Waarom wij binnenkort geen AI-tool meer kiezen, maar een volledig AI-team samenstellen
Jarenlang draaide de AI-race om één vraag: welk model is het beste? OpenAI, Anthropic, Google en xAI brachten steeds krachtigere modellen uit, terwijl benchmarks, programmeerscores en redeneertests moesten aantonen wie de technologische koppositie veroverde. Maar stilaan wordt duidelijk dat die discussie haar relevantie verliest. De volgende grote stap in artificiële intelligentie draait waarschijnlijk niet meer om één model dat alles beter kan, maar om meerdere gespecialiseerde modellen die samenwerken zoals medewerkers binnen een organisatie. Niet als concurrenten, maar als collega’s met verschillende verantwoordelijkheden. Dat zou wel eens een veel grotere verandering kunnen zijn dan de introductie van een nieuw taalmodel.
De AI-race verschuift van modellen naar teams
Een opvallend praktijkexperiment illustreert die evolutie.
In plaats van GPT-5.6 Sol en Claude Fable 5 tegenover elkaar te zetten, kregen beide modellen een verschillende functie binnen hetzelfde ontwikkelproject.
Claude Fable 5 werd ingezet als engineering manager. Het model analyseerde de opdracht, maakte een planning, verdeelde het werk over verschillende AI-agenten en controleerde voortdurend de kwaliteit van het resultaat.
GPT-5.6 Sol kreeg een heel andere rol. Niet die van projectleider, maar die van softwareontwikkelaar. Sol schreef de code, werkte technische opdrachten uit en leverde onderdelen af die vervolgens opnieuw door Fable werden beoordeeld.
Het experiment laat iets zien wat veel verder gaat dan softwareontwikkeling. Blijkbaar hoeven AI-modellen niet langer dezelfde taken uit te voeren. Net zoals binnen menselijke organisaties kan elk model worden ingezet waar het de meeste waarde creëert.
Specialisatie wordt belangrijker dan pure intelligentie
Dat past bij een bredere ontwikkeling die momenteel zichtbaar wordt.
Nieuwe AI-modellen verschillen steeds minder in pure kennis. Vrijwel alle frontiermodellen kunnen programmeren, documenten analyseren, teksten schrijven en complexe vragen beantwoorden.
De echte verschillen zitten steeds vaker in hun manier van werken.
Sommige modellen zijn uitzonderlijk goed in plannen en redeneren. Andere produceren razendsnel grote hoeveelheden code. Nog andere blinken uit in het verwerken van enorme hoeveelheden informatie of het uitvoeren van repetitieve taken tegen lage kosten.
Daardoor ontstaat een logische vraag: waarom zou één model alle functies tegelijk moeten vervullen?
Binnen een bedrijf verwacht niemand dat de CEO tegelijkertijd programmeur, boekhouder, jurist en marketeer is. Waarom zouden we dat dan wel van AI verwachten?
De AI-manager wordt belangrijker dan de AI-programmeur
Misschien is de opvallendste verschuiving wel dat het duurste model niet noodzakelijk degene is die het meeste werk uitvoert. Integendeel.
Steeds vaker lijkt het zinvol om het krachtigste model vooral verantwoordelijk te maken voor planning, kwaliteitscontrole, architectuur en besluitvorming, terwijl goedkopere modellen het uitvoerende werk verrichten. Dat lijkt sterk op hoe menselijke organisaties functioneren.
Een ervaren engineering manager schrijft doorgaans minder code dan een softwareontwikkelaar. Zijn grootste bijdrage zit in het nemen van de juiste beslissingen, het opsporen van fouten, het stellen van prioriteiten en het bewaken van de kwaliteit. Precies die eigenschappen blijken ook steeds belangrijker te worden bij AI.
Prompting evolueert naar AI-management
Dat verandert ook de rol van de gebruiker. De afgelopen twee jaar draaide bijna alles rond prompt engineering. Wie de beste prompt schreef, kreeg de beste resultaten. Die periode lijkt stilaan voorbij. Wanneer meerdere AI-agenten samenwerken, verschuift de taak van de gebruiker naar die van opdrachtgever of manager.
De belangrijkste vragen worden dan niet langer:
Welke prompt moet ik schrijven?
Welk model moet ik kiezen?
Maar eerder:
Welke rol krijgt elk model?
Welke kwaliteitsnormen hanteer ik?
Wanneer moet een tweede AI-agent het werk controleren?
Wanneer is menselijke goedkeuring nog noodzakelijk?
De gebruiker stuurt dus steeds minder individuele opdrachten aan en steeds meer een volledig AI-team.
Organisaties zullen AI-organigrammen bouwen
Dat heeft ook gevolgen buiten softwareontwikkeling.
Een marketingafdeling zou bijvoorbeeld één AI-agent kunnen inzetten voor marktonderzoek, een tweede voor copywriting, een derde voor kwaliteitscontrole en een vierde voor vertaling en lokalisatie.
Binnen HR kan een AI-team bestaan uit gespecialiseerde agenten voor cv-screening, competentieanalyse, interviewvoorbereiding en rapportering.
Bij lokale overheden kan een eerste AI-agent regelgeving analyseren, een tweede adviezen schrijven, een derde de juridische consistentie controleren en een vierde publiekscommunicatie voorbereiden.
De technologie verschuift daarmee van individuele assistenten naar digitale organisaties waarin AI-systemen elkaar aanvullen en controleren.
De keuze van het model wordt minder belangrijk
Dat betekent niet dat alle modellen gelijk worden.
Wel dat de keuze van één “beste” model waarschijnlijk steeds minder relevant wordt.
Bedrijven zullen niet langer uitsluitend kijken naar benchmarks of programmeerscores, maar naar de vraag welk model het best past binnen een bepaalde rol.
Net zoals een organisatie verschillende medewerkers met uiteenlopende competenties aanwerft, zullen ook AI-teams bestaan uit modellen met verschillende sterktes, kostenprofielen en verantwoordelijkheden.
De discussie verschuift daardoor van “welke AI koop ik?” naar “hoe ontwerp ik mijn digitale organisatie?”
De grootste uitdaging blijft menselijk
Misschien is dat uiteindelijk de belangrijkste les.
De technologie ontwikkelt zich razendsnel, maar de grootste meerwaarde ontstaat nog altijd niet door betere algoritmen alleen.
Succes hangt af van het vermogen om de juiste processen te kiezen, rollen slim te verdelen en kwaliteitscontrole in te bouwen. Dat vraagt nog steeds menselijke inzichten over strategie, organisatie en prioriteiten.
De toekomst van AI zal daarom waarschijnlijk niet worden bepaald door het model dat één benchmark wint, maar door organisaties die verschillende AI-systemen weten te combineren tot één efficiënt geheel.