Een goed idee hebben is één ding. Het omzetten in software die daadwerkelijk werkt, is iets heel anders. Met GPT-6 Astra wil OpenAI precies die afstand tussen idee en uitvoering kleiner maken. Leden van het Developer Experience-team laten zien hoe zij het model gebruiken om uiteenlopende concepten uit te bouwen tot concrete projecten.
Daarbij gaat het niet alleen om sneller code schrijven. De voorbeelden wijzen op een bredere verschuiving: AI wordt steeds meer een actieve ontwikkelpartner die kan helpen bij het verkennen van een idee, het begrijpen van bestaande software, het ontwerpen van een oplossing en het stapsgewijs verfijnen van details.
Van losse gedachte naar concreet prototype
Softwareontwikkeling begint lang niet altijd met een perfect uitgeschreven specificatie. Vaak is er slechts een ruwe gedachte: een tool die iets met video doet, een nieuwe manier om leerstof visueel uit te leggen of een toepassing die muziek, software en creatieve workflows met elkaar verbindt.
Juist daar blijkt Astra interessant. Het team gebruikt het model niet alleen nadat alle beslissingen al zijn genomen, maar betrekt het veel vroeger in het creatieve proces.
Een vaag omschreven idee kan daardoor geleidelijk veranderen in een structuur met functies, interfaces, technische componenten en uiteindelijk werkende code. De ontwikkelaar hoeft niet noodzakelijk vooraf ieder detail te kennen. Veel van die details ontstaan tijdens het bouwen.
Een thumbnailgenerator als praktische AI-workflow
Een van de voorbeelden is een generator voor YouTube-thumbnails. Op het eerste gezicht lijkt dat een relatief eenvoudige toepassing, maar achter zo'n tool zitten verschillende onderdelen: beeldverwerking, lay-out, tekst, gebruikersinteractie en logica om van invoer een bruikbaar visueel resultaat te maken.
Astra kan in zo'n proces functioneren als een technische en creatieve partner. Het helpt niet alleen met afzonderlijke codefragmenten, maar ook met het verbinden van verschillende onderdelen tot één toepassing.
Dat verandert de manier waarop prototypes kunnen ontstaan. In plaats van eerst dagenlang een volledig technisch plan uit te schrijven, kan een ontwikkelaar sneller experimenteren en meteen beoordelen of een idee in de praktijk werkt.
Software wordt ook een visueel leermiddel
Een ander experiment richt zich op visuele leertools. Complexe informatie hoeft daarbij niet langer uitsluitend in tekst, documentatie of statische diagrammen te worden uitgelegd.
Met AI kan een ontwikkelaar interactieve hulpmiddelen bouwen waarmee concepten zichtbaar en tastbaar worden gemaakt. Dat is vooral interessant wanneer iemand nieuwe technologie probeert te begrijpen of een ingewikkeld systeem wil doorgronden.
Astra krijgt daarmee een dubbele rol. Het kan helpen om software te bouwen, maar tegelijk ook om de technologie achter die software begrijpelijker te maken.
Muziekworkflows laten de creatieve kant zien
De experimenten beperken zich niet tot klassieke softwareontwikkeling. Ook muziek komt aan bod.
Daar wordt duidelijk hoe AI verschillende creatieve stappen met elkaar kan verbinden. Een eerste concept kan worden vertaald naar een workflow waarin code, interfaces, bestanden en creatieve keuzes samenkomen.
De grens tussen programmeur en maker wordt daardoor minder scherp. Iemand hoeft niet langer ieder technisch onderdeel zelf vanaf nul te bouwen om met een digitaal idee te experimenteren. De nadruk verschuift gedeeltelijk van het handmatig produceren van alle onderdelen naar het sturen, beoordelen en verfijnen van het proces.
Zelfs hardware begint bij een gesprek
Opvallend is dat het team Astra ook gebruikt voor een hardwareprototype. Dat laat zien dat AI-assisted development niet noodzakelijk ophoudt bij het computerscherm.
Een hardwareproject brengt software, fysieke componenten, interfaces en technische beperkingen samen. Daardoor ontstaan veel meer afhankelijkheden dan bij een eenvoudig script.
Een AI-model dat zulke verbanden kan volgen, kan helpen om onbekende onderdelen te onderzoeken, bestaande code te begrijpen en verschillende stappen van een prototype met elkaar te verbinden.
Het interessante zit daarbij niet alleen in snelheid. De drempel om buiten het eigen specialisme te experimenteren wordt lager.
Een tactische RPG als stresstest voor complexiteit
Een tactische roleplayinggame vormt nog een ander soort uitdaging. Games bestaan uit een netwerk van onderling verbonden systemen: personages, spelregels, beweging, gevechten, interfaces, graphics en gebeurtenissen moeten voortdurend op elkaar reageren.
Daarmee wordt zo'n project een interessante test voor AI-ondersteunde ontwikkeling.
Astra moet niet alleen code kunnen produceren, maar ook begrijpen hoe verschillende onderdelen samenhangen. Wanneer een regel wordt aangepast, kan dat gevolgen hebben voor meerdere andere systemen.
Het experiment illustreert daarmee een belangrijk verschil tussen een traditionele code-assistent en een meer agentische ontwikkelomgeving. Het gaat steeds minder om de vraag of AI één functie kan schrijven en steeds meer om de vraag of AI voldoende context kan vasthouden om mee te werken aan een compleet systeem.
Eerst begrijpen, daarna veranderen
Een belangrijk onderdeel van moderne softwareontwikkeling is bovendien niet het schrijven van nieuwe code, maar het begrijpen van bestaande code.
Ontwikkelaars komen voortdurend terecht in projecten die door anderen zijn gebouwd. Ze moeten achterhalen waarom bepaalde keuzes zijn gemaakt, hoe onderdelen met elkaar communiceren en waar een wijziging veilig kan worden uitgevoerd.
Astra wordt door het Developer Experience-team ook voor dat soort werk ingezet. Het model kan helpen om door een complexe codebase te navigeren en verbanden bloot te leggen voordat er daadwerkelijk iets wordt aangepast.
Dat kan minstens zo belangrijk worden als automatische codegeneratie. Wie sneller begrijpt hoe een systeem werkt, kan ook sneller verantwoord wijzigingen uitvoeren.
Specificaties ontstaan tijdens het bouwen
Misschien is dat wel de interessantste boodschap uit de experimenten. AI verandert niet alleen hoe software wordt geschreven, maar ook hoe projecten worden bedacht.
De klassieke aanpak vertrekt vaak vanuit een specificatie, gevolgd door ontwerp, ontwikkeling en testen. Met krachtige AI-modellen kunnen die fasen meer door elkaar gaan lopen.
Een maker begint met een richting. Vervolgens wordt een eerste versie gebouwd. Tijdens dat proces ontstaan nieuwe vragen, worden beperkingen zichtbaar en worden ideeën aangepast. Astra helpt vervolgens om die volgende iteratie opnieuw uit te werken.
De prompt is daarmee niet langer simpelweg een opdracht voor een stuk code. Het wordt het begin van een ontwikkelproces.
De ontwikkelaar verschuift van uitvoerder naar regisseur
Dat betekent niet dat menselijke expertise verdwijnt. Integendeel. Naarmate AI meer uitvoerend werk kan overnemen, wordt het belangrijker om goede keuzes te maken over architectuur, functionaliteit, kwaliteit en gebruikerservaring.
De ontwikkelaar bepaalt wat gebouwd moet worden, beoordeelt of het resultaat klopt en stuurt bij wanneer de oplossing een verkeerde richting uitgaat.
Het vak verschuift daardoor gedeeltelijk van uitsluitend programmeren naar orkestreren: ideeën formuleren, systemen begrijpen, experimenten uitvoeren, resultaten beoordelen en AI gericht inzetten om een project verder te brengen.
De experimenten van het OpenAI-team laten daarmee vooral zien wat er gebeurt wanneer AI niet pas aan het einde van een idee wordt ingezet, maar vanaf het allereerste begin naast de maker zit.
Een vaag concept hoeft dan niet eerst volledig te worden uitgeschreven voordat het kan worden getest. Het kan meteen beginnen te leven als prototype, en vervolgens stap voor stap uitgroeien tot een echt project.
