De acht niveaus van AI-gebruik, van chatbot tot orchestrator

Vraag tien ondernemers of ze "iets met AI doen" en tien keer krijg je ja. Maar dat ja loopt uiteen van een marketeer die af en toe een tekst door ChatGPT haalt tot een team dat agents 's nachts hun werk laat afmaken. Dat verschil is geen detail. Het bepaalt wat AI je oplevert, hoeveel risico je loopt en wat je volgende stap zou moeten zijn. Wie wil weten waar hij staat, heeft meer aan een meetlat dan aan losse anekdotes. Deze gids zet er een neer: acht niveaus van AI-gebruik, van een los gesprek met een chatbot tot een agent die een heel team andere agents aanstuurt. Per niveau lees je wat het is, wat je ermee doet, een voorbeeldprompt om het zelf te proberen, en wanneer een stap omhoog de moeite waard wordt.

Het draait om vertrouwen en de prijs van een fout

Twee vragen bepalen welk niveau bij een taak past: vertrouw je de AI om dit zelfstandig goed te doen, en hoe erg is het als het misgaat? Die twee samen vertellen je alles. Een blogtekst die niet lukt, herschrijf je in vijf minuten, daar mag de AI dus best vrij in zijn. Een factuur met het verkeerde bedrag die automatisch verstuurd wordt, kost je vertrouwen bij een klant, daar wil je er met je neus bovenop zitten.

Het achtniveau-model komt van Mike Taylor en Laura Entis van het Amerikaanse Every. Wat hieronder volgt is geen vertaling van hun stuk, maar een eigen uitleg met Nederlandse voorbeelden, euro-prijzen en de regels die hier gelden. Hun originele gids is de moeite waard als je de Amerikaanse invalshoek erbij wilt.

Het hardnekkigste misverstand: mensen denken dat hoger altijd beter is. Dat klopt niet. De handigste AI-gebruikers springen juist heen en weer tussen niveaus en kiezen per klus wat past. Voor risicovol werk blijf je bewust laag, zodat je kunt meekijken. Wil je diezelfde kwaliteit tóch op een hoger niveau met minder toezicht, dan kost dat tijd, techniek en tokens, en dat is lang niet altijd de moeite waard.

Vergelijk het met werk uitbesteden aan een nieuwe medewerker. Iets simpels leg je één keer uit en je controleert het resultaat. Iets gevoeligs loop je stap voor stap mee, tot je genoeg vertrouwen hebt opgebouwd om het echt los te laten. Bij AI werkt het precies zo, alleen gaat het opbouwen van dat vertrouwen sneller, en kun je het binnen één dag op verschillende niveaus tegelijk doen.

Wie vastloopt met AI heeft daar meestal een goede reden voor: de uitkomst is niet goed genoeg voor het werk, of de kwaliteit die nodig is wordt te duur. Een niveau omhoog vraagt om oefenen en uitproberen, of om een model dat ineens een sprong maakt. Grof gezegd zit de meeste waarde voor kantoorwerk tussen niveau 1 en 4. Engineers werken vaker op niveau 5 tot 8, simpelweg omdat zij de techniek eromheen kunnen bouwen die die hogere niveaus bruikbaar maakt voordat de rest van ons er klaar voor is.

Waar zit jij nu? De eerste vier niveaus

De eerste vier niveaus zijn waar bijna iedereen zit die met AI werkt, en je hebt er geen technische kennis voor nodig. Een betaald abonnement op ChatGPT Plus of Claude Pro kost rond de 20 tot 22 euro per maand inclusief btw, en daarmee kun je op deze vier niveaus al heel ver komen. De sprongen zitten hem niet in duurdere software, maar in hoeveel regie je durft los te laten.

Niveau 1, de chatbot

Niveau 1 is hoe de meeste mensen AI leerden kennen: je opent ChatGPT, Claude of Gemini in een tabblad en typt wat je nodig hebt. Het model staat volledig op zichzelf en heeft geen weet van je administratie, je mailbox of je documenten. Daardoor ben jij degene die alle context aanlevert. Je plakt of uploadt wat het moet weten, en knipt het antwoord daarna terug naar de plek waar het thuishoort. Je gaat van alles zelf doen naar samen optrekken met een meedenker die overal een beetje verstand van heeft en altijd wakker is.

Dit werkt goed voor een tekst opstellen uit losse aantekeningen, een lang document samenvatten of vragen stellen over iets dat je erin plakt. Een ondernemer die snel een contract wil laten doorlichten zit hier prima, zoals we lieten zien in vijf vragen waarmee AI je contract beter checkt. Het model denkt mee, jij houdt volledig de regie en beoordeelt elk woord.

Vat dit leverancierscontract samen in gewone taal. Welke drie voorwaarden zijn veranderd ten opzichte van vorig jaar, waar loop ik als afnemer risico, en welke vraag zou ik zeker moeten stellen voordat ik teken? Zeg het meteen als iets in het contract onduidelijk of voor meerdere uitleg vatbaar is.

Je krijgt een overzicht terug dat ook benoemt waar het zelf twijfelt. Jouw taak is om te toetsen of de samenvatting klopt met wat er echt staat, want het model kan een clausule verkeerd lezen. Het plafond van dit niveau is het herhaalwerk eromheen. Omdat er niets blijft hangen tussen sessies, doe je telkens dezelfde voorbereiding, en groeit de stapel knip-en-plakwerk naarmate je het vaker gebruikt. Merk je dat dat heen-en-weer meer tijd kost dan het oplevert, dan is de copilot de logische volgende stap.

Niveau 2, de copilot

Bij een copilot verhuist het model naar binnen. In plaats van een apart tabblad zit het in je spreadsheet, je tekstverwerker, je presentatie of je code-editor, en het leest mee in het bestand dat al openstaat. Denk aan Claude in Excel, Gemini in Google Docs of Copilot in Microsoft 365. Dat ene verschil scheelt je het hele aanleveren van context: de copilot ziet vanzelf waar je mee bezig bent en past het direct aan, zonder dat je iets hoeft over te plakken.

Je gebruikt het om concepten te herschrijven, een levende spreadsheet bij te werken zonder het bestand te verlaten, of een hele stapel documenten te doorgronden zonder alles los in te plakken. Dat veel Nederlandse mkb-bedrijven dit inmiddels dagelijks doen, zie je in voorbeelden als Claude die facturen, boekhouding en campagnes oppakt.

In dit klantenoverzicht staat per klant de laatste besteldatum. Markeer iedereen die meer dan zes maanden niets heeft besteld, voeg een kolom toe met een korte reden om ze te bellen op basis van hun bestelhistorie, en zet er onderaan een samenvatting per regio bij.

Je krijgt een bewerkt bestand terug waar je meteen mee verder kunt. Loop wel de formules en de logica na, want juist in die ene cel kan een copilot zich vergissen. Waar het misgaat: een copilot blijft binnen de muren van het bestand waarin hij zit. Zodra een klus vraagt om gegevens uit verschillende bestanden of systemen bij elkaar te brengen, loopt hij vast, en heb je iets nodig dat zelf op pad kan.

Niveau 3, de agent

Een agent gaat een stap verder dan meedenken: hij voert daadwerkelijk klussen uit. Je geeft een opdracht en hij hakt die in deelstappen, werkt ze één voor één af en vraagt steeds jouw fiat voor de volgende. Anders dan een copilot blijft hij niet in één bestand hangen, hij mag rondlopen door je systemen, dingen klaarzetten op je computer en gegevens uit losse hoeken samenvoegen tot één geheel. Eén ding is belangrijk: zo'n agent komt nooit uit zichzelf in beweging. Hij is een uitvoerder die op startsein wacht, geen initiatiefnemer.

Wil je precies begrijpen hoe zo'n agent werkt en wat hij kost, lees dan wat een AI-agent precies is. Op dit niveau laat je hem bijvoorbeeld cijfers uit het ene bestand in een ander verwerken, of iets nieuws in elkaar zetten, zoals een overzicht dat data uit meerdere documenten samenbrengt.

Pak de omzet uit ons verkoopexport en de opmerkingen uit de laatste vijftig supporttickets, en maak er één overzicht van voor de maandvergadering met de belangrijkste trend per productgroep. Laat eerst per stap zien wat je van plan bent voordat je het uitvoert, en geef aan waar de twee bronnen elkaar tegenspreken.

Je krijgt een voorstel per stap en een eindresultaat dat aan de brondata vasthangt. Jouw rol is om bij elke stap akkoord te geven en bij te sturen waar de agent de cijfers verkeerd interpreteert. Het rempunt zit in dat goedkeuringsritme zelf: steeds stoppen, controleren en groen licht geven is veilig maar traag. Op het moment dat je die controle durft in te ruilen voor meer vaart, bijvoorbeeld om in één run een werkend prototype te krijgen, schuif je door naar autopilot.

Niveau 4, de autopilot

Autopilot is dezelfde agent, maar dan met de goedkeuringen uitgezet. Je geeft de opdracht, laat hem ongestoord doorwerken tot het klaar is, en kijkt pas aan het eind of het deugt. Veel mensen noemen dit vibe coding. Het verschil met niveau 3 zit in waar je op let: bij een agent geef je om hóe elke stap gaat, op autopilot interesseert alleen nog de uitkomst.

Wat je veilig op autopilot kunt zetten, beweegt mee met de modellen, en die lat verschuift bij elke release. Voor een landingspagina is de kwaliteit inmiddels goed genoeg om hem blind te laten draaien. Voor een doortimmerde presentatie meestal nog niet: dan ben je het resultaat zo lang aan het rechttrekken dat je sneller zelf was geweest. Dit is wel het eerste niveau waarop je iets bouwt dat anderen gaan gebruiken, zonder een regel code te schrijven. Denk aan prototypes, interne tools en eerste versies, of routineklussen die steeds hetzelfde zijn.

Bouw een simpel intern schermpje waarmee onze receptie afspraken kan inkloppen: naam, behandeling, medewerker en tijd, met een dagoverzicht per medewerker. Gebruik voorlopig verzonnen data en maak het strak genoeg om het morgen in de teamvergadering te laten zien.

Je krijgt een werkend prototype terug. Jouw taak is om het te testen en te bepalen of het demo-klaar is, en om te zien waar je nog in betrouwbaarheid moet investeren voordat echte gebruikers ermee aan de slag gaan. De keerzijde: snelheid gaat hier ten koste van voorspelbaarheid. Voor een wegwerp-prototype is dat geen ramp, voor iets waar klanten of cijfers aan hangen wél. Wil je het tempo houden maar de kwaliteit borgen, dan bouw je er een vast proces omheen. Dat is niveau 5.

Wanneer werkt de AI zelfstandig? De hogere vier niveaus

Vanaf niveau 5 bouw je systemen rond de AI en werkt die steeds zelfstandiger. Dit is meestal het terrein van engineers, en het is precies waar de indrukwekkende virale posts vandaan komen. Goed om te weten wat hier speelt, niet om jezelf op te jagen. Veel van wat nu nog handwerk is, zit over een jaar of twee gewoon ingebakken in de tools die jij dan gebruikt, zonder dat je er een developer voor nodig hebt.

Niveau 5, workflows

Niveau 5 draait niet meer om één slimme run, maar om het proces eromheen. Je legt vaste stappen vast die de agent dwingen om eerst een plan te maken, daarna zijn eigen werk na te lopen, te toetsen hoe zeker hij van zijn zaak is en alles door een paar controles te halen voordat het af mag heten. Daarmee verandert vibe coding in iets wat meer op echt engineeren lijkt. Het tempo blijft hoog, maar er zitten nu vangrails in die fouten onderscheppen voordat ze bij jou belanden.

Dit is grotendeels engineerswerk. Inschatten of een plan deugt, weten welke tests ertoe doen en de vangrails zo ontwerpen dat de agent niet ontspoort, lukt alleen als je begrijpt wat er technisch gebeurt. Een goede instap geven we in hoe je een AI-agent bouwt die niet sneuvelt in productie. De verwachting is dat veel hiervan het komende jaar in de tools zelf wordt ingebouwd, maar voorlopig vraagt het een technische blik.

Bekijk deze codebase en stel een plan op om een exportfunctie naar Excel toe te voegen. Benoem welke bestanden je raakt, de edge cases, en hoe je controleert of het werkt. Wacht op mijn akkoord voordat je iets bouwt.

Je krijgt eerst een plan dat je kunt nakijken voordat er ook maar iets gebeurt. Daarna laat je de agent zijn eigen werk beoordelen, bijvoorbeeld met een zekerheidscijfer van 1 tot 100, en pas doorgaan boven een grens die jij stelt. Jouw rol is om dat plan aan te scherpen en te beoordelen of dat cijfer terecht is. Het blijft alleen wel zo dat jíj op de knop moet drukken. Voor klussen die eigenlijk vanzelf zouden moeten lopen, wordt dat handmatige startsein de bottleneck. Heb je werk dat een agent zonder overleg zou mogen oppakken, dan kom je op niveau 6.

Niveau 6, de assistent

Het kantelpunt op niveau 6 is dat je niets meer hoeft te vragen. Een assistent houdt uit zichzelf een onderwerp in de gaten, pakt terugkerende taken op en seint je op tijd in, dag en nacht. Meestal hangt daar een klok aan: om de zoveel minuten leest de assistent een lijstje met wat op dat moment belangrijk is en handelt ernaar, zonder dat er een mens aan te pas komt. AI verschuift hier van iets wat reageert op jouw vraag naar iets wat doorlopend voor je meedenkt.

Gratis is dit niet, qua moeite. Je hebt technische kennis nodig, of iemand die het opzet en bijstuurt als het hapert, want deze systemen zijn nog wankel. Ook het onthouden over langere tijd gaat nog mis, waardoor een assistent de draad tussen sessies kan kwijtraken. Een wekker voor schoolmails of een seintje bij een slinkende voorraad is daarom makkelijker te vertrouwen dan een assistent met de sleutels van je bedrijfssystemen, want dat laatste vraagt om IT en een eerlijke risico-afweging. Een bedrijfsvoorbeeld van zo'n altijd-aan-assistent zagen we bij Meta's gratis AI-agent in WhatsApp, die klanten dag en nacht te woord staat.

Houd elke ochtend de aanbestedingskalender en mijn inbox in de gaten op opdrachten die passen bij ons profiel, en stuur me om 8 uur een kort overzicht met alleen wat echt relevant is en wat de deadline ervan is.

Je krijgt een vast terugkerend overzicht in de app die je toch al gebruikt. Jouw rol verschuift naar het bewaken van de grenzen: bepalen wat echt urgent is en de regels bijschaven op basis van wat er binnenkomt. Op dit niveau telt je risicobereidheid zwaarder dan op alle vorige. Eén assistent loopt vol zodra je er te veel verschillende petten op zet. Wil je dat er méér gebeurt zonder zijn lopende werk te verstoren of zijn geheugen te overvragen, dan knip je het op in aparte assistenten. Welkom op niveau 7.

Niveau 7, multi-agent

Op dit niveau heb je niet één maar meerdere agents tegelijk lopen, elk met een eigen opdracht en een eigen hoekje van het werk. Je rol verschuift van gebruiker naar teamleider: niet meer zelf de klus doen, maar een handvol zelfstandige werkers aansturen. In de praktijk gebeurt dit bijna alleen bij ervaren engineers, een gewone kantoorgebruiker draait zelden meerdere agents naast elkaar. De winst zit in vermenigvuldiging: één agent doet één ding tegelijk, een stuk of vijf doen vijf dingen tegelijk.

De sleutel is om ze strikt uit elkaar te houden. Geef elke agent zijn eigen taakgebied, eigen gereedschap en eigen geheugen, zodat ze elkaars werk niet vervuilen. De ene zorgt bijvoorbeeld voor je contentplanning, de andere stemt elke nacht je banktransacties af, en geen van beide weet wat de ander uitspookt. Hoe zoiets er in de praktijk uitziet, lieten we zien in hoe je tientallen AI-agents tegelijk aan je codebase laat werken.

Het werk zit hem nu in het aansturen: elke agent doelen meegeven, voortgang bijhouden en op tijd bijsturen. Loopt het aantal zo op dat je door de bomen het bos niet meer ziet en kwijtraakt wie waar verantwoordelijk voor is, dan is er een laag boven nodig die dat overzicht overneemt.

Niveau 8, de orchestrator

Op het hoogste niveau zet je niet meer zelf de agents aan, maar laat je dat over aan een baas-agent. Die verdeelt het werk over een groep onder-agents, houdt bij hoe ver iedereen is en plakt hun resultaten aan elkaar tot één geheel. Jij schuift een trede omhoog in de denkbeeldige organisatie: je geeft de richting aan, stelt de grenzen en hakt de echt belangrijke knopen door, de rest regelt de orchestrator.

Eén stevige kanttekening: dit is nog echt pionieren. Zelfs de mensen die het verst vooroplopen, nemen die dirigentenrol meestal nog zelf op zich, omdat ze een baas-agent niet vertrouwen met ingewikkeld coördinatiewerk. Voor de rest geldt: leuk om te volgen, te vroeg om op te leunen. De modellen zijn er domweg nog niet betrouwbaar genoeg voor.

Waar het wél al wordt geprobeerd, gaat het om projecten waarvan de rekensom alleen klopt als jij niet langer de flessenhals bent: werk dat over veel agents verdeeld en in de juiste volgorde gezet moet worden, waarbij alleen de echte beslissingen bij jou belanden. Jouw rol is om te beoordelen of de orchestrator de juiste dingen naar je doorspeelt, en die drempel hoger of lager te zetten.

De acht niveaus in één overzicht

Hieronder staan de acht niveaus naast elkaar, met per niveau wat het inhoudt, een paar voorbeeldtools en wie er meestal werkt. Lees het als een kompas om jezelf te plaatsen, niet als een ranglijst om af te werken.

Welk niveau past bij jouw bedrijf?

Voor de meeste ondernemers ligt de meeste waarde tussen niveau 1 en 4, en dat is geen tussenstation maar vaak gewoon de juiste keuze. Daar haal je het meeste rendement met de minste risico's en zonder dure techniek. Pas als een taak vaak terugkomt én betrouwbaar genoeg kan, wordt een stap omhoog interessant.

De cijfers laten zien dat Nederland nog volop onderin zit. Volgens het CBS gebruikte in 2025 ongeveer 33 procent van de Nederlandse bedrijven met tien of meer werknemers AI, een flinke sprong vanaf 22,7 procent in 2024. Het grootste deel daarvan zit op niveau 1 en 2: een losse chatbot en een copilot in bestaande software. Juist daar valt voor wie net begint de meeste winst te halen.

Let op het verschil met een ander model dat je misschien kent. Eerder beschreven we de vijf niveaus van AI-adoptie in organisaties, en dat kijkt naar iets anders: je bedrijf als geheel, van losse medewerkers die ChatGPT gebruiken tot een volledig AI-native organisatie. De acht niveaus hier gaan over iets kleiners en concreters, namelijk hoeveel je per taak uit handen geeft. Je kunt als organisatie nog vroeg in je adoptie zitten en toch voor één specifieke taak op autopilot werken. De twee modellen bijten elkaar niet, ze vullen elkaar aan.

De vuistregel: kies je niveau per taak, niet per persoon. Dezelfde marketeer schrijft 's ochtends een tekst op niveau 1, laat een rapport samenstellen op niveau 3 en demonstreert een prototype op niveau 4. Engineers zitten vaker hoger omdat zij de constructie kunnen bouwen die de bovenste niveaus stabiel maakt. Wat werken op een hoger niveau kost aan tokens, lees je in ons overzicht van wat AI-tokens kosten voor Nederlandse bedrijven.

Wat de AI Act van je vraagt

Hoe hoger het niveau, hoe belangrijker dat je mensen snappen wat ze doen, en dat is inmiddels ook wettelijk vastgelegd. Sinds 2 februari 2025 verplicht de AI Act dat medewerkers die met AI werken voldoende AI-geletterd zijn. Dat staat in artikel 4 van de verordening: je organisatie moet kunnen laten zien dat je personeel begrijpt wat de AI doet, waar de grenzen liggen en hoe je de uitkomsten beoordeelt.

Die plicht past naadloos op het niveaumodel. Je tilt een taak pas een niveau omhoog als de mensen eromheen begrijpen wat er verandert. Wie op niveau 4 een tool op autopilot laat bouwen, hoort te weten dat die eerst getest moet worden voordat klanten ermee werken. Op de hogere niveaus, waar de AI uit zichzelf handelt, weegt dat begrip nog zwaarder, want daar zie je een fout pas als de schade al is aangericht.

Praktisch betekent het: leg vast wie op welk niveau werkt en met welke afspraken. Voor gevoelig werk, denk aan persoonsgegevens of geld, blijf je bewust laag of bouw je extra controles in. Niet omdat de techniek het niet kan, maar omdat de wet, en je gezond verstand, vragen dat een mens de regie houdt waar de gevolgen groot zijn.

Welke fouten moet je vermijden?

De meeste mislukte AI-trajecten gaan niet stuk op de techniek, maar op een verkeerde niveaukeuze. Drie valkuilen kom je het vaakst tegen, en alle drie zijn ze te voorkomen.

Te hoog mikken voor de show. De verleiding is groot om meteen iets indrukwekkends neer te zetten: een assistent die alles automatisch doet, een rij agents die parallel draaien. Maar als een copilot op niveau 2 het werk al prima doet, betaal je op een hoger niveau vooral voor onderhoud, instabiliteit en tokens, zonder dat de uitkomst beter wordt. Begin bij het laagste niveau dat de klus aankan, en klim pas als je tegen een echte grens aanloopt.

Eén niveau voor alles gebruiken. Wie alles op niveau 1 doet, blijft eindeloos knippen en plakken voor werk dat een copilot of agent veel sneller af heeft. Wie alles op autopilot gooit, krijgt vroeg of laat een fout terug op een plek waar dat geld of vertrouwen kost. De kunst is juist om per taak te schakelen: het gevoelige laag, het routinematige hoog.

Omhoog gaan zonder je mensen mee te nemen. Een niveau omhoog verandert wie de controle heeft. Als het team niet weet dat een tool op autopilot is gebouwd en dus eerst getest moet worden, wordt autonomie een risico in plaats van winst. Dit is precies waar de AI Act op aanstuurt: leg vast wie op welk niveau werkt en zorg dat ze begrijpen wat er verandert, voordat je de teugels laat vieren.

Hoe zet je veilig een stap omhoog?

De beste samenvatting van dit hele model is een vergelijking die Taylor en Entis aan het eind maken. Je zou nooit acht stagiairs een nacht lang aan een belangrijke klus zetten en hun werk de volgende ochtend ongezien de deur uit doen. Je werkt eerst maandenlang met ze samen tot je weet dat je ze kunt vertrouwen. Met agents is het niet anders: verwacht dezelfde investering voordat je ze op een hoger niveau van zelfstandigheid loslaat.

Begin daarom bij taken met een laag risico. Kies iets dat vaak terugkomt en waar een fout weinig kost, en bouw daar vertrouwen op. Werkt het een paar weken betrouwbaar, dan kun je een stap omzetten of het bereik vergroten. Gaat het mis, dan zak je een niveau terug zonder schade. Zo rust je beslissing op wat je ziet gebeuren, niet op de hoop dat het goed komt.

En blijf af en toe terugkijken naar een niveau dat eerder buiten bereik lag. Een nieuwe modelrelease tilt soms iedereen omhoog: tools worden betrouwbaarder en makkelijker, en wat vorig kwartaal te duur of te wankel was, kan ineens wél. Tegelijk hoeft niet iedereen naar boven. Voor de meeste bedrijven is orchestratie nu nog onverstandig, simpelweg omdat de modellen er nog niet klaar voor zijn.

Onthoud vooral dit: je hoeft de power-users uit die virale posts niet bij te benen. De enige vraag die er echt toe doet is of je per taak het juiste niveau kiest. Die ene afweging levert je meer op dan welke nieuwe tool of welk indrukwekkend voorbeeld dan ook.