De werkplaats die terugpraat
Wat gebeurt er wanneer een AI niet alleen antwoord geeft, maar leert werken binnen de werkplaats die je samen hebt opgebouwd?
Conceptuele illustratie, gemaakt met AI.
Aan het begin was er een leeg venster en een cursor.
Ik typte een vraag. De machine antwoordde. Soms bruikbaar, soms breedvoerig, soms precies naast wat ik bedoelde. Het voelde als praten met een bijzonder belezen vreemdeling die iedere ochtend zonder herinnering aan de vorige dag aan tafel verscheen.
Een paar weken later gebruikte ik datzelfde venster om een server te controleren, een videoworkflow op te bouwen, een 3D-render naar een krachtigere computer te sturen en een productieplanner voor een kaarsenatelier live te zetten.
Er was niet plotseling een nieuwe machine verschenen. Wat veranderde, was de ruimte eromheen.
Van antwoord naar handeling
We spreken nog vaak over AI alsof het een betere zoekmachine is. Je stelt een vraag, ontvangt tekst en beslist daarna zelf wat je ermee doet. Dat beeld klopt nog steeds, maar het is niet meer volledig.
Zodra een taalmodel toegang krijgt tot gereedschappen, bestanden en een afgebakende werkomgeving, verandert de aard van de samenwerking. Het kan niet alleen uitleggen hoe een test werkt, maar die test ook uitvoeren. Niet alleen beschrijven hoe een afbeelding eruit kan zien, maar haar maken en controleren. Niet alleen een fout vermoeden, maar logs lezen, een kleine meting doen en de uitkomst vergelijken met de verwachting.
Dat klinkt als autonomie. In de praktijk lijkt het meer op een werkplaats.
Een goede werkplaats bestaat niet alleen uit gereedschap. Er zijn vaste plekken, veiligheidsregels, materialen, handleidingen en gewoonten. Je weet welke beitel scherp is, welke machine eerst moet opwarmen en welk werk nooit zonder controle de deur uitgaat. Het gereedschap wordt krachtig doordat het deel uitmaakt van een omgeving waarin iemand verantwoordelijkheid draagt.
Met Codex ontstond zo’n omgeving stukje bij beetje.
Honderdtweeëndertig deuren
Toen we de lokale taakgeschiedenis inventariseerden, vonden we 132 primaire Codex-taken op zeventien actieve dagen. Achter dat getal zaten geen 132 versies van dezelfde prompt. Het waren deuren naar verschillende kamers.
In de ene kamer stond een kaarsenmakerij. Voorraad uit een webshop werd vertaald naar wat er die dag werkelijk gemaakt moest worden. In een andere kamer lagen bijna achtenveertigduizend mediabestanden te wachten op een bruikbare Linux-interface. Verderop stonden een 3D-printer, een VR-bril, televisies, camera’s en een krachtige computer voor Blender en DaVinci Resolve.
De modellen verschilden ook. In de metadata van de primaire taken kwam GPT-5.6 SOL 104 keer voor, GPT-6 Astra veertien keer, GPT-5.6 Terra vijf keer en GPT-5.6 Luna twee keer. Bij zeven oude of lege taakrecords was het model niet meer vastgelegd.
Die telling zegt niet welk model “het beste” was. Ze laat iets anders zien: een werkplaats heeft geen enkel universeel gereedschap nodig, maar een betrouwbare manier om het juiste werk naar de juiste combinatie van model, machine en instructie te sturen.
De laptop als drempel
De laptop werd het punt waar alles samenkwam. Niet omdat hij zelf iedere taak het snelst kon uitvoeren, maar omdat hij wist waar het werk thuishoorde.
Een server bewaarde diensten en data. Een desktop-pc had de grafische kracht voor renders en videowerk. De laptop bleef de plek van waaruit vragen werden gesteld, keuzes werden gemaakt en resultaten werden beoordeeld. Tailscale, SSH, Wake-on-LAN, Git en enkele zorgvuldig beschreven routes vormden de gangen tussen de kamers.
Dat lijkt een technisch detail. Toch verandert het iets fundamenteels aan de ervaring van een computer. Een apparaat is niet langer één gesloten doos. Het wordt een toegangspunt tot mogelijkheden die verspreid zijn over een netwerk.
De grens van de werkplek wordt daardoor minder fysiek. Maar de verantwoordelijkheid verdwijnt niet mee. Juist wanneer één opdracht meerdere machines kan bereiken, worden grenzen belangrijker: welke opslag mag worden gebruikt, waar blijven sleutels, welke actie vereist toestemming, welke wijziging moet eerst langs review?
Een verbonden werkplaats vraagt niet om minder discipline. Ze vraagt om een beter geheugen.
Wat niet in het model zit
Dat geheugen bleek niet vanzelf in de AI te wonen.
Een model kan veel weten over programmeren, fotografie of systeembeheer. Het weet niet automatisch welke website van ons is, waarom een bepaalde server read-only benaderd moet worden of welke toon bij Alchemilla past. Het kent de geschiedenis van een project niet, tenzij die geschiedenis zorgvuldig beschikbaar wordt gemaakt.
Daarom begonnen we eigen skills en projectinstructies vast te leggen. Geen magische spreuken, maar compacte werkwijzen: bronnen controleren, de juiste machine kiezen, eerst testen, via een branch werken, geen geheimen in Git zetten, na deployment de live situatie bekijken.
Het interessante is dat zo’n skill niet alleen de machine onderwijst. Tijdens het schrijven ontdek je ook wat je zelf altijd impliciet hebt gedaan. Gewoonten krijgen taal. Uitzonderingen worden zichtbaar. Een losse voorkeur verandert in een bespreekbare keuze.
De werkplaats begon terug te praten, maar dwong ons eerst beter te beschrijven hoe wij wilden werken.
Niet autonoom, wel zelfstandig genoeg
Er ging ook genoeg mis. Een VR-programma crashte. Een thumbnailcache bleek bij de eerste keer veel trager dan bij de tweede. Een pad naar een AppImage stond verkeerd. Een live kleurverschil was technisch aanwezig, maar visueel nauwelijks merkbaar.
Dat zijn geen randverschijnselen. Ze vormen het eigenlijke werk.
De nuttigste momenten ontstonden niet wanneer een model onmiddellijk gelijk had, maar wanneer de omgeving toeliet om een vermoeden te toetsen. Twaalf thumbnails werden koud en warm gemeten. Een webapp werd na deployment opnieuw in de browser bekeken. Een wijziging ging via tests en een pull request voordat de server haar ontving.
Zelfstandigheid betekent in zo’n systeem niet dat een mens kan verdwijnen. Het betekent dat de machine ver genoeg kan handelen om iets toetsbaars terug te brengen.
Dat onderscheid lijkt mij belangrijk. Volledige autonomie is een spectaculair verhaal. Betrouwbare samenwerking is vaak waardevoller.
De ruimte die we bouwen
In De ruimte na het werk vroeg ik wat we doen met de tijd die automatisering mogelijk vrijmaakt. De afgelopen weken voegden daar een andere vraag aan toe: welke ruimte moeten we bouwen voordat die tijd werkelijk vrij kan komen?
Zonder geheugen blijft iedere opdracht opnieuw beginnen. Zonder grenzen wordt gemak roekeloosheid. Zonder controle verandert snelheid in onzekerheid. Zonder menselijke richting produceert een systeem misschien veel, maar weet niemand meer waartoe.
Een digitale werkplaats is daarom geen verzameling slimme modellen. Het is een cultuur in het klein. Ze bevat ideeën over vakmanschap, veiligheid, schoonheid, verantwoordelijkheid en wat de moeite waard is om te maken.
De cursor staat nog steeds in een leeg venster wanneer een nieuwe taak begint.
Maar achter dat venster zijn inmiddels deuren.
En wanneer ik een ervan open, gaat er ergens in de werkplaats licht aan.