Claude’s Skills Framework 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 waarheen AI-agents gaan.

Skills zijn bedrieglijk 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 de model aan te zetten om een zip-bestand van zijn /home/oai/skills-directory te maken, vond hij mappen voor PDF’s, spreadsheets en documenten – elk met instructiebestanden die structuuridentiek zijn aan Anthropic’s specificatie.

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

OpenAI heeft deze functie nog niet officieel aangekondigd. Maar hun aanwezigheid in zowel ChatGPT als Codex suggereert een doelbewuste strategie in plaats van een experiment.

Waarom Skills Ertoe Doen

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

Anthropic’s engineering team beschreef het ontwerpprincipe als “progressive disclosure.” Elke skill neemt slechts een paar dozijn 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 waardevol onroerend goed, 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 skill voor PDF-handling kan bijvoorbeeld de voorkeursbibliotheken, edge case-handling en uitvoeropmaak bevatten – informatie die het model alleen nodig heeft wanneer het PDF’s verwerkt.

Het Convergentieverhaal

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

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

De timing komt overeen met bredere standaardisatie-inspanningen. Anthropic schonk het Model Context Protocol aan de Linux Foundation op 9 december, en beide bedrijven hebben de Agentic AI Foundation opgericht, samen met Block. Google, Microsoft en AWS sloten zich aan als leden.

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

Wat Dit Betekent voor AI-codetools

De skills-architectuur is het belangrijkst voor AI-codetools, waar gespecialiseerde kennis de uitvoerkwaliteit aanzienlijk verbetert. Een skill voor React-ontwikkeling kan bijvoorbeeld componentpatronen, statemanagementvoorkeuren en testconventies specificeren. Een skill voor database-migraties kan veiligheidscontroles en rollback-procedures bevatten.

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

Voor enterprise-ontwikkelaars betekent interoperabele skills dat institutionele kennis draagbaar wordt. Een bedrijf kan zijn interne codestandaarden, beveiligingsvereisten en workflowvoorkeuren één keer coderen en toepassen 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. Skills vertegenwoordigen een omslag naar open standaarden die werken op meerdere tools.

Een interpretatie: OpenAI erkent dat ontwikkelaarscosystemen op dit moment belangrijker zijn dan propriëtaire lock-in. Als skills 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. Skills zijn een onderdeel van wat Claude Code bruikbaar maakt; OpenAI moest reageren.

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

Wat Komt Er Hierna

De onmiddellijke kans is een skills-marktplaats – GitHub-repositories waar ontwikkelaars gespecialiseerde instructiesets voor gemeenschappelijke taken delen. Anthropic heeft al een anthropics/skills-repository. Verwacht dat OpenAI volgt, en verwacht dat community-bijgedragen skills zullen prolifereren.

De langetermijnvraag is hoe diep skills integreren in AI-producten. Momenteel zijn ze voornamelijk relevant voor ontwikkelaars die CLI-hulpmiddelen gebruiken. Maar dezelfde architectuur kan aanpassing in consumentenproducten mogelijk maken – gepersonaliseerde schrijfhulpmiddelen, gespecialiseerde onderzoekstools, domeinspecifieke chatbots.

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

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