Thought leaders
De opkomst van AI-orkestratie-engineering

Belangrijkste puntenEen team van drie personen van OpenAI leverde een miljoen regels code via Codex zonder…
Meer weergeven
- Een team van drie personen van OpenAI leverde een miljoen regels code via Codex zonder handmatig code te schrijven.
- AI-orkestratie-engineering combineert DevOps-architectuur en AI-expertise in één gecentraliseerde rol.
- Organisaties die agentworkflows centraliseren, realiseren een tweevoudige doorvoer, terwijl anderen stagneren bij automatisch aanvullen.
De 10x engineer is al decennialang een mythe in Silicon Valley. Het eenzame genie, met koptelefoon op, produceert elegante code met bovenmenselijke snelheid. We hebben gedebatteerd over het bestaan ervan, gediscussieerd over hoe ze te werven en stilletjes gewalgd van iedereen die beweert er een te zijn.
Maar iets interessants gebeurde op weg naar een toekomst waarin AI vooropstaat: de 10x engineer werd echt. Ze zien er alleen niet uit zoals we ons hadden voorgesteld.
OpenAI deelde onlangs hoe een team van drie personen Codex gebruikte om 1.500 pull requests en ongeveer een miljoen regels code te verzenden, zonder één regel handmatig te schrijven. Drie engineers, en geen enkele handgeschreven code. Een product in productie dat door honderden interne gebruikers wordt gebruikt.
Dat is niet 10x; het is dichter bij 100x. En de vaardigheid die het mogelijk maakte, was niet het sneller typen of meer algoritmen kennen. Het was het bouwen van het systeem dat AI-agents productief maakt: de workflows, de beveiligingsmechanismen, de verificatielussen, de interfaces waarop agents aansluiten en via welke mensen het werk beoordelen.
Ik geloof dat dit de opkomst is van een nieuwe sleutelfunctie in engineeringsorganisaties. Ik zou het AI-Orkestratie-Engineering noemen.
Drie Disciplines Lopen Een Standup Binnen
Als je kijkt naar wat een AI-Orkestratie-Engineer eigenlijk doet, herken je drie vertrouwde disciplines die in één zijn samengevoegd.
Het meest voor de hand liggende ingrediënt is DevOps. DevOps centraliseerde de implementatiepijplijn. Één team configureerde de CI/CD-workflows die elke engineer gebruikte bij het verzenden van code. AI-Orkestratie-Engineering doet hetzelfde, maar voor agent-workflows. Het definieert hoe taken aan agents worden toegewezen, hoe uitvoer wordt geverifieerd, hoe retries en fallbacks werken. Het is de gedeelde infrastructuur waarop agents draaien.
Daarnaast is er architectuur, die meer overlapt met DevOps dan je zou verwachten. Architecten beslissen welke interfaces zijn vergrendeld, welke patronen worden afgedwongen, welke grenzen niet kunnen worden overschreden. In een agent-georiënteerde wereld is dit nog belangrijker. Agents hebben schone, goed gedocumenteerde codebases met duidelijke contracten nodig. De AI-Orkestratie-Engineer definieert die beperkingen, niet alleen voor menselijke leesbaarheid, maar voor begrip door agents. Een rommelige repository is niet alleen technische schuld meer. Het is een productiviteitsplafond voor elke agent die ermee werkt.
Het minst begrepen onderdeel is de AI-specifieke laag. Prompt-engineering, contextbeheer, modelselectie, agentconfiguratie. Vandaag de dag doen de meeste engineers dit op een verspreide, taak-voor-taak-manier. Elke persoon ontdekt zijn eigen promptstijl, zijn eigen agentconfiguratie, zijn eigen workarounds. De AI-Orkestratie-Engineer centraliseert dit. Ze bouwen de gedeelde playbooks, de herbruikbare configuraties, de organisatorische kennis over wat werkt en wat niet werkt over modellen en use cases.
Afzonderlijk bestaan deze drie functies in de meeste engineeringsorganisaties van vandaag. Het argument is dat het combineren ervan in één centrale rol iets kwalitatief anders creëert.
De Showrunner-Metafoor
Een filmregisseur bedient de camera niet, speelt niet in de scènes en monteert de beelden niet. Maar elk beeld weerspiegelt hun beslissingen.
Ze kiezen de compositie van het shot, het tempo, de toon. Ze beslissen wanneer ze dichtbij moeten komen en wanneer ze ver weg moeten gaan. Ze zetten de omgeving op (verlichting, decorontwerp, bewegingen en posities van acteurs) zodat elke persoon op de set zijn beste werk kan doen binnen een samenhangende visie. De crew is individueel getalenteerd, maar zonder die coördinatie, krijg je een rommeltje dat nooit wordt opgeleverd.
AI-Orkestratie-Engineering werkt op dezelfde manier. De agents zijn capabel. De modellen zijn krachtig. Maar zonder iemand die het systeem ontwerpt dat hen coördineert, de beperkingen definieert, de feedbacklussen bouwt, de workflows structureert, krijg je wat we allemaal hebben meegemaakt: inconsistente uitvoer, verspilde compute, agents die tegenstrijdige doelen nastreven en engineers die meer tijd besteden aan het repareren van AI-gegenereerde code dan ze zouden hebben besteed aan het schrijven van de code zelf.
De regisseur maakt een film die groter is dan de som van zijn onderdelen. De AI-Orkestratie-Engineer doet hetzelfde voor de agentvloot.
Waarom De Meeste Organisaties Onderinvesteren
Dit is wat ik zie in de industrie: bedrijven investeren zwaar in AI-hulpmiddelen en bij lange na niet genoeg in de systemen eromheen.
Engineers krijgen toegang tot Copilot, Claude, Codex. Ze experimenteren individueel. Sommigen worden power users. De meesten bereiken een plateau op het niveau van “fancy autocomplete”. De 20% productiviteitswinst die studies melden? Dat is het symptoom van tool-niveau-adoptie zonder systeemniveau-denken.
De organisaties die doorbreken, diegenen die een minstens tweemaal zo grote hoeveelheid afgehandeld werk melden, hebben iets gemeen. Ze hebben de orkestratie centraal gesteld. Iemand (of een team) is eigenaar van de agent-workflows, de repository-voorbereiding, de verificatie-infrastructuur, de gedeelde context die elke agent kan benaderen.
Hoe De Rol Er Daadwerkelijk Uitziet
De dagelijkse routine van een AI-Orkestratie-Engineer kan onder andere het volgende omvatten:
- Het ontwerpen van agent-workflows: definiëren hoe een verzoek om een functie overgaat in een specificatie, vervolgens in een plan, dan in parallelle agenttaken en uiteindelijk in beoordeelde en samengevoegde code.
- Het bouwen van verificatie-infrastructuur: geautomatiseerde tests, linting-regels, beveiligingsscans en evaluatiekaders die agents moeten doorstaan voordat hun werk wordt samengevoegd.
- Het onderhouden van repository-gezondheid voor agent-consumptie: documentatie, duidelijke interfaces, afhankelijkheidsbeheer en codebase-vereenvoudiging, allemaal geoptimaliseerd voor begrip door agents, niet alleen menselijke leesbaarheid.
- Het centraliseren van prompt- en contextstrategieën: gedeelde systeemprompts, pipelines voor het ophalen van informatie, modelrouteringsbeslissingen en configuratiesjablonen die het hele team gebruikt.
- Het monitoren en verbeteren van agentprestaties: het bijhouden van succespercentages, foutmodi, kosten per taak en tijd-tot-samenvoegen over de agent-vloot, en vervolgens het systeem afstemmen op basis van gegevens.
Deze persoon zit op het snijvlak van platform-engineering, software-architectuur en AI-expertise. Ze schrijven geen functies. Ze bouwen het systeem dat functielevering snel, betrouwbaar en schaalbaar maakt.
Het Historische Patroon
In de vroege dagen van cloud computing was implementatie de zijmissie van elke engineer. Elk team had zijn eigen scripts, zijn eigen serverconfiguraties, zijn eigen manier van code in productie krijgen. DevOps kwam op om deze werkzaamheden te centraliseren, en Platform Engineering evolueerde om het te bouwen in gedeelde, self-service-infrastructuur.
AI volgt hetzelfde traject. Op dit moment is agent-gebruik de zijmissie van elke engineer. Elke persoon heeft zijn eigen promptstijl, zijn eigen hulpmiddelenvoorkeuren, zijn eigen mentale model voor wanneer AI helpt en wanneer het niet helpt. De organisaties die dit centraliseren, die het behandelen als infrastructuur in plaats van individueel experiment, zullen vooroplopen, net zoals organisaties met volwassen DevOps-praktijken organisaties zonder zulke praktijken voorbijstreefden.
Het verschil is snelheid. De DevOps-overgang duurde een decennium. Deze overgang zou slechts enkele kwartalen kunnen duren, hoewel ik toegeef dat deze voorspelling ervan uitgaat dat organisaties het patroon sneller herkennen dan ze gewoonlijk doen.
De Weg Vooruit
Als je leidinggeeft aan een engineeringteam, is dit wat ik zou voorstellen, hoewel je resultaten kunnen variëren afhankelijk van hoe ver je team al is.
- Identificeer wie deze werkzaamheden al informeel uitvoert. Elke organisatie heeft iemand die de agent-workflows heeft doorgrond en bij wie andere engineers aankloppen voor advies over prompts of het instellen van tools. Die persoon is je proto-AI-Orkestratie-Engineer.
- Maak het expliciet. Geef de functie een naam, een mandaat en middelen. Laat het geen zijproject blijven dat is gekoppeld aan iemands “echte” baan.
- Begin met het gereedmaken van de repository. Voordat je investeert in geavanceerde agent-workflows, zorg ervoor dat je codebase iets is dat agents daadwerkelijk kunnen navigeren. Schone interfaces, goede documentatie, uitgebreide tests, vereenvoudigde architectuur.
- Centraliseer wat werkt. Wanneer iemand een promptstrategie of workflowpatroon ontdekt dat de agent-uitvoer aanzienlijk verbetert, leg het vast. Maak het de standaard voor het hele team, niet stilzwijgende kennis die is opgesloten in iemands hoofd.
- Meet op systeemniveau. Houd niet alleen individueel hulpmiddelgebruik bij. Houd bij hoeveel taken agents eind-tot-eind voltooien, wat de beoordelings- en herbewerkingspercentages zijn, waar de knelpunten liggen.
De Nieuwe 10x
De mythe van de 10x engineer draaide altijd om individuele heldendaden. Één persoon, die iedereen overtreft door puur talent en cafeïne.
De realiteit van de 10x engineer in het AI-tijdperk draait om systeemdenken. De persoon die elke andere engineer (en elke agent) productiever maakt door de juiste infrastructuur, de juiste workflows, de juiste beperkingen te bouwen.
Ze schrijven geen 10x zoveel code. Ze bouwen het systeem dat het schrijft.
Ik ben er niet zeker van dat deze rol precies zal kristalliseren zoals ik het hier heb beschreven. Maar ik ben redelijk zeker dat de organisaties die de orkestratielaag (hoe ze die ook gaan noemen) weten in te richten, degene zullen zijn die daadwerkelijk de productiviteitswinsten realiseren waar alle anderen alleen maar over praten.












