Claude’s Vaardigheidsframework Wordt Stilletjes een Industriestandaard

Toen Anthropic Skills in oktober lanceerde, leek de aankondiging op een niche-ontwikkelaarsfunctie. Twee maanden later heeft OpenAI dezelfde architectuur overgenomen – en de stille convergentie onthult iets belangrijks over waar AI-agents heen gaan.

Vaardigheden zijn verrassend eenvoudig: mappen met Markdown-bestanden die AI-systemen vertellen hoe ze specifieke taken moeten uitvoeren. Maar hun adoptie door beide grote AI-labs suggereert dat de industrie een gemeenschappelijk antwoord heeft gevonden op een fundamentele vraag: hoe maak je AI-assistenten consistent goed in gespecialiseerd werk?

Wat OpenAI Net Heeft Gedaan

Ontwikkelaar Elias Judin ontdekte OpenAI’s implementatie op 12 december tijdens het experimenteren met ChatGPT’s Code Interpreter. Door het model te laten zien een zip-bestand van zijn /home/oai/skills-directory te maken, vond hij mappen voor PDF’s, spreadsheets en documenten – elk met instructiebestanden die structureel identiek zijn aan Anthropic’s specificatie.

Deze architectuur verscheen twee weken eerder in OpenAI’s Codex CLI-tool, via een pull-verzoek met de titel “feat: experimentele ondersteuning voor skills.md.” De implementatie spiegelt Anthropic’s aanpak: vaardigheden leven in een lokale directory (~/.codex/skills), elk gedefinieerd door een SKILL.md-bestand met metadata en instructies.

OpenAI heeft de functie nog niet officieel aangekondigd. Maar de aanwezigheid ervan in zowel ChatGPT als Codex suggereert een bewuste strategie in plaats van een experiment.

Waarom Vaardigheden Ertoe Doen

De traditionele aanpak om AI beter te maken in specifieke taken, bestond uit fine-tuning – duur en tijdrovend modeltraining op gespecialiseerde gegevens. Vaardigheden bieden een lichtere alternatief: instructies en bronnen die alleen laden wanneer ze relevant zijn.

Anthropic’s engineering team beschreef het ontwerpprincipe als “progressieve onthulling.” Elke vaardigheid neemt slechts een paar tientallen tokens in beslag wanneer deze wordt samengevat, met volledige details die alleen laden wanneer de taak ze vereist. Dit lost een praktisch probleem op: contextvensters zijn waardevolle ruimte, en het stoppen van elke mogelijke instructie in elke aanvraag verspilt middelen.

De architectuur werkt omdat moderne AI-modellen instructies dynamisch kunnen lezen en volgen. Een vaardigheid voor PDF-handling kan bijvoorbeeld de voorkeursbibliotheken, randgevalafhandeling en uitvoerindeling omvatten – informatie die het model alleen nodig heeft wanneer het PDF’s verwerkt.

Het Convergentieverhaal

OpenAI’s adoptie van Anthropic’s aanpak is op zichzelf niet ongebruikelijk. AI-labs leren regelmatig van elkaars gepubliceerde werk. Wat opvalt, is de structurele identiteit: dezelfde bestandsnaamconventies, dezelfde metadataformaat, dezelfde directoryorganisatie.

Deze compatibiliteit kan betekenen dat vaardigheden die zijn geschreven voor Claude Code werken met OpenAI’s Codex CLI, en vice versa. Ontwikkelaars kunnen vaardigheden delen op GitHub zoals npm-pakketten. Het ecosysteem wordt interoperabel in plaats van gefragmenteerd.

De timing valt samen met bredere standaardisatie-inspanningen. Anthropic doneerde het Model Context Protocol aan de Linux Foundation op 9 december, en beide bedrijven richtten de Agentic AI Foundation op samen met Block. Google (GOOGL ), Microsoft (MSFT ) en AWS sloten zich aan als leden.

De stichting zal MCP, Block’s goose-project en OpenAI’s AGENTS.md-specificatie beheren. Vaardigheden passen natuurlijk in deze standaardisatiepush – herbruikbare capaciteitsmodules die werken op meerdere platforms.

Wat Dit Betekent Voor AI-Codingtools

De vaardighedenarchitectuur is het belangrijkst voor AI-codingtools, waar gespecialiseerde kennis de uitvoerkwaliteit aanzienlijk verbetert. Een vaardigheid voor React-ontwikkeling kan bijvoorbeeld componentpatronen, staatbeheerpreferenties en testconventies specificeren. Een vaardigheid voor databasemigraties kan veiligheidscontroles en rollbackprocedures omvatten.

AI-codingstartups zoals Cursor hebben bedrijven opgebouwd door AI meer bruikbaar te maken voor specifieke ontwikkeltaken. Het vaardighedenframework biedt modelaanbieders een gestandaardiseerde manier om soortgelijke aanpassing aan te bieden – mogelijk bedreigend of aanvullend voor derdepartijtools, afhankelijk van de uitvoering.

Voor enterprise-ontwikkelaars betekenen interoperabele vaardigheden dat institutionele kennis draagbaar wordt. Een bedrijfsinterne codestandaard, beveiligingsvereisten en workflowpreferenties kunnen één keer worden gecodeerd en toegepast op welke AI-hulpmiddelen het team ook gebruikt.

De Strategische Ondertoon

OpenAI’s adoptie heeft strategische implicaties. Het bedrijf heeft historisch gezien de voorkeur gegeven aan propriëtaire benaderingen – GPT-acties, aangepaste GPT’s, platformspecifieke integraties. Vaardigheden vertegenwoordigen een omslag naar open standaarden die werken op meerdere hulpmiddelen.

Een interpretatie: OpenAI erkent dat ontwikkelaarscosystemen meer tellen dan propriëtaire lock-in op dit moment. Als vaardigheden de standaard worden, is compatibiliteit belangrijker dan het beheersen van de specificatie.

Een andere interpretatie: concurreren met Anthropic’s ontwikkelaarservaring vereist het kopiëren van zijn functies. Claude Code is agressief gegroeid, heeft een jaarlijkse omzet van 1 miljard dollar bereikt en is geïntegreerd in Slack. Vaardigheden zijn een onderdeel van wat Claude Code nuttig maakt; OpenAI moest reageren.

De waarheid omvat waarschijnlijk beide factoren. AI-labs concurreren intensief op benchmarks en capaciteiten, terwijl ze samenwerken aan infrastructuurstandaarden die iedereen ten goede komen. Vaardigheden vallen in de tweede categorie.

Wat Komt Er Hierna

De onmiddellijke kans is een vaardighedenmarkt – GitHub-repositories waar ontwikkelaars gespecialiseerde instructiesets voor algemene taken delen. Anthropic heeft al een anthropics/skills-repository. Verwacht dat OpenAI volgt en dat community-bijgedragen vaardigheden zich zullen verspreiden.

De langere termijnvraag is hoe diep vaardigheden in AI-producten worden geïntegreerd. Momenteel zijn ze voornamelijk relevant voor ontwikkelaars die CLI-hulpmiddelen gebruiken. Maar dezelfde architectuur kan aanpassing in consumentenproducten aandrijven – gepersonaliseerde schrijfhulpmiddelen, gespecialiseerde onderzoekstools, domeinspecifieke chatbots.

Voor nu vertegenwoordigt de convergentie op vaardigheden iets zeldzaams in AI: concurrerende bedrijven die het erover eens zijn dat standaardisatie iedereen dient. Of die samenwerking zich uitstrekt tot andere omstreden gebieden – veiligheidsstandaarden, capaciteitsopenbaarmaking, implementatierichtlijnen – blijft onzeker.

Maar voor ontwikkelaars die op AI-platforms bouwen, is de boodschap duidelijk: vaardigheden worden infrastructuur. Nu leren schrijven betekent dat je klaar bent voor hoe AI-hulpmiddelen morgen zullen werken.