Google herverdeelt middelen van zijn Project Mariner-browseragententeam, wat een bredere verschuiving in de sector aangeeft, weg van webgebaseerde automatisering naar krachtigere, codegestuurde AI-systemen. Deze stap komt omdat concurrenten als OpenAI en Anthropic steeds meer grip krijgen op agenten die computersystemen rechtstreeks kunnen manipuleren, in plaats van te vertrouwen op gesimuleerde menselijke interacties in webbrowsers.
De opkomst van opdrachtregelagenten
Maandenlang zijn medewerkers van Google Labs die aan Project Mariner werken, toegewezen aan projecten met een hogere prioriteit, waaronder de ontwikkeling van Gemini Agent. De verandering weerspiegelt een verschuiving in het begrip van Silicon Valley over wat een praktische AI-assistent inhoudt. Tools zoals OpenClaw, die werken via opdrachtregelinterfaces, worden nu gezien als efficiënter en betrouwbaarder dan browseragenten die menselijke klikken en scrollen simuleren. Nvidia-CEO Jensen Huang beschreef OpenClaw onlangs als een potentieel “nieuw besturingssysteem” voor agentic computing.
Browseragenten hebben moeite om grip te krijgen
Het aanvankelijke enthousiasme voor browseragenten – tools als Perplexity’s Comet en OpenAI’s ChatGPT Agent – is afgenomen. Eind 2025 had Comet slechts 2,8 miljoen wekelijkse actieve gebruikers, terwijl ChatGPT Agent naar verluidt onder de 1 miljoen daalde. Deze cijfers verbleken in vergelijking met het totale gebruikersbestand van ChatGPT, wat aangeeft dat browsergebaseerde automatisering nog geen weerklank heeft gevonden bij het reguliere publiek.
Waarom deze verschuiving? Computationele efficiëntie
Experts noemen computerbeperkingen een sleutelfactor in de achteruitgang van browseragenten. Deze systemen zijn afhankelijk van het verwerken van visuele gegevens (screenshots) om webpagina’s te begrijpen, wat traag is en gevoelig voor fouten. Opdrachtregelagenten werken daarentegen met op tekst gebaseerde interfaces, waardoor ze beter aansluiten bij de sterke punten van grote taalmodellen (LLM’s). Volgens Kian Katanforoosh, CEO van Workera, zijn opdrachtregelagenten “10 tot 100x minder stappen om tot dezelfde resultaten te komen.”
Nieuwe benaderingen: video- en hybride systemen
Sommige bedrijven, zoals Standard Intelligence, proberen deze beperkingen te overwinnen door modellen te trainen op videogegevens in plaats van op schermafbeeldingen. Ze claimen een efficiëntiewinst van 50x, en demonstreren zelfs een systeem dat in staat is om een auto kortstondig autonoom te laten rijden. Maar zelfs voorstanders erkennen dat grafische gebruikersinterfaces (GUI’s) essentieel blijven voor taken waarbij programmatische interfaces ontbreken, zoals het navigeren door oudere software of websites in de gezondheidszorg.
De toekomst: codeeragenten nemen het voortouw
De AI-industrie zet nu zwaar in op coding agents – systemen die code kunnen schrijven en uitvoeren om taken te automatiseren. Codex van OpenAI en Claude Cowork van Anthropic zijn voorbeelden van deze trend. Deze agenten kunnen bestanden manipuleren, aangepaste software maken en integreren met andere applicaties, waardoor ze veelzijdiger zijn dan browsergebaseerde tools. Een codeeragent kan bijvoorbeeld bankafschriften analyseren en een gepersonaliseerd financieel dashboard creëren.
Ondanks deze vooruitgang blijft de massale adoptie onzeker. Bezorgdheid over de nauwkeurigheid en betrouwbaarheid kan consumenten ervan weerhouden gevoelige taken zoals boodschappen doen of reserveringen te automatiseren. Niettemin is de consensus binnen de sector duidelijk: de toekomst van AI-agenten ligt in code, niet in klikken.
