OpenAI kondigde op 2 juni 2026 aan dat Codex, zijn AI die zelf code schrijft, naar de ChatGPT-app komt met zes rol-plugins. Wat betekent 'AI die bouwt' echt voor het MKB?
Op 2 juni 2026 kondigde OpenAI aan dat Codex, zijn AI die zelf code schrijft, naar de gewone ChatGPT-app komt. Niet langer een apart gereedschap voor programmeurs, maar straks ingebouwd waar iedereen al zit, mét zes kant-en-klare plugins voor rollen als sales, data-analyse en design. De boodschap is duidelijk: AI gaat niet alleen helpen met code, maar zelf taken uitvoeren op je computer. Tijd om nuchter te kijken wat dat echt betekent voor jou als ondernemer, zonder de hype.
Wat is er aangekondigd
Tijdens een livestream met de titel 'Intelligence at Work' liet OpenAI drie dingen zien. Codex komt 'in de komende weken' in de ChatGPT-app zelf, dus niet meer als losse applicatie. Daarbij komen zes rol-specifieke plugins: data-analyse, creatieve productie, sales, productdesign, beleggen in aandelen en investment banking. En er is een functie waarmee Codex hele websites en apps kan bouwen en delen, voorlopig in preview voor zakelijke klanten.
Onder de motorkap draait GPT-5.3-Codex, het model dat OpenAI in februari 2026 uitbracht. OpenAI noemt het zijn meest capabele 'agentic' codeermodel tot nu toe, dat ongeveer 25% sneller werkt dan de vorige versie. In de tests voor zelfstandig werken aan een computer zet het records neer: 77,3% op Terminal-Bench 2.0, een test die meet hoe goed een model losse opdrachten in een terminal afhandelt.
Het woord 'agentic' is hier de kern. Een gewone chatbot beantwoordt een vraag. Een agent voert een opdracht uit: hij denkt na, zet stappen en levert iets op. Dat is de verschuiving waar OpenAI op inzet, van 'AI die code schrijft' naar 'AI die werk doet'.
De cijfers, en waarom je ze met een korrel zout neemt
OpenAI meldt dat Codex inmiddels meer dan 5 miljoen wekelijkse gebruikers heeft, en dat kenniswerkers (analisten, marketeers, designers) daar zo'n 20% van uitmaken. Die groep zou drie keer sneller groeien dan de programmeurs. Indrukwekkende getallen, maar let op: dit zijn cijfers uit OpenAI's eigen telemetrie, niet onafhankelijk gecontroleerd.
Belangrijker is dat OpenAI niet alleen speelt. Het veld van AI-codeeragents is in 2026 druk. Anthropic's Claude Code scoort hoog op SWE-bench Verified, een andere veelgebruikte test, en zou een paar procent van alle publieke GitHub-commits schrijven. Google heeft Jules en Gemini, en er is een groeiende groep open-source agents. Veel ontwikkelaars gebruiken inmiddels niet één maar twee van die tools naast elkaar. De les: er is geen enkele winnaar, en het beste gereedschap hangt af van wat je precies wilt doen.
Wat 'AI die code schrijft' realistisch betekent
Hier wil ik scherp zijn, want hier gaat het in de berichtgeving vaak mis. Ja, deze modellen schrijven verbluffend snel code. Ik gebruik ze zelf elke dag en ze besparen me reëel tijd. Maar code schrijven is niet hetzelfde als software bouwen die jaren meegaat.
Het schrijven van een stuk code is misschien 20% van het werk. De andere 80% zit in de saaie, onzichtbare dingen: wat moet het systeem precies doen, hoe past het op jouw bestaande processen, wat gebeurt er als er iets misgaat, hoe houd je het draaiend als je leverancier of je tarief verandert. Dat is architectuur en onderhoud. Een AI-agent kan een eerste versie in een uur neerzetten. Maar of die versie veilig is, of hij jouw boekhouding en je betalingen correct koppelt, en of hij over een jaar nog werkt: dat is mensenwerk.
Daar komt bij dat snelheid een valkuil is. Een agent die in vijf minuten 500 regels code produceert, levert ook in vijf minuten 500 regels op die je moet begrijpen, testen en onderhouden. Code die niemand snapt is geen bezit, het is een schuld. Hoe sneller je bouwt zonder na te denken, hoe sneller die schuld oploopt.
Mens in de lus is geen tijdelijke fase
De grootste denkfout is dat de mens straks niet meer nodig is. Dat klopt niet, en het zal voorlopig niet kloppen. Deze agents zijn briljante uitvoerders, maar slechte beslissers over wat belangrijk is. Ze weten niet wat jouw klanten écht willen, welke fout in jouw branche onvergeeflijk is, of welke afkorting later duur uitpakt.
Mens in de lus betekent niet dat je elke regel zelf nakijkt. Het betekent dat een mens de richting bepaalt en op de plekken die ertoe doen een controlemoment inbouwt. De agent doet het tikwerk, de mens neemt de verantwoordelijkheid. Zo werk ik zelf: AI versnelt mijn bouwwerk enorm, maar de keuzes over architectuur, veiligheid en wat ik wel en niet automatiseer blijven bij mij. Met slim werken, loont hard werken. De AI maakt het 'slim werken' krachtiger, niet overbodig.
Wat ik jou zou aanraden
Voor het MKB is het advies nuchter. Laat je niet gek maken door de demo's waarin een app in tien minuten verschijnt. Dat is echt, maar het is het makkelijke begin, niet het complete werk.
Wil je AI inzetten om sneller te bouwen, begin dan bij een afgebakende taak die in jouw bedrijf echt tijd kost en zich herhaalt. Bekijk of een fout op te vangen is. Bouw er een nette koppeling omheen met je eigen systemen, en zet een controlemoment op de plekken waar het ertoe doet. Wélk model er onder de motorkap draait, GPT-5.3-Codex of de versie van volgende maand, is dan een detail dat je later bijstelt.
Met slim werken, loont hard werken. De AI maakt het bouwen sneller; de architectuur, de koppelingen en het onderhoud blijven doordacht en in jouw bezit.
