OpenAI Codex CLI: spraakbesturing en parallelle agents in de terminal

TL;DR

• Wat: OpenAI heeft Codex CLI uitgebreid met spraakbesturing, een overzicht om meerdere AI-agents tegelijk aan te sturen, en worktrees om parallel aan aparte taken te werken.
• Waarom relevant: ontwikkelteams — ook in het MKB — kunnen hiermee sneller en met minder handwerk software aanpassen, zonder de terminal te verlaten.
• Wat je ermee kunt: bespreek met je (technische) team of Codex CLI past bij jullie ontwikkelworkflow en of parallelle agents tijd besparen bij lopende projecten.

Ik kwam een tweet tegen van OpenAI's developer-account waarin ze laten zien hoe je vanuit je terminal taken met je stem start, meerdere agents beheert en via een zogenaamde worktree een alternatieve richting verkent — allemaal in de Codex CLI. Wat mij triggerde: dit gaat niet over nóg een chatvenster, maar over de werkomgeving die veel developers al dagelijks gebruiken.

Wat is Codex CLI eigenlijk?

Codex CLI is een opdrachtregeltool van OpenAI waarmee ontwikkelaars AI-gestuurde taken uitvoeren zonder hun terminal — het tekstvenster waarin programmeurs code schrijven en commando's geven — te verlaten. Denk aan het genereren van code, het analyseren van bestanden of het uitvoeren van repetitieve klussen.

De tool bestaat al langer, maar heeft in september 2026 een flinke reeks updates gekregen, verspreid over versies 0.155.0 tot en met 0.159.1. Wat mij opvalt, is dat OpenAI hiermee duidelijk mikt op developers die hun hele werkdag in de terminal doorbrengen en daar niet weg willen.

Spraakbesturing: taken starten met je stem

Sinds versie 0.156.0 (22 september 2026) staat spraakbesturing standaard aan in Codex CLI. Met het commando /voice of de F8-toets begin je een gesprek met de AI. Je kunt opdrachten geven, vervolgvragen stellen en nieuwe taken starten — allemaal met je stem.

Ik vind het een interessante stap. Niet omdat spraakbesturing nieuw is — we praten al jaren tegen onze telefoons — maar omdat het hier om een professionele ontwikkelomgeving gaat. Het idee dat een developer hardop zegt "start een nieuwe branch en refactor die API-module" en de AI dat oppakt, is een andere manier van werken dan de meesten gewend zijn.

Voor een MKB-ondernemer die een klein ontwikkelteam heeft, is de vraag: levert dit snelheid op? Of is het vooral een gadget? Ik denk dat het antwoord afhangt van het type werk. Bij taken waar je veel moet schakelen tussen denken en doen — stel dat je als ontwikkelaar drie dingen tegelijk in je hoofd houdt — kan spraak een snellere invoer zijn dan typen. Maar dat is vooralsnog mijn inschatting, geen bewezen feit.

Meerdere agents tegelijk: het commandocentrum

De tweede opvallende toevoeging is het /agents-overzicht, een soort commandocentrum voor al je lopende AI-taken. Je ziet welke agents actief zijn, wat hun status is, hoeveel tokens ze verbruiken, en je kunt ertussen wisselen.

Waarom is dit relevant? Omdat het een verschuiving laat zien van "één vraag, één antwoord" naar "meerdere taken parallel". Stel dat je als ondernemer een webshop laat bouwen door je developer. Die kan nu in theorie drie agents tegelijk laten werken: één die de checkout-flow aanpast, één die de productpagina's optimaliseert en één die tests schrijft. Allemaal zichtbaar in één scherm.

Een kanttekening over kosten

Wat ik wel wil benoemen: OpenAI's eigen documentatie meldt dat subagent-workflows meer tokens verbruiken dan vergelijkbare taken in één sessie. Meer agents draaien betekent dus ook hogere kosten. Voor een MKB-bedrijf dat op het budget let, is dat iets om bewust mee om te gaan. Het is niet automatisch efficiënter alleen omdat het parallel draait.

Worktrees: veilig experimenteren zonder je werk te verstoren

Het derde onderdeel dat mijn aandacht trok, zijn de zogenaamde worktrees. Een worktree is een concept uit Git — het versiebeheersysteem dat vrijwel alle softwareteams gebruiken — waarmee je een aparte kopie van je code kunt maken om in te experimenteren, zonder je lopende werk aan te raken.

In Codex CLI kun je nu met /fork een gesprek afsplitsen naar een worktree. De AI werkt dan verder in die aparte kopie, met dezelfde context als het oorspronkelijke gesprek. Handig als je twee benaderingen wilt uitproberen zonder dat ze elkaar in de weg zitten.

Vergelijk het met het volgende: je hebt een recept dat werkt, maar je wilt een variant proberen. In plaats van je werkende recept te overschrijven, maak je een kopie en experimenteer je daarop. Werkt de variant beter? Dan neem je die over. Zo niet, dan gooi je de kopie weg en je origineel is onaangetast.

Dit is vanaf versie 0.156.0 standaard ingeschakeld, zonder dat je er een speciale instelling voor hoeft aan te zetten.

Wat betekent dit voor een ondernemer met een ontwikkelteam?

Laat ik eerlijk zijn: als je zelf geen developer bent, ga je Codex CLI niet installeren. Dat is ook niet het punt. Het punt is wat dit soort tooling betekent voor de productiviteit van je team.

Wat ik hier zie, is dat de gereedschapskist van developers snel verandert. De stap van "ik typ een opdracht en krijg een stuk code" naar "ik geef drie parallelle opdrachten met mijn stem en houd ze bij in een dashboard" is behoorlijk groot. Dat heeft gevolgen voor hoe je projecten plant, hoeveel een klein team kan verzetten, en welke vaardigheden je zoekt als je iemand aanneemt.

Kun je je voorstellen wat het betekent als je developer in dezelfde tijd twee keer zoveel richtingen kan verkennen? Dat is niet puur hypothetisch meer — de tooling groeit daarnaartoe.

Enkele praktische overwegingen

• Kosten: meer parallelle agents betekent meer tokenverbruik. Vraag je team om dit te monitoren.
• Beveiliging: OpenAI heeft in versie 0.158.0 beveiligingsverbeteringen doorgevoerd, waaronder standaardbescherming van .aws-directories. Goed om te weten, maar bespreek met je team welke gevoelige bestanden of configuraties extra aandacht nodig hebben.
• Leercurve: spraakbesturing en multi-agent workflows vragen een andere manier van werken. Dat kost tijd om te leren.

Een stille verschuiving

Voor mij is dit vooral een signaal dat AI-tooling voor developers niet meer draait om het genereren van losse stukjes code. Het verschuift naar het orkestreren van meerdere taken tegelijk, met de AI als een soort teamlid dat je aanstuurt. Dat is een ander verhaal dan twee jaar geleden, toen de meeste tools nog draaiden om autocomplete in je code-editor. Of dat in de praktijk de belofte waarmaakt, moet nog blijken — maar de richting is duidelijk.