OpenAI publiceerde een analyse over hoe AI-agents werk veranderen. Het stuk gaat over Codex, hun agent voor langere taken. De opvallende lijn: mensen gebruiken AI niet meer alleen om snel een antwoord te krijgen. Ze geven vaker een taak mee en laten de agent een tijdje werken.
Dat klinkt groot. En eerlijk: als je het verkeerd opschrijft, wordt het al snel van die typische AI-taal. Agents, workflows, delegated tasks, long-horizon work. Voor een ondernemer in Alphen, een garagehouder of een installateur zegt dat weinig.
De simpele vertaling is dit: AI wordt minder een vraagbaak en meer een voorbereider.
Niet iemand die zomaar je bedrijf overneemt. Wel een hulp die alvast informatie uitzoekt, een eerste versie maakt, ontbrekende gegevens aanwijst of een taak klaarzet. Dat is een stuk minder spectaculair dan de demo’s op internet. Maar waarschijnlijk wel nuttiger.
Wat OpenAI zag
OpenAI beschrijft dat hun eigen medewerkers Codex steeds vaker gebruiken voor langere taken. Niet alleen programmeurs. Ook mensen in juridische, financiële, operationele en supportrollen gebruiken agents voor werk dat vroeger meer technisch voelde: gegevens omzetten, dingen controleren, kleine hulpmiddelen maken, analyses voorbereiden.
Dat moeten we niet lezen als neutraal wetenschappelijk bewijs. Het is data van OpenAI over OpenAI. Maar het is wel een duidelijk signaal: AI schuift richting werk dat uit meerdere stappen bestaat.
En juist daar zit de link met het MKB.
Veel MKB-werk bestaat namelijk helemaal niet uit één grote ingewikkelde beslissing. Het bestaat uit tien kleine stappen die elke week terugkomen. Een aanvraag lezen. Gegevens overnemen. Iets controleren. Een reactie opstellen. Een taak inplannen. Een collega bijpraten.
Los zijn die stappen niet indrukwekkend. Samen kosten ze veel tijd.
Waar het misgaat
De fout is om meteen te denken aan volledig zelfstandig werkende AI. Een agent die zelf klanten mailt, offertes verstuurt, systemen aanpast en besluiten neemt.
Dat is meestal niet waar je moet beginnen.
Voor de meeste bedrijven is de eerste winst veel simpeler: laat AI voorbereidend werk doen, maar houd de beslissing bij een mens. Dan wordt het niet vaag of spannend. Dan wordt het praktisch.
Denk aan een offerteaanvraag. Nu leest iemand de mail, zoekt gegevens op, ziet dat er informatie ontbreekt, typt een eerste antwoord en zet misschien een taak in de planning. Een AI-agent kan daar een deel van voorbereiden. Hij kan de aanvraag samenvatten, ontbrekende gegevens noemen, een conceptantwoord schrijven en aangeven waar hij onzeker over is.
Daarna kijkt een medewerker ernaar. Die past aan, beslist en verstuurt.
Dat is geen sciencefiction. Dat is gewoon minder knip- en plakwerk.
Een goed proces is belangrijker dan een slimme tool
Ik zou ondernemers daarom niet adviseren om te beginnen met de vraag: welke agenttool moeten we kopen?
Begin met een saaie vraag: welk terugkerend klusje irriteert ons elke week?
Als je dat klusje niet goed kunt uitleggen, kan AI het ook niet netjes overnemen. Je moet weten waar het begint, welke informatie nodig is, wat een goed resultaat is en wanneer iemand moet controleren.
Een simpel voorbeeld:
Een klant stuurt een aanvraag. De medewerker moet weten wie de klant is, wat de vraag precies is, welke dienst erbij past, welke informatie ontbreekt en wat de volgende stap is. Als je dat proces uitschrijft, zie je vanzelf waar AI kan helpen. Niet overal. Wel op genoeg plekken om tijd te besparen.
Dat is ook de reden dat AI-projecten vaak tegenvallen. Niet omdat het model te dom is, maar omdat het werkproces rommelig is. AI maakt rommel meestal niet magisch netjes. Het maakt rommel sneller zichtbaar.
Wat betekent dit voor Braightminds-klanten?
Voor ons is dit een bevestiging van de richting die we al kiezen: geen AI om de AI. Eerst kijken waar werk blijft liggen, waar opvolging traag is, waar mensen veel herhalen en waar fouten ontstaan doordat informatie verspreid staat.
Daarna pas kies je een oplossing.
Soms is dat een simpele checklist. Soms een betere intake. Soms een interne kennisbank. Soms een agent die concepten voorbereidt. En soms moet je juist niets automatiseren omdat het risico te groot is.
Dat laatste hoort er ook bij. Niet elk proces is geschikt voor AI. Zeker niet als er geld, klantvertrouwen, privacy of juridische gevolgen aan vastzitten.
Een betere eerste stap
Pak één proces waar je team vaak over moppert. Niet het grootste proces. Gewoon iets dat elke week terugkomt en tijd kost.
Schrijf daarna in gewone taal op wat er gebeurt. Waar komt het binnen? Welke informatie is nodig? Wat doet iemand nu handmatig? Waar gaat het vaak mis? Wat moet altijd door een mens worden gecontroleerd?
Als je die vragen beantwoordt, heb je al meer dan een AI-idee. Je hebt een begin van een werkproces dat je kunt testen.
En dat is waar AI-agents pas interessant worden. Niet als hypewoord, maar als gereedschap voor werk dat nu onnodig veel aandacht opeet.