Vibe coding: ervaring wordt juist waardevoller
Met een goede prompt staat er soms binnen minuten een werkend scherm. Dat is waardevol en verandert het vak. Maar sneller code produceren is niet hetzelfde als betrouwbare software opleveren. Vanuit ruim twintig jaar ontwikkelervaring verschuift de waarde daarom niet weg van de ontwikkelaar, maar naar betere keuzes, scherpere controle en aantoonbaar technisch eigenaarschap.
De drempel tot een werkend prototype is blijvend lager
Vibe coding beschrijft een werkwijze waarin iemand vooral in gewone taal aangeeft wat software moet doen en een AI-ontwikkeltool veel van de code genereert. Voor een experiment, persoonlijk hulpmiddel of eerste procesdemo kan dat verrassend effectief zijn.
Niet-ontwikkelaars kunnen hierdoor ideeën toetsen die vroeger op een wachtlijst belandden. Ontwikkelaars kunnen sneller documentatie doorzoeken, repetitieve code voorbereiden, tests aanvullen en alternatieven verkennen. Dat is geen tijdelijke gimmick die we moeten wegwuiven. Het is een nieuwe laag gereedschap die verstandig gebruikt veel frictie kan wegnemen.
- Snel verkennen: een idee wordt zichtbaar voordat alle details zijn uitgewerkt.
- Kleine hulpmiddelen: een afgebakende taak kan zonder volledig producttraject worden ondersteund.
- Repetitief werk: bekende patronen, tests en documentatie krijgen sneller een eerste versie.
- Nieuwe techniek begrijpen: AI kan code en API’s toelichten binnen de context van een project.
- Betere gesprekken: een prototype maakt wensen en uitzonderingen concreter.
Een overtuigende demo is nog geen betrouwbaar softwaresysteem
De eerste tachtig procent kan plotseling heel snel gaan. De resterende twintig procent bevat alleen vaak het grootste deel van het risico: uitzonderingen, rechten, datakwaliteit, integraties, herstel en gedrag onder echte belasting.
De happy flow werkt
Een formulier slaat gegevens op en een dashboard toont resultaat. Nog niet zichtbaar is wat gebeurt bij dubbele invoer, een verbroken verbinding of een gebruiker zonder de juiste rechten.
De context ontbreekt
AI ziet patronen in code, maar kent niet vanzelf contractafspraken, historische gegevens, informele procesregels en gevolgen voor medewerkers of klanten.
De rekening komt later
Een snelle lokale oplossing kan duur worden wanneer niemand updates, logging, back-ups, beveiliging en overdracht heeft ontworpen.
“De software kan dit” is een demonstratie. “We weten wanneer zij dit correct doet, hoe fouten zichtbaar worden en wie verantwoordelijk is voor herstel” is professioneel eigenaarschap.
AI versnelt uitvoering; ervaring stuurt richting en begrenst risico
Probleem ontleden
Een ervaren ontwikkelaar vertaalt een brede wens naar kleine onderdelen met duidelijke verantwoordelijkheden en acceptatiecriteria.
Context selecteren
Niet alle code en documentatie hoort in één opdracht. Relevante context, conventies en grenzen bepalen sterk wat een tool teruggeeft.
Uitkomst beoordelen
Gegenereerde code wordt getoetst op gedrag, eenvoud, veiligheid, aansluiting op de architectuur en gevolgen buiten het gewijzigde bestand.
Tegenvoorbeelden zoeken
De senior vraagt niet alleen wanneer iets werkt, maar juist welke invoer, timing, storing of afhankelijkheid de aanname breekt.
Daarmee lijkt AI minder op een autonome vervanger en meer op een zeer snelle medewerker zonder langetermijngeheugen of eindverantwoordelijkheid. Hoe beter de begeleiding, verificatie en projectcontext, hoe bruikbaarder de uitvoer. Ervaring wordt dus niet uitgeschakeld; zij bepaalt hoeveel van de snelheid veilig kan worden benut.
Professionele software begint waar de prompt ophoudt
De meeste risico’s hebben geen opvallende knop of mooi scherm. Ze zitten in samenhang en levensduur. Juist daar blijft een specialist nodig die het geheel kan overzien en aanspreekbaar is op de uitkomst.
- Architectuur: grenzen, afhankelijkheden en keuzes die toekomstige wijzigingen niet onnodig blokkeren.
- Gegevens en privacy: eigenaarschap, bewaartermijnen, toegang en verantwoord gebruik van productiegegevens.
- Beveiliging: authenticatie, autorisatie, inputvalidatie, secrets, dependencies en misbruikscenario’s.
- Integraties: time-outs, dubbele berichten, versieverschillen, herstel en afspraken met externe leveranciers.
- Bewijs: tests, reviews, acceptatiecriteria en controle met representatieve situaties.
- Operatie: uitrol, logging, monitoring, back-ups, incidenten, updates en overdraagbaarheid.
Wanneer zelf bouwen prima is—en wanneer toetsing verstandig wordt
Niet ieder idee heeft een senior ontwikkelaar nodig. Het risico wordt bepaald door wie afhankelijk wordt, welke gegevens worden verwerkt en wat de schade is wanneer de oplossing onjuist, onveilig of tijdelijk onbeschikbaar is.
Groen: vrij experimenteren
Een persoonlijk hulpmiddel, wegwerpbaar prototype of analyse op fictieve gegevens. Er is geen klantafhankelijkheid en fouten zijn eenvoudig te herkennen en herstellen.
Oranje: bewust laten toetsen
Een intern hulpmiddel dat echte gegevens verwerkt of werk verdeelt. Controleer rechten, privacy, gegevenskwaliteit, back-up en wie het onderhoud overneemt.
Rood: professioneel ontwerpen
Klantportalen, betalingen, medische of juridische informatie, personeelsgegevens, publieke accounts en processen waarvan omzet of continuïteit afhangt.
Deze grens is geen oordeel over wie code mag schrijven. Het is dezelfde volwassen afweging die ook geldt voor spreadsheets, low-code en handmatig gebouwde scripts: vrijheid aan de voorkant hoort bij verantwoordelijkheid zodra anderen erop vertrouwen.
Productiviteitswinst is echt, maar niet voor iedere taak hetzelfde
Er bestaat geen eerlijk percentage waarmee alle AI-ontwikkeltools, projecten en ervaringsniveaus kunnen worden samengevat. Resultaten verschillen sterk tussen een nieuwe kleine toepassing, repetitief werk en een wijziging in een groot bekend systeem.
De Stack Overflow Developer Survey 2025 laat die dubbelheid goed zien: gebruik groeit, terwijl meer respondenten de nauwkeurigheid van AI-uitvoer wantrouwen dan vertrouwen. Onder ervaren ontwikkelaars is de terughoudendheid het grootst. De meerderheid gaf bovendien aan vibe coding niet als onderdeel van professioneel ontwikkelwerk te zien.
Een leerzame momentopname
Een gerandomiseerde METR-studie uit 2025 vond dat zestien ervaren open-sourceontwikkelaars op vertrouwde, grote repositories gemiddeld 19% langer over taken deden wanneer AI-tools waren toegestaan. Dat bewijst niet dat AI ontwikkelaars in het algemeen vertraagt; het laat wel zien hoe misleidend het gevoel van snelheid kan zijn.
In een update uit 2026 acht METR het waarschijnlijk dat nieuwere tools inmiddels meer versnellen, maar kon de omvang door selectie- en meetproblemen niet betrouwbaar vaststellen. De praktische conclusie blijft: meet op jouw werkzaamheden en neem ervaren review niet weg op basis van een algemene belofte.
Breng je AI-prototype mee in plaats van het te verbergen
Een zelfgebouwde eerste versie kan een uitstekend vertrekpunt zijn. Zij laat zien welk probleem iemand wil oplossen, welke workflow logisch voelt en waar snelle winst zit. Een specialist hoeft dat werk niet automatisch weg te gooien.
De eerste professionele stap is een gerichte beoordeling: welke onderdelen zijn begrijpelijk en testbaar, waar zitten impliciete risico’s, hoe worden gegevens verwerkt en kan de gekozen basis verantwoord worden uitgebreid? Soms blijft veel bruikbaar. Soms is een klein kritisch onderdeel beter opnieuw te ontwerpen. Het verschil is dat die keuze dan op bewijs rust.
Waar je een ontwikkelaar voor inhuurt
Niet om zoveel mogelijk code te typen, maar om een werkende route te maken van idee naar beheerde software. Dat omvat eerlijke afbakening, technische keuzes, toetsing, integratie, veilige uitrol en iemand die ook na de demo verantwoordelijkheid neemt.
Wanneer ontwikkeltools mechanisch werk versnellen, kan dezelfde expertise meer aandacht geven aan proces, uitzonderingen en kwaliteit. De klant koopt dan minder typwerk en meer resultaat per technisch besluit.
Als code goedkoper wordt, stijgt de waarde van het juiste probleem en de juiste grens
AI drukt de inspanning van sommige programmeertaken. Dat maakt softwareontwikkeling niet waardeloos; het verplaatst schaarste naar beslissingen die niet uit een prompt zijn af te leiden.
Een klant betaalt uiteindelijk niet voor het aantal ingetypte regels code, maar voor een proces dat aantoonbaar beter werkt en blijft werken. Wanneer AI een formulier, koppeling of test sneller helpt maken, kan meer tijd naar procesanalyse, gebruikersfeedback, uitzonderingen en meetbaar resultaat. Dat is winst, zolang snelheid niet wordt verward met bewijs.
De senior ontwikkelaar wordt daarmee minder een exclusieve producent van code en meer de ontwerper en bewaker van een technisch systeem. Die rol omvat het opdelen van een vraagstuk, het kiezen van grenzen, het herkennen van risico’s, het beoordelen van gegenereerde wijzigingen en het organiseren van beheer. Twintig jaar ervaring zit niet alleen in wat iemand kan bouwen, maar vooral in wat diegene vroeg genoeg herkent en bewust niet bouwt.
Ook het gesprek met opdrachtgevers verandert. Een prototype hoeft niet langer volledig door een leverancier te worden gemaakt om serieus te worden genomen. Het kan juist waardevolle proceskennis zichtbaar maken. De professionele vervolgstap is dan niet het prototype afkeuren, maar onderzoeken welke onderdelen behouden kunnen blijven en wat nodig is voordat klanten, medewerkers of bedrijfskritische gegevens ervan afhankelijk worden.
Van snelle eerste versie naar beheersbare software
Technische second opinion
Laat een prototype, voorstel of bestaande oplossing onafhankelijk toetsen op risico en vervolgstappen.
Lees verder →Praktische AI in maatwerksoftware
Bekijk hoe AI als controleerbare voorzet in echte workflows past.
Lees verder →Maatwerksoftware
Van werkend idee naar betrouwbare software die beheerd en doorontwikkeld kan worden.
Lees verder →Heb je zelf met AI een eerste versie gebouwd?
Een technische second opinion maakt zichtbaar wat al bruikbaar is en wat nodig is voor veilige uitrol, onderhoud en verdere groei—zonder automatisch opnieuw te beginnen.