Codex op het werk: 6 cijfers die agentproductiviteit echt meten

Nieuwe cijfers over agentgebruik

OpenAI publiceerde op 25 juni 2026 een analyse van Codex-gebruik. Volgens die gegevens verschoof gebruik van korte chatinteracties naar langere, gedelegeerde taken. In mei had 70,2% van een steekproef individuele gebruikers minstens één opdracht die volgens een model meer dan één uur menselijk werk zou vragen. Niet-technische gebruikers groeiden sterk en binnen OpenAI werd Codex volgens het bedrijf de voornaamste AI-vorm in alle afdelingen.

De cijfers zijn opvallend, maar vragen context. Ze komen van OpenAI’s eigen product en organisatie. De geschatte “menselijke werktijd” is bepaald met een taalmodel dat opdrachten beoordeelt, niet met gemeten tijdregistratie. De resultaten tonen gebruikspatronen, geen onafhankelijk bewezen productiviteitswinst.

Van vraag naar opdracht

Het belangrijkste signaal is gedragsmatig. Gebruikers vragen niet alleen meer “schrijf deze alinea”, maar delegeren een resultaat met meerdere stappen: bronnen verzamelen, bestanden aanpassen, controles uitvoeren en een afgewerkt artefact opleveren.

Dat verandert ook de rol van de medewerker. Goede delegatie vraagt een helder doel, toegestane bronnen, grenzen, acceptatiecriteria en een moment van controle. Een vage opdracht blijft riskant, ook wanneer de agent lang zelfstandig kan werken.

Waarom niet-technische groei relevant is

OpenAI rapporteert snelle adoptie in juridische, financiële en rekruteringsfuncties. Dat betekent niet dat elke medewerker programmeur wordt. Agents kunnen technische uitvoering toegankelijker maken: gegevens opschonen, een interne tool aanpassen of een terugkerende controle automatiseren.

De grootste kans voor een kmo ligt vaak bij kleine achterstanden die nooit prioriteit kregen: rapporten samenvoegen, productlijsten controleren, procedures actualiseren of formulieren koppelen.

Meet resultaat, niet agenturen

Zestig uur parallelle agenttijd op één dag klinkt indrukwekkend, maar rekentijd is geen bedrijfswaarde. Meet per workflow:

Een agent die acht uur draait voor een rapport dat niemand gebruikt, levert niets op. Een taak van twintig minuten die dagelijks betrouwbaar verdwijnt, kan wel waardevol zijn.

Nieuwe vaardigheden en nieuwe grenzen

Medewerkers moeten leren opdrachten afbakenen, tussenresultaten beoordelen en fouten terugbrengen tot een testbaar voorbeeld. Organisaties moeten tegelijk bepalen welke data, tools en acties voor delegatie beschikbaar zijn.

Begin met taken die omkeerbaar zijn en een duidelijke kwaliteitscontrole hebben. Laat gevoelige beslissingen, externe communicatie en financiële acties niet automatisch meegroeien met de technische capaciteit.

Onze conclusie

De Codex-data wijst op een reële verschuiving van AI als antwoordmachine naar AI als uitvoerder. Ze bewijst nog niet hoeveel productiviteit dit in een gemiddelde kmo oplevert. Dat antwoord moet u zelf meten, workflow per workflow.

Bron: OpenAI — How agents are transforming work, 25 juni 2026.

Wilt u één terugkerende taak omzetten in een meetbare agentpilot? Bekijk onze AI-oplossingen of bespreek uw proces.