Wat maakt Astra van ChatGPT uniek?

Tot voor kort typte je een opdracht in ChatGPT en kreeg je tekst, code of een afbeelding terug. Met GPT-6 Astra verandert dat: het model klikt, sleept en navigeert zelf door je software, alsof er een collega achter je toetsenbord zit. Geen speciale koppeling nodig, geen developer die eerst een API moet bouwen.

OpenAI introduceerde Astra begin september als het nieuwe frontier-model, beschikbaar in ChatGPT Work, Codex en via de API. Het is niet zomaar een snellere versie van het vorige model. Astra is gebouwd om zelfstandig te werken in programma's die daar nooit voor gemaakt zijn, en dat verandert wat je een AI-model realistisch kunt laten doen op de werkvloer.

Wat is GPT-6 Astra?

GPT-6 Astra is het nieuwste AI-model van OpenAI en functioneert als een native computerbediener. In plaats van alleen tekst te genereren, opereert het rechtstreeks in desktopapplicaties en gespecialiseerde software: het klikt op knoppen, vult velden in, navigeert door menu's en voert meerstaps taken uit zoals een mens dat zou doen.

Dat is een fundamenteel andere aanpak dan de meeste AI-modellen tot nu toe. Waar je vroeger een integratie of API nodig had om AI te koppelen aan bijvoorbeeld je boekhoudpakket of CRM, werkt Astra gewoon in de interface die er al is. Je hoeft niets te bouwen: het model leert de software te bedienen zoals een nieuwe medewerker dat zou doen, door te kijken, te klikken en te proberen.

Astra is niet ontworpen om je te vertellen wat je moet doen. Het is ontworpen om het zelf te doen, in de software die je al gebruikt.

Wat Astra anders maakt dan eerdere modellen

Native computerbediening in plaats van losse output

De meeste AI-modellen werken met tekst in, tekst uit. Astra werkt met scherm in, actie uit. Dat maakt het geschikt voor taken die voorheen te complex waren om te automatiseren, zoals het doorlopen van een intern goedkeuringsproces in verouderde software zonder moderne API's.

Lange, samenhangende werkstromen

Astra blinkt uit in projecten die zich over tientallen stappen uitstrekken: uitgebreid onderzoek, financiële modellen die meerdere applicaties raken, of gedetailleerde planning. Het model houdt de context vast over een langere reeks beslissingen, in plaats van bij elke nieuwe prompt weer bij nul te beginnen.

Efficiënter dan voorgaande modellen

Astra gebruikt aanzienlijk minder output-tokens dan eerdere frontier-modellen, bij gelijkblijvende precisie. Concreet: het model is geprijsd op 10 dollar per miljoen input-tokens en 50 dollar per miljoen output-tokens, wat het een van de kosteneffectiefste opties in zijn klasse maakt.

Verbeterde veiligheidsgrenzen

Astra produceert 89% minder onbedoelde uitkomsten dan het voorgaande model (GPT-5.6 Sol) bij computerbedieningstaken. Organisaties kunnen bovendien instellen welke websites het model mag bezoeken, of het uploads en downloads mag doen, en of er goedkeuring nodig is voordat het model een impactvolle actie uitvoert. Bij lancering staat deze toegang voor bedrijven standaard uit: je moet het bewust aanzetten.

Voor organisaties die nadenken over hoe ze dit soort autonome AI-agents verantwoord inzetten, is dat geen overbodige luxe. Een model dat zelf klikt en handelt vraagt om een ander soort controle dan een model dat alleen tekst teruggeeft.

Praktijkvoorbeeld: een 3D-website die het menselijk lichaam ontleedt

Wat Astra kan, wordt het duidelijkst uit voorbeelden die mensen er zelf mee bouwen. Ontwikkelaar Ashe Magalhaes (bekend als @ashebytes) gebruikte Astra om vanuit één prompt een interactieve 3D-website te bouwen die de mannelijke anatomie uiteenlegt in 2.234 losse onderdelen: skelet, spieren, organen, aders, alles apart aan te klikken en te verkennen.

Bekijk het resultaat zelf in de tweet van @ashebytes, waarin hij de interactieve 3D-anatomiewebsite laat zien die hij met GPT-6 Astra bouwde.

Diezelfde ontwikkelaar had een week eerder al een Tesla Model X in 334 onderdelen uit elkaar laten trekken op een vergelijkbare manier. Beide projecten zijn geen kant-en-klare software: het zijn websites die vanuit een enkele, uitgebreide opdracht zijn opgebouwd, inclusief 3D-rendering, interactie en een bedienbare interface.

Dat is precies waarom dit voorbeeld ertoe doet voor een niet-technisch publiek. Je hoeft geen developer te zijn om te begrijpen wat hier gebeurt: iemand beschrijft wat hij wil zien, en het model bouwt en verfijnt het net zo lang tot het klopt.

Wat je er zelf mee kunt, ook zonder technische achtergrond

Astra wordt vaak besproken in de context van software engineering en cybersecurity, logisch, want daar scoort het model uitzonderlijk hoog. Maar de meest toegankelijke toepassingen liggen dichter bij het dagelijkse werk van de gemiddelde professional:

• Interactieve visualisaties. Zoals de anatomiewebsite hierboven, maar net zo goed toepasbaar op een productcatalogus, een organigram of een uitleg van hoe een machine intern werkt.
• Tekeningen en portretten. Astra kan in programma's als Microsoft Paint of Canva een digitaal portret opbouwen, stap voor stap, op basis van een beschrijving.
• Motion graphics en animaties. Het model werkt in tools als After Effects, past timing en overgangen aan op basis van feedback, en verwerkt aangeleverd beeldmateriaal.
• Productvideo's. Van beeldmateriaal tot een samenhangende, UGC-achtige productvideo, inclusief de coördinatie tussen verschillende assets.
• Data-analyse in vakspecifieke software. Astra kan gegevens inspecteren binnen gespecialiseerde wetenschappelijke of financiële software, zonder dat je eerst een export naar Excel hoeft te maken.

Deze toepassingen (uitgebreider beschreven in dit overzicht van praktijkvoorbeelden) laten zien dat het besturen van software met AI geen abstract toekomstbeeld meer is. Het gebeurt nu al, met resultaten die een leek kan beoordelen zonder technische kennis.

Wil je zelf ervaring opdoen met het formuleren van dit soort opdrachten? Begin bij de basis: wat is een prompt en hoe bouw je die op zodat een model als Astra precies doet wat je bedoelt.

Wat wij in de praktijk zien

Inzicht 1: medewerkers onderschatten wat "computer use" betekent

In onze trainingen merken we dat de meeste deelnemers bij "AI die je computer bedient" meteen denken aan risico: een model dat ongecontroleerd rondklikt in gevoelige systemen. Wat ze niet beseffen, is dat modellen als Astra standaard met beperkte rechten werken en dat organisaties zelf bepalen welke acties goedkeuring vereisen. De angst zit vaak bij het idee, niet bij de daadwerkelijke instelling.

Inzicht 2: teams experimenteren met losse voorbeelden, niet met een proces

Zodra een demo als de anatomiewebsite rondgaat, willen teams het meteen zelf proberen. Ze typen één losse opdracht, krijgen een matig resultaat, en concluderen dat het model overhyped is. Wat ontbreekt, is een herhaalbare aanpak: een duidelijke rolomschrijving, context over wat het eindresultaat moet doen, en de bereidheid om in stappen bij te sturen in plaats van in één keer het perfecte resultaat te verwachten.

Inzicht 3: governance komt pas ter sprake na het eerste incident

Organisaties zetten AI-agents met computerbediening vaak eerst pilotgewijs in, zonder vooraf vast te leggen wie er verantwoordelijk is als het model een verkeerde actie uitvoert in bijvoorbeeld een facturatiesysteem. Pas na een eerste foutje, een verkeerd ingevuld veld, een bestand op de verkeerde plek, komt de vraag: wie had dit eigenlijk moeten goedkeuren?

Hoe wij dit aanpakken

Bij AI Personeelstraining behandelen we modellen als Astra niet als losse tooltrucs, maar als onderdeel van een bredere verandering in hoe AI met je systemen omgaat. In onze training rond AI-agents en autonome AI-tools leren deelnemers eerst het verschil tussen een model dat tekst teruggeeft en een model dat handelt, en waarom dat verschil vraagt om andere afspraken.

We beginnen met een intake waarin we inventariseren welke systemen en processen in aanmerking komen voor AI die zelfstandig handelt, en welke juist niet. Daarna volgt een praktijkdag waarin deelnemers met hun eigen voorbeelden werken: een repetitieve taak in hun eigen software, opgebouwd tot een werkende opdracht die het model zelfstandig kan uitvoeren. We sluiten af met een follow-up na enkele weken om te toetsen wat er daadwerkelijk anders gaat in het dagelijkse werk.

Voor de bredere vraag, wie is verantwoordelijk, welke controles staan aan, hoe voldoe je aan de EU AI Act, gebruiken we het AIP Duurzame AI Kompas. Dat raamwerk structureert de implementatie van AI-agents langs vier assen: organisatie (wie is verantwoordelijk), maatschappij (welke ethische grenzen gelden), technologie (welke systemen mag het model raken) en mens (wie moet hiervoor getraind worden). Bij een model dat zelf klikt en handelt, is dat geen theoretische oefening: het bepaalt letterlijk wat er wel en niet gebeurt in je systemen.

Organisaties die dit traject doorlopen, rapporteren dat ze binnen enkele weken een concrete lijst hebben van taken die veilig aan AI-agents kunnen worden overgedragen, in plaats van een vaag gevoel dat "AI hier ook wel iets mee zou kunnen".

Tot slot

Astra verlegt de grens van wat AI voor je kan doen: van tekst genereren naar zelf handelen in je software. Wie dat begrijpt en er gecontroleerd mee experimenteert, wint tijd op taken die voorheen te specifiek waren om te automatiseren. Wil je weten welke processen in jouw organisatie zich hiervoor lenen? Neem contact op voor een vrijblijvend gesprek.