Het einde van de AI-micromanager
Eerlijk gezegd beginnen veel ondernemers een beetje ‘AI-moe’ te worden. Niet van de belofte, maar van de praktijk. Je vraagt ChatGPT of Claude om een complex marktonderzoek, en wat je terugkrijgt is een prima samenvatting, maar net niet diep genoeg. Of erger: je moet drie keer vragen om een detail aan te passen, waardoor je uiteindelijk toch weer zelf achter het stuur kruipt. Het kost soms meer tijd om de AI te controleren dan om het werk zelf te doen. Dat is precies het probleem dat Anthropic met de lancering van Claude Opus 4.5 probeert op te lossen. Waar eerdere modellen voelden als een enthousiaste stagiair die snel meters wil maken, positioneert Opus 4.5 zich als de senior medewerker die begrijpt dat ‘snel’ niet altijd ‘goed’ is.
Het opvallende aan deze release is niet alleen dat het model ‘slimmer’ is op papier. Het gaat erom hoe het omgaat met onduidelijkheid. In de tests die Anthropic deelt, zien we iets wat in een zakelijke context goud waard is: het vermogen om na te denken over trade-offs zonder hulp. Als je personeel moet micromanagen, is het systeem failliet. Dat geldt ook voor software. Opus 4.5 lijkt de eerste stap naar een systeem dat je een complexe opdracht geeft (“zoek uit waarom onze sales in Q3 daalden en vergelijk dit met macro-economische trends”) en dat daadwerkelijk terugkomt met een antwoord waar je direct iets mee kunt, in plaats van een lijst met excuses of hallucinaties. Voor het MKB, waar tijd schaarser is dan budget, is die betrouwbaarheid de enige metric die echt telt.
Creativiteit binnen de regels vinden
Waarom zou je hier nu aandacht aan besteden? Omdat dit model een fundamentele verschuiving laat zien in hoe AI ‘denkt’. Een prachtig voorbeeld uit de technische documentatie illustreert dit perfect. In een simulatie moest de AI een klant helpen die een ‘basic economy’ vliegticket wilde wijzigen. De regels van de luchtvaartmaatschappij waren strikt: basic economy mag niet gewijzigd worden. Een standaard AI zou hier simpelweg ‘nee’ zeggen en de regels citeren. Opus 4.5 deed iets anders. Het analyseerde de kleine lettertjes en vond een legitieme omweg: je mag wel de cabineklasse upgraden. De AI stelde dus voor: upgrade eerst naar ‘Economy’ (tegen betaling), en wijzig *daarna* de vluchtdatum (wat in die klasse wél mag).
Dit soort ‘problem solving’ is wat je in je bedrijf nodig hebt. Het is niet het blind volgen van regels, maar het begrijpen van het doel. Daarnaast introduceert Anthropic een ‘effort parameter’. Hiermee krijg je als gebruiker controle over de denkracht. Heb je snel een mailtje nodig? Dan zet je de ‘moeite’ laag en bespaar je kosten. Heb je een diepe analyse van je jaarcijfers nodig in Excel? Dan schroef je de intelligentie op. Wat we in de praktijk zien, is dat deze flexibiliteit cruciaal is. Je wilt niet de hoofdprijs betalen voor simpele taken, maar je wilt ook niet dat je AI beknibbelt op denkracht als het om je financiële forecasting gaat. De integratie met Excel en desktop-applicaties betekent bovendien dat de AI niet meer in een los chatvenster leeft, maar direct in de spreadsheets kijkt waar jij je beslissingen op baseert. Dat scheelt knip-en-plakwerk en vermindert de kans op fouten aanzienlijk.
Wanneer moet je overstappen?
Moet je nu direct je huidige abonnementen opzeggen? Dat hangt sterk af van wat je dagelijks doet. Als je AI voornamelijk gebruikt als veredelde spellingscontrole of voor het brainstormen van LinkedIn-posts, dan is Opus 4.5 waarschijnlijk overkill. De goedkopere modellen (zoals Haiku of de standaard ChatGPT-versie) volstaan dan prima. De kracht van dit nieuwe model zit in de complexe, meertraps-taken. Denk aan het moment dat je een financieel model bouwt in Excel en wilt weten waar de risico’s zitten, of wanneer je code nodig hebt om twee softwaresystemen aan elkaar te knopen zonder dat je zelf kunt programmeren.
Het advies is simpel: gebruik Opus 4.5 voor taken waar je normaal gesproken even voor zou gaan zitten met een kop koffie en de deur dicht. De prijsstelling ($5 per miljoen input tokens) maakt het toegankelijk genoeg om te experimenteren. Probeer het eens uit op dat ene project dat al weken op de plank ligt omdat het ’te veel uitzoekwerk’ is. De kans is groot dat dit model de eerste is die niet alleen het werk doet, maar ook begrijpt *waarom* je het gedaan wilt hebben. In een markt die overspoeld wordt met tools die van alles beloven, is een tool die simpelweg begrijpt wat je bedoelt, misschien wel de grootste winst die je dit jaar kunt boeken.