AI-organisaties: de 3 niveaus die er echt toe doen

AI-organisaties: de 3 niveaus die er echt toe doen

Ik blijf slimme mensen horen zeggen dat ze "AI intensief gebruiken", terwijl ze in werkelijkheid bedoelen dat ze drie chat-tabs open hebben staan en een paar prompts in Notion bewaren.

Dat is niet niks. Het is nuttig. Het kan je absoluut sneller maken.

Maar het is niet de echte verschuiving.

Ik bekeek onlangs een video die AI-adoptie in drie niveaus indeelde: assistants, agent operators en AI organizations. Ik vind dat raamwerk goed werken, omdat het verklaart waarom zoveel mensen tegelijkertijd onder de indruk zijn van AI en lichtelijk teleurgesteld over de zakelijke impact. Ze gebruiken krachtige modellen binnen een zwak operationeel model.

Dat is de kloof.

De meeste mensen behandelen AI nog steeds als een zeer getalenteerde stagiair die ze zin voor zin moeten begeleiden. Het volgende niveau is AI behandelen als een werker aan wie je uitkomsten toewijst. Het niveau daarna is AI behandelen als een organisatielaag die werk routeert, specialisten aanstuurt, context onthoudt en blijft doorgaan terwijl jij slaapt.

Ik vind dit een van de helderste manieren om te begrijpen waar de markt op dit moment écht staat.

En de timing is belangrijk. In het onderzoek van PwC uit mei 2025 onder 308 Amerikaanse executives gaf 79% aan dat AI agents al werden ingevoerd in hun bedrijven. In het State of AI-onderzoek van McKinsey uit november 2025 zei 62% van de respondenten dat hun organisaties op zijn minst aan het experimenteren waren met AI agents. Dat vertelt me twee dingen tegelijk: de interesse is reëel, en de meeste teams staan nog vroeg in dit traject.

Laat ik dit dus opsplitsen zoals ik het zou uitleggen aan een founder, developer of operator die wil bepalen wat er nu écht verandert.

Niveau 1: AI-assistenten maken je sneller, maar jij doet nog steeds het werk

Hier begint vrijwel iedereen.

Je gebruikt ChatGPT, Claude, Gemini of een coding assistant om bij stukjes werk te helpen:

• een e-mail opstellen
• onderzoek samenvatten
• een afbeelding genereren
• een voorstel polijsten
• wat code schrijven
• brainstormen over content-invalshoeken

De workflow blijft van jou. Jij houdt het plan vast, beslist over de volgorde van handelingen, controleert de output, verplaatst data tussen tools en herstelt context elke keer dat de taak verandert.

Dat betekent dat Niveau 1 AI het beste te begrijpen is als versnelling zonder delegatie.

En om duidelijk te zijn: dit niveau is al waardevol. Ik gebruik elke dag assistant-achtige workflows. Als je developer, marketeer, schrijver of founder bent, kan Niveau 1 een schokkende hoeveelheid frictie uit je week halen. Je schrijft sneller. Je doet sneller research. Je komt sneller tot een eerste versie. Je herstelt sneller van blanco-pagina-verlamming.

Maar er is een hard plafond.

Op het moment dat de taak meerdere stappen omvat, meerdere tools betreft of open einde heeft, beginnen assistant-workflows overal tijd te lekken:

• je moet het doel opnieuw formuleren
• je moet beslissen wat er hierna gebeurt
• je moet outputs van de ene plek naar de andere kopiëren
• je moet opmerken wanneer het model stilletjes is afgedwaald
• je moet alle bewegende delen in je eigen hoofd houden

Dat laatste punt is de killer.

Mensen denken dat Niveau 1 AI ze tijd bespaart omdat het model sneller schrijft dan zij. Wat het werkelijk bespaart is productietijd op zin- of artefactniveau. Wat het niet bespaart is managementtijd. In sommige gevallen verhoogt het die zelfs, omdat je nu een machine controleert die heel snel veel verkeerde-maar-plausibele output kan genereren.

Als je ooit een lange AI-sessie hebt afgesloten met een productief maar vreemd uitgeput gevoel, dan is dat de reden. Je delegeerde niet. Je micromanagede een heel snel systeem.

Dit is ook waarom zoveel AI-demo's er ongelofelijk uitzien en vervolgens instorten in de dagelijkse praktijk. De demo eindigt met één strakke output. Echt werk is een keten van twintig beslissingen, zes tools en drie follow-ups.

Niveau 1 is nog steeds de moeite van het beheersen waard. Het leert je promptheldering. Het leert je output evalueren. Het leert je waar modellen sterk zijn en waar ze nog fragiel zijn.

Maar als je hier blijft hangen, blijft AI een betere interface voor werk dat je in de kern nog steeds zelf doet.

Niveau 2: agent operators stoppen met taken doen en beginnen uitkomsten toe te wijzen

Hier wordt het interessant.

Op Niveau 2 verandert de eenheid van werk.

Je prompt niet langer voor fragmenten. Je wijst een doel toe:

• onderzoek deze concurrenten en geef me de drie sterkste positioneringsgaten
• ruim deze inbox op en stel antwoorden op die mijn toonregels volgen
• bouw deze feature, draai tests en rapporteer blokkades
• vind leads die bij dit ICP passen en ordenen ze op prioriteit
• maak de eerste versie van een landingspagina en verfijn deze daarna aan de hand van deze voorbeelden

Nu genereert de AI niet alleen content. Hij plant, sequentieert, voert uit en rapporteert voortgang.

Dat klinkt simpel, maar het is een andere functieomschrijving voor de mens.

Op Niveau 1 ben je een uitvoerder die AI gebruikt.

Op Niveau 2 word je een operator van digitale werkers.

Jij beslist:

• wat het doel is
• welke beperkingen ertoe doen
• hoe "klaar" eruitziet
• wanneer je het werk goedkeurt, bijstuurt of stopt

De agent neemt meer van het rommelige middenstuk voor zijn rekening.

Dit is de verschuiving waar de meeste ambitieuze solo-founders en kleine teams nu om zouden moeten geven, omdat het het eerste niveau is waarop AI begint operations te veranderen in plaats van alleen productiviteit.

Ik heb dit het duidelijkst gevoeld in coding- en content-workflows.

Wanneer ik AI als assistant gebruik, stuur ik nog steeds elke beurt. Ik vraag om code, inspecteer die, vraag om tests, inspecteer die, vraag om een refactor, inspecteer die, en bepaal vervolgens handmatig de volgende stap. Wanneer ik een agentic workflow gebruik, definieer ik de uitkomst en de beperkingen, en laat ik het systeem de subtaken doorwerken voordat het me iets toonbaars voorlegt.

Dezelfde modellen. Een ander operationeel model. Compleet andere hefboom.

Dat onderscheid is belangrijker dan mensen beseffen. Veel teams kopen nieuwe modellen, terwijl wat ze écht nodig hebben een nieuwe workflow-laag is.

Er is ook een mindset-verschuiving waar mensen zich tegen verzetten.

Om agents goed te besturen, moet je stoppen met vragen "Waar kan AI me bij helpen?" en beginnen te vragen: "Welk pakket werk kan ik veilig uit handen geven?"

Dat klinkt vanzelfsprekend, maar het dwingt discipline af:

• betere SOP's
• helderdere definities van kwaliteit
• helderdere grenzen voor toestemmingen
• betere bestandsorganisatie
• betere geheugensystemen

Rommelige operators krijgen meestal rommelige agents.

Daarom voelt agent-adoptie magisch in het ene bedrijf en nutteloos in het andere. De kwaliteit van het model telt, maar operationele helderheid telt net zo zwaar.

De helderste manier om Niveau 2 te omschrijven is: je stopt met de persoon zijn die elke stap uitvoert en wordt de persoon die digitale werkers aanstuurt. Je chat je niet langer een weg door een taak. Je houdt toezicht op autonome uitvoering.

Dat brengt natuurlijk nieuwe risico's met zich mee.

Als je agent zwakke context, zwakke permissies of geen review-checkpoints heeft, krijg je geen hefboom. Je krijgt chaos op machinesnelheid.

De echte Niveau 2-vaardigheid is dus niet "agents gebruiken". Het is goede opdrachten ontwerpen:

• doelstelling
• context
• grenzen
• tools
• checkpoints
• succescriteria

Wanneer die helder zijn, kan Niveau 2 voelen als een capabel junior teamlid dat nooit moe wordt en met vijf werkstromen tegelijk kan jongleren.

Wanneer ze niet helder zijn, voelt het als tokens betalen om verwarring te creëren.

Niveau 3: AI-organisaties voegen een operationele laag toe boven individuele agents

Dit is het niveau dat als hype klinkt totdat je de architectuur helder ziet.

Een AI-organisatie is niet gewoon "meer agents".

Het is een systeem waarin één primaire interface een netwerk van gespecialiseerde agents aanstuurt over functies, geheugen, tools en goedkeuringen heen. In plaats van apart te praten met een schrijfagent, een research agent, een sales agent en een operations agent, praat je met één orkestratielaag die werk naar de juiste specialisten routeert en het resultaat coherent terugbrengt.

Dat is het echte idee.

In de praktijk komen steeds dezelfde paar patronen terug:

• een inbox-laag die triëert en concepten opstelt voor e-mail-, chat- en supportkanalen
• een research-laag die continu scant op leads, risico's of kansen, zonder op een prompt te wachten
• een uitvoeringslaag die kan kopen, boeken, indienen, bijwerken of werk kan doorgeven aan het volgende systeem
• een natuurlijke interface zoals stem, chat of Slack waarmee de mens het hele geheel vanuit één plek beheert

Of je nu de tools van de spreker gebruikt of niet, doet er bijna niet toe. De structurele les is sterker dan de productles.

Niveau 3 betekent dat de menselijke relatie opnieuw verschuift:

• je stopt met individuele taken aansturen
• je stopt met individuele agents aansturen
• je stuurt richting, beleid, goedkeuringen en uitzonderingen aan

Dat lijkt veel meer op een organisatie runnen dan op prompts runnen.

En hier wordt het raamwerk pas écht nuttig, voorbij persoonlijke productiviteit. Het begint te aansluiten op feitelijk bedrijfsontwerp.

Een AI-organisatie heeft dezelfde dingen nodig als een menselijke organisatie:

• helderheid over rollen
• toegangsbeheer
• escalatiepaden
• prestatiemeting
• gedeeld geheugen
• proceseigenaarschap
• governance

Als die stukken ontbreken, heb je geen AI-organisatie. Dan heb je een stapel automatiseringen met betere branding.

Dit is ook het niveau waarop mensen roekeloos worden.

Want zodra een systeem berichten kan routeren, dingen kan kopen, antwoorden kan schrijven, data kan inspecteren en vervolgacties kan triggeren, gaat het gesprek niet meer over prompt engineering, maar over vertrouwen, beveiliging en operationeel ontwerp.

Daarom denk ik dat het serieuste idee in dit raamwerk niet de fancy tooling is. Het is de stelling dat de toekomst van werk draait om AI managen, niet elke taak handmatig doen.

Ik ben het met die richting eens.

Ik denk alleen dat de meeste teams onderschatten hoeveel managementinfrastructuur er moet bestaan voordat dat veilig wordt.

De percentages van de spreker doen er minder toe dan het onderliggende patroon

In de samenvatting stonden ruwe adoptiepercentages voor de drie niveaus. Die zou ik behandelen als de observatie van de spreker, niet als harde marktdata.

Toch voelt het onderliggende patroon kloppend.

De meeste mensen zitten op Niveau 1.

Een kleinere groep experimenteert met Niveau 2.

Een hele kleine groep probeert Niveau 3-systemen te bouwen die zich gedragen als AI-native organisaties.

Dat patroon is ook consistent met bredere enterprise-data. De markt praat agressief over agents, maar betrouwbare survey-data laten zien dat de meeste bedrijven nog in experimenteer-, pilot- of gedeeltelijke uitrolfase zitten in plaats van volledige organisatorische heruitvinding.

Daarom zou ik voorzichtig zijn met het te letterlijk kopiëren van de meest extreme voorbeelden.

Als je een solo-founder of kleine operator bent, is de verkeerde conclusie uit een video als deze:

"Ik heb volgende maand een volledig autonoom AI-bedrijf nodig."

Nee. Je hebt waarschijnlijk één strakke Niveau 2-workflow nodig die elke week betrouwbaar acht uur repeterend werk uit je agenda haalt.

Dat is de brug.

Niveau 3 is niet waar je begint. Het is wat mogelijk wordt nadat je beschikt over:

• stabiele Niveau 1-gewoonten
• herhaalbare Niveau 2-delegaties
• vertrouwensgrenzen
• geheugenarchitectuur
• goedkeuringslogica

Sla die stappen over en je bouwt iets dat futuristisch oogt op screenshots en in de praktijk faalt.

Wat er op elk niveau écht verandert

De simpelste manier waarop ik het kan zeggen is deze.

Niveau 1 verandert je snelheid.

Jij blijft eigenaar van de workflow. AI helpt je sneller binnen die workflow te bewegen.

Niveau 2 verandert je rol.

Je wordt manager van uitkomsten in plaats van producent van elke tussenstap.

Niveau 3 verandert je operationele model.

AI wordt onderdeel van hoe het werksysteem zelf is opgebouwd.

Dat is de progressie.

En zodra je het ziet, kun je je huidige situatie heel snel diagnosticeren.

Als je elke stap aanraakt, zit je op Niveau 1.

Als je een complete deliverable toewijst en het resultaat reviewt, beweeg je richting Niveau 2.

Als één orkestratielaag werk routeert over meerdere specialisten en systemen, terwijl jij vooral richting en goedkeuringen aanstuurt, beweeg je richting Niveau 3.

Daarom vind ik de term "AI-organisatie" nuttig. Het dwingt je om voorbij chat-interfaces te denken en richting systeemontwerp.

Ik heb eerder geschreven over agent team workflows in Claude Code en de operationele afwegingen in multi-agent setups. Het patroon blijft zich herhalen: de waarde zit niet alleen in intelligentie. De waarde zit in coördinatie.

Pure intelligentie helpt.

Gecoördineerde uitvoering verandert de doorvoersnelheid.

De beste zet op korte termijn voor de meeste mensen

Als ik nu een founder, creator of technische operator zou adviseren, zou ik ze niet zeggen dat ze achter Niveau 3-branding aan moeten gaan jagen.

Ik zou ze het volgende vertellen.

1. Haal het maximale uit Niveau 1 op je hoogste-frictie repeterende taken

Voordat je werk delegeert, moet je het werk begrijpen.

Gebruik AI-assistenten intensief voor:

• schrijven
• coderen
• onderzoek
• content hergebruiken
• documentatie
• inboxtriage

Vind de delen waar de output sterk genoeg is dat je het systeem een eerste poging toevertrouwt.

2. Maak van een van die taken een Niveau 2-overdracht

Kies één workflow met:

• heldere input
• heldere output
• weinig schade als het niet perfect is
• betekenisvolle wekelijkse herhaling

Dit zou kunnen zijn:

• wekelijks concurrentieonderzoek
• leadkwalificatie
• contentoverzichten
• supporttriage
• bug-reproductie en -rapportage

Bouw één agentic workflow die met minimale interventie kan draaien en iets reviewbaars terugbrengt.

3. Voeg geheugen en evaluatie toe voordat je meer autonomie toevoegt

Schaal geen chaos.

Zorg, voordat je meer agents toevoegt, dat je systeem belangrijke context kan onthouden en dat je een simpele rubric voor outputkwaliteit hebt. Als het systeem niet kan verbeteren of geaudit kan worden, vermenigvuldigt meer autonomie alleen de fouten.

4. Pas dan denk je aan orkestratie

Zodra je meerdere stabiele overdrachten hebt, kun je de volgende vraag stellen:

Moeten deze agents apart blijven, of zou één orkestratielaag eigenaar moeten zijn van routing, status en escalatie?

Dat is de echte Niveau 3-vraag.

Niet "hoe laat ik dit lijken op een sci-fi besturingssysteem?"

Hoe creëer ik één coherente managementlaag voor gespecialiseerde digitale werkers?

Dat is een veel beter ontwerpprobleem.

Mijn eerlijke kijk

Ik denk dat dit drie-niveau-raamwerk nuttig is, omdat het mensen een helderder doelwit geeft.

Veel AI-discussie zit nog vast in oppervlakkige tweedelingen:

• AI is overhyped vs AI verandert alles
• prompts doen ertoe vs modellen doen ertoe
• assistenten vs agents

Het drie-niveau-model is beter, omdat het uitlegt dat dezelfde onderliggende modellen totaal verschillende zakelijke waarde kunnen creëren afhankelijk van hoe je het werk eromheen structureert.

De grootste fout die ik nu zie, is niet dat AI te weinig wordt gebruikt. Het is geavanceerde AI gebruiken binnen oude operationele aannames.

Daarom kan iemand de hele dag in Claude, ChatGPT of Gemini doorbrengen en zich nog steeds niet getransformeerd voelen.

Zij zijn nog steeds de bottleneck.

De echte upgrade is niet "een slimmere chatbot".

De echte upgrade is bewegen van:

• het werk doen met hulp van AI
• naar werk toewijzen aan AI-werkers
• naar een systeem van AI-werkers aansturen dat over functies heen kan coördineren

Dat is een veel grotere verschuiving dan de meeste mensen beseffen.

En ja, het zal banen veranderen.

Maar voordat het banen op grote schaal verandert, verandert het al wat competentie betekent voor founders, operators en developers. De vaardigheid met de meeste hefboom wordt minder over zelf elk artefact produceren en meer over systemen ontwerpen die betrouwbaar de juiste artefacten produceren met de juiste controles op hun plek.

Dat is management. Alleen gericht op softwarewerkers in plaats van menselijke.

Als je nog vooral op Niveau 1 zit: prima. De meeste mensen zitten daar.

Verwar alleen niet onder de indruk zijn van AI met je werk er daadwerkelijk omheen herstructureren.

Dat zijn heel verschillende dingen.

De mensen die de komende twee jaar winnen, zijn niet degenen met de meeste prompts.

Het zijn degenen die leren hoe ze agentic systemen ontwerpen, aansturen en besturen, voordat de rest doorheeft dat dat de echte job is.

🤝 Laten we samenwerken

Als je hulp wilt bij het ontwerpen van AI-workflows, agent-systemen of praktische automatisering voor je business, doe ik dat werk rechtstreeks.

• 🔗 Fiverr (custom builds & integraties): fiverr.com/s/EgxYmWD
• 🌐 Portfolio: mejba.me
• 🏢 Ramlit Limited (enterprise oplossingen): ramlit.com