Het AIMI-model vs. Gartner's AI Maturity Model: wat is het verschil?

Gartner's AI Maturity Model beschrijft in algemene stadia hoe ver een organisatie is met AI-adoptie, van eerste experimenten tot volledige organisatorische inbedding: bedoeld om grote ondernemingen te positioneren ten opzichte van de markt. Het AIMI-model (AI Maturity & Infrastructure Model) van The AI Agency meet dezelfde soort volwassenheid, maar dan op vijf specifieke, onafhankelijke lagen, met een directe vertaling naar een financieel bedrag per laag: bedoeld om direct te kunnen handelen, niet alleen om te positioneren.

Wat Gartner's model doet, en voor wie

Gartner's onderzoek naar AI-volwassenheid beschrijft doorgaans een reeks stadia: van organisaties die nog experimenteren met individuele AI-tools, via gestructureerde pilots, tot organisaties waar AI volledig is ingebed in kernprocessen en besluitvorming. Dat soort modellen is waardevol voor benchmarking op grote schaal: een CIO die wil weten "lopen we voor of achter op de markt ten opzichte van vergelijkbare ondernemingen" heeft daar iets aan, zeker richting een raad van bestuur die in marktpositionering denkt.

Waar dit soort modellen minder goed in is: het vertalen van die stadia naar een concrete, financieel onderbouwde volgende stap voor één specifieke organisatie. "Je zit in stadium 2 van 5" is nuttig als benchmark, maar beantwoordt niet de vraag die de meeste MKB- en scale-up-organisaties eigenlijk hebben: wat kost het ons, concreet, in euro's per jaar, om hier te blijven zitten?

Wat het AIMI-model anders doet

Het AIMI-model splitst AI-volwassenheid niet in één lineaire schaal, maar in vijf onafhankelijke lagen, omdat een organisatie zelden op alle vlakken even ver is. Elke laag heeft een eigen basisbedrag per medewerker per jaar, afgeleid van gepubliceerd onderzoek naar productiviteitswinst bij AI-ondersteund werk:

| Laag | Vraag die het meet | Basisbedrag (per FTE/jaar, bij €65.000 salaris) | |---|---|---| | Cognitie | Begrijpen mensen wat AI wel en niet kan? | €1.200 | | Gedrag | Gebruikt het team AI structureel? | €2.260 | | Proces | Zit AI in jullie werkstromen of staat het ernaast? | €3.600 | | Technologie | Welke infrastructuur draait er? | €1.500 | | Organisatie | Wie is verantwoordelijk voor AI-adoptie? | €1.190 | | Totaal (volledig 5-laag uplift) | | €9.750 |

Dat totaal komt neer op 15 procent van een salaris van €65.000: bewust exact de helft van de 30 procent productiviteitswinst die McKinsey's eigen onderzoek meet als bovengrens bij goed ingericht AI-gebruik. Het model is zo gebouwd dat zelfs in het zwaarst denkbare scenario (alle vijf lagen op het laagste niveau, gecombineerd met de hoogste sector- en bedrijfstypevermenigvuldiger die het model hanteert) de uitkomst nooit boven de 19,8 procent van het salaris uitkomt: ruim onder McKinsey's volledige, niet-gehalveerde bandbreedte.

Het eindniveau is de laagste score van de vijf lagen, niet het gemiddelde. Dat is een bewuste keuze, gebaseerd op Goldratt's Theory of Constraints: een organisatie die technologisch ver is maar waar niemand verantwoordelijk is voor adoptie (lage score op Organisatie), profiteert in de praktijk evenveel van die technologie als een organisatie die nog niets heeft aangeschaft. De zwakste schakel bepaalt het tempo, niet de sterkste laag.

Het kernverschil samengevat

Gartner's model beantwoordt: "waar staan we ten opzichte van de markt?" Het AIMI-model beantwoordt: "welke laag houdt ons tegen, en wat kost dat ons dit jaar in euro's?" Beide vragen zijn legitiem: ze dienen alleen een ander doel. Een beursgenoteerde onderneming die moet rapporteren aan een raad van bestuur over marktpositionering, heeft baat bij het eerste. Een MKB-directeur die morgen een beslissing moet nemen over waar te investeren, heeft meer aan het tweede.

Een concreet verschil in de praktijk

Stel: een organisatie van vijftig kenniswerkers scoort in een Gartner-achtig model op "stadium 3 van 5", gestructureerd toegepast, met een paar succesvolle AI-projecten. Diezelfde organisatie doet de AIMI-scan en blijkt op Organisatie een 1 van de 5 te scoren: er is geen aangewezen eigenaar voor verdere adoptie. Beide uitkomsten zijn waar en tegenspreken elkaar niet: ze meten iets anders. Het Gartner-stadium zegt: "jullie hebben al wat gedaan." De AIMI-score zegt: "en toch is dit precies waarom het niet verder komt, en dit is wat dat kost: bij vijftig medewerkers loopt alleen al de Organisatie-laag op tot bijna €30.000 per jaar aan gemiste waarde."

Vergelijking naast elkaar

| | Gartner's AI Maturity Model | Het AIMI-model | |---|---|---| | Schaal | Eén lineaire schaal (stadia) | Vijf onafhankelijke lagen | | Doel | Marktpositionering, benchmarking | Concrete, financiële actie | | Financiële vertaling | Meestal niet aanwezig | Ja, per laag in euro's per FTE | | Doelgroep | Grote ondernemingen, boardroom-rapportage | MKB, scale-ups, directe besluitvorming | | Tijdsinvestering | Vaak onderdeel van een breder adviestraject | 10 minuten | | Kosten | Onderdeel van commercieel onderzoeksproduct | Gratis |

Onderbouwing

Het AIMI-model is opgebouwd op basis van gevestigd, gepubliceerd onderzoek naar organisatieverandering en technologie-adoptie: Brynjolfsson, Li en Raymond (Quarterly Journal of Economics) voor de productiviteitswinst bij AI-ondersteund werk, Noy en Zhang (Science, 2023) voor tijdsbesparing en kwaliteitswinst bij schrijftaken, MIT NANDA (juli 2025) voor de organisatorische inbeddingsproblematiek, en McKinsey's State of AI 2025 voor de bovengrens waarbinnen het model rekent. De financiële bedragen per laag worden bewust conservatief berekend, op de helft van het door McKinsey gemeten potentieel, om overschatting te voorkomen, niet om overtuigend te klinken.

Veelgestelde vragen

Kan een organisatie op het ene model hoog scoren en op het andere laag? Ja, dat gebeurt regelmatig. Een organisatie kan in een Gartner-achtig model "gevorderd" ogen door veel actieve AI-projecten, terwijl het AIMI-model een lage score op Organisatie laat zien omdat niemand echt verantwoordelijk is: precies het soort discrepantie die de vijf-lagen-aanpak zichtbaar maakt en een gemiddelde-score-model niet.

Is het AIMI-model wetenschappelijk gevalideerd zoals Gartner's model? Het AIMI-model is gebouwd op bestaand, gepubliceerd onderzoek (Brynjolfsson et al., Noy & Zhang, MIT NANDA, McKinsey) maar is geen peer-reviewed academisch model: het is een praktisch toegepast raamwerk. Gartner's model is een commercieel onderzoeksproduct met een vergelijkbare, niet-academische status.

Waar begin ik: met het AIMI-model of eerst met een breder marktbenchmark zoals Gartner biedt? Voor de meeste MKB-organisaties is dat geen of-of-vraag: het AIMI-model geeft in tien minuten een concreet startpunt. Een marktbenchmark is vooral relevant zodra intern al duidelijk is waar de organisatie staat en er behoefte is aan externe positionering.

Waarom scoort Proces vaak het hoogst in euro's, ook als de score niet het laagst is? Omdat Proces het hoogste basisbedrag van de vijf lagen heeft (€3.600 tegenover bijvoorbeeld €1.190 voor Organisatie). Zelfs bij een gemiddelde score kan Proces daardoor de grootste financiële impact hebben, dat is geen fout, het is een directe weergave van waar de meeste productiviteitswinst wetenschappelijk wordt gemeten.

Gebruikt Gartner dezelfde vijf lagen als het AIMI-model? Nee. Gartner's model werkt met stadia van organisatiebrede volwassenheid, niet met vijf losse, onafhankelijke functionele lagen. Het AIMI-model is specifiek ontworpen om dat verschil zichtbaar te maken tussen afdelingen of functiegebieden binnen dezelfde organisatie.

Is een lage AIMI-score erger dan een laag Gartner-stadium? Nee, ze zijn niet één-op-één vergelijkbaar. Een laag Gartner-stadium zegt iets over de organisatie als geheel; een lage AIMI-score op één specifieke laag wijst naar een concreet, oplosbaar knelpunt binnen een verder mogelijk sterke organisatie.