Wie de code geschreven heeft, boeit me allang niet meer. Wat telt, is of het werkt en of het deugt, en dat staat los van wie er achter het toetsenbord zat. Of ik nu elk karakter zelf intik of een AI de code genereert op basis van een prompt die ik bedacht heb, maakt niets uit. Het auteurschap is bijzaak. Het draait om het resultaat.
De verantwoordelijkheid blijft wel hetzelfde. Levert de AI iets op dat stuk is, dan is dat mijn schuld. Ik heb hem zijn gang laten gaan, ik heb zijn werk beoordeeld en ik heb mijn naam onder de commit gezet. Daar heb ik nooit moeite mee gehad. Het werkt net zoals met een junior developer in je team: je geeft het werk uit handen, maar je blijft zelf verantwoordelijk voor wat er uiteindelijk staat. Zodra dat eenmaal echt tot je doordringt, voelt AI niet meer als een vreemde die door je codebase loopt te dwalen, maar gewoon als een vanzelfsprekend onderdeel van hoe je dingen bouwt.
Ik zat ook in de ontkenningsfase
Veel developers zijn er stiekem nog van overtuigd dat AI speelgoed is, of een bedreiging, of allebei tegelijk. Ik ga ze niet de les lezen, want ik heb in precies hetzelfde schuitje gezeten. Ik bleef sceptisch tot GPT-4o in mei 2024 verscheen en ik het iets zag doen waarvan ik dacht dat het nog jaren weg lag. Toen brak de weerstand en nam de nieuwsgierigheid het over.
De klacht die ik het vaakst hoor, is een variant op “ik heb het geprobeerd en de code was slecht.” Soms klopt dat. Maar veel vaker zit de oorzaak in de instructie zelf. Het model de schuld geven van een vage prompt is hetzelfde als een nieuwe collega afrekenen op een taak die je nooit fatsoenlijk hebt uitgelegd.
Prompten is een managementvaardigheid
Dit is het belangrijkste punt. Goed code kunnen schrijven en goed werk uit een AI weten te halen zijn twee verschillende vaardigheden, en wie het eerste beheerst heeft daarmee nog geen enkele garantie op het tweede.
Denk aan wat er gebeurt als een briljante engineer voor het eerst manager wordt. Al dat moeizaam opgebouwde technische talent telt opeens minder, want het werk is niet meer om het probleem zelf op te lossen. Het werk is nu om het probleem helder te omschrijven, het over te dragen, de kaders te stellen en erop te vertrouwen dat een ander het verder brengt. Sommige van de beste programmeurs worden waardeloze managers, juist omdat ze hun handen niet van het toetsenbord kunnen houden.
Prompten is dezelfde managementvaardigheid in een nieuwe gedaante. Je legt uit welk resultaat je wil, je benoemt de regels waar het werk zich aan moet houden, en je laat de agent het zware werk doen. Developers die AI wegwuiven leggen het vaak langs de enige meetlat die ze al kennen, namelijk code schrijven, en zien daardoor over het hoofd dat de echte winst in een totaal andere vaardigheid zit: iemand anders gericht naar een resultaat sturen, iets wat de meesten nooit bewust hebben geoefend.
Behandel het als een junior developer
Het mentale model dat mij het meest geholpen heeft, is om de AI precies te behandelen als een veelbelovende junior.
Geef je een goede junior een taak, dan dicteer je niet elke toetsaanslag. Je vertelt wat succes is, je geeft hem de context die hij echt nodig heeft en niet meer, en je laat bewust ruimte over om sommige dingen zelf uit te zoeken, want juist in dat geworstel ontstaan de goede beslissingen. Je beschrijft de bestemming en vertrouwt erop dat hij een verstandige route kiest.
Een goede junior stelt ook vragen. Is de taak onduidelijk of spreken de eisen elkaar tegen, dan wil je dat hij terugkomt en het navraagt, in plaats van twee dagen stilletjes het verkeerde te bouwen. Met AI gaat het net zo, en je kunt om hetzelfde gedrag vragen. Zeg dat hij alles wat onduidelijk is eerst moet uitvragen voordat hij begint, en hij legt de gaten in je eigen denken bloot waarvan je niet wist dat ze er zaten. Sommige van mijn beste prompts waren juist die waarbij de agent me drie scherpe vragen stelde en ik besefte dat ik nog helemaal niet had bedacht wat ik eigenlijk wilde.
Verder reageert AI op dezelfde aanpak als een junior. Beschrijf het resultaat dat je wil en, heel belangrijk, de reden erachter. Dat “waarom” doet meer dan je zou denken, want zodra de agent je bedoeling snapt, kan hij verstandige keuzes maken in al die kleine situaties die je vergeten bent te noemen. Laat het “waarom” weg en hij vliegt blind zodra de werkelijkheid afwijkt van wat jij voor ogen had.
En net als elke junior wordt hij dramatisch beter zodra hij zijn eigen werk kan controleren. Geef hem de middelen om te checken wat hij gebouwd heeft: een testsuite die hij kan draaien, een browser die hij kan openen, een screenshot die hij kan bekijken, een type checker die hem betrapt op het moment dat hij zichzelf voor de gek houdt. Zonder feedbackloop zit een AI te gokken en te hopen. Mét feedbackloop vangt hij zijn eigen fouten op voordat ze jou bereiken, en gaat de kwaliteit met sprongen omhoog.
De fiets en de auto
Dit is de analogie waar ik steeds op terugkom, en het is vast geen toeval dat ik juist bij deze uitkwam. We zijn hier nu eenmaal een fietsland in hart en nieren. We leren als klein kind fietsen, er zijn meer fietsen dan inwoners, en voor de meeste korte ritjes denkt niemand aan de auto. Dus toen ik zocht naar een beeld voor een gereedschap dat je veel verder en veel sneller brengt, kwam vanzelf het contrast boven dat iedere Nederlander in zijn benen voelt: de fiets waar je op opgroeide, en de auto waar je naar grijpt zodra de rit lang wordt.
Een menselijke coder is een fiets. Elke meter komt uit je eigen benen, en dat is nou juist wat een fiets zo goed maakt. Je voelt de weg door je stuur, je wringt je door een steegje waar geen auto ooit doorheen komt, je staat binnen een halve meter stil, en je rijdt tot aan de voordeur waar geen weg naartoe leidt. Die nabijheid en precisie zijn het hele punt. Maar er hangt een prijskaartje aan. Een fiets is traag over afstand, hij put je uit, en hem honderd kilometer open snelweg laten afleggen is gewoon het verkeerde gereedschap voor de klus. Duw een fiets te ver door en juist wat hem zo wendbaar maakte, wordt zijn beperking.
AI is een auto. De kracht komt niet meer uit je benen, dus opeens is afstand goedkoop en verdwijnt het brede terrein dat je op de fiets uitputte moeiteloos onder de wielen. Dat is het cadeau: enorm bereik voor heel weinig eigen inspanning. Maar een auto vraagt om dingen die een fiets nooit nodig had. Hij heeft wegen nodig, en in onze wereld zijn dat je specs en je architectuur. Hij heeft vangrails nodig, en dat zijn je tests en je reviews. Haal die infrastructuur weg en een snelle auto wordt gevaarlijk, want snelheid zonder weg betekent alleen dat je eerder in de sloot belandt. En bij al zijn bereik is een auto lomp waar een fiets sierlijk is. Er zijn smalle paadjes waar hij simpelweg niet op kan, plekken waar de juiste zet is om hem te parkeren en het laatste stuk zelf te trappen.
De echte vaardigheid is dus het terrein lezen. De auto een voetpad op sturen waar alleen een fiets past is dom, en uit pure koppigheid een lange kaarsrechte snelweg op de fiets afzwoegen net zo goed. Het zijn geen concurrenten. Ze bestrijken verschillend terrein, en een developer die tussen die twee kan schakelen komt op plekken die geen van beide alleen ooit zou bereiken.
Er is nog één verschil, en dat is het verschil dat mij overtuigde om voor de grote ritten op de auto te leunen. Op de fiets is een verkeerde afslag duur. Vijfentwintig kilometer de verkeerde kant op kost je zo je halve middag, want elke kilometer terug betaal je in zweet. In de auto merk je diezelfde fout amper. Je ziet het, je draait om, en een paar minuten later zit je weer op koers alsof er niets gebeurd is. AI werkt precies zo. Soms slaat hij een verkeerde afslag in of bouwt hij iets wat je niet gevraagd had, maar corrigeren gaat snel en kost bijna niets. Je wijst hem terug naar de bestemming en je rijdt door. Juist door die scheve verhouding, waarbij een misser met de auto bijna niets kost om te herstellen, kun je hem vertrouwen bij de grote, ambitieuze klussen, ook al maakt hij af en toe een fout.
En bij dit alles blijf jij de bestuurder. De auto heeft enorme kracht en geen flauw idee waar jij naartoe wil. Jij kiest de bestemming, jij houdt het stuur vast, jij let op de weg. Zet je de fiets aan de kant, dan verhuist het vakmanschap simpelweg mee naar de bestuurdersstoel.
Verdient iemand hier eigenlijk geld mee?
Het laatste bezwaar komt meestal vermomd als de doorslaggevende klap: “die AI-bedrijven maken niet eens winst, dus de hele boel stort straks gewoon in.” Het is goed om hier nauwkeurig te zijn, want dat beeld begint te kantelen. Halverwege 2026 rapporteerde Anthropic zijn eerste kwartaal met operationele winst, ergens rond de 559 miljoen dollar, gedragen door werkelijk explosieve omzetgroei.
Ik wil eerlijk zijn over wat dat wel en niet bewijst. Het gaat om één kwartaal operationele winst, niet om duurzame, bedrijfsbrede nettowinst, en Anthropic heeft zelf gezegd dat het misschien niet het hele jaar in de zwarte cijfers blijft, omdat het flink uitgeeft om te blijven groeien. Een ererondje is dit dus niet. Maar een trendlijn blijft een trendlijn, en deze buigt onmiskenbaar één kant op. Erop wedden dat deze technologie stilletjes verdwijnt is op dit moment een ronduit slechte gok. De verstandige zet is rekenen op het blijven, want blijven gaat het. En zelfs als de allerbeste cloudmodellen zichzelf morgen op de een of andere manier onbetaalbaar zouden maken: lokale LLM’s worden elke maand beter en goedkoper om te draaien. Deze technologie gaat niet meer terug in het doosje.
Stap in de auto
Dit is dus mijn duwtje in de rug, van de ene developer aan de andere. Kom uit die ontkenningsfase. Je hoeft je vakmanschap er niet voor op te geven, en dat moet je ook vooral niet doen. Blijf kritisch, blijf om kwaliteit geven, en hou je fiets voor de straatjes waar niets eraan kan tippen.
Stap alleen ook eens in die auto. En leer er dan in rijden: leer een bestemming uitleggen, leer de vangrails neerzetten, en laat de motor het werk doen terwijl jij aan het stuur zit. Doe dat, en je komt verder en sneller dan je op de fiets ooit zou komen.