AI helpt differentieren, maar vraagt docentregie
Kennisnet publiceerde op 15 juni 2026 een praktische uitleg over differentieren met AI. De kern: generatieve AI kan docenten helpen om sneller extra oefenmateriaal, verdiepingsstof of teksten op aangepast leesniveau te maken, maar alleen als de leraar de didactische regie houdt.
Dat maakt het nieuws relevant voor scholen in Nederland en Belgie. Het gaat niet om een spectaculaire nieuwe tool, maar om een dagelijkse onderwijspraktijk: hoe stem je lesmateriaal beter af op verschillen tussen leerlingen zonder kwaliteit, privacy en pedagogisch oordeel uit handen te geven?
Wat AI kan versnellen
Differentiatie kost veel tijd. Een docent die voor dezelfde les extra herhaling, verdieping of een actueler voorbeeld wil maken, moet vaak zelf materiaal herschrijven. AI kan daarbij helpen door sneller varianten te genereren:
- een tekst eenvoudiger of juist uitdagender maken;
- extra oefenvragen of feedbackvragen voorstellen;
- voorbeelden aanpassen aan de leefwereld van de klas;
- materiaal maken voor subgroepen met verschillende ondersteuningsbehoeften.
Voor PO en VO is dat direct herkenbaar. In MBO, HBO en WO speelt dezelfde vraag bij beroepsopdrachten, taalsteun, voorbereiding op stages, remediëring en verdieping voor studenten die sneller door de stof gaan.
Generieke tools zijn niet vanzelf onderwijskundig
Kennisnet maakt een belangrijk onderscheid tussen generieke AI-tools, zoals ChatGPT, Claude of Copilot, en onderwijsspecifieke toepassingen. Generieke tools zijn flexibel, maar vragen veel van de docent: goede prompts, controle van output en scherp zicht op wat pedagogisch passend is.
Onderwijsspecifieke tools kunnen gerichter helpen, bijvoorbeeld bij het aanpassen van lesmateriaal of bij begeleiding als AI-tutor. Toch is ook dat geen automatische oplossing. Een tutor die hints of feedback geeft, verschuift een deel van de begeleiding naar een systeem. Dan moet een school weten wanneer dat wenselijk is, welke gegevens worden verwerkt en hoe de docent zicht houdt op het leren.
De randvoorwaarden zijn minstens zo belangrijk als de tool
Het praktische signaal uit het artikel is dat differentieren met AI schoolbreed beleid vraagt. Wie alleen losse prompts verzamelt, mist de belangrijkste vragen:
- Past de tool bij de pedagogische en didactische visie van de school?
- Voldoet de tool aan privacy- en informatiebeveiligingseisen?
- Zijn medewerkers voldoende AI-geletterd om output kritisch te beoordelen?
- Welke kwaliteitscriteria gebruiken teams voor AI-gegenereerd leermateriaal?
- Wanneer levert AI echt tijdwinst op, en wanneer kost controle en nabewerking juist meer tijd?
Juist dat laatste is belangrijk. AI kan snel materiaal maken, maar snelheid is niet hetzelfde als kwaliteit. Een oefening kan te makkelijk, te talig, te sturend of inhoudelijk net verkeerd zijn. De docent blijft nodig om te bepalen of het materiaal past bij leerdoelen, voorkennis, klasdynamiek en niveau.
Begin klein en toets de opbrengst
Voor scholen is de beste route niet om meteen breed AI-tutoren of automatische differentiatie in te voeren. Begin met een afgebakende pilot: een lessenserie, een vaksectie of een team dat onderzoekt waar AI echt helpt bij het maken of aanpassen van leermateriaal.
Maak daarbij vooraf duidelijk wat je meet. Gaat het om tijdwinst, betere aansluiting op niveaus, meer oefenkansen, hogere kwaliteit van feedback of minder werkdruk? En spreek af hoe docenten de output controleren voordat leerlingen ermee werken.
De kern
AI kan differentiatie praktischer maken, vooral bij het maken en aanpassen van leermateriaal. Maar de winst ontstaat alleen als scholen het professioneel organiseren: met duidelijke toolkeuzes, privacyafspraken, kwaliteitscriteria en docentregie. Differentiatie met AI is dus geen automatisering van goed onderwijs, maar een nieuwe ontwerpvaardigheid voor teams.