Thought leaders

De valkuil van stagnatie

Andrew Filev
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenDe competitieve lat voor engineeringtempo stijgt door AI, waardoor huidige…
Meer weergeven
  • De competitieve lat voor engineeringtempo stijgt door AI, waardoor huidige productiviteitswinsten onvoldoende zijn.
  • Engineeringteams splitsen zich in continue AI-gebruikers en gebruikers die een plateau bereiken, wat een structurele prestatiekloof creëert.
  • Leiders moeten hun hele team actief verder op de adaptatiecurve brengen door omgevingsverandering, niet door individuele verplichtingen.

Ik schreef onlangs over AI-moeheid en betoogde dat ingenieurs geen chronische aandoening ervaren, maar spierpijn door training. Zet door, pas je aan en kom er sterker uit.

Dat is een goed en verdedigbaar verhaal, maar er is meer aan de hand en dat wordt snel duidelijker. Het echte risico voor engineeringteams is op dit moment geen burn-out. Het is stagnatie.

De nieuwe tweedeling

Bijna elke ervaren ingenieur gebruikt nu AI. Copilot, Claude, Cursor, Codex, noem maar op. Dat stadium zijn we voorbij. Als je een ontwikkelorganisatie leidt, zie je waarschijnlijk brede gebruikscijfers en ben je daar tevreden over.

Dat zou je niet moeten zijn.

Het adoptiecijfer zegt niets. Het gaat om de tweedeling die eronder ontstaat. Je team valt ongemerkt uiteen in twee groepen: ingenieurs die een productiviteitswinst boekten en het daarbij lieten, en ingenieurs die elke week verdergaan. Nieuwe workflows, nieuwe agentconfiguraties en nieuwe manieren om problemen op te splitsen zodat AI ze kan aanpakken.

Beide groepen staan op je dashboards als AI-gebruikers. Maar de ene volgt een trainingsprogramma waarin de belasting steeds toeneemt. De andere stopte bij het eerste gewicht dat comfortabel aanvoelde.

Zes maanden geleden was het verschil tussen de groepen nauwelijks zichtbaar. Nu ziet iedereen die oplet het. Over nog eens zes maanden zal het structureel zijn.

Hoe stagnatie er werkelijk uitziet

De ingenieur die stagneert doet in traditionele zin niets verkeerd. Die is competent en levert werk op. Eenvoudige taken gaan naar de agent, waarna de ingenieur de fouten herstelt. Misschien steeg de productiviteit met 20–30 procent en was dat voldoende.

Het probleem is dat de collega ernaast daar niet stopte. Die werkt inmiddels met meerdere agents, verbetert verificatielussen, splitst complete functionaliteiten op in door AI uitvoerbare stukken, beoordeelt op architectuurniveau in plaats van regel voor regel en levert twee tot drie keer zo snel als voorheen. Niet omdat die collega meer talent heeft, maar omdat die bleef trainen terwijl de anderen een rustdag namen die uitgroeide tot een heel rustkwartaal.

Het gaat niet om AI-enthousiasme of een vroege gebruiker zijn. De vroege adoptiefase is voorbij. Het gaat om voortdurende aanpassing tegenover een eenmalige bijstelling. Het oplopende, cumulatieve verschil tussen die twee benaderingen valt niet meer te negeren.

De concurrentiedruk is echt en neemt toe

Als je teams de luxe hadden om zich volgens hun eigen tijdschema aan te passen, zou stagnatie een kwestie van prestatiemanagement zijn. Vervelend, maar beheersbaar.

Maar kijk je naar de bredere situatie in de softwaresector, dan heb je die luxe waarschijnlijk niet.

De softwaresector ontstond grotendeels om mensen te helpen bij digitaal werk: supportmedewerkers binnenkomende zaken laten zien, antwoorden aan klanten volgen en workflows beheren. Nu nemen AI-agents de hele workflow over en ontwrichten daarmee ook de onderliggende SaaS-platforms. Bovendien wordt AI elke dag capabeler en beginnen klanten te vragen: “Moeten we dit nog kopen of kunnen we het inmiddels zelf bouwen?” AI verlaagt de drempel tussen kopen en bouwen voor steeds meer toepassingen. Het vermogen van je product om klanten vast te houden, dat vroeger je omzet beschermde, verzwakt elk kwartaal.

Je stagnerende ingenieurs werken in een tempo dat is afgestemd op een concurrentieomgeving die niet meer bestaat.

Het citaat dat mijn kijk veranderde

Ik heb dit inmiddels meer dan eens gehoord, bij verschillende bedrijven en in verschillende situaties: van productmanagers die de mouwen opstroopten en functionaliteiten bouwden via vibecoding, en van engineeringleiders die falende architecturen opnieuw ontwierpen:

“Het was voor mij eenvoudiger om dit iteratief met mijn agents te verbeteren dan met die ingenieur.”

De eerste keer dacht ik dat het overdreven was. De derde keer besefte ik dat het een voorlopende indicator was.

Volgens mij zijn er ingenieurs die in deze nieuwe wereld zullen floreren en de mogelijkheden van AI zullen vermenigvuldigen. Daarvoor moeten ze op twee gebieden sterk zijn. Beide kunnen ze zelf ontwikkelen als ze genoeg intrinsieke motivatie en intellectuele nieuwsgierigheid hebben:

  • Ze zitten op dezelfde golflengte als hun belanghebbenden, zoals productmanagers en engineeringmanagers. Ze begrijpen hoe een goed resultaat eruitziet, zodat je niet overmatig hoeft uit te leggen. Want als ze evenveel misverstanden veroorzaken als je programmeeragent, wint de agent die vergelijking altijd. Die is direct beschikbaar, dag en nacht, en raakt niet vermoeid.
  • Ze verbeteren voortdurend hun AI-omgevingen en instellingen. Als je ze iets geeft, weet je dat het niet alleen goed wordt gedaan, zoals in het vorige punt, maar ook snel genoeg om het nieuwe markttempo bij te houden.

Waarom dit een leiderschapsprobleem is, geen individueel probleem

Het is verleidelijk om dit als de verantwoordelijkheid van de individuele ingenieur te zien: “Houd het bij of blijf achter.” Maar als je een ontwikkelorganisatie leidt, ontslaat die benadering jou van verantwoordelijkheid.

Je ingenieurs zijn niet in een vacuüm gaan stagneren. Niets in hun omgeving stimuleerde hen om verder te gaan dan de eerste aanpassing. Ze boekten een redelijk ogende productiviteitswinst, niemand daagde ze uit om verder te gaan en de traagheid deed de rest.

En de ingenieurs die bleven doorgaan? De meesten zijn vanuit zichzelf gemotiveerd en zouden toch doorgaan. Maar je kunt een ontwikkelorganisatie niet volledig bemensen met intrinsiek gemotiveerde pioniers. De vraag voor leiders is: hoe krijg je de middengroep in beweging?

Dit is een verandermanagementprobleem. Een van mijn favoriete kaders komt uit het boek van de gebroeders Heath, Switch. Kort gezegd: geef mensen een duidelijke richting, laat ze voelen waarom het belangrijk is en verander de omgeving zodat het nieuwe gedrag de weg van de minste weerstand wordt. Voor engineeringteams ziet dat er zo uit:

Vind de goede voorbeelden en maak ze zichtbaar. Zoek de ingenieurs die het verst zijn met hun AI-workflows en laat hen het team regelmatig tonen hoe ze werken. Geen trainingssessies, maar live demonstraties van echt werk. Als de middengroep het verschil ziet tussen de eigen workflow en die van de collega die zich het beste heeft aangepast, ontstaat een productief ongemak dat geen enkele verplichting kan evenaren.

  • Maak de verandering kleiner. “Adopteer AI” is te abstract om naar te handelen. Zorg deze sprint dat de agentgestuurde tests van begin tot eind goed werken, rol ze de volgende sprint uit in de hele organisatie en ga zo verder. Concrete, beheersbare stappen verslaan altijd ambitieuze transformatieprogramma’s, en kleine successen tellen.
  • Verander de standaardwerkwijzen. Leg het verificatieproces vast in AI-skills en zorg dat die in het hele team en in al zijn agents worden gebruikt. Definieer je workflows en gebruik ondersteunende tools. Maak de nieuwe manier van werken de weg van de minste weerstand, zodat mensen er vanzelf naartoe bewegen in plaats van zich erheen te moeten vechten.

De tijd raakt op

Dit maakt het urgent en niet alleen belangrijk.

Op dit moment is de aanpassingskloof een prestatieverschil. De ingenieurs die stagneren zijn langzamer dan de collega’s die zich wel hebben aangepast, maar ze zijn nog productief en dragen bij. Je kunt ze nog binnen de organisatie opvangen.

Die ruimte verdwijnt. Terwijl AI zich sneller ontwikkelt en de concurrentiedruk zich opstapelt, stijgt het minimaal vereiste tempo van engineeringwerk. De “goed genoeg”-ingenieur van vandaag is volgend kwartaal niet gegarandeerd goed genoeg. Niet omdat die persoon slechter werd, maar omdat de ondergrens omhoogging.

Organisaties die hun hele team omhoog weten te brengen op de aanpassingscurve, in plaats van alleen vroege gebruikers, krijgen een cumulatief structureel voordeel. De andere organisaties ontdekken dat hun personeelsbezetting past bij een concurrentietempo dat niet meer bestaat.

Elke engineeringleider die ik spreek begrijpt dit verstandelijk. Slechts weinigen hebben hun manier van leidinggeven daarop aangepast. De kloof tussen begrip en actie is op zichzelf een vorm van stagnatie.

Er bestaat geen comfortabel tempo

In het artikel over AI-moeheid betoogde ik dat spierpijn bewijst dat de training werkt. Dat geldt nog steeds. Maar de volgende waarheid is moeilijker: het gewicht blijft toenemen.

In een gewone sportschool kun je een comfortabel gewicht kiezen en het voor altijd handhaven. Niemand legt ongevraagd extra schijven op je halter. In de huidige softwarewereld verschuift de lat met elke nieuwe modelrelease, elke nieuwe agentmogelijkheid en elke nieuwe workflow die iemand bedenkt en deelt. Blijf stilstaan en uiteindelijk kom je klem te zitten onder het gewicht.

In de softwaresector is nu geen comfortabele plek. Niet voor individuele ingenieurs, niet voor hun teams en niet voor de bedrijven die die teams bouwen. De enige veilige positie is voortdurende beweging. De enige vraag die voor engineeringleiders telt, is of het hele team beweegt of alleen degenen die dat toch al zouden hebben gedaan.

Andrew Filev is oprichter en CEO van Zencoder. Hij heeft het collaboratieve werkbeheer getransformeerd door Wrike op te richten (20k+ klanten, verkocht voor $2,25 miljard), werd gepresenteerd in Forbes en The New York Times, en zijn passie voor AI en innovatie blijft de toekomst van werk vormgeven.