
AI vervangt je developers niet. Het maakt ze sterker.

De pure codeklopper is klaar. De engineer niet.
Code die AI schrijft is een grens overgegaan. Engineers die er jaren sceptisch over waren — Linus Torvalds en John Carmack niet uitgezonderd — zijn publiekelijk gaan erkennen dat wat deze modellen produceren inmiddels echt goed is. Dat is geen bedreiging voor developers. Het is het einde van één smalle invulling van het vak.
Wat overblijft, was altijd al het lastigste deel. Weten welk probleem het oplossen waard is. Het domein goed genoeg kennen om te zien wanneer een antwoord subtiel niet klopt. Je bouwt niet goed voor een reisorganisatie zonder iets van reizen te snappen, of voor een retailer zonder iets van retail. Dat oordeel rolt niet uit een model.
Het werk versmelt dus. Engineering en domeinkennis zijn geen losse rollen meer. De developer die het bedrijf begrijpt wordt waardevoller, niet minder — en wie alleen code produceerde, is al ingehaald.

Als code goedkoop wordt, wordt meten duur
Dit is de omslag waar de meeste teams nog niet op gerekend hebben. Toen code schrijven de bottleneck was, was output een redelijke graadmeter voor voortgang. Zodra code goedkoop en overvloedig is, klopt die graadmeter niet meer — en zegt méér opleveren niets over of je er beter van wordt.
De kosten verschuiven naar het wachten. Een half uur per dag per engineer dat verdwijnt in geblokkeerde builds, wachtrijen voor goedkeuring en wachten op een ander, komt neer op zo’n €5.000 per engineer per jaar. Bij honderd engineers is dat een half miljoen euro per jaar — en het staat op geen enkele regel in je P&L. Code sneller laten schrijven haalt die kosten niet weg, het concentreert ze.
Investeringen in AI vragen dezelfde verantwoording als investeringen in cloud. Niemand koopt zomaar cloudcapaciteit in zonder te weten wat het oplevert. Met AI-tooling gaat het diezelfde kant op: de vraag verschuift van “gebruiken we het” naar “wat heeft het werkelijk veranderd”.
Dat is meetbaar, en wij meten het. DX, DORA en SPACE leveren de kaders; onze Agile Analytics-engine levert de data. En omdat code sneller binnenkomt dan wie dan ook met de hand kan nakijken, is CI/CD met AI-ondersteunde kwaliteits- en securitychecks geen hygiëne meer maar het controlepunt dat die snelheid veilig maakt.
WaarweAIwélvoorinzetten,enwaarniet
Ons uitgangspunt staat op de homepage en hier nog een keer: AI zetten we in waar het echt scheelt; de verantwoordelijkheid blijft bij mensen. Concreet:
Wél. Code schrijven die we toch al wisten te schrijven: koppelingen, migraties, tests, de tiende variant van een scherm. Bestaande code lezen en samenvatten voordat we eraan beginnen. Een eerste review op pull requests, zodat de menselijke review over het ontwerp gaat en niet over een vergeten null-check. Transcriptie en analyse in onze eigen producten, waar het de kern van het product is.
Niet. Beslissen wat er gebouwd moet worden en waarom: dat vraagt het domein kennen, en dat rolt niet uit een model. Architectuur en security zonder dat een engineer ernaar heeft gekeken. Infrastructuurcode die "werkt": foute applicatiecode gaat stuk, foute infrastructuurcode draait gewoon door met te ruime rechten, en dat merk je pas bij een audit of een incident. En AI aanzetten als vervanging voor een team dat elkaar niet vertrouwt: het gereedschap is zelden wat er mist.
De regel die daaruit volgt is simpel. Alles wat AI schrijft wordt gereviewd door iemand die het had kunnen schrijven. Sneller ja, onbewaakt nooit. Dat kost tijd, en het is precies de tijd die AI elders vrijmaakt.

Wathetvoorjouverandertalsopdrachtgever
Drie dingen, en het derde is het belangrijkste.
Meer software voor hetzelfde geld. Onze sprints kosten wat ze kostten; er komt meer uit. Werk dat vroeger een sprint was (een koppeling, een migratie van boilerplate, een reeks tests) is nu een dag. Een klein scriptje dat een probleem oplost, doen we gratis: dat is het soort werk dat AI van een middag een half uur heeft gemaakt.
Dezelfde verantwoordelijkheid. Wat wij opleveren is van ons, ongeacht wie of wat de eerste versie typte. Dat staat ook in de wet: onder de AVG, NIS2 en DORA is de organisatie verantwoordelijk voor de software, niet het model. Wij houden bij welke code met AI is geschreven en wat ermee gedaan is, zodat je dat bij een audit kunt laten zien. Hoe dat werkt staat in software ontwikkelen met AI en AVG, NIS2 en DORA.
Een ander gesprek over voortgang. Als code goedkoop is, zegt "hoeveel er is opgeleverd" niets meer. De vraag wordt wat er in productie staat, of het gebruikt wordt, en hoe snel een fout hersteld is. Dat meten we, met dezelfde cijfers die we onszelf voorhouden.

Watweerzelfmeebouwen
Wij verkopen geen AI-strategie; we draaien producten waar AI het werk doet, en we betalen de rekening ervan zelf. Dat is waar de opvattingen hierboven vandaan komen.
-
CyberCloud Voice Analytics — Telefoongesprekken transcriberen, doorzoeken en bundelen tot onderwerpen. Open source in de basis, met bewaartermijnen voor compliance.
-
Zenthropic — AI-telefoonagenten die 24/7 opnemen, uitvragen en een samenvatting achterlaten in Slack, e-mail of het CRM. Antwoordtijd onder de 800 milliseconden.
-
Agile Analytics — Meet waar de tijd blijft in softwareontwikkeling: Git, CI/CD en Jira naast elkaar, met DORA en SPACE als kader. Het instrument achter "als code goedkoop wordt, wordt meten duur".
-
ImageSenseAI — Plugin voor WordPress en Strapi die afbeeldingen beschrijft: alt-teksten voor toegankelijkheid en vindbaarheid, zonder handwerk.
Wil je AI in je eigen organisatie inzetten, dan is AI consultancy de dienst: samen bepalen waar het echt scheelt, en het dan bouwen.

Zo ziet Agile Analytics eruit
Een paar schermen uit het product, zoals je ze in gebruik ziet.
Watweerovergeschrevenhebben,perthema
Onze engineers schrijven over wat ze tegenkomen. Dit zijn de stukken die het standpunt hierboven onderbouwen.
Vakmanschap: wat AI doet met het bouwen zelf
- Code wordt goedkoop. Engineering niet.
- De bedenker van Ruby on Rails schrijft geen regel code meer zelf
- Wat je mist bij AI-agents is meestal geen gereedschap
- Bugs fixen in het tijdperk van AI
- AI-ondersteunde code reviews: wat 25.000 pull requests laten zien
- De realiteitscheck: code van LLM's versus menselijke engineers
- Het einde van programmeren is onzinnige verkooppraat
Mensen: wat het doet met teams en het vak
- Als AI de juniorrollen overneemt, waar komen de seniors dan vandaan?
- AI-moeheid in development
- AI-vampiers: de verborgen prijs van twintig agents
- DORA-metrics lezen als AI de helft van je commits schrijft
Risico: security, compliance en wat er misgaat
- AI-gegenereerde infrastructuurcode reviewen: waar je écht naar moet kijken
- Wordt softwarebeveiliging beter met AI coding agents, of juist slechter?
- Software ontwikkelen met AI en rekening houden met AVG, NIS2 en DORA
- Hallucinerende AI: ChatGPT suggereert API's die nooit hebben bestaan
- ChatGPT verbannen van je werkplek?

Veelgestelde vragen over AI in softwareontwikkeling
Vervangt AI developers?
Nee. Het vervangt één smalle invulling van het vak: code typen die je al wist te typen. Wat overblijft was altijd al het lastigste deel: weten welk probleem het oplossen waard is, het domein kennen, en zien wanneer een antwoord subtiel niet klopt. De engineer die het bedrijf begrijpt wordt waardevoller, niet minder.
Gebruiken jullie AI om onze software te bouwen?
+
Ja, waar het echt scheelt: koppelingen, migraties, tests, eerste reviews, code lezen en samenvatten. Alles wat AI schrijft wordt gereviewd door een engineer die het had kunnen schrijven. Wat wij opleveren is van ons, ongeacht wie de eerste versie typte, en de broncode is van jou.
Is code die AI schrijft veilig?
+
Niet vanzelf. Applicatiecode die fout is gaat meestal stuk; infrastructuurcode die fout is werkt gewoon door, met te ruime rechten of een open poort. Daarom gaan security- en kwaliteitschecks in de CI/CD-pipeline, en kijkt een engineer naar elke wijziging aan infrastructuur, rechten en data.
Wordt software goedkoper door AI?
+
Er komt meer uit dezelfde sprint. Onze sprints van twee weken kosten wat ze kostten (klein €4.000, middelgroot €8.000, groot €12.000, exclusief btw); werk dat vroeger een sprint was, is nu vaak een dag. Een klein scriptje dat een probleem oplost is gratis. Wat niet goedkoper wordt: beslissen wat er gebouwd moet worden, en het reviewen.
Hoe zit het met de AVG, NIS2 en DORA als AI onze code schrijft?
+
De organisatie blijft verantwoordelijk, niet het model. Wij houden bij welke code met AI is geschreven, wat ermee gedaan is en wie het heeft beoordeeld, zodat je dat bij een audit kunt laten zien. Persoonsgegevens gaan niet naar een model zonder verwerkersovereenkomst en zonder dat het nodig is.
Kunnen jullie ons team helpen AI goed in te zetten?
+
Ja, dat is AI consultancy: eerst bepalen waar het in jouw ontwikkelstraat echt scheelt, dan inrichten, meten wat het verandert, en het team erin meenemen. Het gereedschap is zelden wat er mist; de werkwijze eromheen wel.
Meer over AI
Wil je weten wat AI in jouw ontwikkelstraat echt verandert?
Een half uur met een engineer die het zelf dagelijks gebruikt. Geen verkooppraat, wel een eerlijk antwoord op waar het scheelt en waar niet.










