse leerlingen vroegen om basisvaardigheden die eerst zonder AI worden opgebouwd. Dat is geen angst voor technologie. Het is goed onderwijs.

Een jaar voorsprong

Estland heeft één jaar voorsprong en deelt die ruimhartig. Het jaarverslag benoemt zelf dat de aanname van één programma voor alle scholen te optimistisch was. Dat lees je niet vaak in een jaarverslag.

De les die ik eruit haal, gaat niet over Estland en niet over een tutor. Een tool kan de richting waarin leerlingen lopen niet omdraaien. Een toets wel. En die toets maken wij zelf, op onze eigen scholen, met onze eigen docenten.

Volgende stap. Werk je aan AI-beleid, een nulmeting of de kerndoelen digitale geletterdheid en wil je eens sparren over wat dit voor jouw school betekent? Neem gerust contact op.

Lees ook. AI is geen applicatie: AI-infrastructuur in het onderwijs, Een professionele leerstructuur voor digitale vaardigheid en De digicoach als sleutelfiguur.

Bronnen

• AI Leap: First Annual Review 2025/26, AI Leap Foundation, augustus 2026
• AI Leap Teacher Programme Survey Report, Piret Oppi, juli 2026
• What Do Students Think About AI in Schools?, samenvatting World Café-gesprekken, juli 2026
• Risk Assessment and Value Analysis of the AI Leap Learning Application and Educational Programme, Ethiekcentrum Universiteit Tartu, augustus 2026
• Estonia’s AI Leap One Year Later, Tom Daccord, 9 oktober 2026

De beelden bij dit artikel zijn gegenereerd met AI.