Tussen belofte en beperking: onze lessen met AI in de oriëntatie op het onderwijs

De opkomst van AI-chatbots verandert in razendsnel tempo hoe mensen informatie zoeken en keuzes maken. Ook in de oriëntatie op werken in het onderwijs zien we die verschuiving: potentiële instromers stellen hun vragen steeds vaker aan een AI-tool, nog vóórdat ze een website bezoeken of een adviseur (van bijvoorbeeld het Onderwijsloket) spreken.

Hoog tijd dus om zelf eens te gaan experimenteren met een AI-chatagent. Om te leren, ontdekken en verkennen: wat kan AI betekenen binnen ons domein - en waar liggen de grenzen van zo'n toepassing?

In dit artikel delen we onze eerste ervaringen, observaties en lessen. En we geven handvatten voor hoe je AI wél (en vooral niet) inzet in de oriëntatie op het onderwijs.

Veranderend zoekgedrag

De aanleiding voor ons experiment ligt niet alleen in technologische nieuwsgierigheid, maar vooral in wat we in de praktijk zagen veranderen.

Het aantal bezoekers op bijna al onze websites loopt terug. Niet omdat de informatie minder relevant is, maar omdat gebruikers hun antwoord steeds vaker al elders vinden — via AI-chatdiensten. Tegelijkertijd spreken adviseurs van het Onderwijsloket steeds vaker mensen die al ‘voorwerk’ hebben gedaan met behulp van AI.

Dat voorwerk blijkt niet in alle gevallen even betrouwbaar. We zien regelmatig dat adviesvragers informatie meenemen die feitelijk onjuist is, maar wél overtuigend wordt gepresenteerd — soms zelfs met het Onderwijsloket als vermeende bron. Wanneer onze adviseurs dat corrigeren, leidt dat geregeld tot verwarring of wantrouwen.

Tegelijkertijd zien we evengoed de potentie: AI maakt het mogelijk om informatie veel persoonlijker, sneller en 24/7 beschikbaar te maken. In potentie kan het een enorm schaalbare en kostenefficiënte aanvulling zijn op menselijke advisering.

Die spanning - tussen kans en risico - vormde het startpunt van ons experiment.

Experimenteren met een AI-assistent

Om te bouwen aan een prototype voor een eigen AI-assistent, hebben we gekozen voor een zogeheten ‘no-code AI tooling’ (ook wel AI-agent platforms genoemd). Dit zijn diensten die onder de motorkap draaien op grote LLM-providers zoals OpenAI, Anthropic of Gemini. In ons geval zijn we gaan werken met Chatbase, omdat deze service toegankelijk, (relatief) betaalbaar en specifiek bedoeld is voor customer service toepassingen.

We hebben de agent vanuit Onderwijs in gevoed met een brede set aan bronnen over werken in het onderwijs, waaronder:

• Het Onderwijsloket

• Overheidsinformatie (DUO, Rijksoverheid)

• Sectororganisaties (PO-Raad, VO-raad, MBO Raad)

• Vakbonden en andere belangenorganisaties

• Internationale en aanvullende informatiebronnen

Ons uitgangspunt bij de ontwikkeling was ambitieus: een assistent die vragen over werken in het onderwijs in de volle breedte kan beantwoorden.

Bruikbaar, maar verre van perfect

Onze eerste conclusie vanuit Onderwijs in is genuanceerd: de chatbot is bruikbaar, maar zeker niet feilloos.

Aan de ene kant zien we dat de agent in veel gevallen correcte en relevante antwoorden geeft. Hij verwijst regelmatig naar de juiste bronnen, stelt logische vervolgvragen en weet informatie op een toegankelijke en gestructureerde manier te presenteren. Tegelijkertijd zien we duidelijke beperkingen. De agent hallucineert en combineert informatie op manieren die niet kloppen, waardoor antwoorden soms misleidend of ronduit onjuist zijn. Daarnaast blijkt dat meer trainingsdata niet automatisch leidt tot betere prestaties, en dat instructies en kaders die je de assistent geeft, minder invloed hebben dan je zou verwachten.

Een ander hardnekkig probleem dat we nog niet hebben opgelost, is het verzinnen van niet-bestaande URL’s door de assistent. De agent presenteert deze als valide bronnen, maar wanneer gebruikers erop klikken, treffen ze een doodlopende link (de welbekende 404’s).

Dit soort fouten zijn niet alleen technisch onhandig, maar raken direct aan vertrouwen en gebruiksgemak.

Waar AI schuurt met de praktijk

De kern van het probleem zit niet alleen in de technologie, maar in de aard van de taak. Oriëntatie op het onderwijs is geen simpele vraag-antwoordinteractie. Het gaat vaak om:

• persoonlijke (en vaak onduidelijk geformuleerde) afwegingen

• interpretatie van regels, routes en wetgeving

• het verbinden van context aan potentiële acties en vervolgstappen

Juist daar blijkt AI nog beperkt. Hoe breder en abstracter de opdracht die je een AI-agent geeft, hoe groter de kans dat het systeem de mist in gaat. Een voorzichtige conclusie die we daaruit kunnen trekken: een generieke AI-adviseur voor het hele domein werkt (nog) niet goed genoeg.

Wat werkt wél: kleiner, scherper, specifieker

De kwaliteit van AI-toepassingen neemt toe naarmate je het speelveld verkleint. In plaats van één brede AI-agent die alles moet kunnen, zien wij meer potentie in een set van kleinere, gespecialiseerde toepassingen. Denk bijvoorbeeld aan:

• een agent die helpt bij het formuleren van een hulpvraag

• een agent die informatie vertaalt naar concrete vervolgstappen

• een agent die gebruikers voorbereidt op een gesprek met een adviseur

Met andere woorden: geen totaaloplossing, maar een ‘mini-legertje’ van AI-tools met elk een duidelijke taak en afgebakend domein, dat je aanbiedt aan je doelgroep op het moment dat dié specifieke toepassing relevant is in het oriëntatieproces.

AI als eerste lijn, niet als vervanging

Op basis van onze ervaringen bij Onderwijs in zien wij AI vooral als een eerste lijn in dienstverlening. AI is goed in het snel beantwoorden van veelgestelde vragen, het helpen verhelderen van de vraag achter de vraag en het toegankelijk maken van informatie. Tegelijkertijd blijft menselijke expertise essentieel wanneer het gaat om duiding, persoonlijke afwegingen en complexe situaties. AI kan die menselijke rol versterken en efficiënter maken - maar nog niet vervangen.

De privacy van je gebruikers

Een belangrijk aandachtspunt dat in de praktijk nog te vaak onderbelicht blijft, is privacy. Veel AI-tools zijn feitelijk een gebruiksvriendelijke laag bovenop grote (veelal Amerikaanse) LLM-providers. Dat betekent dat gegevens die gebruikers invoeren - zoals persoonlijke situaties, loopbaangegevens of zelfs CV’s - in de keten ook bij deze partijen terechtkomen.

Voor organisaties in Nederland en Europa is dat geen detail, maar een fundamentele vraag. Wat gebeurt er met die data? Waar wordt die opgeslagen? En past dat binnen de verantwoordelijkheid die je hebt richting je gebruikers?

Er zijn alternatieven die meer controle bieden, zoals Europese aanbieders (bijvoorbeeld Mistral), open source modellen of self-hosted oplossingen via partijen als Scaleway. Tegelijkertijd vragen deze opties meer technische kennis, beheer en investeringsruimte.

De inzet van AI is daarmee niet alleen een technische keuze, maar nadrukkelijk ook een ethische en strategische keuze. Juist in het publieke domein en binnen toepassingen waarin persoonlijke keuzes en loopbanen centraal staan, vraagt dat om zorgvuldigheid vooraf - niet achteraf.

Van experiment naar doorontwikkeling

Ons experiment stopt niet bij deze eerste versie. De komende periode gaan we nog aan de slag met:

• het verder verbeteren en finetunen van de huidige agent

• experimenten met nieuwe kanalen (zoals e-mail en WhatsApp) om de agent op in te zetten

• het ontwikkelen van meerdere, gespecialiseerde agents voor verschillende doelgroepen

Daarnaast gaan we verder verkennen welke alternatieven voor huidige tooling reëel en haalbaar zijn, met name richting open source en Europese oplossingen.

Ons doel is niet om dé perfecte AI-oplossing te bouwen, maar om stapsgewijs te leren wat werkt in de praktijk en deze lessen mee te nemen in de inrichting van onze dienstverlening.

Voorbij de hype

AI biedt onmiskenbaar kansen voor de oriëntatie op het onderwijs. Maar die kansen worden pas waardevol als we ze realistisch benaderen. Niet als vervanging van wat er al is, maar als gerichte versterking daarvan.

De vraag is dan ook niet óf je AI inzet, maar waar, hoe en onder welke voorwaarden. Voor organisaties die hiermee willen starten, is ons belangrijkste advies simpel: begin klein, experimenteer gericht en blijf kritisch.