Verkenner
Waarom hangt dit object aan dat object
Elk object in deze graph heeft een eigen adres en is los citeerbaar. Deze pagina laat zien welke objecten er zijn en, als u er een opent, waarom het aan een ander hangt: van welke bron met vindplaats, via welke voorwaarde of uitzondering, naar welk gevolg.
Sinds de laatste release staat op een verplichting apart wie de plicht draagt en wie alleen geraakt wordt. Filter op plichtdrager en u krijgt de plichten die op een rol rusten; filter op actor en u krijgt alles wat over die rol gaat. Dat verschil is met opzet zichtbaar.
Dit is de kennislaag onder de vier niveaus van de beoordeling. Bekijk de vier niveaus.
Filters
Alleen dimensies die de data draagt. Een dimensie zonder waarden staat er niet, ook niet leeg.
Actieve filters
Objecten
39 objecten in deze selectie.
- Actiev1.0.05 relaties
Neem rol- en contextgerichte AI-geletterdheidsmaatregelen
praxikon:eu:ai-act:action:article-4-measures
Bepaal per rol, systeem en gebruikscontext welke combinatie van instructie, begeleiding, oefening of training passend is.
Hangt aan: Artikel 4: AI-geletterdheid
Redactioneel gecontroleerd | ai-literacy
- ActieVan toepassingv1.0.03 relaties
Bepaal per rol welke kennis nodig is om het concrete systeem verantwoord te gebruiken
praxikon:eu:ai-act:action:article-4-role-needs-matrix
Zet rollen af tegen de AI-systemen die zij gebruiken en noteer per combinatie wat iemand moet kunnen beoordelen: wat het systeem doet, waar het faalt, op wie het wordt toegepast en wanneer iemand moet ingrijpen of escaleren.
Hangt aan: Artikel 4: AI-geletterdheid
Redactioneel gecontroleerd | ai-literacy
- ActieVan toepassingv1.0.03 relaties
Geef instructie op het moment dat een nieuwe tool of een nieuwe medewerker binnenkomt
praxikon:eu:ai-act:action:article-4-tool-and-onboarding-instruction
Koppel de geletterdheidsmaatregel aan twee vaste momenten in bestaande processen: de uitrol van een nieuwe AI-tool en de onboarding van iemand die toegang krijgt tot een bestaande tool.
Hangt aan: Artikel 4: AI-geletterdheid
Redactioneel gecontroleerd | ai-literacy
- WijzigingVan toepassingv1.0.04 relaties
De AI-verordening treedt in werking
praxikon:eu:ai-act:change:2024-08-01-entry-into-force
De verordening is op 1 augustus 2024 in werking getreden; de plichten volgden daarna gefaseerd.
Hangt aan: Artikel 4: AI-geletterdheid, Artikel 5: verboden praktijken
Tegen de officiële bron gelegd | timeline
- WijzigingVan toepassingv1.0.04 relaties
Verboden praktijken en AI-geletterdheid gelden
praxikon:eu:ai-act:change:2025-02-02-prohibitions-and-literacy-applicable
Sinds 2 februari 2025 gelden het verbod van artikel 5 en de AI-geletterdheidsplicht van artikel 4.
Hangt aan: Artikel 4: AI-geletterdheid, Artikel 5: verboden praktijken
Tegen de officiële bron gelegd | ai-literacy, timeline
- WijzigingRichtsnoerv1.0.04 relaties
Richtsnoeren over de definitie van een AI-systeem
praxikon:eu:ai-act:change:2025-07-29-ai-system-definition-guidelines
De Commissie trekt de grens tussen software die wel en niet onder de verordening valt.
Hangt aan: Bijlage III: hoog-risico AI, Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | scope
- WijzigingVan krachtv1.0.05 relaties
Artikel 4 gewijzigd naar maatregelenplicht
praxikon:eu:ai-act:change:2026-07-27-article-4-amended
Sinds 27 juli 2026 ondersteunt de organisatieplicht de ontwikkeling van AI-geletterdheid zonder een individueel niveau te garanderen.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | ai-literacy
- BorgingVan toepassingv1.0.03 relaties
Dekkingscontrole: iedere persoon met AI-toegang staat in de registratie
praxikon:eu:ai-act:control:article-4-coverage-reconciliation
Leg periodiek de lijst van accounts en licenties met toegang tot AI-systemen naast de deelname- en instructieregistratie, en werk de verschillenlijst weg met een eigenaar en een termijn.
Hangt aan: Artikel 4: AI-geletterdheid
Redactioneel gecontroleerd | ai-literacy
- Borgingv1.0.04 relaties
Periodieke rol- en contextreview
praxikon:eu:ai-act:control:article-4-periodic-review
Controleer bij nieuwe systemen, rollen of risico’s of de gekozen maatregelen nog passend zijn.
Hangt aan: Artikel 4: AI-geletterdheid
Redactioneel gecontroleerd | ai-literacy, control
- Bewijsv1.0.05 relaties
Dossier AI-geletterdheidsmaatregelen
praxikon:eu:ai-act:evidence:article-4-measures-record
Versieerbare registratie van rollen, context, maatregelen, deelname of instructie en evaluatiemomenten.
Hangt aan: Artikel 4: AI-geletterdheid
Redactioneel gecontroleerd | ai-literacy, evidence
- BewijsVan toepassingv1.0.03 relaties
Registratie van deelname en instructie per persoon, systeem en datum
praxikon:eu:ai-act:evidence:article-4-participation-register
Interne registratie waaruit blijkt wie welke instructie, werksessie, training of begeleiding heeft gekregen, voor welk systeem, op welke datum en op welke grond, inclusief nieuwe medewerkers, inhuur en externen.
Hangt aan: Artikel 4: AI-geletterdheid
Redactioneel gecontroleerd | ai-literacy
- BewijsVan toepassingv1.0.03 relaties
Rol-systeemmatrix met de vastgestelde geletterdheidsbehoefte
praxikon:eu:ai-act:evidence:article-4-role-system-matrix-record
De vastgelegde matrix van rollen tegen AI-systemen, met per combinatie de gebruikscontext, de geraakte personen, het risico en de gekozen maatregel, gedateerd en met een eigenaar per regel.
Hangt aan: Artikel 4: AI-geletterdheid
Redactioneel gecontroleerd | ai-literacy
- VoorbeeldRedactioneelv1.0.03 relaties
Gezichtsherkenning bij toegangscontrole: de beveiliger achter de camera telt mee
praxikon:eu:ai-act:example:example-artikel-4-gezichtsherkenning-toegangscontrole
Een organisatie beveiligt de ingang van haar panden met gezichtsherkenning en gebruikt die biometrische toegangscontrole ook om bezoekers te registreren. Geeft het systeem geen match, dan beoordeelt een beveiliger de beelden van de camera en beslist hij zelf of iemand naar binnen mag. De vraag is wiens maatregelen die beveiliger moeten bereiken: die van de leverancier van het model, die van de afdeling die het systeem inzet, of allebei.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRedactioneelv1.0.03 relaties
Politie met AI in de opsporing: de context bepaalt hoe zwaar u opleidt
praxikon:eu:ai-act:example:example-artikel-4-politie-opsporingsanalyse
Een politiedienst gebruikt AI om grote hoeveelheden opsporingsdossiers te doorzoeken en verbanden te laten opvallen die een rechercheur anders zou missen. De uitkomsten wegen mee in de keuze welke verdachte verder wordt onderzocht en belanden uiteindelijk in stukken die het strafrecht in gaan. De vraag is of dezelfde basisinstructie volstaat voor de analist die het model bedient en voor de rechercheur die op de uitkomst afgaat.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRedactioneelv1.0.02 relaties
Redactie met generatieve AI: tellen freelancers mee in uw maatregelen?
praxikon:eu:ai-act:example:example-artikel-4-redactie-generatieve-content
Een nieuwsredactie zet generatieve AI in om samenvattingen, koppen en beeld voor te bereiden, waarna een eindredacteur het stuk afmaakt en de redactie besluit te publiceren. Een deel van dat werk ligt bij freelancers, en een extern bureau maakt met dezelfde tools de content voor marketing. De vraag is of uw maatregelen voor AI-geletterdheid ook die freelancers en dat bureau moeten raken, of alleen de mensen op de loonlijst.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRichtsnoerv1.0.03 relaties
Uitlegsessie bij de klant op het moment van ingebruikname
praxikon:eu:ai-act:example:example-asimov-inductiecall-bij-klant
Asimov AI is een micro-organisatie met maximaal vijftien medewerkers die AI-diensten levert voor wetgevingswerk aan overheidsinstellingen en bedrijven. Bij elk nieuw contract organiseert het bedrijf een of meer inductiecalls met de teamleiders en ambtenaren die het platform gaan gebruiken, waarin het uitlegt hoe het platform en de onderliggende modellen werken en hoe hallucinaties in dit domein ontstaan en beperkt kunnen worden.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRichtsnoerv1.0.03 relaties
Training in drie delen voor juristen en public affairs
praxikon:eu:ai-act:example:example-booking-training-voor-juristen
Booking.com bouwde voor de juridische en public affairs teams een training in drie delen: eerst de basisbegrippen en het verschil tussen klassieke machine learning en taalmodellen, dan hoe AI binnen het eigen bedrijf werkt, dan het regelgevend kader en de raakvlakken met het recht dat zij al beoefenen. Het materiaal verscheen ook als video- en podcastserie met ondertiteling en uitgeschreven hand-outs.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRichtsnoerv1.0.02 relaties
Databasequery en standaard spreadsheet zonder AI-functies
praxikon:eu:ai-act:example:example-databasequery-en-standaard-spreadsheet
Een klantenserviceafdeling draait in het databasesysteem de opdracht om alle klanten te vinden die vorige maand een bepaald product kochten, en berekent in een standaard spreadsheet het gemiddelde uit een klanttevredenheidsenquete. Alle stappen volgen vooraf vastgelegde instructies.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRichtsnoerv1.0.03 relaties
Juristen leren techniek, ontwikkelaars leren recht
praxikon:eu:ai-act:example:example-dedalus-gekruiste-training
Dedalus Healthcare, dat onder meer AI levert die complicaties bij ziekenhuispatiënten voorspelt, traint zijn juristen, de functionaris gegevensbescherming, compliance en de afdeling kwaliteit en regelgeving juist op de technische kant. Ontwikkelaars en ingenieurs krijgen omgekeerd training die is toegespitst op de juridische en compliance-aspecten van de AI-verordening. De directie kreeg een eigen sessie op maat van haar rol.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRichtsnoerv1.0.02 relaties
Expertsysteem dat uit vastgelegde kennis een conclusie trekt
praxikon:eu:ai-act:example:example-expertsysteem-medische-diagnose
Een ziekenhuis gebruikt een ouder diagnose-ondersteunend expertsysteem waarin artsen kennis, feiten en regels hebben vastgelegd. Op basis van de symptomen die een arts invoert, trekt het systeem zelfstandig een conclusie over mogelijke aandoeningen.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRichtsnoerv1.0.03 relaties
AI-contactpersoon per afdeling bij een telecombedrijf
praxikon:eu:ai-act:example:example-fastweb-ai-spoc-per-afdeling
Fastweb beheert meer dan negentig AI-systemen en benoemt in elke afdeling formeel een AI-SPOC, een getrainde contactpersoon voor AI-vragen uit het eigen team. Deze contactpersonen krijgen aparte instructie over verboden praktijken en hoog-risicosystemen en mogen zelfstandig de AI-risicobeoordeling van hun afdeling uitvoeren.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRichtsnoerv1.0.02 relaties
Weersimulatie waarin machine learning natuurkundige processen benadert
praxikon:eu:ai-act:example:example-fysicasimulatie-met-ml-versnelling
Een meteorologisch instituut draait natuurkundige weermodellen en zet machine learning in om complexe atmosferische processen zoals wolkenmicrofysica en turbulentie te benaderen. De geschatte waarden gaan vervolgens als invoer het gevestigde natuurkundige model in, dat de eigenlijke voorspelling doet.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRichtsnoerv1.0.02 relaties
Het historische gemiddelde als voorspelling
praxikon:eu:ai-act:example:example-gemiddelde-als-voorspelling-benchmark
Een vermogensbeheerder bouwt een eenvoudig referentiemodel dat de toekomstige koers voorspelt door steeds het historische gemiddelde te nemen, om te toetsen of een geavanceerder model werkelijk waarde toevoegt. Een weerdienst doet hetzelfde door de temperatuur van morgen te voorspellen met het gemiddelde van vorige week.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRichtsnoerv1.0.03 relaties
Drie kennisniveaus en interne vakscholen bij een verzekeraar
praxikon:eu:ai-act:example:example-generali-drie-kennisniveaus
Generali biedt alle medewerkers basiscursussen aan over wat AI is en hoe de groep het gebruikt, verdiepende modules voor wie AI-systemen dagelijks gebruikt, en gevorderde sessies met externe experts voor wie ze bouwt of onderhoudt. Daarnaast bestaan interne vakscholen voor rollen als data scientist, actuaris en accountant, opgezet met universiteiten en onderzoeksinstellingen.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRichtsnoerv1.0.03 relaties
AI-geletterdheid in werving en onboarding bij een verzekeraar
praxikon:eu:ai-act:example:example-gjensidige-onboarding-en-werving
Gjensidige Forsikring geeft alle medewerkers een verplichte e-learning als basisniveau en bouwt daarop rolgerichte verdieping: analisten krijgen modelrisico en datagovernance, medewerkers in schadebehandeling krijgen training over de systemen die zij zelf bedienen. Waar relevant wordt AI-geletterdheid al bij de werving getoetst en maakt training over AI-systemen deel uit van de onboarding.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRichtsnoerv1.0.03 relaties
Bewustwording die uitmondt in een harde gebruiksregel
praxikon:eu:ai-act:example:example-ineco-bewustwording-leidt-tot-gedragsregel
INECO, een groot Spaans ingenieursbedrijf dat voor overheden werkt aan spoor, luchthavens en digitalisering, hield in 2024 ruim twintig AI-trainingen met meer dan vierhonderd deelnemers en zette een AI Master Classroom op het intranet met korte modules, audio en ondertiteling. Nadat medewerkers bewust waren gemaakt van het risico op datalekken, beperkte de organisatie het gebruik van publieke taalmodellen en stapte zij over op een beveiligde chatbotoplossing.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRichtsnoerv1.0.03 relaties
Model dat na uitrol niets meer bijleert
praxikon:eu:ai-act:example:example-model-bevroren-na-uitrol
Een verzekeraar zet een getraind model in dat schadeclaims op complexiteit rangschikt. Na de uitrol leert het model niets meer bij; de leverancier hertraint alleen periodiek in een gecontroleerde release, zodat het gedrag tussen releases volledig stabiel is.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRichtsnoerv1.0.03 relaties
Aparte sessie over verboden praktijken voor het ontwikkelteam
praxikon:eu:ai-act:example:example-mural-sessie-verboden-praktijken
Mural gaf in 2024 een verplichte AI-training aan alle medewerkers, met een afrondingspercentage van 93 procent, en organiseerde daarnaast een live interactieve sessie voor het AI-team specifiek over verboden praktijken en hoog-risicocategorieën. Voor dat team maakte het juridische team een visuele mindmap op een digitaal whiteboard, met sjablonen en directe verwijzingen naar de bepalingen.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRichtsnoerv1.0.03 relaties
Machine learning die alleen een bestaande optimalisatieberekening versnelt
praxikon:eu:ai-act:example:example-optimalisatie-versnellen-geen-ai-systeem
Een netbeheerder laat een machine-learningmodel parameters benaderen in een klassieke optimalisatieberekening die op lineaire en logistische regressie is gebouwd. Het model verandert niets aan de beslisregels zelf, het maakt de al jaren gebruikte rekenmethode alleen sneller en goedkoper.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRichtsnoerv1.0.03 relaties
Satellietnetwerk dat bandbreedte verdeelt met een voorspellend model
praxikon:eu:ai-act:example:example-satelliet-bandbreedte-optimalisatie
Een satellietoperator verdeelt vermogen en bandbreedte over transponders en gebruikt daarvoor een machine-learningmodel dat het netwerkverkeer voorspelt, omdat klassieke optimalisatie moeite heeft met vraag die per regio en per moment sterk wisselt. De prestaties zijn vergelijkbaar met de gevestigde methoden in het vakgebied.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRichtsnoerv1.0.02 relaties
Schaakprogramma met minimax en heuristische evaluatie
praxikon:eu:ai-act:example:example-schaakprogramma-minimax-heuristiek
Een softwarehuis brengt een schaakprogramma uit dat stellingen beoordeelt met een minimax-algoritme en heuristische evaluatiefuncties. Het programma heeft nooit uit partijdata geleerd; het past vooraf geprogrammeerde regels en zoekstrategieen toe om een sterke zet te vinden.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRichtsnoerv1.0.03 relaties
Rolprofielen en een startsessie per AI-project bij een overheids-ICT-dienst
praxikon:eu:ai-act:example:example-smals-rolprofielen-en-projectstart
Smals, dat ICT levert aan Belgische overheidsdiensten, beschrijft per rol welke kennis nodig is: alle medewerkers kennen mogelijkheden, grenzen en interne richtlijnen, AI-ambassadeurs herkennen en prioriteren toepassingen, AI-experts kennen governance en techniek, en juristen en de functionaris gegevensbescherming krijgen aparte verdieping. Voor elk nieuw AI-project volgt bovendien een sessie voor alle betrokkenen over de capaciteiten, grenzen, risico's en governance van juist dat systeem.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRichtsnoerv1.0.03 relaties
Spamfilter dat is getraind op gelabelde e-mail
praxikon:eu:ai-act:example:example-spamfilter-gelabelde-e-mail
Een organisatie neemt een e-mailfilter af dat in de bouwfase is getraind op een verzameling berichten die mensen hebben gelabeld als spam of geen spam. Eenmaal in gebruik beoordeelt het filter zelfstandig nieuwe binnenkomende e-mail en classificeert die op basis van de geleerde patronen.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRichtsnoerv1.0.02 relaties
Statische schatting van oplostijd en dagafzet
praxikon:eu:ai-act:example:example-statische-schatting-servicedesk-en-winkel
Een servicedesk toont klanten een verwachte oplostijd die is berekend als het gemiddelde uit historische tickets. Een winkelketen voorspelt met een triviale voorspeller hoeveel stuks van een product er per dag verkocht worden, als vertrekpunt voor de inkoopplanning.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- VoorbeeldRichtsnoerv1.0.02 relaties
Verkoopdashboard dat wel samenvat maar niets aanbeveelt
praxikon:eu:ai-act:example:example-verkoopdashboard-beschrijvende-analyse
Een commercieel team gebruikt rapportagesoftware die met statistische methoden de totale omzet, de gemiddelde omzet per regio en de trend over de tijd berekent en in grafieken toont. Het dashboard doet geen enkele suggestie over hoe de verkoop verbeterd kan worden of welke producten gepromoot moeten worden.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | examples
- RichtsnoerRichtsnoerv1.0.03 relaties
Geen verplicht cursusformat, geen certificaat, geen examen en geen AI-officer
praxikon:eu:ai-act:guidance:guidance-article-4-no-mandatory-course-or-certificate
Artikel 4 schrijft geen vorm voor. De Commissie bevestigt dat er geen certificaat nodig is, geen plicht om kennis te meten, geen verplichte training en geen voorgeschreven governancestructuur.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | guidance
- RichtsnoerRichtsnoerv1.0.03 relaties
Artikel 4 reikt verder dan uw eigen personeel, en de nationale toezichthouder handhaaft
praxikon:eu:ai-act:guidance:guidance-article-4-scope-and-enforcement
De maatregelenplicht dekt ook opdrachtnemers, dienstverleners en soms clienten. Toezicht ligt niet bij het AI Office maar bij de nationale markttoezichtautoriteiten, die sinds 2 augustus 2026 handhaven.
Hangt aan: Artikel 4: AI-geletterdheid
Tegen de officiële bron gelegd | guidance
- VerplichtingVan toepassingv2.0.046 relaties
Artikel 4: AI-geletterdheid
praxikon:eu:ai-act:obligation:article-4-ai-literacy
Aanbieders en gebruiksverantwoordelijken nemen maatregelen die de ontwikkeling van AI-geletterdheid ondersteunen.
Tegen de officiële bron gelegd | ai-literacy
- Hulpmiddelv1.0.04 relaties
Plan voor AI-geletterdheidsmaatregelen
praxikon:eu:ai-act:template:article-4-measures-plan
Publieke route om maatregelen per rol en context te structureren.
Hangt aan: Artikel 4: AI-geletterdheid
Redactioneel gecontroleerd | ai-literacy, template
Wat deze verkenner niet doet
- Er is geen artikelobject. Het artikel staat als vindplaats op de citaties van een verplichting, als vrije tekst. Filteren op de verplichting is dezelfde vraag, wel gedekt door de data.
- Geen enkel object draagt een Annex III-domein of use case. Een selectie van de vorm "systemen voor dit doel" is hier dus niet uit te drukken.
- Een vindplaats hangt in de data aan een uitspraak, niet aan een relatie. De bron bij een pad is het bronanker van het object dat de relatie draagt, geen bewijs van precies die ene verbinding.
- Het onderscheid tussen plichtdrager en geraakte actor bestaat alleen op verplichtingen. Op alle andere soorten is de actorlijst nog één ongedifferentieerde lijst.
- De graph bewaart geen omgekeerde relaties. De inkomende richting wordt hier berekend over dezelfde release en voegt niets aan de data toe.
- Onderwerpen zijn vrije slugs, geen taxonomie met eigen objecten, labels of hiërarchie.
Dezelfde selectie als data
De verkenner en de API lezen hetzelfde object met dezelfde twee tijdassen. Wat u hier ziet, kunt u met dezelfde parameters ophalen.