Als AI de code schrijft, moet jij beter weten wat je maakt
TLDR
Nu agents de code schrijven, verschuift het werk van 'maken' naar weten wát je maakt en waarom. Je ervaring, smaak en technische basis om een agent bij te sturen worden daardoor belangrijker, niet overbodig.
Voor elke developer is het herkenbaar: je start meer projecten dan je afmaakt. Voor mij is dat alleen maar meer geworden, omdat de drempel om iets te maken zoveel lager ligt nu we Claude Code en Codex hebben.
Zelf ben ik enthousiast over deze verandering. Het plezier van het werk zat voor mij altijd al in het ‘wat’ en niet in het ‘hoe’, maar dat geldt niet voor alle ontwikkelaars. Op X zie ik developers vol gas gaan met nieuwe agents, nieuwe flows en elke week weer een nieuwe tool. Aan het andere uiteinde zie ik ook collega developers die AI nog nauwelijks gebruiken, omdat ze het niet vertrouwen of niet weten waar ze moeten beginnen.
Het werk verschuift
De grote adoptie van AI verandert volgens mij waar ons werk over gaat. Karpathy noemde “vibe coding” begin 2025 nog de toekomst. Een jaar later spreken we meer van “agentic engineering”. We typen niet alles meer zelf, maar sturen agents aan en blijven zelf de verantwoordelijkheid over de output dragen.
Dat agents onze code schrijven, betekent niet dat de technische kant ineens weg is. Integendeel. De eerste week met AI kan bijna iedereen iets in elkaar knutselen, maar daarna begint pas het echte werk, en daar zit volgens mij de scheiding. Niet tussen mensen die AI gebruiken en mensen die dat niet doen, maar tussen mensen die AI als autocomplete zien en mensen die het als collega kunnen aansturen. Dat tweede vergt nog steeds veel ontwikkelaarskennis. Misschien wel meer dan eerst, omdat de LLM soms zo overtuigend klinkt, ook als het ongelijk heeft.
Ervaring verdwijnt niet
Voor seniors is deze verandering volgens mij goed nieuws. Je ervaring verdwijnt niet. Die schuift op. Je principes, je smaak, je lessen uit oude projecten, je gevoel voor eenvoud en je vermogen om een vaag probleem naar een product te vertalen worden belangrijker. De agent kan heel hard rennen, maar jij moet hem nog steeds vertellen welke kant op.
Juniors hebben een lastigere route
Maar voor een junior vind ik het ingewikkelder. De modellen zijn getraind om behulpzaam te zijn en zeggen snel dat je goed bezig bent. Ze maken iets dat ogenschijnlijk werkt en juist daardoor kun je gemakkelijk missen wat je nog niet weet. De oude route was traag en vaak irritant, maar je liep wel tegen de basis aan. Scope, data, state, fouten, performance, onderhoudbaarheid. Die lessen zijn nog steeds belangrijk.
De lat mag niet omlaag
Daarom denk ik dat we minder moeten praten over AI als truc om sneller code te produceren, en meer over AI als manier om beter over software na te denken. Hoe werk je zo effectief mogelijk met AI? Welke nieuwe flows ontstaan er? Welke tooltjes zijn echt nuttig en welke vooral lawaai? Hoe zorg je dat je agents standaard werken vanuit jouw principes, in plaats van dat ze alleen snel code uitspugen?
Het team achter Zed schreef daar een goed artikel over: “When Limits Disappear, Quality Should Matter More”. Dat voelt voor mij als de kern. Dat de drempel omlaag gaat, betekent niet dat de lat ook omlaag mag. Eerder andersom. Als iedereen sneller iets draaiend krijgt, wordt het verschil gemaakt door de mensen die zien wanneer iets goed is.
Het werk verschuift van ‘maken’ naar ‘weten wat je maakt’. Naar scherp krijgen wat iemand nodig heeft. Naar genoeg technische basis hebben om je agent bij te sturen. Naar smaak. Naar nee zeggen tegen de derde feature die het product vooral voller maakt. Naar snappen waar je onzeker over moet zijn.
Nu het ‘hoe’ minder tijd kost, stop die gewonnen tijd dan in het ‘wat’. Daar zit het verschil tussen iets dat draait en iets dat klopt.