Naar de inhoud
Instituto de Fluência Agêntica
NL
Menu
Twee kleine versies van hetzelfde maquette-eiland naast elkaar op linnen: de eerste leger, de tweede verder bebouwd; een rode draad loopt van een speld in de eerste naar een speld in de tweede. Vooraan een houten duimstok met messing.
Framework FAROL · voor wie het detail wil

Hoe FAROL AI-vaardigheid meet.

Agentische vaardigheid is een taak beschrijven, aan een AI overdragen, de uitvoering volgen en controleren wat er terugkomt.

Twee instrumentenTwee verschillende dingen

Wat mensen zeggen, en wat ze doen.

De diagnose · zelfgerapporteerd

  • Een vragenlijst die de leiding en het team invullen
  • Laat per afdeling zien wat mensen zeggen dat ze met AI doen
  • En waar het beeld van wie leidt en dat van wie uitvoert niet overeenkomen

De Raio-X · waargenomen

  • Leest de gesprekken van iedere persoon met AI, met diens toestemming
  • Laat zien hoe die persoon werkelijk werkt, in zes dimensies
  • Bij elke score staat waar die vandaan komt
Waarom tellen niet genoeg isWat we leerden van onze fouten

Activiteit tellen meet de tool, niet de persoon.

Ons eerste instrument telde activiteit. Toen we het in juli 2026 op een testaccount van een praktijkpartner draaiden, gaf het iemand die net met AI begon de cijfers van een professional. Die cijfers waren door de AI geproduceerd: een agent (een AI die taken uitvoert in plaats van alleen te antwoorden) roept tools aan en maakt bestanden aan bij elke opdracht, ook een verwarde.

De voor de hand liggende oplossing, in de opdrachten zoeken naar woorden die op goed gebruik wijzen, draaide de uitkomst om. De beginner schreef "maak een plan" in 41% van de opdrachten; de auteur van de methode, die plant in de opzet van het werk, in 9%.

Gemeten bij twee personen, van wie één de auteur van de methode. Het is een voorbeeld, geen statistiek.

83aangeroepen tools
12integraties
1.141bestanden aangemaakt door de AI

Daarom hebben we de methode herzien: nu beoordeelt een analyse met vastgelegde criteria hoe iemand het werk aanstuurt, en elke score moet verwijzen naar het fragment dat de score onderbouwt.

De basisApril 2026

12internationale modellen voor AI-volwassenheid en -gereedheid

Waar FAROL begon.

Het werk begon binnen een softwarebedrijf, als volwassenheidsindex. Voordat we één vraag schreven, catalogiseerden we de modellen die al bestonden. Elk blok is er één; de hoogte is het aantal treden van de schaal, van een continue score tot negen niveaus.

Wie ze maakteHerkomst

Adviesbureaus, leveranciers, universiteiten en overheid.

Drie komen van adviesbureaus, drie van technologieleveranciers, vier uit de wetenschap en twee van overheden. Tik op een blok om het model te zien.

De reproductie7 van 12

7getrouw gereproduceerd

MIT CISR, Gartner, Deloitte, Cisco, Microsoft, Salesforce en NIST waren voldoende beschreven (niveaus, dimensies en criteria) om vóór elke synthese te worden gereproduceerd. De andere vijf bleven als referentie.

Wat ze metenDe bevinding

Zeven meten het bedrijf. Geen enkele kijkt hoe iemand met AI werkt.

De modellen meten de organisatie, het risico, de technologie of de agent in productie. Het enige dat naar de persoon kijkt, de TRI, meet de houding die iemand tegenover de technologie verklaart te hebben. Daarom verving FAROL volwassenheid door vaardigheid: het ging de praktijk van ieder afzonderlijk bekijken.

De twaalf modellen in een tabel

Catalogus van FAROL van 7 april 2026 (modellenmatrix), op basis van de openbare documenten van elke organisatie. "Niveaus" is het aantal stadia dat het model zelf beschrijft; het NIST AI RMF heeft vier functies in plaats van niveaus, en de TRI geeft een continue score. Forrester/IBM is alleen op basis van een vermelding opgenomen, zonder tekst die de niveaus beschrijft.

Vaardigheid, geen volwassenheid.

Een volwassenheidsindex beschrijft op welk niveau het bedrijf staat, gemeten langs een vaste lat. Bij AI beweegt de lat ook: wat een paar maanden geleden gevorderd was, wordt de basis. Daarom meet FAROL bij elke meting waar de persoon en het bedrijf staan en waar de grens ligt.

AI-gebruik voor werk, in Brazilië.

In Brazilië gaat 57% van de gesprekken in individuele Claude-accounts over werk; wereldwijd 43%. Dit is een berekening van FAROL op basis van de openbare gegevens van de Anthropic Economic Index, over de periode van mei 2026. Anthropic zelf noemt Brazilië in het rapport van januari 2026 bij de landen met het grootste aandeel werkgebruik.

Rapport van januari 2026 van de Anthropic Economic Index: anthropic.com/research/anthropic-economic-index-january-2026-report

De grenzen.

  • De schaal van de Raio-X wordt nog bijgesteld, met een kleine steekproef en menselijke beoordelaars.
  • De score hangt af van het model dat de analyse doet; die variatie meten we.
  • We hebben nog geen heel bedrijf over meerdere cycli gevolgd.
  • Niets hier is een belofte van productiviteitswinst.
Contact

Vertel ons wat uw bedrijf wil oplossen.

Wie antwoordt, leidt ook het werk. Het eerste gesprek dient om te zien of het zinvol is en waar te beginnen.

  1. U schrijft ons via WhatsApp of e-mail.
  2. We plannen een gesprek met wie het werk leidt, om te zien of het zinvol is en waar te beginnen.
  3. Zo ja, dan ontvangt u een schriftelijk voorstel: team, termijn, oplevering en prijs, vóór enige verplichting.