Elke dag zijn we getuige van de acceleratie van AI. De modellen evolueren aan een duizelingwekkend tempo. Aankondigingen lijken al verouderd nog voor ze goed en wel zijn gelanceerd. Het is alsof we niet in 35 jaar, maar in zes maanden, van het tijdperk van Pac-Man naar dat van de PlayStation 6 zijn gegaan. En elke zes maanden verandert de manier waarop we met AI werken en leven ingrijpend.
Waarom Claude Cowork het tijdperk van virtuele collega’s en ‘AI Operating Systems’ inluidt
Als 2025 het jaar was waarin de markt massaal over AI‑agents begon te spreken, dan vormt 2026 een veel concreter kantelpunt. Met innovaties zoals Claude Code en Claude Cowork beperkt AI zich niet langer tot het beantwoorden van vragen of het versterken van onze individuele capaciteiten. Ze kan nu connecteren met onze tools, de businesscontext begrijpen, de juiste skills activeren, verschillende AI-tools inschakelen naargelang de behoeftes, en vervolgens taken van begin tot einde plannen en uitvoeren, zonder menselijke tussenkomst. Of het nu gaat om onderzoek, analyse, schrijven, het maken van presentaties of zelfs het ontwikkelen van apps, het voelt alsof we beschikken over een virtuele collega die bijzonder competent is én, vooral, altijd beschikbaar.
Al drie jaar gebruiken we AI als een assistent. Het helpt ons nadenken, schrijven, samenvatten, herformuleren, ideeën genereren en tijd winnen. Kortom, het versterkt onze individuele capaciteiten. Maar in de meeste gevallen blijft het een hulpmiddel dat we inschakelen wanneer we het nodig hebben. We stellen een vraag, en het antwoordt. We geven een briefing, en we krijgen het gewenste resultaat op een bordjee.
Precies dat is nu aan het veranderen. De voorbije maanden is AI niet langer louter conversatiegericht. Het wordt geconnecteerd, contextueel en uitvoerbaar. Daar situeert zich volgens mij de echte breuklijn van 2026.
Claude Cowork en Claude Code markeren het begin van die nieuwe fase. Claude staat daar echter niet alleen in: OpenClaw, Perplexity Computer, Genspark Claw en binnenkort Copilot Cowork tonen dezelfde evolutie, meer bepaald richting systemen die taken kunnen orkestreren, verschillende tools kunnen inzetten en een deel van het werk kunnen overnemen, net als een extra virtuele collega binnen het team.
Van AI-agents naar het AI Operating System
In 2025 hebben veel bedrijven geëxperimenteerd met automatiseringen en AI‑agents via Make, Zapier, n8n of Copilot Studio. Die platformen maken het mogelijk om duizenden softwareoplossingen met elkaar te verbinden en gespecialiseerde agents te configureren die e‑mails beheren, leads kwalificeren, briefings omzetten, concurrentie-analyses opstarten en nog veel meer repetitieve taken uitvoeren.
De mogelijkheden zijn bijzonder aantrekkelijk, maar de implementatie van dergelijke agents blijft complex. Je moet nadenken over de architectuur, de juiste tools koppelen via API’s, prompts definiëren en het systeem blijven onderhouden naarmate de LLM’s evolueren. Met andere woorden, de mens blijft de dans leiden!
Precies daar brengt de nieuwe generatie AI en de zogeheten Cowork‑functionaliteiten een grondige verandering teweeg. We hebben niet langer te maken met agents die je één voor één moet configureren, maar met omgevingen die zelf agents, tools, skills en meerdere LLM’s kunnen orkestreren, en dit puur op basis van een intentie, uitgedrukt in natuurlijke taal. (Perplexity Computer orkestreert bijvoorbeeld negentien verschillende AI-tools).
Je hoeft niet langer elke stap van de workflow te beschrijven. Het volstaat om een doel te formuleren, en het systeem vertaalt dat in subtaken, activeert de juiste skills, schakelt de passende tools in, kiest de meest geschikte modellen, coördineert de uitvoering en zorgt voor een eindresultaat.
Een voorbeeld: een bureau wil loodgieters selecteren die klanten verliezen omdat ze de telefoon niet opnemen. Het systeem identificeert de juiste leads, leest hun Google‑reviews om klachten te detecteren zoals “neemt niet op” of “belt nooit terug”, selecteert de meest relevante prospects, zoekt de juiste contactgegevens en schrijft vervolgens een gepersonaliseerde e‑mail die een geautomatiseerde call back oplossing aanbiedt. Met andere woorden, je vraagt het niet alleen om recensies te analyseren, maar je vertrouwt het een volledige prospectie‑, kwalificatie‑ en commerciële voorbereidingsopdracht toe.
Een AI Operating System is dus niet zomaar een krachtigere assistent, noch een iets beter ingestelde automatisering. Het is een soort intelligentielaag die zich rond het bedrijf vormt: ze begrijpt de context, heeft toegang tot data, coördineert de agents, stuurt tools aan en neemt een steeds groter deel van het werk van je over. Terwijl je vroeger de hele digitale infrastructuur zelf moest bouwen, volstaat het nu om een behoefte te formuleren, waarna het systeem de volledige orkestratie op zich neemt, onder jouw toezicht.
Een AIOS is gebaseerd op vier onderling verbonden lagen:
Laag 1: de context
Het systeem moet je bedrijf begrijpen, evenals je producten, klanten, prioriteiten, kwaliteitsnormen en validatieregels. Zonder die laag tast het systeem volledig in het duister. Het instellen van de context gebeurt via de personalisatie van plug‑ins: je legt de agent uit wat zijn rol is, welke prioriteiten hij heeft, welke toon hij moet gebruiken en met welke tools hij binnen jouw organisatie werkt. Die afstemming verandert een generieke agent in een virtuele collega die volledig is afgestemd op de realiteit van jouw vakgebied.
Laag 2: de data
De AIOS koppelt zich aan je documenten, je CRM, je dashboards, je analytics en je samenwerkingstools. Hij handelt op basis van de werkelijke situatie van je activiteit, niet op veronderstellingen. Het is belangrijk om de juiste data toegankelijk te maken naargelang zijn rol. Een sales agent heeft immers niet dezelfde informatie nodig als jouw virtuele collega in marketing of HR. Die gerichte selectie maakt zijn handelen relevanter en nauwkeuriger.
Laag 3: intelligentie en geheugen
Het systeem beperkt zich niet tot het verzamelen van informatie. Het moet die informatie kunnen verbinden, prioriteiten kunnen bepalen en onthouden wat het leert terwijl het met jou samenwerkt. In deze laag bevinden zich de skills, de methodes, formats of knowhow. Je leert het systeem bijvoorbeeld hoe je een nota structureert of een LinkedIn-post schrijft. Dat wordt dan omgezet in kennis en vaardigheden die het op elk moment opnieuw kan inzetten.
Laag 4: de uitvoering
Dit is de laag die alles tastbaar maakt. Het systeem combineert wat het kan, de tools waartoe het toegang heeft en de opdrachten die jij geeft om echt werk te lanceren. Een korte instructie kan zo een hele reeks acties in gang zetten: analyseren, vergelijken, schrijven, structureren en opleveren. De kracht schuilt in het vermogen van het systeem om verschillende stappen na elkaar uit te voeren, meerdere agents te coördineren en een resultaat te leveren dat klaar is voor gebruik.
De evolutie van werk in drie fasen
Experts beschrijven vandaag de evolutie rond AI op de werkvloer in drie fasen. De eerste kennen we al: die van de persoonlijke assistent die elke medewerker helpt beter te schrijven, beter te analyseren en zo zijn individuele capaciteiten te versterken. In 2026 evolueren we naar de tweede fase, die van de hybride teams.
AI staat niet langer alleen maar aan onze zijde als handig hulpje. We beginnen onze organigrammen te herdefiniëren en we integreren er coworkers in die specifieke taken kunnen uitvoeren, kant-en-klare output kunnen produceren en specifieke taken uitvoeren onder toezicht van mensen.
En precies daar ligt, volgens mij, de echte kentering. De kwestie is niet langer technisch, maar strategisch van aard. Het gaat niet langer om de vraag welke assistent je gebruikt, maar hoe je het werk verdeelt tussen je medewerkers en deze nieuwe coworkers om aldus een uitgebreider, sterker, sneller en efficiënter team op te bouwen. In 2026 ligt daar je concurrentievoordeel.
Rossel komt met aanbod om merken zichtbaarder te maken in genAI