Van vragen beantwoorden naar werk uitvoeren
OpenAI heeft ChatGPT Work geïntroduceerd: een agent in ChatGPT voor langere opdrachten met meerdere stappen. De agent kan informatie ophalen uit gekoppelde applicaties en workflows, complete spreadsheets, presentaties, documenten en webapps maken, en urenlang aan een complex project blijven werken door het op te delen in kleinere taken.
Deze aankondiging is relevanter dan de zoveelste modelrelease. ChatGPT Work koppelt met systemen zoals Slack, Microsoft Teams, Google Drive, SharePoint, e-mail, agenda's, CRM-systemen en projecttools. Met Scheduled Tasks kan de agent veranderingen volgen, terugkerende documenten bijwerken en werk starten zodra een gebeurtenis plaatsvindt. Gebruikers kunnen de voortgang volgen, bijsturen en belangrijke acties goedkeuren.
OpenAI zet daar zakelijke beheersmaatregelen omheen. Beheerders van Enterprise- en Edu-omgevingen kunnen toegang, gekoppelde tools, bedrijfscontext, browser- en netwerkgebruik en toegestane acties centraal beheren. Een Compliance API geeft inzicht in gesprekken en acties. Die combinatie van context, tools, uitvoering en controle laat zien waar zakelijke AI naartoe beweegt.
Het echte signaal: AI schuift de workflow in
Zakelijke AI stond jarenlang naast de operatie. Een medewerker kopieerde tekst naar een chatbot, kreeg een antwoord en zette het resultaat handmatig in een document of systeem. Dat kan individuele productiviteit verhogen, maar verandert de werkstroom zelf niet.
ChatGPT Work komt dichter bij de operatie. De agent kan context verzamelen, een bruikbaar eindproduct maken, dat bijwerken als nieuwe informatie binnenkomt en de taak over meerdere tools heen uitvoeren. Dat is het verschil tussen AI als losse bestemming en AI als deelnemer in een proces.
Voor organisaties met veel documenten en kenniswerk is die verschuiving extra relevant. Maandrapportages, aanbestedingen, accountplannen, servicecoördinatie en beleidsupdates lopen zelden vast omdat niemand tekst kan genereren. Ze zijn traag omdat informatie verspreid staat, overdrachten handmatig zijn, regels impliciet blijven en iedere output tegen de laatste bron moet worden gecontroleerd.
Een agent aanschaffen is nog geen AI Operating Layer
De zwakke conclusie zou zijn: koppel alle applicaties en laat de agent los. Een brede interface is nuttig, maar vormt nog geen operationeel model. De waarde en het risico worden bepaald door wat eronder is georganiseerd.
Bedrijven die van experimenten naar een AI-native operatie willen, moeten zes samenhangende lagen inrichten: Data die actueel is en permissies respecteert; Werkwijzen waarin bedrijfsregels en kwaliteitsnormen expliciet zijn; Tools die veilige handelingen beschikbaar maken; Governance voor identiteit, goedkeuring, logging en escalatie; Kanalen waarin mensen al werken; en Agents die de taak coördineren.
Ontbreekt één laag, dan wordt de agent kwetsbaar. Gekoppelde data zonder permissies veroorzaakt blootstelling. Tools zonder duidelijke werkwijze leveren wisselende kwaliteit. Automatisering zonder logging maakt incidenten lastig te reconstrueren. Een agent zonder helder overdrachtspunt onderbreekt mensen voortdurend of krijgt meer bevoegdheid dan het proces aankan.
Begin met één workflow, niet met de hele werkplek
De praktische reactie is niet om de hele organisatie op dag één aan te sluiten. Kies één terugkerende workflow met een duidelijke eigenaar, meetbare frictie en toegankelijke broninformatie. Breng in kaart waar informatie binnenkomt, welke regels gelden, welke output nodig is en voor welke acties menselijke goedkeuring verplicht blijft.
Test daarna de volledige operationele lus. Vindt de agent de gezaghebbende bron? Respecteert hij de rechten van de gebruiker? Kan hij uitleggen waar een antwoord vandaan komt? Wat gebeurt er als bronnen elkaar tegenspreken? Is het eindproduct echt bruikbaar? Kan een beoordelaar de volgende actie goedkeuren, corrigeren of stoppen? En kan de organisatie achteraf reconstrueren wat er is gebeurd?
Die vragen zijn belangrijker dan een indrukwekkende presentatie uit één prompt. Een productieworkflow moet betrouwbaar blijven wanneer een brondocument verandert, een integratie uitvalt, een gebruiker geen toegang heeft of het model onzeker is.
Laava-perspectief
ChatGPT Work bevestigt een ontwikkeling die Laava in de markt ziet: AI verschuift van losse assistenten naar de systemen en workflows waarin het werk plaatsvindt. De kans is niet alleen om iedere medewerker een krachtiger chatvenster te geven. De kans is om een werklaag te bouwen die agents de juiste context, werkwijzen, tools en grenzen geeft.
Daarom blijft implementatie bepalend. Standaardplatformen kunnen sterke agents en brede integraties leveren. Het bedrijf moet nog steeds vaststellen welke kennis gezaghebbend is, hoe het proces hoort te verlopen, waar uitzonderingen naartoe gaan en wat zonder goedkeuring mag gebeuren. In een serieuze operatie vormen juist die keuzes het echte product.
De verstandige eerste stap is daarom concreet: kies een knelpunt, bouw één beheerste workflow en meet of doorlooptijd, kwaliteit en grip verbeteren. Schaal pas op als de volledige lus werkt.