Vibe Coding, AI en de Nieuwe Realiteit van Engineering

Tien jaar geleden klonk het idee dat AI code kon schrijven in plaats van programmeurs als een spannende fantasie. Vandaag is het onderdeel van de alledaagse realiteit. MVP’s worden in dagen gebouwd, interfaces worden gegenereerd vanuit tekstprompts en AI-assistenten worden volwaardige deelnemers in engineeringteams.

Tegen deze achtergrond vragen steeds meer mensen zich hetzelfde af: vervangt AI echt programmeurs? Kan kunstmatige intelligentie een senior engineer echt evenaren en vervangen? En wat gebeurt er met het beroep in de nabije toekomst?

Ik ben zelf ontwikkelaar en heb een mening over dit onderwerp. Laten we het uitpluizen.

Wat is het kernprobleem?

Er is een dominante vertelling over AI-programmeren die ongeveer als volgt gaat:

AI wordt extreem effectief in het schrijven van code en, belangrijk, vermijdt veel van de veelvoorkomende fouten die mensen maken. Nog interessanter is dat AI mogelijk beter is in het omgaan met zogenaamde randgevallen: zeldzame en ongebruikelijke scenario’s die in software-engineering overal aanwezig zijn en vaak moeilijk voor ontwikkelaars om van tevoren te anticiperen.

Wanneer de programmeur zegt: “Ik wil een knop hier”, krijgt hij een reactie: “Hier is de knop, hier zijn 18 randgevallen die u moet overwegen, hier zijn de tests die u moet uitvoeren en trouwens, u wilt misschien ook dit en dat toevoegen.” U kunt ernaar kijken en denken: “Ja… dat maakt eigenlijk wel zin.” Op uw eigen houtje had u misschien weken later pas die problemen beseft – nadat er al iets was misgegaan in productie. AI suggereert vaak oplossingen onmiddellijk. Voor ingenieurs die al een baan hebben, verhoogt het aanzienlijk de productiviteit en efficiëntie.

En deze vertelling leidt rechtstreeks naar een economische vraag: als een bedrijf eerder 100 ontwikkelaars nodig had om een bepaalde workload te verwerken, heeft het nu misschien maar 20 nodig – omdat die 20 met AI-ondersteuning hetzelfde werk kunnen doen.

Wat zit er achter deze versnelling?

Steeds vaker zie ik zeer sterke software-ingenieurs die bang zijn voor hun posities, hun plaats op de markt en hun inkomen. Het voelt alsof er binnenkort geen werk meer over zal zijn voor programmeurs.

En mijn antwoord is meestal: jongens, het is waarschijnlijk niet zo dramatisch als het lijkt. In feite winnen ervaren ingenieurs op dit moment een nieuw soort waarde. Omdat we misschien een van de laatste generaties ontwikkelaars zijn die daadwerkelijk code met de hand hebben geschreven en diep begrijpen hoe systemen onder de motorkap werken. De volgende generatie werkt steeds vaker via AI-hulpmiddelen – en daarmee verandert de engineeringpraktijk zelf.

Hier is wat de eerdere vertelling niet meeneemt:

AI-gegenereerde code ziet er vaak perfect uit. De taken worden opgelost, de interfaces werken en alles draait. Maar na verloop van tijd, op lange termijn, beginnen meer subtiele problemen te verschijnen: architectonische compromissen, zwakke ingenieursbeslissingen, problemen met gegevensstructuren of schaalbaarheidsproblemen. En dat gebeurt omdat AI al heel goed is in het oplossen van lokale taken, terwijl de langetermijnlogica van grote systemen nog steeds menselijke ervaring en ingenieursoordeel vereist.

Daarom hebben teams, zodra deze projecten serieuze productieomgevingen bereiken – banken, e-commerce-platforms, grote diensten – nog steeds mensen nodig die diep de architectuur kunnen analyseren, de oorzaken van problemen kunnen identificeren en de algehele systeemlogica kunnen herstellen.

Ik krijg vaak telefoontjes van vrienden die dingen zeggen als: “Michael, kun je even meehelpen om te begrijpen waarom het systeem begint te falen?” Ondanks dat ik tegenwoordig aan Fysieke AI werk bij Introspector, help ik nog steeds af en toe met dit soort moeilijke handmatige ingenieurswerk: systeemlogica reconstrueren, architectuur analyseren en uitzoeken waar problemen zijn ontstaan.

En dat is precies waarom ik geloof dat sterke ingenieurs voor lange tijd nog steeds heel waardevol zullen blijven. Tegelijkertijd zijn het vaak ervaren ingenieurs die helpen bij het verbeteren en trainen van AI-modellen. Bij Keymakr hebben we dit met eigen ogen gezien toen we ervaren ontwikkelaars zochten om code te valideren en modellen te helpen trainen – mensen die kunnen vertrouwen op echt ingenieursdenken, praktische ervaring en een diep begrip van hoe systemen in de echte wereld werken.

De belangrijkste hypothesen

En dit brengt ons bij de grootste vraag over de toekomst: waar leidt dit allemaal uiteindelijk naartoe? Hoe kunnen we de volgende generatie ingenieurs laten groeien als ze de industrie binnenkomen via een compleet andere route?

Als we naar de situatie kijken zonder hype of angst, zie ik een paar mogelijke scenario’s.

• Een onduidelijke toekomst

Het eerste en waarschijnlijk meest eerlijke antwoord is dat maar weinig mensen vandaag echt ver vooruit denken. Gewoon omdat niemand nog volledig begrijpt hoe deze toekomst er in de praktijk uit zal zien.

Misschien zijn AI-agents over een paar jaar inderdaad in staat om bijna perfecte code te schrijven – met sterke architectuur, schaalbaarheid en contextuele begrip. Op dit moment is die vraag nog volledig open.

Tegelijkertijd blijven grote technologiebedrijven als Apple, Microsoft en Google actief sterke onderzoekers, PhD-specialisten en mensen uit academische omgevingen aannemen. Dat suggereert waarschijnlijk dat ze geloven dat diep ingenieursbegrip nog steeds belangrijk zal zijn, zelfs in een wereld waarin de meeste code automatisch gegenereerd wordt.

Kleine bedrijven daarentegen opereren vaak met een heel andere planningshorizon. Als je niet weet of je startup over zes maanden nog zal bestaan, wordt het moeilijk om serieus na te denken over wat er over tien jaar zal gebeuren. Natuurlijk wil niemand iets fundamenteel kapot bouwen. Teams proberen nog steeds om potentiële risico’s en zwakheden te identificeren.

Maar in werkelijkheid is de logica vaak veel eenvoudiger: eerst een product bouwen dat werkt en inkomsten genereert – en dan later met architectuur, optimalisatie en herschrijven van het systeem. Het probleem is dat, in veel projecten, “later” steeds maar weer wordt uitgesteld.

• Evolutie in spiralen

Het tweede antwoord, in mijn mening, is nog interessanter. Als je naar de geschiedenis van de industrie kijkt, is die al eerder door soortgelijke transities gegaan. De allereerste programmeurs werkten met ponskaarten. Toen kwam de generatie van ingenieurs die in Assembly schreven – iets wat voor veel moderne ontwikkelaars al moeilijk te begrijpen is. Toen moest je letterlijk begrijpen hoe hardware werkte, denken in termen van processorlogica en een enorme hoeveelheid lage complexiteit in je hoofd houden.

Toen kwam de tijd van COBOL. Complete bankmainframes werden ermee gebouwd en het meest verrassende is dat een aanzienlijk deel van de wereldwijde bankinfrastructuur nog steeds op die oude systemen draait. Er zijn nog steeds programmeurs van in de zestig en zeventig die die codebasis onderhouden en ze blijven extreem waardevolle specialisten.

De volgende generatie ging over naar C++, Python en JavaScript. Ik zelf behoor tot die generatie. Bijvoorbeeld, ik begrijp amper hoe COBOL werkt. In theorie kon ik het leren – maar voor mij voelt het al als iets ver weg en vreemd.

En als je hiernaar kijkt vanuit een historisch perspectief, ontstaat een interessant patroon: elke nieuwe generatie ingenieurs hoeft niet langer diep te begrijpen hoe de technologie van de vorige generatie werkte. Na verloop van tijd wordt kennis ingebed in de infrastructuur zelf.

Ponskaarten zijn allang verdwenen – hun logica is nu ingebouwd in processors. Assembly is grotendeels verdwenen als mainstreamhulpmiddel omdat de complexiteit ervan verborgen zit in besturingssystemen, drivers en lagere abstractielagen. Zelfs je koptelefoon bevat vandaag waarschijnlijk een klein besturingssysteem dat al deze verborgen complexiteit in de achtergrond uitvoert – de meeste mensen denken er gewoon nooit over na.

Natuurlijk zijn er nog steeds specialisten die al deze lage magie begrijpen. Maar voor de meeste industrie is het al een abstractielaag geworden.

En dat leidt tot een heel logische gedachte: misschien is AI gewoon het volgende stadium van deze evolutie. Misschien heeft de volgende generatie echt niet zo diep te begrijpen hoe klassieke programmering werkt als wij deden.

• De economie van de markt

Een andere hypothese die ik heb, is dat vibe coding – of AI-ondersteunde ontwikkeling – uiteindelijk ophoudt als “gratis versnelling” te worden beschouwd. In werkelijkheid is het al niet helemaal gratis; het is alleen dat niet iedereen op dit moment zorgvuldig de werkelijke economie erachter berekent.

Modellen, tokens, infrastructuur, constante verzoeken, onderhoud van de hele AI-pijplijn – al dit wordt langzaam een aanzienlijke operationele uitgave. Daarom geloof ik dat bedrijven binnenkort veel nauwer naar de werkelijke kosten van AI-ondersteunde ontwikkeling zullen gaan kijken en een heel pragmatische vraag zullen stellen: wat is eigenlijk efficiënter – een ingenieursteam uitbreiden of de hele AI-infrastructuur rondom ontwikkeling onderhouden?

Een heel realistisch scenario is dat sterke ingenieursteams uiteindelijk economisch gezien duurzamer zullen blijken, vooral als het gaat om het onderhoud, ontwikkeling en ondersteuning van producten op lange termijn.

Maar ik denk dat dit eigenlijk is waar een nieuw type ingenieursteam kan ontstaan: heel kleine groepen van ervaren specialisten die zich richten op het onderhoud van de stabiliteit en veerkracht van de infrastructuur zelf. Na verloop van tijd kan dit een van de meest waardevolle ingenieursspecialisaties in de industrie worden.

• Mensen die naast AI zullen werken

En de laatste veronderstelling – hoewel een heel realistische – is dat de volgende generatie ingenieurs waarschijnlijk hun carrière zullen moeten opbouwen in een compleet andere omgeving. En dit gaat verder dan alleen programmeren. Soortgelijke veranderingen beginnen al de rechtspraak, financiën, geneeskunde en bijna elk vakgebied waarin AI een aanzienlijk deel van het intellectuele routinewerk kan overnemen, te veranderen.

Ondanks alles kijk ik nog steeds positief naar wat er gebeurt. Waarschijnlijk omdat ik over het algemeen van vooruitgang hou. Ik hou van het idee dat technologie het leven van mensen kan verbeteren, mensen kan bevrijden van een enorme hoeveelheid repetitief werk en veel processen veiliger en efficiënter kan maken.

Bijvoorbeeld, autonome rij-systemen zoals die van Tesla of Waymo demonstreren al opvallend hoge niveaus van veiligheid in veel scenario’s in vergelijking met menselijke bestuurders. En dat is echt indrukwekkend.

Tegelijkertijd zal de wereld waarin onze kinderen binnenkomen veel ingewikkelder zijn qua professionele identiteit. Ze zullen moeten zoeken naar hun plaats en doel in een snel veranderend landschap.

Als een kind vandaag advocaat, financieel analist of programmeur wil worden, is er een grote kans dat deze beroepen in de toekomst er heel anders uit zullen zien. Misschien worden dit specialisten die nauw samenwerken met juridische AI, financiële AI of coderings-AI – mensen die AI-systemen bedienen, uitvoer valideren, context bieden en de belangrijkste beslissingen nemen.

Ik denk dat het belangrijk is om te erkennen dat bijna elk van deze scenario’s al realistisch aanvoelt vandaag. En of we het leuk vinden of niet, alles wat nu gebeurt, maakt deel uit van een veel grotere golf van technologische vooruitgang. Het is heel onwaarschijnlijk dat dit proces kan worden gestopt. Wat betekent dat we zullen moeten leren om in deze nieuwe wereld te leven – geleidelijk leren om het in balans te houden, te communiceren en misschien zelfs een nieuwe vorm van coëxistentie ernaast te ontwikkelen.