Een custom GPT maken kan niet meer op elk ChatGPT-account, en OpenAI gaat custom GPT’s helemaal uitfaseren. Wie er vandaag nog een bouwt, bouwt op een functie met een einddatum. Hieronder staat wat er per wanneer verandert, wat je met je bestaande GPT’s doet, hoe je er nog steeds een maakt zolang dat kan, en wanneer een custom GPT juist geen goede keuze meer is.
Wat gebeurt er met custom GPT’s en per wanneer?
Custom GPT’s worden door OpenAI uitgefaseerd, in stappen en niet op één datum. Op de eigen helppagina’s staat dat OpenAI van plan is custom GPT’s met pensioen te sturen en gebruikers naar Plugins te brengen, waarin herbruikbare instructies en gekoppelde apps samenkomen.
Het eerste dat al is gebeurd, raakt het aanmaken. Nieuwe GPT’s aanmaken en publiceren kan niet meer op persoonlijke ChatGPT-accounts, en daar vallen Free, Go, Plus en Pro allemaal onder. Alleen in een Business-, Enterprise- of Edu-workspace kan het nog, mits de workspace-instellingen en rechten het toestaan.
Het tweede is de migratie. OpenAI mikt op 17 september 2026 voor een migratieomgeving waarmee je je workflows naar Plugins verplaatst, met de aantekening dat die niet voor elk account of elke workspace op hetzelfde moment beschikbaar is.
Het derde is de uitfasering zelf. Voor de getroffen Enterprise-workspaces staat 11 december 2026 genoemd. Bestaande GPT’s blijven tot dat moment werken, en je kunt ze blijven gebruiken en aanpassen zolang je plan en je rechten dat toelaten.
Wat OpenAI in de eigen documentatie niet zegt, is minstens zo belangrijk. Er staat niet welke onderdelen van een GPT precies meegaan in de migratie, dus over custom actions, de aanbevolen modelkeuze en de conversation starters is publiek niets vastgelegd. Wie daarover een harde uitspraak leest, leest een aanname en geen mededeling van OpenAI. Ga er dus niet van uit dat alles automatisch overkomt, en zorg dat je je instructies en bronbestanden zelf buiten ChatGPT hebt staan.
Wat is een custom GPT?
Een custom GPT is een aangepaste versie van ChatGPT die werkt volgens vooraf ingestelde instructies en optioneel toegang heeft tot eigen kennisbestanden. Waar standaard ChatGPT elk gesprek opnieuw context nodig heeft, ligt voor een custom GPT al vast wat zijn taak is, hoe hij moet schrijven en welke bronnen hij kan raadplegen.
Het idee is simpel. In plaats van elke keer dezelfde uitgebreide prompt te typen, configureer je die prompt eenmalig in een custom GPT. De volgende keer dat je dezelfde taak uitvoert, open je de GPT en geef je alleen de specifieke input voor die ronde. De rest is al ingericht.
Onder de motorkap draait een custom GPT op het reguliere ChatGPT-model. Je traint het model dus niet, en je voegt geen nieuwe kennis toe aan het taalmodel zelf. Wat je doet is de output van het model sturen via instructies en optionele kennisbestanden. Een custom GPT bouwt voort op wat ChatGPT precies is, met hetzelfde model en alleen vaste instructies en bronnen eromheen.
Wie kan er nog een custom GPT maken?
Een custom GPT maken kan alleen nog binnen een Business-, Enterprise- of Edu-workspace, en alleen als de beheerder dat in de workspace-instellingen heeft toegestaan. Op Free, Go, Plus en Pro is het aanmaken en publiceren van nieuwe GPT’s niet meer beschikbaar.
Het verschil is groter dan het lijkt. Tot voor kort was een Plus-abonnement de normale route om een eigen GPT te bouwen, en daar is vrijwel alle Nederlandse uitleg op gebaseerd. Wie nu met een Plus-account een handleiding volgt die belooft dat je binnen een halfuur je eerste GPT hebt staan, komt niet verder dan de eerste stap.
Bestaande GPT’s zijn een ander verhaal. Die blijven werken tot de uitfasering, en aanpassen kan nog zolang je plan en rechten dat toelaten. Een GPT die je vorig jaar op Plus hebt gebouwd verdwijnt dus niet vandaag, maar er komt geen nieuwe bij.
Aanmaken en aanpassen gaat bovendien alleen via de webinterface. De mobiele apps ondersteunen het gebruiken van GPT’s wel, het bouwen ervan niet.
Wat je nu doet met je bestaande custom GPT’s
Je bestaande custom GPT’s vragen op korte termijn drie handelingen, en de eerste twee kun je vandaag al doen zonder op de migratieomgeving te wachten. Het doel is dat je werkwijze niet aan ChatGPT hangt maar aan documenten die je zelf beheert.
Inventariseer welke GPT’s je echt gebruikt
Inventariseer eerst welke GPT’s je daadwerkelijk gebruikt, want dat zijn er in de praktijk minder dan er staan. Loop je lijst langs en zet per GPT neer wanneer je hem voor het laatst hebt geopend, welke taak hij doet en wie hem nog gebruikt naast jou.
Alles wat je in een half jaar niet hebt geopend, migreer je niet. Een uitfasering is een goed moment om te schrappen in plaats van alles mee te slepen naar een nieuwe omgeving. Wat overblijft is meestal een handvol GPT’s die een echte taak in je werk doen.
Zet instructies en bronbestanden buiten ChatGPT
Zet de instructies en de bronbestanden van elke GPT die je wil houden buiten ChatGPT, in je eigen documentenmap of repository. Kopieer het volledige instructieveld naar een tekstbestand per GPT, en bewaar de geüploade bronbestanden in hun originele vorm.
De reden is simpel. Omdat publiek niet vastligt welke onderdelen meegaan in de migratie, is de enige zekerheid een kopie die je zelf beheert. Een instructieveld dat je in een half jaar hebt bijgeschaafd is werk dat je niet opnieuw wil doen omdat een migratietool een veld heeft overgeslagen.
Leg er meteen bij vast waarom een instructie erin staat. Een regel als “noem nooit zoekvolumes” is over drie maanden onbegrijpelijk zonder de reden erachter, en juist die redenen bepalen of je hem in een nieuwe omgeving weer nodig hebt.
Bereid de overstap naar Plugins voor
Bereid de overstap naar Plugins voor door per GPT te bepalen wat er in de nieuwe omgeving nodig is. OpenAI beschrijft Plugins als de plek waar herbruikbare instructies en gekoppelde apps samenkomen, en adviseert je workflows daarnaartoe te verplaatsen.
Splits daarvoor elke GPT in drie delen. Het gedrag, dus wat de GPT altijd moet doen. De bronnen, dus waaruit hij mag putten. En de koppelingen, dus de externe systemen die hij aanroept. Die derde categorie is het kwetsbaarst, omdat een koppeling in een nieuwe omgeving vaak opnieuw ingericht moet worden.
Wacht met het daadwerkelijk overzetten tot de migratieomgeving in jouw workspace beschikbaar is. Tot die tijd blijft je GPT werken, en handmatig alles vooruit verplaatsen levert dubbel werk op.
Wanneer is een custom GPT nog zinvol en wanneer niet?
Een custom GPT is nog zinvol als je in een Business-, Enterprise- of Edu-workspace werkt, een taak vaak terug ziet komen, en een vaste werkwijze hebt die je consistent wilt hanteren. Denk aan briefings opstellen, berichten in een vaste stijl schrijven, e-mails afhandelen volgens een vast format, of een type analyse uitvoeren met steeds dezelfde stappen.
In de periode dat ik ChatGPT intensief gebruikte, heb ik meerdere custom GPT’s gebouwd voor mijn SEO-werk: een GPT voor zoekwoordenonderzoek, een voor zoekintentie-classificatie, een voor concurrentieanalyse, een voor content briefings, een voor meta titles en meta descriptions, en een voor kannibalisatie-detectie tussen pagina’s. Al die taken kwamen in dat werk vaak terug, en juist daar loonde de bouwtijd zich.
Een custom GPT is niet zinvol voor eenmalige taken, voor werk waarbij elke opdracht totaal anders is, en voor taken waarbij de output achteraf niet meer te controleren valt. Voor verkennende vraagstukken, sparringsessies of brainstorms werkt een gewoon ChatGPT-gesprek beter, omdat een custom GPT disciplineert in plaats van vrij associeert.
Met de uitfasering in zicht komt er een reden bij om het niet te doen. Een nieuwe GPT bouwen voor een werkwijze die je jaren wil gebruiken, is werk dat je straks opnieuw inricht. Voor iets wat je tot december nodig hebt kan het prima. Voor iets structureels ga je liever direct naar de omgeving die blijft.
Wat ook niet in een custom GPT thuishoort, is vertrouwelijke bedrijfsinformatie waarvan je niet wilt dat anderen die kunnen achterhalen. Geüploade bronbestanden zijn afhankelijk van de instellingen en het bestandstype mogelijk uitleesbaar door wie de GPT gebruikt. Wie een GPT breder deelt, moet er rekening mee houden dat ook de bronnen in handen van gebruikers kunnen komen.
Wat heb je nodig om een custom GPT te maken?
Om een custom GPT te maken heb je drie dingen nodig: toegang tot een Business-, Enterprise- of Edu-workspace waarin bouwen is toegestaan, een afgebakende taak, en bronmateriaal of voorbeelden die de output moeten sturen.
De voorbereiding is belangrijker dan veel mensen denken. Voor je de builder opent, schrijf je kort uit wat de GPT precies moet doen, voor welk type input, met welk type output, en in welke stijl. Wie deze stap overslaat en direct in de builder gaat zitten, zit halverwege alsnog te bedenken wat de GPT nu eigenlijk moet kunnen.
Die uitgeschreven versie is nu dubbel nuttig. Het is de basis voor je instructieveld, en het is tegelijk het document dat je straks meeneemt naar Plugins.
Custom GPT maken in negen stappen
Een custom GPT maken doe je in de GPT-builder van ChatGPT, in negen stappen. Hieronder staan ze gegroepeerd, met per groep waar je op moet letten en waar de meeste mensen vastlopen.
Stap 1 tot 3, van doel naar de juiste bouwmodus
Bepaal het doel en de scope van je custom GPT voordat je iets in de builder typt. Schrijf op één pagina wat de input is, wat de output moet zijn, voor wie het bedoeld is, en wat de GPT expliciet niet doet. Die laatste vraag is de belangrijkste, want een GPT die alles probeert te kunnen doet niets goed.
Open daarna de GPT-builder via de zijbalk. Je komt in een omgeving met links de bouwfuncties en rechts een previewvenster waarin je de GPT direct kunt testen. Die preview is geen bijzaak: bij elke aanpassing aan de instructies of de bronnen kun je meteen zien of het effect klopt, en wie pas aan het einde gaat testen mist de kleine afwijkingen die nu nog makkelijk te corrigeren zijn.
Kies vervolgens tussen de gespreksbouwer en de configuratieweergave. In de gespreksbouwer stelt ChatGPT je vragen en vult op basis van jouw antwoorden de velden in; in de configuratieweergave vul je alles zelf in. De configuratieweergave werkt voor de meeste bouwers beter, omdat de gespreksbouwer instructies produceert die langer zijn dan nodig en die je achteraf alsnog handmatig herschrijft. Begin daarom direct in de configuratieweergave, waar naam, beschrijving, instructies, conversation starters, kennis en mogelijkheden overzichtelijk onder elkaar staan.
Stap 4 en 5, instructies en kennisbestanden
Schrijf je instructies als een instructiedocument voor een nieuwe medewerker. Het instructieveld is het belangrijkste onderdeel van de hele GPT en bepaalt hoe hij zich in elk gesprek gedraagt, dus behandel het als een vaste systeemprompt die altijd actief is. Het is in feite een uitgebreide prompt, en wat een prompt precies is en hoe je hem opbouwt vormt daarmee de basis voor een goed instructieveld.
Goede instructies bevatten een korte rolomschrijving, een afgebakend takenoverzicht, de stappen die de GPT doorloopt voordat hij antwoord geeft, het outputformat, en duidelijke grenzen aan wat hij wel en niet doet. Werk bij meerstaps-workflows met een expliciete stapstructuur, scheid secties helder van elkaar, en geef liever concrete instructies dan een lange lijst verboden. Voorbeelden van acceptabele en niet-acceptabele output leggen de norm vast op een manier die een beschrijving niet haalt.
Upload daarna je bronbestanden in het kennisveld. Per GPT mag je tot 20 bestanden toevoegen, met een maximum van 512 MB per bestand. In de praktijk werken veel kleine, gerichte bestanden beter dan één gigantisch bestand waar de GPT zelf in moet zoeken, ook al klinken die limieten ruim.
Voorkeur gaat uit naar tekstbestanden zonder complexe opmaak. PDF’s met tabellen, kolommen of veel afbeeldingen leveren slechtere antwoorden op dan een eenvoudig markdown- of tekstbestand met dezelfde inhoud. De oorzaak zit niet in de uploadfunctie maar in hoe een model documenten inleest: een schone tekstuele structuur is altijd makkelijker te verwerken dan een visueel ontwerp.
Stap 6 en 7, mogelijkheden aanzetten en systematisch testen
Activeer alleen de mogelijkheden die de GPT echt nodig heeft. De standaardopties zijn zoeken op het web, afbeeldingen genereren en de code-interpreter voor data-analyse, en daarnaast kun je actions instellen waarmee de GPT externe API’s aanroept.
Webzoeken zet je alleen aan als de GPT actuele informatie nodig heeft. Voor een GPT die met je eigen bronbestanden werkt is het juist storend, omdat hij dan extern gaat zoeken in plaats van bij je eigen documenten te blijven. De code-interpreter is nuttig bij data, spreadsheets en berekeningen, afbeeldingen genereren alleen bij visuele output, en actions zijn een geavanceerde optie die buiten de scope van een eerste custom GPT valt.
Test daarna systematisch in de previewmodus in plaats van ad hoc. Bedenk vooraf vijf tot tien testgevallen die de breedte van je GPT afdekken: een typische opdracht, een randgeval, een opdracht waar de GPT zou moeten weigeren of doorvragen, en een opdracht waarbij de input incompleet is.
Wat je test is niet alleen of de output klopt, maar ook of de GPT zich aan de gedrags- en toonregels uit je instructies houdt. Vraag bewust dingen die buiten de scope vallen en kijk of hij dat herkent. Bij elke afwijking ga je terug naar de instructies of de bronnen, niet naar een nieuwe testronde met dezelfde instellingen, want een afwijking herhaalt zichzelf tot je de oorzaak in de configuratie aanpakt.
Stap 8 en 9, zichtbaarheid en onderhoud
Stel de zichtbaarheid van je GPT in via de publicatie-instellingen, en kies daar bewust. Voor zakelijk gebruik is intern delen binnen de workspace meestal de juiste keuze voor GPT’s die organisatie-eigen content of werkwijzen bevatten. Breder delen reserveer je voor GPT’s zonder vertrouwelijke informatie, want je instructies en bronbestanden zijn dan in de praktijk te achterhalen door wie er moeite voor doet.
Onderhoud begint op het moment dat de GPT live staat. Instructies pakken in de praktijk soms anders uit, bronnen raken verouderd, en je eigen werkwijze ontwikkelt zich. ChatGPT bewaart een versiegeschiedenis, zodat je een eerdere versie kunt terugzetten als een aanpassing slechter blijkt te werken. Kleine wijzigingen testen en eventueel terugdraaien is veiliger dan een grote herziening die je achteraf niet meer met het origineel kunt vergelijken.
Neem in dat onderhoudsmoment vanaf nu ook de uitfasering mee. Elke keer dat je een GPT bijwerkt, werk je ook de kopie van de instructies buiten ChatGPT bij, zodat je bij de overstap naar Plugins de actuele versie meeneemt en niet die van maanden terug.
Het verschil tussen instructies en kennisbestanden
Het verschil tussen instructies en kennisbestanden wordt vaak onderschat, terwijl het de belangrijkste configuratiebeslissing bij een custom GPT is. Instructies bepalen hoe de GPT zich gedraagt, kennisbestanden bepalen waaruit hij kan putten.
In de instructies zet je rol, taken, werkwijze, outputformat, stijlrichtlijnen en grenzen aan wat de GPT wel en niet doet, en dat is allemaal gedrag. In de kennisbestanden zet je documentatie, voorbeeldteksten, productinformatie, begrippenlijsten en beleidsstukken, en dat is allemaal bronmateriaal.
Een fout die vaak terugkomt, is dat mensen hele beleidsdocumenten in de instructies plakken, of gedragsregels als bronbestand uploaden. Allebei werkt slechter dan het hoort. Beleidsdocumenten in de instructies maken die instructies zo lang dat de GPT cruciale stukken overslaat. Gedragsregels als bronbestand worden als referentie behandeld in plaats van als verplichting.
De vuistregel: alles waarvan je wilt dat de GPT het altijd doet hoort in de instructies, en alles waaruit hij optioneel mag putten als de vraag erom vraagt hoort in de kennisbestanden. Diezelfde scheiding neem je straks mee naar Plugins, waar herbruikbare instructies en gekoppelde bronnen opnieuw twee verschillende dingen zijn.
Welk model draait er onder een custom GPT?
Welk model er onder een custom GPT draait, is in 2026 meerdere keren veranderd, en dat verklaart waarom een GPT zich anders kan gedragen dan toen je hem bouwde. Op 13 februari 2026 zijn GPT-4o, GPT-4.1, GPT-4.1 mini en de oorspronkelijke GPT-5 in de varianten Instant en Thinking uit ChatGPT gehaald. De GPT-5.1-modellen zijn sinds 11 maart 2026 niet meer beschikbaar. Hoe ChatGPT werkt onder de motorkap bepaalt waarom zo’n modelwissel het gedrag van je GPT merkbaar verandert.
Een custom GPT draait daardoor op het actuele aanbod van ChatGPT, en bij het bouwen kun je een aanbevolen model instellen dat gebruikers voorgesteld krijgen als ze een nieuw gesprek starten. GPT-5.6 Sol rolt sinds 9 juli 2026 uit naar in aanmerking komende betaalde plannen en is niet bedoeld voor Free, Go of uitgelogde gebruikers. Sinds 6 augustus 2026 is GPT-5.6 Luna het standaardmodel voor Free en Go, met onbeperkte tekstgesprekken maar met limieten die blijven gelden voor bestandsuploads, afbeeldingen en overige tools. Begin september 2026 is GPT-6 Astra erbij gekomen, eerst voor een beperkte groep organisaties en daarna voor Plus, Pro, Business en Enterprise, en ook via de API, Microsoft Azure en AWS Bedrock. In de modelkiezer staan daarnaast nog o3 en o4-mini, en o3-pro voor Pro- en Team-gebruikers.
Wat dit voor jou betekent: een custom GPT die je een jaar geleden hebt gebouwd, draait inmiddels op een ander model en mogelijk met afwijkend gedrag. Instructies die op het oude model goed werkten, kunnen op het nieuwe net anders uitpakken. Bij elke modeloverstap loont het om je belangrijkste GPT’s opnieuw langs je standaard testgevallen te halen en de instructies waar nodig bij te stellen.
Een nieuwe modelversie is niet automatisch een beter model, en dat merk ik ook bij Claude, dat ik dagelijks gebruik. Bij de overstap van Opus 4.6 naar 4.7 viel mij op dat de antwoorden langer en minder scherp werden, terwijl het model op andere vlakken juist capabeler was. Hetzelfde principe geldt onder ChatGPT: een nieuw model is niet automatisch een beter model voor jouw specifieke prompt.
Datzelfde geldt voor nieuwe functies, want ChatGPT agent mode voert taken zelfstandig uit en vraagt daardoor om andere instructies dan een custom GPT.
Veelgemaakte fouten bij het bouwen van een custom GPT
Veelgemaakte fouten bij het bouwen van een custom GPT zijn zelden technisch. Ze zitten in de afbakening, de instructies en de manier waarop output wordt gecontroleerd. Hieronder de fouten die ik in de periode dat ik intensief met ChatGPT werkte consistent ben tegengekomen.
De eerste fout is een te brede taakomschrijving. “Een GPT voor mijn marketingwerk” levert een GPT op die alles half doet. “Een GPT die berichten schrijft volgens dit format, in deze stijl, met deze maximale lengte” levert een GPT op die één ding goed doet. Smal beginnen werkt beter dan breed proberen.
De tweede fout zijn instructies die als wens geformuleerd zijn in plaats van als regel. “Probeer in een professionele toon te schrijven” is een wens. “Schrijf in zakelijke spreektaal, vermijd jargon, gebruik korte zinnen” is een regel. Wensen worden in productie vaker genegeerd dan regels.
De derde fout zijn bronbestanden met visueel complexe opmaak. PDF’s met meerkolomopmaak, tabellen die over pagina’s lopen of inhoudsopgaven die naar paginanummers verwijzen, leveren slechtere antwoorden op dan dezelfde inhoud in platte tekst. Wie van een PDF naar markdown converteert voor de upload, ziet de output zichtbaar verbeteren.
De vierde fout is het negeren van de lengte van het instructieveld. Bij langere instructies met meerdere voorwaarden volgt een GPT een deel van de instructies en negeert een ander deel zonder dat aan te kondigen. Bij complexere taken loont het daarom om de instructies op te delen, of de taak in stappen uit te voeren via meerdere prompts, in plaats van één lange instructie te geven die in productie deels wordt overgeslagen.
De vijfde fout, en in mijn ervaring de gevaarlijkste, is aannemen dat de GPT klopt zonder controle. Een specifieke valkuil die ik bij mijn eigen GPT’s voor SEO-werk consistent zag, is dat ChatGPT bij een zoekwoord ongevraagd een zoekvolume erbij plaatst, terwijl er geen koppeling met Ahrefs of een andere keyword tool bestaat. Die cijfers zijn hallucinaties die plausibel klinken voor wie zelf geen toegang tot keyword data heeft. Hetzelfde patroon zag ik bij verzonnen bronnen, niet-bestaande Python-functies en samenvattingen die plausibel klinken maar inhoudelijk afwijken van het origineel.
Een custom GPT die foute output produceert is niet veiliger dan een gewone ChatGPT-prompt, hij produceert die foute output alleen consistenter. Daarom blijft een controlestap onmisbaar, ook bij een GPT die je zelf hebt gebouwd. Vanuit mijn jaren in de bankensector ken ik dat principe als four-eyes: niets de deur uit zonder tweede controle. Bij AI-output is die tweede controle nog belangrijker dan bij menselijk werk, omdat AI-fouten zelfverzekerder geformuleerd zijn.
Custom GPT versus de alternatieven binnen ChatGPT
Een custom GPT is niet de enige manier om gedrag binnen ChatGPT voor te configureren, en met de uitfasering in zicht is die vergelijking belangrijker dan ooit. ChatGPT biedt daarvoor custom instructions, projects, custom GPT’s en Plugins.
Custom instructions zijn accountbrede voorkeuren. Je vult eenmalig in wie je bent en hoe je wilt dat ChatGPT met je communiceert, en die instellingen gelden voor al je gesprekken. Geschikt voor universele voorkeuren zoals taal, toon en kennisniveau. Niet geschikt voor specifieke taken, omdat je maar één set custom instructions per account hebt.
Projects zijn werkruimtes waarin je gerelateerde gesprekken bundelt, met eigen instructies en optionele bestanden die binnen dat project gelden. Geschikt voor langlopende klussen waarbij meerdere gesprekken bij elkaar horen, zoals een onderzoek of een offertetraject. Voor wie nu een custom GPT niet meer kan aanmaken, is een ChatGPT project maken in veel gevallen het dichtstbijzijnde alternatief dat vandaag gewoon werkt.
Custom GPT’s zijn herbruikbare configuraties met instructies, bronnen en optionele mogelijkheden, die je kunt delen en publiceren. Geschikt voor terugkerende taken die je consistent wilt uitvoeren, eventueel ook door anderen. Aanmaken kan alleen nog in een zakelijke workspace, en de functie wordt uitgefaseerd.
Plugins zijn de route waar OpenAI naartoe wijst, waarin herbruikbare instructies en gekoppelde apps samenkomen. Over de precieze mogelijkheden is nog weinig publiek vastgelegd, dus wie daar nu een oordeel over leest, leest een verwachting. Wat wel vaststaat is de richting: je workflows horen daar thuis.
Een custom GPT bewaart geen persoonlijke context tussen gebruikers, terwijl het geheugen van ChatGPT juist informatie over jou vasthoudt.
De vuistregel blijft dus: custom instructions voor hoe je wilt dat ChatGPT in algemene zin met je praat, projects voor een afgebakende klus met meerdere gesprekken, en een herbruikbare configuratie voor werk dat je vaker terug ziet komen. Zo’n herbruikbare configuratie is een custom GPT zolang dat kan, en daarna een Plugin. Een eigen configuratie bouwen is prima voor een individuele workflow, maar wordt pas een organisatiebreed instrument als de instructies, het onderhoud en het versiebeheer zijn vastgelegd, en dat gebeurt in een AI implementatietraject.
Custom GPT versus Claude Projects en Claude Skills
Een custom GPT naast Claude Projects zetten is een vergelijking die door de uitfasering opeens actueel is, omdat veel professionals naast ChatGPT ook met Claude werken. Beide laten je een werkruimte inrichten met vaste instructies en bronbestanden, met relevante verschillen.
Een Claude Project werkt op basis van een systeemprompt die je zelf schrijft en bronbestanden die je aan het project toevoegt. De gesprekken die je in dat project voert hebben automatisch toegang tot die instructies en bestanden. De configuratie is bewust eenvoudig: geen knoppen voor mogelijkheden, geen bouwmodus, geen winkel. Je schrijft instructies, je uploadt bestanden, je werkt.
In mijn dagelijks werk gebruik ik Claude Projects intensief, en in de periode daarvoor heb ik meerdere custom GPT’s gebouwd. Wat mij opviel is dat die custom GPT’s eerder als een afgezwakte variant voelden: dezelfde basisfunctie, maar met inconsistentere uitkomsten op vergelijkbare taken. Die observatie is van mij en geen meting, en wie ChatGPT als primaire tool gebruikt en de instructies en bronnen goed inricht, komt daar een heel eind mee.
Anthropic biedt daarnaast Skills, een aparte functie die meer lijkt op herbruikbare gedragsmodules dan op een werkruimte. Skills, Projects en een custom GPT lossen elk een ander probleem op: skills voor herhaalbare gedragspatronen, projects voor afgebakende klussen, en een custom GPT voor een herbruikbare configuratie met een breder publiek.
Wie Claude nog niet gebruikt, hoeft de overstap niet te maken om effectief met AI te werken. Wie beide platformen gebruikt, doet er goed aan per type werk te bepalen waar het thuishoort in plaats van standaard naar één platform te grijpen. De vergelijking Claude vs ChatGPT zet de verschillen per taaktype naast elkaar, zodat je per klus kunt kiezen welk platform het beste past.
Veelgestelde vragen over custom GPT’s
Onderstaande vragen over custom GPT’s gaan over de uitfasering, de plannen waarop bouwen nog kan, wat er met bestaande GPT’s gebeurt en welk alternatief het dichtst in de buurt komt.
Kan ik nog een nieuwe custom GPT maken op ChatGPT Plus?
Een nieuwe custom GPT maken kan niet meer op ChatGPT Plus. Nieuwe GPT’s aanmaken en publiceren is niet beschikbaar op persoonlijke accounts, waaronder Free, Go, Plus en Pro. Alleen in een Business-, Enterprise- of Edu-workspace kan het nog, en dan alleen als de workspace-instellingen en rechten het toestaan.
Wanneer verdwijnen custom GPT’s precies?
Custom GPT’s verdwijnen niet op één datum voor iedereen. Voor de getroffen Enterprise-workspaces staat 11 december 2026 genoemd, en bestaande GPT’s blijven tot die uitfasering werken. Voor andere plannen is publiek geen harde datum vastgelegd, dus controleer de status van je eigen workspace in plaats van uit te gaan van een algemene einddatum.
Wat gebeurt er met mijn bestaande custom GPT’s?
Je bestaande custom GPT’s blijven werken tot de uitfasering, en je kunt ze blijven gebruiken en aanpassen zolang je plan en rechten dat toelaten. OpenAI mikt op 17 september 2026 voor een migratieomgeving waarmee je je workflows naar Plugins verplaatst. Omdat niet publiek vastligt welke onderdelen daarbij meegaan, zet je de instructies en bronbestanden nu al buiten ChatGPT.
Is een ChatGPT project een goed alternatief voor een custom GPT?
Een ChatGPT project is voor veel taken het dichtstbijzijnde alternatief, omdat je daar ook instructies en bestanden vastlegt die voor alle gesprekken binnen dat project gelden. Het verschil zit in delen en publiceren: een project is jouw werkruimte en geen tool die je aan anderen aanbiedt. Voor een werkwijze die je alleen zelf gebruikt maakt dat weinig uit, voor een tool voor je team wel.
Kan ik een custom GPT maken zonder betaald abonnement?
Een custom GPT maken kan niet zonder toegang tot een zakelijke workspace. Gratis gebruikers en Go-gebruikers kunnen bestaande GPT’s van anderen wel openen en gebruiken, maar zelf bouwen kan alleen in een Business-, Enterprise- of Edu-workspace waarin dat is toegestaan, en uitsluitend via de webinterface en niet via de mobiele app.
Waar kan ik leren hoe ik dit in mijn eigen werk inricht?
Leren hoe je dit in je eigen werk inricht, gaat verder dan het klikken door een builder. Het zit in het afbakenen van de taak, het schrijven van instructies die in productie ook echt worden gevolgd, en het inbouwen van een controlestap die fouten vangt voordat ze verder gaan. In de ChatGPT cursus van LearnLLM komt dat aan de orde binnen een bredere werkwijze, zodat een platformwissel je werkwijze niet onderuit haalt.
Een eigen configuratie bouwen is geen technisch project maar een werkproject. De moeite die je steekt in afbakening, instructies en testen bepaalt of het je tijd gaat besparen of juist fouten gaat versterken, en die moeite verhuist met je mee als het platform verandert. Wil je die werkwijze opbouwen met de controlepunten erin, schrijf je dan in voor de ChatGPT e-learning en bouw aan een manier van werken die je kunt verantwoorden naar opdrachtgevers en collega’s.
