88 procent van organisaties vergroot zijn AI-budget in de komende twaalf maanden vanwege agentic AI. Tegelijkertijd gebruikt slechts 9 procent van bedrijven AI-agents structureel in de bedrijfsvoering, aldus het ISG State of the Agentic AI Market Report 2025. De kloof tussen intentie en werkelijkheid is enorm. Dat gat heeft één oorzaak: de meeste organisaties weten niet precies waar ze staan en wat er concreet nodig is om naar het volgende niveau te komen.
Dit model is dat startpunt. Geen AI-roadmap van twaalf pagina’s, geen consultancytraject. Een eerlijk instrument om te bepalen waar je nu staat en wat de volgende stap is.
Niveau 1: de chatbot-organisatie
Op het eerste niveau gebruikt de organisatie AI als antwoordmachine. Medewerkers stellen vragen aan ChatGPT of Copilot, krijgen een antwoord en plakken dat in hun werk. Er zijn wellicht een of meerdere chatbots op de website. AI helpt bij individuele taken maar verandert geen enkel proces.
Het kenmerk van dit niveau is dat AI volledig afhankelijk is van de menselijke vraag. Geen initiatief, geen geheugen, geen koppeling met systemen. De AI weet niets over jouw klanten, jouw data of jouw context, tenzij je het zelf aanlevert in de chat.
Gartner stelde vast dat dit in 2025 de realiteit is voor de overgrote meerderheid van organisaties. Minder dan 5 procent van enterprise-applicaties had begin 2025 een taakspecifieke AI-agent ingebouwd. De rest zat op niveau 1.
De eerlijke diagnose: als medewerkers zelf bepalen of en wanneer ze AI gebruiken, zonder gestandaardiseerde processen of datakoppelingen, bevindt de organisatie zich op niveau 1.
Niveau 2: de geassisteerde organisatie
Op het tweede niveau is AI ingebouwd in specifieke werkprocessen, maar nog steeds als assistent die adviseert en de mens beslist. Een salesrep ziet AI-gegenereerde lead-scores in zijn CRM. Een HR-medewerker krijgt een rangschikking van sollicitanten op basis van functieprofiel. En een financieel analist ontvangt een automatische samenvatting van kwartaalcijfers.
AI heeft hier toegang tot interne data en systemen, maar handelt niet zelfstandig. Elke aanbeveling vereist menselijke bevestiging voor er iets gebeurt. Dat is bewust: de organisatie bouwt vertrouwen op in wat AI produceert voordat ze meer autonomie toestaat.
Salesforce omschreef dit niveau als de fase waarin agents informatie ophalen en acties aanbevelen, maar niet zelfstandig uitvoeren. MIT Sloan onderzoek toonde aan dat organisaties op dit niveau werken aan het opbouwen van een evidence base: ze meten wat AI oplevert, welke aanbevelingen kloppen en waar de fouten zitten.
De typische valkuil op niveau 2 is dat AI-output een extra stap wordt in plaats van een procesverbetering. Als de medewerker de AI-aanbeveling bekijkt, vergelijkt met zijn eigen oordeel en dan alsnog zijn eigen aanpak volgt, heeft het systeem weinig toegevoegd behalve extra werk.
Niveau 3: de uitvoerende organisatie
Op het derde niveau voert AI zelfstandig taken uit binnen vooraf gedefinieerde grenzen. Een agent verzendt follow-up e-mails zodra een lead een drempelwaarde bereikt. Een agent herordert grondstoffen automatisch wanneer de voorraad onder de ingestelde limiet daalt. En een agent plant vergaderingen, verwerkt facturen en verdeelt inkomende serviceverzoeken over het juiste team zonder tussenkomst.
De mens stelt de parameters in en bekijkt uitzonderingen. De routine voert de agent uit.
Coolblue zit op dit niveau met zijn 150 actieve agents die zelfstandig productadvies geven. NN Group voert via agents 14 standaardcontroles op schadeclaims uit. PostNL laat agents de meerderheid van klantinteracties zelfstandig afhandelen. Dit zijn geen experimentele organisaties. Dit zijn bedrijven die de stap van advies naar uitvoering hebben gezet en daar operationele schaal op bouwen.
Het cruciale verschil tussen niveau 2 en 3 is niet de technologie. Het is de bereidheid van de organisatie om AI te vertrouwen met de uitvoering, niet alleen de analyse. McKinsey’s 2026 AI Trust Maturity Survey stelde vast dat slechts ongeveer een derde van organisaties een volwassenheidsscores van drie of hoger rapporteert op strategie, governance en agentic AI governance. De bottleneck is dus niet technisch maar institutioneel.
Niveau 4: de collaboratieve organisatie
Op het vierde niveau werken meerdere gespecialiseerde agents samen in gecoördineerde workflows waarbij ze informatie doorgeven, elkaars output valideren en complexe processen over afdelinggrenzen heen uitvoeren.
Een praktisch voorbeeld: een inkoopagent detecteert een tekort, raadpleegt een leveranciersagent die beschikbaarheid en prijzen vergelijkt bij drie leveranciers, triggert een complianceagent die de aankoop toetst aan inkoopbeleid en stuurt de uitkomst naar een goedkeuringsagent die het enkel escaleert naar een mens als de orderwaarde boven de vastgestelde drempel uitkomt. Wat eerder vier mensen en meerdere handovers vereiste, voltrekt zich in minuten.
Salesforce en Google werkten samen aan agents die over beide platforms heen opereren via het Agent2Agent Protocol. SAP, ServiceNow en Workday bouwen multi-agent-orchestratie in hun kernplatforms. Op niveau 4 is de vraag niet meer “welke agent pakken we?” maar “hoe ontwerp je het samenspel tussen agents zodat het schaalbaar, betrouwbaar en auditeerbaar is?”
Grote organisaties die dit serieus nemen bouwen wat sommigen een Agent Factory noemen: een interne capaciteit voor het ontwerpen, testen en uitrollen van multi-agent-workflows met heldere eigenaarschapsstructuren en meetbare resultaten.
Niveau 5: de autonome organisatie
Op het vijfde niveau zijn AI-agents ingebed in alle kernprocessen van de organisatie. Ze leren van uitkomsten, passen parameters aan op basis van patronen die ze zelf detecteren en opereren 24 uur per dag zonder constante menselijke aansturing. De mens stelt de strategische doelen en de grenzen. De agents bepalen de optimale uitvoering.
MIT Sloan noemt dit de AI future-ready fase: AI is ingebed in alle besluitvorming, de organisatie ontwikkelt propriëtaire AI-capaciteiten en verkoopt nieuwe diensten op basis van die capaciteit. In 2025 bevond slechts 7 procent van onderzochte enterprises zich op dit niveau.
De uitdaging op niveau 5 is niet de technologie, maar de governance. McKinsey stelde vast dat governance en agentic AI controls achterblijven bij data en technologiecapaciteiten in alle regio’s en sectoren wereldwijd. Agents die autonoom opereren kunnen de juiste dingen doen op de verkeerde manier, de verkeerde dingen doen op een logische manier, of correct handelen in situaties waarvoor niemand de consequenties had voorzien. Niveau 5 zonder robuuste governance is geen succes maar een risico.
Waar zitten de meeste Nederlandse organisaties nu?
Op basis van het ISG-rapport en McKinsey’s bevindingen zit de meerderheid van Nederlandse organisaties op niveau 1 of vroeg niveau 2. Ze experimenteren met AI-tools, hebben mogelijk een Copilot-licentie uitgerold en zijn bezig met de eerste interne chatbots of samenvattingstools.
Dat is geen falen. Dat is een realistische startpositie. Het probleem is dat veel organisaties zichzelf op niveau 3 of 4 plaatsen op basis van de tools die ze hebben aangeschaft, niet op basis van wat er daadwerkelijk veranderd is in hoe werk wordt gedaan.
De eerlijkste diagnose: kijk niet naar welke AI-tools je hebt, maar naar welke beslissingen en acties AI al uitvoert zonder dat een mens ze geval voor geval bevestigt. Dat getal bepaalt je werkelijke niveau.
De drie vragen die de volgende stap bepalen
Gartner verwacht dat 40 procent van enterprise-applicaties eind 2026 taakspecifieke AI-agents bevat, tegenover minder dan 5 procent in 2025. Dat is een achttienvoudige toename in twaalf maanden.
Organisaties die die verschuiving serieus nemen stellen zichzelf drie vragen. Welk concreet, repetitief proces kost ons team de meeste tijd en heeft de minste uitzonderingen? Dat is het startpunt voor de eerste agent op niveau 3. Welke data en systemen heeft die agent nodig, en wie geeft toestemming voor die toegang? Zonder datakoppeling blijft een agent op niveau 1. Welke mens houdt toezicht op wat de agent doet, en hoe escaleren uitzonderingen? Zonder governance is niveau 3 geen vooruitgang maar een nieuw risico.
Begin met één proces, één agent en één duidelijk meetpunt. De organisaties die nu de grootste sprong maken zijn niet degenen met de grootste AI-budgetten, maar degenen die het meest concreet beginnen en het meest eerlijk zijn over waar ze nu staan.
