OpenAI heeft recent Record & Replay voor Codex geïntroduceerd. En eerlijk gezegd vind ik dit misschien wel een van de interessantere ontwikkelingen van de afgelopen tijd. Niet omdat het er spectaculair uitziet of omdat het meteen alles verandert, maar omdat het iets laat zien wat volgens mij veel groter is: we gaan langzaam van vragen aan AI naar taken voordoen aan AI.
Tot nu toe was AI vooral iets waar je instructies aan gaf. Je schreef een prompt, legde uit wat je wilde, gaf context, corrigeerde het antwoord en probeerde het opnieuw. Dat blijft belangrijk, maar met Record & Replay komt er iets bij. Je doet een workflow één keer voor op je Mac, en Codex probeert daar vervolgens een herbruikbare skill van te maken.
Volgens OpenAI werkt dit vooral goed bij taken die herhaalbaar zijn, afhankelijk zijn van je persoonlijke voorkeuren of makkelijker te laten zien zijn dan uit te leggen. Denk aan een declaratie indienen, een rapport downloaden, een issue goed aanmaken of een video publiceren. Codex kijkt mee, legt de stappen vast, maakt er een skill van en kan die later opnieuw gebruiken met andere invoer. Dat is een grote verschuiving.
De belofte van Rabbit R1 kwam te vroeg
Het doet me denken aan wat een paar jaar geleden al werd beloofd met de Rabbit R1. Toen werd ook gezegd: straks hoef je niet meer zelf door apps heen te klikken. Je laat een AI zien wat je wilt doen en die voert het daarna voor je uit. Alleen was die belofte toen groter dan de werkelijkheid. De Rabbit R1 maakte veel niet waar. De AI was nog niet goed genoeg, de uitvoering was te beperkt en het voelde meer als een interessante gedachte dan als iets dat echt werkte.
Maar dat betekent niet dat het idee verkeerd was. Sterker nog: ik denk dat het idee juist heel goed was. Alleen was de technologie er nog niet klaar voor. Nu zie je bij Codex langzaam dezelfde gedachte terugkomen, maar dan op een manier die veel praktischer voelt. Niet als los apparaatje in je broekzak, maar direct op je computer, op de plek waar je werk al gebeurt. Je doet iets voor, AI kijkt mee, AI maakt er een skill van en daarna kan AI de taak overnemen.
Een computer leren door voor te doen
In de demo van Record & Replay zie je bijvoorbeeld hoe een YouTube-video automatisch wordt geüpload. Dat klinkt misschien als een simpele taak, maar eigenlijk is het precies het soort werk waar veel mensen dagelijks tijd aan kwijt zijn. Je opent een website, kiest een bestand, vult velden in, selecteert instellingen, controleert of alles klopt en klikt op publiceren. Dat zijn geen moeilijke taken, maar ze kosten wel aandacht. En aandacht is precies waar we steeds minder van overhouden.
Wat mij hieraan fascineert, is dat je niet meer hoeft uit te leggen hoe elk knopje heet of welke stappen er zijn. Je hoeft niet eerst een volledige handleiding te schrijven. Je laat het gewoon zien. En Codex probeert vervolgens te begrijpen wat de taak is, welke onderdelen variabel zijn en hoe het resultaat gecontroleerd moet worden. Dat lijkt klein, maar het is eigenlijk enorm.
De parallel met robotica
Je ziet iets vergelijkbaars in robotica. Daar worden humanoïde robots gepresenteerd die huishoudelijke taken kunnen doen. In de praktijk kunnen die robots nog lang niet alles zelfstandig. Vaak is er nog menselijke hulp nodig, bijvoorbeeld via teleoperatie of doordat mensen taken voordoen zodat de robot ervan kan leren.
Dat is precies dezelfde gedachte. Als een robot iets nog niet kan, laat een mens zien hoe het moet. De robot leert van die demonstratie en kan de taak later beter uitvoeren. Nu zien we dit ook op de computer gebeuren. Niet met een robotarm die de vaatwasser inruimt, maar met een AI-agent die ziet hoe jij door software heen beweegt. Waar je klikt, wat je invult, welke keuzes je maakt en welke controles je doet voordat je klaar bent.
Dat betekent dat alles wat je op een computer kunt voordoen, in principe kandidaat wordt om door AI overgenomen te worden. En dat is nogal wat.
Hoeveel menselijke taken verdwijnen hierdoor?
Dan komt natuurlijk de ongemakkelijke vraag: hoeveel mensen worden hierdoor overbodig? Want als humanoïde robots fysieke taken kunnen leren door mensen na te doen, en AI-agents digitale taken kunnen leren door mensen na te doen, dan blijft er een steeds kleiner gebied over waarin alleen mensen iets kunnen.
Veel kantoorwerk bestaat uit herhaalbare digitale handelingen. Bestanden uploaden. Gegevens overnemen. Formulieren invullen. Rapporten downloaden. Tickets aanmaken. E-mails verwerken. Content publiceren. Administratie controleren. Systemen bijwerken. Dat zijn precies de taken die vaak niet moeilijk zijn, maar wel veel tijd kosten. En precies dat soort werk lijkt nu steeds makkelijker overdraagbaar aan AI.
Dat betekent niet dat morgen iedereen overbodig is. Zo werkt verandering meestal niet. Bedrijven bewegen langzaam. Systemen zijn rommelig. Context ontbreekt vaak. En veel werk lijkt simpel totdat je alle uitzonderingen ziet. Maar de richting is duidelijk. Als je een taak kunt voordoen, wordt de vraag steeds vaker: waarom zou een AI-agent die taak daarna niet kunnen uitvoeren?
Hoe flexibel is zo'n skill?
Tegelijk heb ik ook veel vragen. De belangrijkste is: hoe flexibel is zo'n skill eigenlijk? Moet je de taak precies op dezelfde manier voordoen als hij later uitgevoerd moet worden? Wat gebeurt er als een knop verplaatst is? Als een website net iets anders reageert? Als er een extra pop-up verschijnt? Als de naam van een veld verandert? Als de invoer niet helemaal lijkt op het voorbeeld?
OpenAI geeft zelf ook aan dat Record & Replay het beste werkt bij stabiele workflows met duidelijke succescriteria. Dat is logisch. Een taak die elke keer hetzelfde verloopt, is makkelijker te automatiseren dan een taak waarin je steeds veel oordeel nodig hebt. Maar in de echte wereld zijn workflows vaak rommelig. En precies daar wordt het interessant.
Want als AI niet alleen stappen kan herhalen, maar ook kan begrijpen wat het doel is, dan wordt het veel krachtiger. Dan gaat het niet meer om exact dezelfde route door een interface, maar om het bereiken van hetzelfde resultaat. Dat is het verschil tussen macro's en agents. Een macro herhaalt stappen. Een agent probeert een doel te bereiken.
Nog niet beschikbaar hier
Helaas kan ik het zelf nog niet testen. OpenAI schrijft dat Record & Replay op macOS beschikbaar is, maar dat de eerste beschikbaarheid de Europese Economische Ruimte, het Verenigd Koninkrijk en Zwitserland uitsluit. Computer Use moet bovendien beschikbaar en ingeschakeld zijn.
Dat is jammer, want ik ben er echt nieuwsgierig naar. Niet alleen omdat ik wil weten of het werkt, maar vooral omdat ik wil voelen hoe het werkt. Is dit iets dat meteen nuttig is? Of vooral een belofte? Is het robuust genoeg voor echte workflows? Of moet je nog zo veel corrigeren dat je uiteindelijk weinig wint? Dat kun je pas echt beoordelen als je ermee werkt.
Wat gebeurt er met sociale platforms?
Een andere vraag die mij bezighoudt, is bot-herkenning. Zelf ben ik veel tijd kwijt aan het reageren op connectieverzoeken op LinkedIn. LinkedIn is streng op automatisering en verdenkingen van botgebruik. Maar wat gebeurt er als een AI-agent niet via een klassieke bot-API werkt, maar gewoon jouw handelingen nadoet in een browser?
Gaat LinkedIn dat herkennen? En als LinkedIn dat niet herkent, wat betekent dat dan voor menselijke interactie op zo'n platform? Want LinkedIn is een sociaal platform. Je denkt dat je contact hebt met een mens. Iemand stuurt een connectieverzoek, iemand reageert op je bericht, iemand bedankt je voor een gesprek. Maar wat als daar steeds vaker een AI-agent achter zit die geleerd heeft hoe iemand normaal reageert?
Dan wordt de vraag niet alleen technisch, maar ook sociaal. Wat betekent het als platforms die bedoeld zijn voor menselijk contact steeds meer gevuld worden met AI-acties die eruitzien als menselijk gedrag?
Tussen kans en gevaar
Zoals je merkt zit ik in een spagaat. Aan de ene kant vind ik dit enorm kansrijk. Veel digitaal werk is saai, herhaalbaar en foutgevoelig. Als AI dat kan overnemen, krijgen mensen hopelijk meer ruimte voor werk dat echt waarde toevoegt. Minder klikken. Minder kopiëren. Minder gedoe.
Aan de andere kant zie ik ook de gevaren. Mensen kunnen werk verliezen. Platforms kunnen minder menselijk worden. Organisaties kunnen te snel taken automatiseren zonder na te denken over verantwoordelijkheid, controle en transparantie. En gebruikers kunnen het vertrouwen verliezen als ze niet meer weten of ze met een mens of een AI te maken hebben.
Daarom voelt Record & Replay voor mij groter dan alleen een nieuwe Codex-functie. Het is een signaal. We gaan van AI vragen stellen naar AI taken voordoen. En als AI eenmaal kan leren van wat wij op onze computer doen, dan komt een heel groot deel van digitaal werk in beweging.
Ik ben benieuwd hoe dit de komende weken gaat uitpakken. Maar ik weet één ding zeker: dit is een ontwikkeling om heel goed in de gaten te houden.