Op 29 september bracht OpenAI Dots uit. Een Dot is een AI-agent die altijd aan staat en zelf werk voor je doorzet. Of het ook echt doet wat het belooft, weet nog niemand. De tijd zal het leren, en ik houd het scherp in de gaten.
Canoniek, het systeem dat ik heb gebouwd, lijkt erg op Dots. Daarom eerst wat ze gemeen hebben, en daarna waar ze verschillen.
Een Dot is een agent. Je geeft hem werk, en hij zet het door, ook als jij er niet bent. Dat doen de agenten van Canoniek ook. En er is meer dat ze delen.
OpenAI schrijft er zelf iets bij wat ik al maanden zeg. Wat een Dot voorstelt, hangt af van de informatie die hij heeft. Een agent is zo goed als zijn context.
Het grootste verschil zit niet in wat ze kunnen. Het gaat erom wie bepaalt wat een agent vastlegt, hoe hij het vastlegt en weer terugleest, waar het staat, en wat hij ermee doet.
Bij Canoniek legt een agent zijn context op meerdere plekken vast, en elk onderdeel heeft een eigen doel.
Elk onderdeel heeft eigen regels voor hoe het wordt vastgelegd en weer opgehaald, en haken zorgen dat een agent leest wat bij zijn taak hoort, ook na het compacten. Dat is behoorlijk ingewikkeld, maar het werkt. Ik heb vrijwel nooit meer dat ik iets vraag en de agent het niet meer weet. In mijn chronologie staan inmiddels ruim 10.000 afgeronde handelingen.
Een Dot werkt met het gesprek, het geheugen van ChatGPT en zijn eigen notities. Welk deel hij op een moment gebruikt, kiest hij zelf.
Elk bedrijf heeft zijn drive op zijn eigen manier ingedeeld, met een map per klant en daarin de projecten. Die indeling blijft. In elke map legt een agent een dossier aan volgens hetzelfde stramien, en dat houdt hij bij. In de diepste map staat wat er precies is gedaan, in de map daarboven wat dat betekent voor het project, en in de klantmap wat het betekent voor de klant. Elke laag vat samen wat eronder ligt.
Lezen gaat de andere kant op. Een agent begint bovenaan en daalt af naar de map van zijn opdracht. De andere mappen laat hij dicht. Zo heeft hij voor die ene taak het hele overzicht, en leest hij nooit alles.
Ik heb klanten met wel 10 projecten tegelijk. Dat kan alleen omdat elk project een eigen dossier heeft en de agent alles netjes omhoog bijwerkt, op elke laag. Zo werkt het bij mij, en nu ook bij Daniël.
Of een Dot iets vergelijkbaars doet, weet niemand. In de pagina's van OpenAI over Dots staat niets over een dossier per klant of per project dat omhoog wordt samengevat, en zijn eigen notities kun je niet inzien. Wat ik wel weet, is dat deze methode voor mij werkt.
Hoe het precies in elkaar zit, staat bij de Canoniek-methode op Het systeem.
Een taalmodel kan maar een bepaalde hoeveelheid tekst tegelijk overzien. Bij Canoniek en bij een Dot is dat ongeveer een miljoen tokens, de stukjes tekst waarmee een model rekent. Raakt het gesprek vol, dan wordt het samengevat en leeggemaakt. Dat heet compacten, en juist daar raakt een agent de draad het makkelijkst kwijt.
Bij Canoniek legt een agent vlak daarvoor alles vast wat hij nog niet had vastgelegd. In zijn kladblok schrijft hij op waar hij mee bezig was, wat de volgende stap is, wat er bij jou ligt en wat hij als eerste moet teruglezen. Na het compacten leest hij dat eerst, en een haak zorgt dat hij het niet overslaat. Staat een agent twee uur stil met een vol gesprek, dan ruimt een kloktaak het op, zodat hij fris aan zijn volgende taak begint.
Hoe een Dot dit doet, beschrijft OpenAI niet. De techniek die OpenAI ontwikkelaars voor lange gesprekken biedt, maakt een samenvatting die versleuteld is. Volgens OpenAI zelf is die niet bedoeld om door mensen gelezen te worden.
Een Dot houdt eigen notities bij over je voorkeuren, je besluiten en je prioriteiten, en past die aan als hij denkt dat er iets veranderd is. Hij zoekt ook op eigen initiatief in je pakketten naar wat nuttig kan zijn. Bij Canoniek wordt een correctie pas een regel als jij dat zegt. Dan komt hij in een regelboek, en elke agent die dat werk doet, leest hem.
OpenAI is daar eerlijk over. Op de eigen hulppagina staat dat je wat een Dot onthoudt niet kunt inzien, niet kunt aanpassen en niet los kunt weghalen. Alleen de hele Dot verwijderen kan. Pikt hij iets verkeerd op, dan kun je het hem zeggen, maar je kunt niet nakijken of hij het aanpast.
Bij Canoniek staat wat een agent over een klant vastlegt als gewone tekst op je eigen drive, in de map van die klant, tussen de mappen waarin je zelf werkt. Je kunt er zelfs een willekeurige andere AI naar laten kijken, en die snapt meteen wat er is gebeurd en waar je staat met die klant.
En het dossier is niet het enige. Ook de skills, de regels, de mijlpalen en de actiepunten die worden vastgelegd, kun je teruglezen. Dat raad ik ook aan, want vooral bij skills en regels begrijpt een agent niet altijd wat je bedoelt. Dat wil je zelf kunnen bijsturen. Makkelijk leesbaar is het niet altijd, want het is de werkplek van de agent. Maar het staat er, en je kunt een wijziging terugdraaien.
Een Dot werkt met plugins uit een catalogus van duizenden. Die kunnen wat de maker erin stopte. Bij Canoniek bouwt een agent een koppeling op maat in een paar minuten. En omdat hij op je eigen Mac werkt, heeft hij alle vrijheid om hem te bouwen en te laten draaien.
Al mijn koppelingen zijn op maat gemaakt, voor wat ik ermee wil kunnen en voor de context die voor mij belangrijk is. Met de standaardkoppeling van ActiveCampaign kon ik bijna niets. Toen de agent er zelf een bouwde, kon het ineens alles, tot de tekst in de mails aan toe. De koppeling met Realworks is net zo op maat gebouwd.
Een Dot werkt op een computer van OpenAI, in hun cloud, en gaat door als jij je laptop dichtklapt. De agenten van Canoniek werken op een eigen server, een Mac die altijd aan staat. Zelf werk ik op mijn laptop en mijn telefoon. Wat een agent leest, gaat voor het denkwerk wel naar Anthropic, net zoals het bij een Dot naar OpenAI gaat.
Goede output vraagt dat iemand de context beheert. Wat de AI moet weten, welke regels gelden, en wat hij leert van een correctie. Bij Dots doet OpenAI dat voor je, uit het zicht. Op de basis die ik bij je neerzet, beheer je het zelf, met hulp, en zie je wat er gebeurt.
Dat kost tijd. Met de eerste offerte die je met een agent maakt, ben je uren bezig, want je legt hem uit hoe jij offertes maakt. Daarna staat het vast, en elke correctie maakt het beter. Zo heeft een agent wat hij nodig heeft om zelfstandig te werken. Hij legt alles vast, hij leert van elke dag, en via koppelingen op maat kan hij bij de relevante context in alle systemen waarmee je werkt, en daar ook gegevens veranderen, toevoegen en verwijderen.
Ik zet de basis neer en help bij de verdere ontwikkeling. Bijsturen kun alleen jij, elke dag, volgens je eigen regels, want alleen jij kent je bureau. Een Dot leidt zijn regels zelf af, uit hoe je werkt en uit de context die je hem geeft. Of die kloppen met wat jij wilt, is de vraag.
Dots is knap bedacht. De vraag is of de gemiddelde ondernemer een Dot zo kan inrichten dat hij ook echt doet wat hij voor hem of haar moet doen. Onderzoek van MIT liet vorig jaar zien dat AI-projecten bij bedrijven met een gespecialiseerde partij in ongeveer 67 procent van de gevallen slagen. Bouwen ze het helemaal zelf, zonder zo'n partij, dan slagen ze maar een derde zo vaak. Of Dots daar verandering in brengt, moet nog blijken.
Ik ben sceptisch. Het is niet de eerste keer dat OpenAI een AI bouwt die voor je invult wat belangrijk is, zonder dat je kunt zien hoe. Vorig jaar kwam Pulse, dat elke ochtend zelf bepaalde wat er voor jou toe deed. Deze zomer haalde OpenAI het weer weg. Ik blijf voorlopig bij mijn standpunt. Wil je dat het echt voor je werkt, dan zul je het zelf moeten bouwen. Met een beetje hulp, natuurlijk.