Developers zonder AI gaan het niet redden

Laten we eerlijk zijn: als je in 2026 nog software schrijft zonder AI tools, ben je niet principieel. Je bent achterhaald. Dat klinkt hard, maar de cijfers liegen niet. En de geschiedenis leert ons dat de echte klap altijd uit een hoek komt die niemand verwacht.

De olifant in de kamer

AI is geen hype meer. Het is geen experiment meer. Het is geen "leuk voor erbij" meer.

84% van alle developers gebruikt AI tools. Meer dan de helft van alle code op GitHub is AI-gegenereerd of AI-ondersteund. Als jij bij die 16% hoort die het niet gebruikt, concurreer je met een meerderheid die wel sneller levert. Niet een beetje sneller. 46% sneller op routine werk, volgens McKinsey.

Gartner voorspelt dat 80% van alle engineering teams voor 2027 moet bijscholen op AI. En 53% van alle tech vacatures in de VS vereist nu al AI/ML-vaardigheden. Niet als bonus. Als eis.

Dit gaat niet meer weg.

De cijfers die je moet kennen

Even concreet:

• 51% van GitHub code is AI-gegenereerd of AI-ondersteund
• 46% sneller op routine codering met AI tools (McKinsey)
• 35% kortere code review cycles
• 53% van tech vacatures vereist AI/ML vaardigheden
• Software developer werkgelegenheid in de 22-25 leeftijdsgroep is bijna 20% gedaald sinds de piek in 2022

Die laatste is veelzeggend. Het zijn niet de senioren die het eerst geraakt worden. Het zijn de juniors, de mensen die taken deden die AI nu sneller en goedkoper kan. Het World Economic Forum noemt software developers de voorhoede van hoe AI werk herdefinieert.

Maar voor je in paniek raakt: Morgan Stanley voorspelt dat AI meer engineering banen gaat creëren. Alleen, andere banen. Met andere vaardigheden.

De ATM-les: waarom automatisering niet werkt zoals je denkt

In de jaren '70 en '80 kwamen de geldautomaten. Iedereen, echt iedereen, voorspelde het einde van de bankmedewerker. Logisch toch? Waarom zou je naar een loket gaan als er een machine voor is?

Het tegenovergestelde gebeurde.

ATM's reduceerden het aantal medewerkers per filiaal van 21 naar 13. Maar goedkopere filialen betekende dat banken meer filialen konden openen. Het netto resultaat? Meer bankmedewerkers dan voorheen. Dit is de Jevons Paradox: efficiëntiewinst leidt tot expansie, niet tot krimp.

De bankmedewerkers die overbleven deden wel ander werk. Minder geld tellen, meer advies geven. Minder routine, meer relatie.

Klinkt geruststellend, toch? Hier komt het plot twist.

De iPhone-les: de echte disruptie komt onverwacht

De ATM heeft de bankmedewerker niet vervangen. De iPhone wel.

Vanaf 2010 begon mobile banking serieus door te breken. Waarom naar een filiaal als je alles op je telefoon kunt doen? De banken die net zoveel filialen hadden geopend, begonnen ze weer te sluiten. Teller employment daalde hard, niet door de technologie die iedereen verwachtte, maar door een compleet andere innovatie.

Dit is de les die developers moeten begrijpen: de directe automatisering is zelden het echte gevaar. Het gevaar is de onverwachte verschuiving die erop volgt. AI gaat je baan niet vervangen door jouw code te schrijven. AI gaat je baan vervangen doordat de hele manier waarop software gebouwd wordt, verandert.

De productiviteitswinst (en de valkuil)

Terug naar de cijfers. AI tools maken je 46% sneller op routine werk. Code review cycles zijn 35% korter. Klinkt fantastisch.

Maar hier is wat niemand erbij vertelt: ongereviewed AI-code heeft 23% meer bugs. En als je AI-output niet kritisch bekijkt, stijgt je review tijd met 12%.

Dit is precies het punt dat ik maak in mijn blog over waarom AI-projecten falen: AI zonder menselijk toezicht is niet sneller. Het is sneller rommel produceren.

De developers die het goed doen, zijn niet degenen die AI blind code laten genereren. Het zijn degenen die:

• Begrijpen wat de AI produceert
• Reviewen met kennis van architectuur en edge cases
• Sturen met goede prompts en context engineering
• Integreren AI output in een groter systeem

De skill verschuift van "code schrijven" naar "systemen begrijpen en AI aansturen."

Wat er verandert: van typist naar architect

Vroeger was een goede developer iemand die snel, schone code kon tikken. Syntax kennen. Design patterns uit het hoofd. Sneltoetsen in je IDE.

In 2026 is een goede developer iemand die:

• Problemen kan ontleden in stukken die AI effectief kan oppakken
• AI-output kritisch kan evalueren, niet alleen of het werkt, maar of het goed is
• Architecturale beslissingen kan nemen die AI niet kan maken
• Context kan managen, weten welke informatie AI nodig heeft en wanneer (context management is een vak apart)
• Kan communiceren wat er gebouwd moet worden, zowel naar mensen als naar AI

De ironie: soft skills worden harder dan ooit. Wie niet kan uitleggen wat er gebouwd moet worden, kan AI ook niet aansturen. En wie AI niet kan aansturen, wordt ingehaald door iemand die dat wel kan.

Wat je nu moet doen

Geen vage adviezen. Concrete stappen:

• Begin vandaag met AI tools. GitHub Copilot, Claude, Cursor, Claude Code, het maakt niet uit waarmee. Begin. De leercurve is korter dan je denkt.
• Leer prompt engineering. Niet als gimmick, maar als kernvaardigheid. Het verschil tussen een goede en slechte prompt is het verschil tussen bruikbare output en tijdverspilling.
• Investeer in architectuurkennis. AI kan code genereren. AI kan geen goede architectuur bedenken voor jouw specifieke domein. Dat is jouw toegevoegde waarde.
• Review alles. Blindelings AI-code accepteren is de snelste weg naar technische schuld. Behandel AI als een junior developer: snel, productief, maar heeft supervisie nodig.
• Blijf leren. De tools veranderen maandelijks. Wat vandaag cutting edge is, is over zes maanden standaard. Het vermogen om snel nieuwe tools te adopteren is belangrijker dan expertise in een specifieke tool.

AI is een skill multiplier, geen vervanging

Dit is mijn kernboodschap, en ik wil dat je dit onthoudt: AI vermenigvuldigt je bestaande vaardigheden. Een goede developer met AI tools is een geweldige developer. Een slechte developer met AI tools is een snellere slechte developer.

De ATM maakte bankmedewerkers niet overbodig. Het maakte adviesvaardigheden waardevoller. AI maakt developers niet overbodig. Het maakt architectuur, review, en systeemdenken waardevoller.

Maar net als bij de iPhone: wie niet meebeweegt met de verschuiving, staat straks langs de zijlijn. Niet omdat AI je code schrijft, maar omdat de hele industrie verandert en jij bent blijven staan.

Hulp nodig?

Ik train developers en teams in AI-vaardigheden. Niet theoretisch, maar hands-on: van prompt engineering tot je eigen AI-workflow bouwen. Bekijk mijn trainingen voor het complete aanbod.

Liever eerst sparren over wat AI kan betekenen voor jouw team? Neem contact op. Geen verkooppraatje, gewoon een eerlijk gesprek over waar je staat en wat de volgende stap is.