De grote AI-illusie en de stille opstand van ontwikkelaars: wanneer AI een last wordt – meer stress, tragere code – Afbeelding: Xpert.Digital
De bittere waarheid over AI in softwareontwikkeling: De "Vibe Coding"-ramp – Hoe AI-tools in het geheim een tijdbom van biljoenen dollars creëren
Onderzoek zorgt voor opschudding in directiekamers: AI maakt programmeurs trager, niet sneller
Gevaarlijke hype: Waarom 66% van de ontwikkelaars nu AI-gegenereerde code wantrouwt
Kunstmatige intelligentie in softwareontwikkeling wordt in directiekamers geprezen als het ultieme productiviteitswonder. Maar ver van de euforische presentaties broeit er een stille opstand binnen ontwikkelteams. In plaats van het dagelijkse werk te vereenvoudigen, blijken AI-tools steeds vaker mentale tijdverspillers te zijn. Recente studies en alarmerende praktijkrapporten onthullen een ongemakkelijke waarheid: door AI gegenereerde code is vaak "bijna correct", maar vereist extreem tijdrovende en vervelende debugging. Het resultaat? De ontwikkeltijd neemt toe, de cognitieve belasting stijgt dramatisch en bedrijven bouwen onbewust een onbeheersbare hoeveelheid technische schuld op. Het zogenaamde "vibe coding"—het gedachteloos genereren van code door AI—dreigt een tijdbom van biljoenen dollars te worden. Het is tijd voor een onverbloemde blik op de realiteit van softwareontwikkeling die het management vaak weigert te erkennen.
Productiviteitswonder of burn-outvalkuil? De waarheid over AI in softwareontwikkeling die managers liever niet horen
Het grote misverstand tussen het management en het ontwikkelteam
Weinig technologische ontwikkelingen in de recente geschiedenis hebben wereldwijd zoveel euforie teweeggebracht onder bedrijfsleiders als het gebruik van kunstmatige intelligentie in softwareontwikkeling. Bestuursvergaderingen, presentaties voor investeerders en strategiedocumenten staan bol van termen als 'productiviteitsmultiplicator', 'concurrentievoordeel' en 'transformatieve efficiëntie'. Maar terwijl managers AI-gestuurde codeertools als een wondermiddel beschouwen, ontstaat er in ontwikkelafdelingen over de hele wereld een heel andere wereld – een wereld die wordt gekenmerkt door frustratie, mentale uitputting en groeiend scepticisme.
Deze kloof tussen verwachtingen en realiteit is geen marginaal verschijnsel of een uiting van een gebrek aan aanpassingsvermogen. Het is een structureel probleem dat bedrijven op de middellange termijn veel geld zal kosten. De vraag is niet langer of AI-tools in softwareontwikkeling gebruikt moeten worden – dat gebeurt al in 84 procent van alle ontwikkelafdelingen – maar eerder hoe en onder welke voorwaarden dit duurzaam kan werken. Een nuchtere analyse van de beschikbare gegevens, onderzoeken en casestudies schetst een beeld dat aanzienlijk complexer is dan de gangbare verhalen over vooruitgang doen vermoeden.
Wanneer enthousiasme en weerstand elkaar ontmoeten: de spanning in de praktijk
De Stack Overflow Developer Survey 2025, het meest uitgebreide onderzoek in zijn soort met meer dan 49.000 ontwikkelaars uit 177 landen, levert een ontnuchterende diagnose op. Hoewel de adoptie van AI-tools jaar-op-jaar is gestegen van 76 naar 84 procent en 51 procent van alle professionele ontwikkelaars deze tools dagelijks gebruikt, is het positieve sentiment ten opzichte van deze tools in dezelfde periode dramatisch gedaald: van meer dan 70 procent in 2023 en 2024 naar slechts 60 procent in 2025. De vraag naar vertrouwen is bijzonder onthullend: slechts 33 procent van de ontwikkelaars vertrouwt de nauwkeurigheid van AI-output – een daling ten opzichte van 43 procent het jaar ervoor – terwijl 46 procent actief wantrouwend is en slechts 3 procent zegt dat ze AI-resultaten "zeer veel vertrouwen".
Ervaren ontwikkelaars zijn het meest sceptisch: slechts 2,6 procent van hen zegt veel vertrouwen te hebben in de output van AI, terwijl 20 procent expliciet sterk wantrouwen uitspreekt jegens door AI gegenereerde resultaten. Dit is geen toeval. Degenen die jarenlang complexe systemen hebben ontworpen, bugs hebben opgespoord in diep geneste codebases en de langetermijngevolgen van kortzichtige architectuurkeuzes hebben ondervonden, ontwikkelen een institutioneel scepticisme ten opzichte van ogenschijnlijk eenvoudige oplossingen – en dit scepticisme is rationeel gefundeerd, niet regressief.
De misleidende aantrekkingskracht van snel gegenereerde code
De grootste bron van frustratie, door 66 procent van alle ontwikkelaars aangemerkt als een centraal probleem, is de neiging van AI-oplossingen om "bijna goed, maar net niet helemaal" te zijn. De economische gevolgen van dit fenomeen zijn ernstiger dan ze aanvankelijk lijken. Code die voor 90 procent correct is, levert geen 90 procent toegevoegde waarde op – het kan zelfs helemaal geen waarde opleveren, omdat deze eerst volledig getest, gecorrigeerd en aangepast moet worden voordat deze in productiesystemen kan worden geïmplementeerd. Vijfenveertig procent van alle ondervraagde ontwikkelaars bevestigde dat het debuggen van door AI gegenereerde code meer tijd kost dan het schrijven van dezelfde code vanaf nul.
Een gevolg hiervan is dat 42 procent van alle codeaanpassingen die naar repositories worden verzonden, nu door AI worden ondersteund, maar ontwikkelaars besteden meer tijd aan het beoordelen van deze aanpassingen dan aan het schrijven van de oorspronkelijke code. In de praktijk betekent dit dat AI weliswaar de codeproductie versnelt, maar de productie van hoogwaardige en duurzaam onderhoudbare code vertraagt. Onder deze omstandigheden verandert een productiviteitstool in een controlemechanisme dat extreem tijdrovend is.
Wat de cijfers werkelijk zeggen over productiviteit
Misschien wel de meest verontrustende bevinding van recent onderzoek komt uit een gerandomiseerd gecontroleerd onderzoek (RCT) dat tussen februari en juni 2025 werd uitgevoerd door het onafhankelijke onderzoeksinstituut METR. Zestien ervaren open-source ontwikkelaars voerden 246 taken uit hun eigen langlopende projecten uit – met en zonder toegang tot AI-tools zoals Cursor Pro en Claude 3.5/3.7 Sonnet. Het resultaat was fundamenteel in tegenspraak met de verwachtingen van alle deelnemers: vóór het onderzoek schatten de ontwikkelaars dat AI-ondersteuning de verwerkingstijd met 24 procent zou verkorten; in werkelijkheid verhoogden de AI-tools de verwerkingstijd met 19 procent.
Deze bevinding was niet alleen in tegenspraak met de beoordelingen van de betrokken ontwikkelaars, maar ook met de voorspellingen van experts op het gebied van business en machine learning, die een tijdsbesparing van 38 tot 39 procent hadden voorspeld. De onderzoekers noemden de aanzienlijke tijd die nodig is voor het formuleren van prompts, het beoordelen van AI-output en het beheren van de toolintegratie als mogelijke verklaringen. Bovendien zijn volwassen codebases met strenge kwaliteitsnormen – typisch voor professionele bedrijfsomgevingen – bijzonder ongeschikt voor AI-tools die getraind zijn op generieke codevoorbeelden. De studie is geen fundamentele afwijzing van AI-tools, maar laat wel duidelijk zien dat productiviteitswinsten verre van gegarandeerd zijn voor complexe, contextafhankelijke taken in bestaande codebases.
De onzichtbare last: mentale uitputting en cognitieve overbelasting
Naast de meetbare tijdscomponent is er een lastiger te kwantificeren, maar niet minder reële belasting: mentale uitputting door het constant schakelen tussen het formuleren van AI-opdrachten, het analyseren van de gegenereerde resultaten, het oplossen van problemen en het documenteren. Ontwikkelaars beschrijven deze toestand als bijzonder slopend, omdat het – in tegenstelling tot de klassieke flow-ervaring bij programmeren – geen ruimte biedt voor diepe, geconcentreerde werkfasen, maar juist een gefragmenteerde aandachtsmodus afdwingt. Deze gefragmenteerde aandachtsmodus staat in de cognitieve wetenschap bekend als bijzonder vermoeiend en leidt op de lange termijn tot een afname van de prestaties.
Het adviesbureau Thoughtworks bedacht een treffende term voor dit fenomeen in hun Technology Radar Volume 34, gepubliceerd in april 2026: "cognitieve schuld". Dit verwijst naar de groeiende kloof tussen wat de code doet en wat ontwikkelaars er daadwerkelijk van begrijpen. Met elk automatisch gegenereerd codeblok dat zonder volledig begrip wordt overgenomen, wordt deze kloof groter – subtiel, maar met verstrekkende gevolgen. Rachel Laycock, CTO van Thoughtworks, vatte de bevinding bondig samen: AI-agenten faciliteren het snel schrijven van code, maar overweldigen steeds meer het begrip van ontwikkelaars.
Architectonische blinde vlekken: Wat AI-code systematisch verkeerd doet
Een diepgaande analyse van Ox Security uit oktober 2025, waarbij 300 open-sourceprojecten werden onderzocht – waarvan 50 geheel of gedeeltelijk door AI waren gegenereerd – identificeerde tien terugkerende antipatronen in door AI gegenereerde code. De meest voorkomende problemen kunnen in één zin worden samengevat: door AI gegenereerde code is "zeer functioneel, maar mist systematisch architectonisch inzicht". In 80 tot 90 procent van de gevallen implementeert AI standaardoplossingen in plaats van in te spelen op de specifieke eisen van de applicatie, vermijdt refactoring en maakt herhaaldelijk dezelfde functionele fouten omdat het model geen geheugen heeft van eerdere implementaties.
Bijzonder problematisch is het fenomeen dat onderzoekster Ana Bildea "code generation bloat" noemt: omdat AI geen libraries ontwikkelt, maar functionaliteit steeds opnieuw inline genereert, groeit de codebase oncontroleerbaar, bevat deze veel redundante blokken en wordt het steeds moeilijker om de code te onderhouden. Bildea beschrijft deze dynamiek treffend door te stellen dat ze bedrijven heeft zien veranderen van "AI versnelt onze ontwikkeling" naar "we kunnen geen nieuwe functionaliteiten meer leveren omdat we onze eigen systemen niet meer begrijpen" in minder dan 18 maanden. GitClear levert verdere empirische bevestiging: tussen 2021 en 2024 daalde het percentage refactoring-gerelateerde codewijzigingen van 25 naar minder dan 10 procent, terwijl het percentage gekopieerde codeblokken steeg van 8,3 naar 12,3 procent.
🎯🎯🎯 Datagestuurd B2B-brancheplatform als quasi-interne oplossing
De quasi-interne oplossing: Hoe Xpert.Digital operationele hiaten in B2B-marketing en -verkoop dicht – Slimme, contentgedreven bedrijfsvoering - Afbeelding: Xpert.Digital
Xpert.Digital is een datagedreven B2B-branchehub onder leiding van Konrad Wolfenstein . Het bedrijf fungeert als een externe, quasi-interne oplossing voor industriële partners en dicht operationele lacunes in marketing, content en sales – zonder dat de klant extra middelen nodig heeft.
Meer informatie vindt u hier:
Verantwoorde AI: vier regels tegen groeiende technische schuld
Technologische schulden in het AI-tijdperk: een tijdbom van biljoenen dollars
Het fenomeen technische schuld is niet nieuw in de software-industrie, maar het wijdverbreide gebruik van AI geeft het een nieuwe dimensie en snelheid. Technische schuld ontstaat wanneer pragmatische oplossingen voor de korte termijn prioriteit krijgen boven stabiele architecturen voor de lange termijn. Volgens HFS Research bedraagt de geaccumuleerde technische schuld van de 2000 grootste bedrijven ter wereld al het equivalent van 1,5 tot 2 biljoen dollar. Deze last groeit nu potentieel exponentieel onder invloed van slecht gevalideerde, door AI gegenereerde codebases.
Uit een analyse van IBM blijkt dat 81 procent van de leidinggevenden aangeeft dat technische schuld het succes van hun AI-initiatieven al beperkt. Dit is een opmerkelijke paradox: de technologie die is ontworpen om technische schuld te verminderen, creëert onder bepaalde omstandigheden juist nieuwe schuld. GitLab berekende in zijn Global DevSecOps Report 2025/2026 dat inefficiënties gerelateerd aan AI ontwikkelteams gemiddeld zeven uur per week per teamlid kosten – bijna een volledige werkdag. Tegelijkertijd meldde 73 procent van de ondervraagde DevSecOps-professionals problemen met code die gegenereerd werd via 'vibe coding' – de praktijk van het genereren van code met behulp van natuurlijke taalprompts zonder de onderliggende logica te begrijpen. Deze term, oorspronkelijk afkomstig uit de startupwereld, is synoniem geworden met het nemen van ondernemersrisico's zonder adequate kwaliteitscontrole.
De rampzalige sfeer van het coderen: wanneer snelheid ten koste gaat van kwaliteit
Vibe coding – het ongeplande, intuïtieve genereren van code met behulp van AI-prompts zonder een solide basis in architectuurplanning en best practices – is misschien wel het duidelijkste symbool van de kloof tussen AI-euforie en de technische realiteit. Sterker nog, 72 procent van alle ontwikkelaars die deelnamen aan de Stack Overflow Survey wijzen vibe coding expliciet af, en nog eens 5 procent beschrijft het als een fundamenteel onacceptabel onderdeel van hun workflow. Bedrijven die er desondanks op vertrouwen, betalen daar een hoge prijs voor: volgens Thoughtworks vereist 43 procent van alle door AI gegenereerde codeaanpassingen handmatige debugging in de live-omgeving, zelfs als ze eerder alle geautomatiseerde tests hebben doorstaan. Geen enkel bedrijf dat in het onderzoek werd meegenomen, was in staat om een door AI voorgestelde oplossing te verifiëren met slechts één herimplementatie – 88 procent had twee tot drie herimplementaties nodig, en 11 procent zelfs vier of meer.
De economische gevolgen zijn aanzienlijk. CAST Software analyseerde meer dan 10 miljard regels code en berekende dat de wereldwijde technische schuld neerkomt op 61 miljard werkdagen aan reparatiewerk. Dit cijfer is een conservatieve schatting en houdt geen rekening met de versnelde schuldopbouw als gevolg van het ongecontroleerde gebruik van AI-code in de afgelopen twee jaar. Als de economische pijn van deze technische schuld opweegt tegen de veronderstelde productiviteitswinsten – en veel ervaren ontwikkelaars denken dat dat moment nadert – zal de sector een fundamenteel geloofwaardigheidsprobleem ondervinden met zijn eigen transformatieverhaal.
De opstand van de ervaren professionals: wanneer competentie een last wordt
Een bijzonder zorgwekkend aspect van de situatie is de dreigende afname van vaardigheden bij de volgende generatie ontwikkelaars. Ervaren ontwikkelaars vrezen dat junior ontwikkelaars, die vanaf het begin van hun carrière voornamelijk met AI-tools hebben gewerkt, niet langer in staat zullen zijn om fundamentele fouten in de gegenereerde code te herkennen – simpelweg omdat ze de benodigde basiskennis en analytische vaardigheden niet hebben ontwikkeld. Thoughtworks beschrijft dit probleem treffend in de context van onboarding: wanneer een nieuw teamlid een codebase overneemt waarvan aanzienlijke delen door een AI-agent zijn gegenereerd, ontbreekt de impliciete documentatie die ontstaat wanneer mensen regel voor regel code schrijven. De architectonische keuzes zijn er wel, maar de onderliggende redenen niet.
Tegelijkertijd ervaren ervaren ontwikkelaars een merkwaardige devaluatie van hun expertise. Degenen die jarenlang hebben gewerkt aan het ontwikkelen van een scherp oordeel, systematische probleemoplossende vaardigheden en architectonisch inzicht, worden plotseling beoordeeld aan de hand van dezelfde maatstaven als een nieuwkomer met toegang tot een code-assistent in een omgeving waar de adoptie van AI als prestatiemaatstaf wordt gebruikt. De paradox van GitLab vat het perfect samen: 82 procent van de bedrijven implementeert nu minstens één keer per week in productie, maar slechts 37 procent zou AI vertrouwen om dagelijkse taken uit te voeren zonder menselijke controle. Meer snelheid met minder vertrouwen – dat is de kern van de huidige situatie.
De cruciale vraag voor AI-besturing: hoe wordt de prestatie gemeten?
De vraag welke criteria worden gebruikt om de prestaties van ontwikkelaars in het AI-tijdperk te beoordelen, is geen triviale HR-discussie, maar een strategisch cruciale beslissing. Als bedrijven AI-gebruikscijfers als prestatie-indicator gebruiken, ontstaan er perverse prikkelstructuren: ontwikkelaars maximaliseren het AI-gebruik niet om betere producten te creëren, maar om quota te halen – met voorspelbare gevolgen voor de codekwaliteit. Dit punt wordt door ontwikkelaars met opmerkelijke eensgezindheid benadrukt: degenen die AI-code uitsluitend gebruiken om interne doelstellingen te behalen, creëren geen toegevoegde waarde, maar bouwen juist technische schuld op.
Gartner voorspelt dat de manier waarop ontwikkelaars worden beoordeeld in 2027 fundamenteel zal verschuiven van snelheidsstatistieken, implementatiefrequentie en regels code naar creativiteit, innovatie en zakelijke waarde. Dit is conceptueel gezien logisch, maar moeilijk in de praktijk te implementeren zolang de directie blijft aandringen op productiviteitswinsten op de korte termijn. De analyse van Stack Overflow voor managers concludeert dat de afname van het vertrouwen van ontwikkelaars in AI rechtstreeks verband houdt met twee belangrijke bronnen van frustratie: "bijna juiste" oplossingen en de tijd die verloren gaat aan het debuggen van AI-code. Vertrouwen in de community blijft echter cruciaal: 80 procent van de ontwikkelaars bezoekt Stack Overflow nog steeds regelmatig en het aantal complexe vragen op het platform is sinds 2023 verdubbeld – een duidelijke indicatie van de beperkingen van AI-ondersteuning.
Wat verantwoord gebruik van AI in softwareontwikkeling inhoudt
De bovengenoemde bevindingen rechtvaardigen geen algehele veroordeling van AI-tools in softwareontwikkeling, maar ze schetsen wel een duidelijke agenda voor verantwoord gebruik. Ten eerste moet AI worden ingezet waar het specifieke profiel ervan daadwerkelijk van nut is: voor duidelijk gedefinieerde, contextonafhankelijke individuele taken zoals prototypeontwikkeling, het opstellen van documentatie, het genereren van standaardteksten of als een snelle informatie-interface voor standaardproblemen. AI is geen universele codegenerator, maar een gespecialiseerd hulpmiddel met duidelijk gedefinieerde sterke en zwakke punten.
Ten tweede zijn robuuste codebeoordelingsprocessen nodig die specifiek zijn ontworpen voor door AI gegenereerde code. Thoughtworks raadt sterk aan om de strikte richtlijnen en de beoordelingsfrequentie niet te verminderen, maar juist te verhogen – juist omdat machines sneller schrijven dan mensen lezen. Ten derde moet de onboarding van jonge ontwikkelaars zo worden gestructureerd dat basisvaardigheden niet als verouderd worden beschouwd, maar juist als een essentiële basis voor competent gebruik van AI-tools. Wie niet begrijpt wat goede code is, kan slechte AI-code niet corrigeren. Ten vierde moeten bedrijven prestatiemetingen strikt loskoppelen van AI-gebruikscijfers – want de kwaliteit van een systeem is niet afhankelijk van de gebruikte AI-tokens, maar van het technische oordeel dat in de ontwikkeling ervan is gestoken.
Het moment van ontwaken voor de industrie moet nog komen
Veel ervaren ontwikkelaars delen een inschatting die klinkt als een ontnuchterende voorspelling: de industrie zal collectief wakker geschud worden zodra de economische kosten van de opgebouwde technische schuld als gevolg van door AI gegenereerde code de geprezen productiviteitswinsten meetbaar overstijgen. Gezien de beschikbare cijfers – 2 biljoen dollar aan bestaande technische schuld, 7 uur verloren productiviteit per ontwikkelaar per week door AI-gerelateerde inefficiënties en 43 procent van de AI-code die handmatig live debuggen vereist – is dit moment wellicht dichterbij dan de gelikte, AI-optimistische presentaties van managers doen vermoeden.
Het cruciale keerpunt ligt niet in de technologie zelf. AI-tools worden steeds krachtiger, en METR heeft in het ontwerp van haar vervolgstudie al erkend dat, hoewel nieuwere tools waarschijnlijk positieve effecten op de productiviteit zullen hebben, het meten van deze effecten moeilijker zal worden vanwege veranderend ontwikkelaarsgedrag. De echte uitdaging ligt op organisatorisch en cultureel gebied: bedrijven moeten de moed hebben om onderscheid te maken tussen de beloftes van AI-aanbieders, de verwachtingen van investeerders en de empirisch onderbouwde feedback van hun eigen ontwikkelaars. Een technologie die door de meerderheid van de mensen die er dagelijks mee werken wordt gewantrouwd, is geen strategisch voordeel, maar een risico dat nog jarenlang in de balans zal worden weerspiegeld.
Uw wereldwijde partner voor marketing en bedrijfsontwikkeling
☑️ Onze zakelijke voertaal is Engels of Duits
☑️ NIEUW: Correspondentie in uw moedertaal!
Konrad Wolfenstein
Mijn team en ik staan graag tot uw beschikking als uw persoonlijke adviseur.
U kunt contact met mij opnemen door hier het contactformulier in te vullen wolfenstein@xpert.digital:of door mij te bellen op +49 7348 4088 965. Mijn e-mailadres is
Ik kijk uit naar ons gezamenlijke project.
