Developers waren de eerste beroepsgroep die AI massaal ging gebruiken, en ze zijn ook de kritischste. Dat is geen toeval: bij code zie je meteen of iets werkt.

Geen discussie over toon of smaak. Het draait of het draait niet.

Dat maakt AI voor developers het eerlijkste testgebied dat er is. Wat hier overleeft, deugt.

De twee categorieën die je moet onderscheiden

De eerste: aanvullers. Die schrijven mee terwijl je typt en maken regels af. GitHub Copilot was de pionier hierin en is nog steeds de meest gebruikte keuze.

De tweede: agents. Die krijgen een opdracht en werken zelfstandig door meerdere bestanden heen. Cursor en de terminal-tools van de grote aanbieders zitten in deze categorie.

Het verschil in de praktijk is groot. Bij de eerste blijf jij aan het stuur. Bij de tweede geef je een richting en controleer je achteraf.

Waar ik zelf het verschil merkte

Ik bouw mijn eigen websites en heb beide werkwijzen gebruikt. Voor code die netjes binnen één bestand blijft, is het verschil klein.

Zodra een wijziging door zes bestanden heen loopt, gaat een agent er met kop en schouders overheen. Die leest je hele project, snapt hoe het in elkaar zit en past overal consistent aan.

Dat verraste me. Ik ging ervan uit dat de nieuwere tools vooral marketing waren, en dat was een verkeerde aanname.

Waar het echt tijd bespaart

Boilerplate. Alles wat je al honderd keer hebt geschreven en waar geen enkele creativiteit in zit.

Onbekende code begrijpen. Val je in een bestaand project, dan is uitleg vragen over een module sneller dan zelf uitzoeken hoe het werkt.

Foutmeldingen. Een stacktrace erin gooien en vragen waar je moet kijken, scheelt een hoop zoekwerk in documentatie die vaak niet klopt.

Tests schrijven. Dat is precies het werk dat iedereen uitstelt en waar een model goed in is, omdat het patronen volgt.

Waar het je in de vernieling helpt

Beveiliging. Een model schrijft code die werkt, niet per se code die veilig is, en ik heb meerdere keren gegenereerde database-queries voorbij zien komen met een injectielek erin, puur omdat dat onveilige patroon in duizenden oude voorbeelden op internet staat en het model dus denkt dat het zo hoort.

Verzonnen bibliotheken. Een model verwijst met veel overtuiging naar een pakket dat niet bestaat, of naar een functie die in die versie niet zit. Dat kost je tijd en het is een klassieker.

Code die te veel doet. Vraag om iets simpels en je krijgt een oplossing met foutafhandeling, logging en drie abstractielagen die je nergens voor nodig hebt. Meer code betekent meer onderhoud.

Lees dus alles wat je overneemt. Wie code plakt die hij niet begrijpt, bouwt een probleem voor over zes maanden.

Waarom ik hier bij juniors terughoudend zou zijn

Dit ligt gevoelig en ik zeg het toch.

Leren programmeren gaat over vastlopen. Je zoekt een uur naar een puntkomma, je begrijpt eindelijk waarom een variabele leeg is, en dat blijft hangen omdat het pijn deed.

Wie die stap overslaat, kan code produceren zonder te snappen wat er gebeurt. Dat werkt prima tot er iets kapotgaat, en dan sta je met lege handen bij precies het moment waarop je nodig bent.

Ik heb dat zelf gemerkt toen ik met een AI-editor begon. Alles ging sneller en ik begreep minder, en dat wreekte zich pas toen ik een probleem kreeg dat het model ook niet oploste.

Mijn advies aan beginners: vraag eerst om uitleg, dan pas om code.

Wat het kost

De meeste tools zitten tussen de 10 en 20 dollar per maand voor individuen. Voor studenten is GitHub Copilot gratis via het studentenpakket, wat een van de betere regelingen in dit veld is.

De agent-tools zitten aan de bovenkant en zijn dat waard als je er dagelijks in werkt. Doe je twee keer per maand iets aan een site, dan is dat geld weggegooid.

Wat je moet meten: hoeveel uur je per week bespaart. Niet hoe indrukwekkend het voelt, want dat gevoel is misleidend.

De werkwijze die zich terugbetaalt

Geef context voordat je een opdracht geeft. Dat is het enige advies dat bij iedereen werkt.

Een model dat weet welke taal, welk framework, welke versie en welke conventies jouw project gebruikt, levert code die past. Een model dat dat niet weet, gokt op het meest voorkomende patroon uit zijn trainingsdata en dat is zelden wat jij nodig hebt.

Praktisch: zet een bestand in je project met je afspraken, je stijl en je architectuurkeuzes. De meeste agent-tools lezen dat automatisch mee, en dat verschil in output is groter dan het verschil tussen de tools onderling.

Tweede gewoonte: kleine stappen. Vraag om één functie, controleer, ga door. Vraag om een hele module en je krijgt iets waar je een uur op zit te turen voordat je durft te zeggen of het deugt.

Klein reviewen is sneller dan groot debuggen.

Wat er met het vak gebeurt

Volgens LinkedIn is AI Engineer de snelst groeiende functie in Nederland. Tegelijk voorspelt het World Economic Forum tegen 2030 zo'n 170 miljoen nieuwe banen en 92 miljoen die verdwijnen.

Voor developers betekent dat vooral een verschuiving. Typen wordt minder waard, ontwerpen en beoordelen worden meer waard. Wie kan uitleggen waarom een systeem zo is opgebouwd, blijft nodig.

Wie vooral tickets afwerkt, krijgt gezelschap van iets dat dat sneller doet en niet klaagt.

Dat is geen prettige boodschap. Het is wel de reden dat ik zelf meer tijd besteed aan begrijpen dan aan bouwen, want de tweede vaardigheid wordt goedkoop en de eerste niet.