OpenAI lanceert Dots: ben jij er klaar voor om verantwoordelijkheid over te dragen?

OpenAI heeft Dots geïntroduceerd. Misschien dacht je net als ik direct aan de Dalmatiërs, maar nu hebben we het over agents. Met Dots kan ChatGPT steeds meer werkprocessen doorlopend uitvoeren. Dat klinkt tof, maar ik denk dat veel marketing- en communicatieteams er in de praktijk nog niet klaar voor zijn. Hoe dat komt? Ik prik je bubbel door in dit artikel.

De technologie kan het wel, maar niet zonder inzicht in processen

Ik kom bij heel veel teams over de vloer die vaak onvoldoende expliciet hebben gemaakt hoe ze werken, wanneer het resultaat goed is en welk deel ze bewust bij de mens willen houden. Dat wordt nog belangrijker als AI zelfstandiger wordt.

Wat zijn Dots?

Dots zijn AI-agenten binnen ChatGPT. Je geeft een Dot een doel, koppelt de benodigde apps (je hebt al keuze uit 4000+ apps) en informatie die daarvoor nodig zijn en bepaalt wat de agent zelfstandig mag doen. Een Dot kan voortgang volgen, bepalen wat er vervolgens moet gebeuren en bijvoorbeeld onderzoek laten uitvoeren, informatie laten analyseren of een concept laten maken.

Wat ik opvallend vind, is dat een Dot een eigen cloudcomputer heeft. Daardoor kan hij blijven werken als jouw laptop uitstaat. Alleen als hij toegang tot je lokale computer nodig heeft, moet die computer online blijven en de ChatGPT-app openstaan.

Let op: Dots zijn nu (5 oktober 2026) beschikbaar voor mensen met een Business Premium-account en Enterprise-klanten kunnen Dots beta laten inschakelen door hun beheerder.

Het verschil met hoe we ChatGPT meestal (nog steeds) gebruiken is simpel. Je vraagt niet meer alleen: ‘Doe deze taak’. Maar steeds vaker: ‘Zorg dat dit proces blijft lopen’.

3 simpele voorbeelden voor marketing en communicatie

• Content: een Dot volgt ontwikkelingen rond jullie belangrijkste thema’s, vergelijkt die met eerdere content en zet iedere maandag drie relevante contentkansen klaar.
• Campagnes: een Dot volgt campagneprestaties, signaleert opvallende afwijkingen en legt mogelijke oorzaken en verbeteringen aan je voor.
• Interne communicatie: een Dot volgt relevante besluiten, signaleert wanneer communicatie nodig lijkt en bereidt een communicatievoorstel voor.

Misschien denk je nu: ‘Huh, dat kon toch al met Work?’ Deels. Work kan via geplande taken ook terugkerend werk uitvoeren. Het verschil is dat je een Dot geen terugkerende opdracht, maar een doorlopende verantwoordelijkheid geeft. Hij houdt context bij, bepaalt wat de volgende stap is en schakelt jou in wanneer jouw oordeel nodig is.

Je kunt niet delegeren wat je zelf niet begrijpt

We gebruiken ChatGPT nu nog vaak taak voor taak. Bijvoorbeeld: ‘bedenk tien invalshoeken’. Daarna nemen we het werk weer over. We bekijken de uitkomst, verzamelen nieuwe informatie, nemen een beslissing en geven AI eventueel de volgende opdracht. Wij knopen het proces dus zelf aan elkaar. Bij een Dot geef je een groter deel van die keten uit handen. En dan moet je ineens veel preciezer weten hoe die keten eruitziet. Neem iets simpels als ‘inspelen op actualiteiten’.

Dat lijkt misschien één taak: nieuws zoeken. Maar de echte workflow ziet er eerder zo uit:

Ontwikkelingen volgen → relevantie beoordelen → eerdere content controleren → kansen selecteren → standpunt bepalen → content maken → publiceren → evalueren.

Als je alleen de eerste stap automatiseert, hoef je daar niet ontzettend lang over na te denken. Maar zodra een agent meerdere stappen zelfstandig gaat uitvoeren, moet je keuzes maken:

• Welke bronnen mag het gebruiken?
• Wanneer is een ontwikkeling relevant?
• Wanneer hebben we al genoeg over een onderwerp gezegd?
• Mag AI zelf bepalen welke kans interessant genoeg is?
• Wie bepaalt welk standpunt we innemen?

Je kunt pas werk goed aan AI delegeren als je zelf begrijpt welk werk je delegeert. En daar ligt bij veel teams nog heel wat werk. Veel werkprocessen staan namelijk nergens beschreven. Ze bestaan in gewoontes, overlegmomenten en vooral in de hoofden van mensen. AI maakt dat ineens ontzettend zichtbaar.

AI dwingt je te bepalen wat ‘goed’ eigenlijk betekent

Dan komt het tweede probleem. Stel dat je een Dot je campagne laat volgen. Je kunt het opdracht geven om afwijkingen te signaleren, oorzaken te onderzoeken en verbeteringen voor te stellen. Dat kan prima, totdat je zegt: ‘Optimaliseer onze campagne’. Want wat betekent optimaliseren? Meer klikken? Meer leads? Meer geschikte leads? Meer omzet? Meer klikken kunnen samengaan met slechtere leads. Een bericht kan perfect scoren en inhoudelijk precies de verkeerde mensen aantrekken. Een agent kan razendsnel optimaliseren. Ook de verkeerde kant op.

We konden lang wegkomen met impliciete kwaliteitscriteria, omdat jij die als professional zelf invulde. Als je meer werk aan AI overdraagt, moet je die criteria expliciet maken. En dat is een heel goede ontwikkeling!

Maar niet alles wat AI kan, hoeft AI te doen

Dan blijft nog één vraag over die ik minstens zo belangrijk vind: ‘Wat willen we eigenlijk uit handen geven?’ Die vraag is wezenlijk anders dan: ‘wat kan AI overnemen?’ Daarom stel ik mezelf steeds vaker deze vraag: ‘Wat verlies ik als AI dit onderdeel overneemt, zelfs wanneer het resultaat goed is?’ Dat kan contact zijn. Plezier. Kennis van je organisatie. Of het vermogen om uiteindelijk zelf nog te beoordelen of een uitkomst klopt. Technisch mogelijk is niet automatisch wenselijk. En die grens hoeft bovendien niet voor ieder proces hetzelfde te liggen.

Pak dus eerst een whiteboard, daarna pas een Dot

Voordat je enthousiast een compleet proces aan een Dot overdraagt, zou ik daarom iets anders doen. Pak één terugkerend proces uit je team. Teken het uit. En geef iedere stap een kleur:

• Groen: AI mag dit zelfstandig uitvoeren binnen afgesproken grenzen.
• Oranje: AI mag voorbereiden, maar een mens beoordeelt of beslist.
• Rood: dit blijven we zelf doen (ondanks dat AI het kan).

Dan ontstaat er een veel interessanter gesprek dan: ‘wat kunnen we allemaal automatiseren?’ Je bespreekt namelijk hoe je straks wilt werken.

Dots zijn niet het begin

Dots maken vooral zichtbaar dat we een volgende fase van AI-gebruik ingaan. We gaan van: taakdenken → workflowdenken → werk opnieuw ontwerpen. En voor die tweede, maar vooral de laatste stap moet je begrijpen hoe je werk tot stand komt. Je moet kunnen benoemen wanneer het resultaat goed is. En je moet bepalen welke rol je technologie daarin wilt geven. Pas daarna wordt de vraag interessant welke agent je daarvoor bouwt.

Dus ja, ga vooral kijken wat Dots kunnen. Maar voordat je er eentje je marketingproces laat runnen, pak eerst dat whiteboard. Want als je zelf niet goed kunt uitleggen hoe je werk werkt, is het misschien nog wat vroeg om AI te vragen het van je over te nemen.