AI-volwassenheidsmodel: de vijf niveaus uitgelegd

Een AI-volwassenheidsmodel meet niet óf een organisatie AI gebruikt, maar hóe diep dat gebruik geworteld is: van losse experimenten tot AI die structureel onderdeel is van de bedrijfsvoering. Vijf niveaus, van ad-hoc gebruik tot AI als vast onderdeel van de strategie, bepalen waar een organisatie staat en waar de meeste winst nog ligt. Het onderscheid is belangrijker dan het klinkt: bijna elke organisatie "gebruikt AI" inmiddels in de zin dat iemand weleens ChatGPT opent. Structureel gebruik is iets anders, en dat verschil is precies wat een volwassenheidsmodel zichtbaar maakt.

Waarom een niveau, en geen simpel ja/nee

De vraag "gebruikt jouw bedrijf AI?" levert bijna altijd hetzelfde antwoord op: ja. Een marketeer die ChatGPT gebruikt voor een conceptmail, een developer die Copilot aanzet, een teamleider die een samenvattingstool probeert, dat is allemaal "gebruik", en het zegt bijna niets over of die organisatie er ook maar iets structureels uit haalt. Een volwassenheidsmodel splitst dat brede "ja" op in niveaus, zodat duidelijk wordt of AI toevallig her en der wordt aangeraakt, of daadwerkelijk is ingebed in hoe werk gebeurt.

Dat onderscheid is ook precies waarom onderzoek naar AI-adoptie zulke schijnbaar tegenstrijdige cijfers oplevert. McKinsey's jaarlijkse onderzoek naar de status van AI (State of AI 2025) laat zien dat 88 procent van de organisaties AI gebruikt in minstens één bedrijfsfunctie, terwijl maar zo'n 6 procent er meer dan 5 procent van het bedrijfsresultaat uit haalt. Beide cijfers zijn waar. Ze meten alleen iets anders: het ene meet gebruik, het andere meet resultaat. Een volwassenheidsmodel is de brug daartussen.

De vijf niveaus

Niveau 1: Ad-hoc

Losse individuen gebruiken AI-tools op eigen initiatief, zonder beleid, zonder afstemming, en zonder dat de organisatie zicht heeft op wie wat gebruikt. Typisch beeld: een paar mensen hebben zelf een ChatGPT-abonnement, gebruiken het voor uiteenlopende, niet-gedeelde taken, en niemand anders in het team weet hoe of waarvoor. Er is geen gedeelde kennis, geen gedeeld resultaat, en bij vertrek van die persoon verdwijnt ook de kennis.

Herkenbaar aan: "sommige mensen doen wel wat met AI", geen beleid, geen gedeelde voorbeelden, geen meting.

Niveau 2: Bewust experimenteren

Er zijn een paar gerichte pilots, meestal binnen één team of rond één concreet probleem, maar nog geen doorvertaling naar de rest van de organisatie. Iemand heeft de moeite genomen om een use case te definiëren, bijvoorbeeld "we proberen AI voor het samenvatten van klantgesprekken", en er is een eerste resultaat, maar het blijft geïsoleerd. Andere afdelingen weten er vaak niet eens van.

Herkenbaar aan: één of twee actieve pilots, een eigenaar per pilot, nog geen organisatiebrede zichtbaarheid.

Niveau 3: Gestructureerd toegepast

AI is verankerd in specifieke processen, met eigenaarschap en een duidelijk, gemeten resultaat. Dit is het niveau waarop het verschil tussen "AI proberen" en "AI gebruiken" echt zichtbaar wordt: er is een nulmeting geweest, er is een vergelijking gemaakt met de situatie ervoor, en er is iemand die verantwoordelijk is voor het resultaat, niet alleen voor de techniek. Vanaf dit niveau wordt een serieuze ROI-berekening voor het eerst realistisch, simpelweg omdat er meetbare voor- en na-cijfers zijn.

Herkenbaar aan: minstens één proces met AI structureel ingebed, een nulmeting, een aanwijsbare eigenaar.

Niveau 4: Verweven in de bedrijfsvoering

AI zit in meerdere afdelingen tegelijk, systemen zijn met elkaar gekoppeld, en er is een gezamenlijke aanpak in plaats van losse initiatieven per team. Het verschil met niveau 3 is schaal en samenhang: in plaats van één succesvol geïsoleerd project, werken meerdere afdelingen vanuit dezelfde aanpak, met gedeelde standaarden voor wanneer AI wel en niet wordt ingezet, en met systemen die daadwerkelijk met elkaar communiceren in plaats van los naast elkaar te staan.

Herkenbaar aan: meerdere afdelingen met AI-toepassingen, gekoppelde systemen, een gedeeld kader in plaats van losse regels per team.

Niveau 5: Structureel onderdeel van de strategie

AI-adoptie is geen apart project meer, maar standaard onderdeel van hoe nieuwe processen worden ingericht. Wanneer een organisatie op dit niveau een nieuw proces ontwerpt, een nieuwe klantreis, een nieuwe interne workflow, is de vraag "hoe zetten we hier AI voor in" net zo vanzelfsprekend als de vraag "welk systeem gebruiken we hiervoor". Er is geen aparte AI-strategie meer nodig, omdat AI onderdeel is van de gewone strategie.

Herkenbaar aan: AI wordt standaard meegenomen bij nieuwe processen, geen aparte "AI-afdeling" meer nodig om initiatieven te trekken.

Waar de meeste Nederlandse organisaties nu staan

De meerderheid van de organisaties die wij spreken zit op niveau 1 of 2: individueel gebruik zonder gedeelde structuur, of een enkele geïsoleerde pilot. Dat is geen toeval en geen teken van onwil, het is precies wat MIT's onderzoek naar driehonderd generatieve AI-implementaties (juli 2025) blootlegt: 95 procent van die implementaties leverde geen meetbare financiële impact op, niet doordat de techniek faalde, maar door wat de onderzoekers "the learning gap" noemen, AI wordt aangeschaft, maar nooit echt ingebed in hoe teams werken. Dat is exact het verschil tussen niveau 1-2 en niveau 3+.

Waarom dit ertoe doet, ook financieel

Op niveau 1 en 2 levert AI vooral individuele tijdswinst op: een paar minuten hier, een half uur daar, voor de persoon die het toevallig gebruikt. Die winst telt niet op tot organisatiebrede impact, omdat er geen gedeelde manier van werken is om hem te herhalen of te verspreiden. Vanaf niveau 3 wordt de winst meetbaar en herhaalbaar: een proces dat één keer goed is ingericht, levert bij elke herhaling opnieuw op, voor iedereen die het proces gebruikt, niet alleen voor de ene persoon die toevallig wist hoe.

Dit is ook precies de reden waarom een niveau alleen niet genoeg zegt: twee organisaties op niveau 2 kunnen wezenlijk verschillen in waar hun grootste kans ligt. Een dieper model, dat niet één totaalniveau geeft maar per functiegebied kijkt, laat zien wélke laag de vertraging veroorzaakt. Dat is precies waarom het AIMI-model (AI Maturity & Infrastructure Model) dit uitsplitst in vijf aparte lagen, Cognitie, Gedrag, Proces, Technologie, Organisatie, in plaats van één totaalcijfer te geven. Zie de volledige uitleg op de AIMI-modelpagina.

Volwassenheidsniveau vs. AIMI-score: hetzelfde principe, andere schaal

Een veelgestelde vraag is hoe dit vijf-niveaus-model zich verhoudt tot de AIMI-score die de AIMI-scan geeft. Het antwoord: hetzelfde onderliggende principe, andere granulariteit. Het vijf-niveaus-model hierboven beschrijft de organisatie als geheel, op één lineaire schaal. De AIMI-scan meet vijf onafhankelijke lagen tegelijk en neemt de laagste score als eindniveau, omdat een organisatie zelden op alle vlakken even ver is. Een bedrijf kan bijvoorbeeld qua Technologie al op niveau 4 zitten (moderne, gekoppelde systemen) maar qua Organisatie op niveau 1 (niemand verantwoordelijk voor adoptie), en dan bepaalt die zwakste laag, niet het gemiddelde, wat de organisatie er in de praktijk uit haalt.

Vergelijking: eigen inschatting vs. gestructureerde meting

| | Eigen inschatting ("we zitten er wel middenin") | AIMI-scan | |---|---|---| | Basis | Onderbuikgevoel, vaak per persoon verschillend | Vijf concrete vragen, één score per laag | | Nauwkeurigheid | Sterk afhankelijk van wie het inschat | Consistent, ongeacht wie invult | | Actiegerichtheid | Vaag ("we moeten meer met AI doen") | Concreet: welke laag eerst, en wat dat kost om te laten liggen | | Tijdsinvestering | Geen, maar ook geen bruikbare uitkomst | 10 minuten |

Veelgestelde vragen

Op welk niveau moet mijn organisatie minimaal zitten? Er is geen hard minimum, maar niveau 3 is meestal het punt waarop de investering in structuur zich begint terug te verdienen: vanaf hier is er een nulmeting en een meetbaar resultaat, in plaats van alleen losse experimenten.

Hoe weet ik op welk niveau mijn organisatie precies zit? Doe de AIMI-scan, die brengt in tien minuten je huidige niveau in kaart aan de hand van vijf lagen, in plaats van één totaalinschatting.

Is een hoger niveau altijd beter? Beter in de zin van meer gestructureerd, herhaalbaar rendement: ja. Maar de stap naar een hoger niveau moet in verhouding staan tot wat de organisatie aankan: te snel te veel structuur opleggen aan een team dat nog op niveau 1 zit, werkt averechts en leidt vaker tot weerstand dan tot adoptie.

Kan een organisatie op verschillende niveaus tegelijk zitten voor verschillende afdelingen? Ja, dat is zelfs de norm. Marketing kan op niveau 3 zitten met een goed ingerichte contentworkflow, terwijl finance nog op niveau 1 zit. Een organisatiebreed niveau is dan het niveau van de zwakste, achterblijvende afdeling, niet het gemiddelde.

Wat is het verschil tussen niveau 2 en niveau 3? Het verschil zit in meting en eigenaarschap. Niveau 2 heeft een pilot zonder gestructureerde meting of duidelijke eigenaar; niveau 3 heeft beide. Een pilot die na zes maanden nog steeds "een proefje" wordt genoemd, zonder cijfers en zonder iemand die er verantwoordelijk voor is, blijft op niveau 2 hangen, ongeacht hoe lang hij al loopt.

Hoe lang duurt het om van niveau 1 naar niveau 3 te gaan? Dat verschilt sterk per organisatie, maar een realistisch tijdpad is drie tot zes maanden voor één concreet proces, mits er een duidelijke eigenaar en een nulmeting zijn vanaf de start. Springen naar niveau 4 of 5 kost meestal langer, omdat dat schaal over meerdere afdelingen vereist.

Is dit model ook toepasbaar op kleine bedrijven? Ja. Het schaalt met de omvang van de organisatie: een team van tien mensen kan net zo goed op niveau 1 of niveau 4 zitten als een team van tweehonderd. De vraag is niet omvang, maar structuur.

Waarom scoren zoveel bedrijven laag, ondanks brede AI-adoptie in het nieuws? Omdat mediaberichtgeving vooral over gebruik gaat ("X procent van de bedrijven gebruikt AI"), niet over structurele inbedding. Beide cijfers zijn waar, ze meten alleen iets anders: zie de sectie hierboven over McKinsey en MIT's onderzoek.