Astra en Work toepassen met je team?
Oefen met jullie eigen taken, beschikbare functies en duidelijke controle van het resultaat.
Dennis Claassen
AI-trainer · 35+ teams getraind
Op 5 september 2026 gebruikte ik GPT-6 Astra voor het eerst. Ik werkte die dag aan vier bestaande projecten: GovSignal, een certificeringsplatform, een praktijkwebsite en mijn eigen website van Project Impact. Van dossiers vergelijken tot kapotte links repareren: er lag genoeg concreet werk om het model in de praktijk te gebruiken.
Deze review gaat over die werkdag in Codex. Alle vier de projecten hadden al een technische basis. Het interessante zat voor mij daarom in de vervolgstappen: bestaande code en inhoud begrijpen, verbeteringen uitvoeren en controleren of het resultaat ook klopte.
GovSignal met GPT-6 Astra: van losse signalen naar bruikbare dossiers
Bij GovSignal was de opdracht om een bestaand platform verder te ontwikkelen tot software voor commerciële teams en tenderteams. Het systeem verzamelde al informatie uit publieke bronnen. De vraag was hoe een team daarmee kansen kan beoordelen en opvolgen.
Een concrete verbetering was het samenbrengen van losse signalen in dossiers. Bij zo'n dossier horen bronverwijzingen, een tijdlijn en een herkenbare status. Een historische gunning heeft bijvoorbeeld een andere betekenis dan een actuele kans. Die verschillen moeten zichtbaar blijven als iemand een commerciële beslissing neemt.
Daar kwamen functies omheen: dossiers bewaren, notities toevoegen, opvolging toewijzen en beslissingen vastleggen. Ook de bediening werd aangepast, met compactere tabellen, instelbare kolommen en een detailpaneel. Later volgden een gerichte werklijst, het vergelijken van twee tot vier dossiers en een briefing voor overleg.
De relevantiesortering werd eveneens concreter. Een ander marktprofiel veranderde welke dossiers bovenaan kwamen. De sortering gebruikte onder meer trefwoorden, bronstatus en teambeslissingen. Dat was een eerste uitlegbare ordening; een gekalibreerde score die voorspelt hoe kansrijk een opdracht is, was daarmee nog niet gebouwd.
De controles gingen verder dan kijken of een scherm er goed uitzag. Met twee lokale testaccounts werd gecontroleerd of teamacties na opnieuw laden bewaard bleven. De laatste afgeronde testrun telde 131 geslaagde tests. Ook de productiebuild, lintcontrole en controles op desktop en mobiel werden uitgevoerd.
Daarmee was er een lokaal geteste versie met uitgebreidere functies. Productiehosting, dagelijkse uitvoering en echte betalingen waren nog niet afgerond. Een aanvullende module voor contractinformatie was onderzocht, maar nog niet gebouwd. Juist bij zo'n product is het belangrijk om die verschillende statussen uit elkaar te houden.
Een certificeringsplatform: contentproductie met verdeeld werk
Het tweede project was een bestaand certificeringsplatform. Daar ging het om inhoud over onder meer voedselveiligheid, personeelscertificering en laboratoriumaccreditatie. De opdracht omvatte nieuwe artikelen én het bijwerken van bestaande pagina's.
Het resultaat bestond uit 47 nieuwe artikelen, 83 bijgewerkte inhoudspagina's en een aangepaste homepage. Dat is een flink pakket, maar het zou onjuist zijn om alle tekst uitsluitend aan Astra toe te schrijven. Voor onderzoek, schrijven en broncontrole werden expliciet Luna-subagents ingezet. Selectie, samenvoeging en eindcontrole kwamen weer samen in de hoofdtaak.
Die verdeling is relevant voor mijn review. Ik gebruikte Astra binnen een werkwijze waarin meerdere taken en modellen samenwerkten. Het resultaat beoordelen vraagt dus ook aandacht voor die organisatie van het werk.
Na mijn goedkeuring gingen de wijzigingen live. Vervolgens zijn de 131 nieuwe of bijgewerkte pagina's gecontroleerd: ze gaven een succesvolle HTTP-status, hadden de juiste voorkeurs-URL en aansluiting op de sitemap, en de gepubliceerde inhoud kwam overeen met de bedoelde wijzigingen.
Dat zijn aantoonbare publicatiecontroles. Meer klikken of betere posities waren daarmee nog niet vastgesteld. Ook is broncontrole door AI geen verklaring dat een menselijke vakdeskundige ieder artikel heeft goedgekeurd. Bij specialistische inhoud blijft duidelijkheid over die verantwoordelijkheid nodig.
Een praktijkwebsite: kleine SEO-fouten met concrete gevolgen
Bij de praktijkwebsite waren de verbeteringen direct herkenbaar voor bezoekers. Drie links naar behandelingen werkten niet goed. De praktijknaam stond onnodig dubbel in paginatitels en een behandeling was via twee URL's bereikbaar. Ook de mobiele bediening en de manier waarop veelgestelde vragen in de HTML stonden, konden beter.
De kapotte links zijn hersteld. Voor de dubbele behandelpagina kwam een permanente doorverwijzing naar de gekozen URL; interne links en de sitemap werden daarop aangepast. De mobiele bediening en FAQ-weergave kregen eveneens gerichte verbeteringen.
Er zat ook werk tussen waarvoor ik zelf de context moest aanvullen. Toen ik aangaf dat de praktijk inmiddels een team had, is de bestaande achtergrondpagina omgebouwd tot een teamoverzicht. De profielen konden pas worden toegevoegd nadat namen en functies waren bevestigd. Zo'n wijziging vraagt om informatie van de organisatie zelf.
In de controle zijn 42 pagina's en meer dan 2.500 interne links meegenomen. De Core SEO-score van de gebruikte scanner ging van 74 naar 100. Dat cijfer zegt hier iets over de technische controles van die scanner. Het bewijst geen hogere positie in Google of extra afspraken.
Dit project laat zien waarom een duidelijke opdracht helpt: vind de fouten die een bezoeker of zoekmachine daadwerkelijk tegenkomt, herstel ze en loop dezelfde routes opnieuw na. Een kapotte behandellink is klein in de code, maar kan precies de stap zijn waarop een bezoeker vastloopt.
Project Impact: zoekvragen verbinden aan betere inhoud
Op mijn eigen website begon het werk bij zoekgegevens. Welke pagina's werden al vertoond, op welke vragen sloten ze aan en waar was de inhoud verouderd of onvoldoende duidelijk?
Op basis van Google Search Console zijn vijf bestaande blogs en vier gidsen bijgewerkt. Daarnaast kwam er een nieuwe uitleg over GPT-6 Astra. Het ging onder meer om actuele productinformatie en gerichte antwoorden op vragen over gebruik, kosten en limieten. Ook gegevens over vindbaarheid via Bing en citaties in Copilot zijn meegenomen in het onderzoek.
Binnen artikelen zijn verwijzingen naar vervolgstappen en mijn aanbod beter op de inhoud aangesloten. Wie een specifieke toepassing onderzoekt, moet kunnen doorklikken naar een passende uitleg of werksessie. PostHog bleef onderdeel van de meetinrichting, zodat vervolggebruik kan worden onderzocht.
Er zat ook een technische verbetering tussen. Het promptsoverzicht stuurde veel volledige gegevens naar de browser. Door alleen de benodigde gegevens over te dragen, daalde de lokaal gemeten HTML-omvang van de productieversie van ongeveer 2,30 naar 1,64 MB: 28,4 procent minder. Zoeken, filteren en de bestaande routes bleven behouden.
Dat is een meetbaar kleiner document. Of bezoekers daardoor in hun eigen browser een snellere pagina ervaren, moet uit echte gebruikersmetingen blijken. Die conclusie heb ik op basis van deze lokale controle nog niet getrokken.
Wat zegt deze dag over GPT-6 Astra in Codex?
OpenAI beschrijft Astra als een model voor complex onderzoek en programmeerwerk. De officiële modelpagina geeft de productspecificaties. Mijn werkdag sluit qua soort opdrachten daarop aan, maar is geen gecontroleerde vergelijking met andere modellen.
Er zijn bovendien drie dingen om uit elkaar te houden. Astra is het model. Codex is de toepassing waarin ik werkte. De beschikbare tools, bronbestanden, accounts en toegangen bepaalden wat daar daadwerkelijk uitgevoerd kon worden. Deze resultaten zeggen dus niet dat ieder ChatGPT-account dezelfde werkzaamheden op dezelfde manier kan uitvoeren.
Voor toegang en kosten verwijs ik naar mijn uitleg over GPT-6 Astra. Wil je begrijpen hoe zelfstandig uitgevoerde stappen en gedelegeerde taken samenhangen, dan helpt de uitleg over AI-agents.
Wat ik uit deze GPT-6 Astra review meeneem naar de volgende werkdag
De bruikbaarste opdrachten hadden een concreet eindpunt. Bij GovSignal ging het bijvoorbeeld om opgeslagen teamacties en een begrijpelijke sortering. Bij de praktijkwebsite waren het werkende links en één duidelijke behandel-URL. Zo'n eindpunt maakt het mogelijk om het resultaat te controleren.
Toegang en bronnen bleken minstens zo bepalend. Bestaande code, zoekgegevens en officiële documentatie maakten gerichte verbeteringen mogelijk. Waar informatie ontbrak of een keuze bij mij lag, moest die eerst worden aangevuld of bevestigd.
Ook verliep het werk in meerdere correctierondes. Een eerste versie werd gevolgd door testen, kijken, bijstellen en opnieuw controleren. Vooral bij GovSignal kwamen na de eerste functies verdere keuzes over bediening en relevantie aan bod. Dat hoort bij het ontwikkelen van bruikbare software.
Mijn eerste dag leverde zo concrete veranderingen op in vier bestaande projecten. De waarde van deze werkwijze zat in het verbinden van onderzoek, uitvoering en controle. De volgende beoordeling moet gaan over gebruik in de praktijk: werken de functies voor het team, helpt de inhoud bezoekers en blijven de verbeteringen overeind?
Wil je zo'n aanpak toepassen op een eigen werkproces? In een AI-werksessie werken we aan een concrete toepassing, met je opdracht, bronnen en controlepunten als uitgangspunt.
