Nog niet zo lang geleden typte een programmeur die AI gebruikte een vraag in een chatbot, kopieerde het gegenereerde codefragment en plakte het in het project. Vandaag ziet dit werkmodel er steeds vaker heel anders uit.
De programmeur kan een agent een taak geven, toegang geven tot een repository, laten analyseren hoe de bestaande code werkt, tests laten uitvoeren, meerdere bestanden laten aanpassen, fouten laten corrigeren en vervolgens de wijziging laten voorbereiden voor review. De mens verdwijnt niet uit het proces. Wel verschuift de plek waar zijn werk de meeste waarde heeft.
Volgens het onderzoek JetBrains Developer Ecosystem Survey 2026, waaraan meer dan 15 duizend professionele programmeurs van over de hele wereld deelnamen, gebruikte in de periode mei-juli 2026 maar liefst 90% van de respondenten AI coding agents op het werk minstens één keer per week, en 68% deed dit dagelijks.
Dit is niet langer het experiment van een paar enthousiastelingen. Het is een verandering van het werkmodel.
AI is niet langer alleen een „code-assistent”
Het is belangrijk om twee dingen van elkaar te onderscheiden.
Een AI-assistent helpt de programmeur.
Een AI-codingagent voert een taak uit.
Dat lijkt een klein verschil, maar vanuit het perspectief van werkorganisatie is het enorm.
Een assistent kan een functie voorstellen, een fout uitleggen, een SQL-fragment genereren of een test schrijven. De mens voert echter nog steeds het grootste deel van de handelingen uit.
Een agent kan een veel algemenere opdracht krijgen:
„Voeg de mogelijkheid toe om bestellingen op status te filteren. Controleer de bestaande architectuur. Implementeer backend en frontend. Voeg tests toe. Run de test suite en los fouten op.”
En hij gaat aan het werk.
Hij bekijkt de structuur van het project. Zoekt de juiste bestanden. Analyseert afhankelijkheden. Past code aan. Draait tests. Krijgt een foutmelding. Probeert die op te lossen. Draait de tests opnieuw.
Dit is niet langer autocomplete op steroïden.
Dit is een taakuitvoerder die binnen de programmeeromgeving werkt.
En hier begint de echte verandering van de rol van de programmeur
Als AI in een paar tientallen seconden honderden regels code kan genereren, kan de waarde van de programmeur niet langer uitsluitend worden gemeten aan het aantal geschreven regels.
Andere competenties beginnen belangrijk te worden.
Kan de programmeur het probleem goed definiëren?
Begrijpt hij de architectuur van het systeem?
Weet hij welke informatie hij aan de agent moet geven?
Kan hij beoordelen of de oplossing echt past in het bestaande systeem?
Kan hij tests ontwerpen?
Ziet hij dat de agent het probleem lokaal heeft opgelost, maar drie lagen hoger een probleem heeft gecreëerd?
Weet hij wanneer hij de agent moet stoppen?
Dat betekent een verschuiving van de werklast.
Minder: „Laten we deze code vanaf nul schrijven.”
Meer: „Laten we de oplossing ontwerpen, de beperkingen vaststellen, de juiste context doorgeven, het resultaat controleren en beslissen of het kan worden uitgerold.”
De programmeur begint op een leider van een klein team te lijken
Stel je een project voor waarin meerdere agents werken.
De ene analyseert de bestaande code.
De tweede bereidt de backend voor.
De derde werkt aan de interface.
De vierde genereert tests.
De vijfde analyseert de beveiliging.
De mens kan hun werk coördineren, context doorgeven en beslissingen nemen.
Klinkt als een programmeerteam?
In zekere zin wel.
Het verschil is dat de „werknemers” geen mensen zijn.
En juist daarom verschijnt er een nieuwe vaardigheid: agentic development beheren.
Hier gaat het niet om het managen van mensen, planning of budget. Het gaat om het beheren van de workflow die door AI-systemen wordt uitgevoerd.
De programmeur moet een groot probleem kunnen opsplitsen in taken, afhankelijkheden vaststellen, de juiste context doorgeven en een mechanisme creëren om de resultaten te controleren.
Dat ligt veel dichter bij het werk van een architect dan bij het klassieke overschrijven van code.
Het belangrijkste hulpmiddel van de programmeur kan vandaag context zijn
Een agent is zo goed als de informatie die hij krijgt.
Je kunt zeggen: „Voeg gebruikerslogin toe.”
En je kunt zeggen: „Voeg gebruikerslogin toe. Het systeem gebruikt het huidige OAuth-mechanisme. Verander de structuur van de gebruikerstabellen niet. Sessies worden server-side opgeslagen. Voer geen nieuwe bibliotheek in zonder onderbouwing. Behoud compatibiliteit met de mobiele app. Voeg tests toe voor inloggen, uitloggen, een verlopen sessie en een ongeldig token.”
De tweede opdracht is niet gewoon langer.
Het is een betere specificatie.
De agent krijgt beperkingen, zakelijke en technische context en acceptatiecriteria.
Juist daarom wordt in de wereld van agents de vaardigheid om met context te werken steeds belangrijker. De programmeur zegt AI niet alleen wat het moet doen. Hij moet ook zeggen in welke omgeving het dat moet doen, wat niet veranderd mag worden en waaraan we kunnen herkennen dat de taak correct is uitgevoerd.
De grootste fout? Snelheid van genereren verwarren met snelheid van software maken
Dat is heel belangrijk.
Een agent kan in 30 seconden een functie genereren.
Dat betekent niet dat de functie na 30 seconden productierijp is.
De code moet worden begrepen. Getest. Geïntegreerd. Op veiligheid gecontroleerd. Op prestaties geverifieerd. Getoetst aan de architectuur. De impact op de overige onderdelen van het systeem moet worden geanalyseerd.
AI kan de fase van het produceren van code drastisch verkorten, maar neemt de behoefte aan engineering niet weg.
Integendeel.
Hoe makkelijker het is om code te genereren, hoe makkelijker het ook is om slechte code te genereren.
En het probleem begint zodra de mens niet langer in staat is te begrijpen wat hij heeft geaccepteerd.
Daarom blijft de mens nog steeds in de loop
De gegevens van Stack Overflow uit april 2026 schetsen een heel interessant beeld. Het gebruik van agents op het werk steeg naar 59%, maar 63% van de ondervraagde technologen gaf aan dat ze agents zelden of nooit volledig autonoom laten werken. 60% van de ondervraagden blokkeert voor agents de mogelijkheid om niet-goedgekeurde wijzigingen in systemen door te voeren.
Dat laat iets belangrijks zien.
De markt beweegt niet simpelweg in de richting van: „AI doet alles, de mens kijkt alleen toe.”
Veel realistischer is het model: „AI voert steeds meer werk uit, maar de mens controleert nog steeds de richting, de beperkingen en het resultaat.”
Dat is een fundamenteel verschil.
De programmeur hoeft niet handmatig elke functie te schrijven. Maar hij moet wel weten waarom een bepaalde functie bestaat, hoe die werkt en of die in het systeem thuishoort.
De nieuwe programmeur moet goed zijn in meerdere verschillende werelden tegelijk
Klassieke programmeervaardigheden blijven nog steeds belangrijk.
Kennis van programmeertalen, databases, architectuur, protocollen, beveiliging, testen en infrastructuur verdwijnt niet alleen omdat AI code kan genereren.
Integendeel.
Als iemand het systeem niet begrijpt, zal het moeilijk voor hem zijn om te beoordelen of de gegenereerde oplossing goed is.
Daar komen echter ook nieuwe vaardigheden bij.
Een programmeur moet de beperkingen van modellen begrijpen. Hij moet een context kunnen voorbereiden. Hij moet weten hoe hij taken tussen agents moet verdelen. Hij moet een verificatieproces kunnen ontwerpen. Hij moet de kosten van aanroepen, de rechten van agents, toegang tot gegevens en het risico van automatische handelingen begrijpen.
En bovenal moet hij AI leren zeggen niet alleen: „doe het”.
Maar ook: „doe het op deze manier, omdat...”.
Dat kan ook de manier waarop IT-teams worden opgebouwd veranderen
Jarenlang betekende het opschalen van een developmentteam simpelweg meer mensen toevoegen.
Meer functies? - Meer programmeurs.
Groter project? - Groter team.
Meer klanten? - Meer mensen.
Agentic development kan deze verhouding veranderen.
Dat betekent niet automatisch dat één programmeur tien anderen vervangt. Dat zou een te eenvoudige aanname zijn.
Het kan echter wel betekenen dat één ervaren programmeur in staat zal zijn om een veel groter deel van het automatisch uitgevoerde werk te overzien.
In de praktijk betekent dit een verschuiving van het knelpunt.
Vandaag kan de beperking het aantal mensen zijn dat code kan schrijven.
Morgen kan de beperking het aantal mensen zijn dat goed kan ontwerpen, delegeren en het door AI uitgevoerde werk kan verifiëren.
En hoe zit het met de junior?
Hier wordt de situatie bijzonder interessant.
AI kan heel snel een oplossing genereren waar een junior eerder uren over zou doen.
Maar een junior weet misschien niet of de oplossing wel juist is.
Dat creëert een paradox.
AI kan het leren programmeren versnellen, omdat je sneller kunt experimenteren, vragen stellen en oplossingen analyseren.
Tegelijkertijd kan het het ontwikkelen van fundamenteel begrip van het systeem bemoeilijken, als een jonge programmeur kant-en-klare code accepteert zonder te proberen te begrijpen hoe die werkt.
Daarom hoeft de toekomst van juniors niet te betekenen: „AI neemt hun werk af”.
Het kan iets praktischers betekenen: een junior die alleen code kan schrijven, zal het veel moeilijker hebben. Een junior die code kan begrijpen, oplossingen kan testen, problemen kan analyseren en met agents kan werken, zal een heel ander competentieprofiel opbouwen.
Dat is het verschil tussen een gereedschapsbediener en een ingenieur.
De duurste fout blijft door een mens gemaakt worden
Een agent kan foutieve code genereren.
Maar de beslissing om die in productie te nemen kan nog steeds door een mens worden genomen.
En juist daarom verschuift de verantwoordelijkheid voor software niet magisch naar AI.
Als een agent een functie maakt die in een testsituatie correct werkt, maar de bedrijfsregels schendt, dan ligt het probleem niet in het feit dat AI „het bedrijf niet begreep”.
Het probleem zit in het proces dat heeft toegestaan dat zo'n wijziging verder ging.
Dat leidt tot een zeer belangrijke verandering in hoe we naar kwaliteit kijken.
Het is niet langer voldoende om te vragen: „Heeft de programmeur goede code geschreven?”
Steeds vaker moet je vragen: „Heeft het team een goed proces voor het maken van code met AI gecreëerd?”
Dat is een veel bredere vraag.
Een agent vervangt de architect niet. Hij vergroot het belang van architectuur
Hoe meer code er automatisch kan ontstaan, hoe belangrijker de structuur van het systeem wordt.
Een goed ontworpen architectuur stelt een agent in staat om binnen bepaalde grenzen te werken.
Een slecht ontworpen applicatie kan er daarentegen voor zorgen dat een agent problemen gaat omzeilen in plaats van ze op te lossen.
Daarom worden architectuur, documentatie, tests, coderingsstandaarden, CI/CD, monitoring en toegangsbeheer niet minder belangrijk, maar mogelijk juist nog belangrijker.
AI kan het werk versnellen in een goed voorbereide omgeving.
Het zal niet automatisch de hele organisatorische en architecturale chaos oplossen.
Maar het kan die wel heel snel vergroten.
De toekomst behoort niet toe aan de programmeur die de meeste code schrijft
Dat is waarschijnlijk de belangrijkste conclusie van deze hele verandering.
Lange tijd werd programmeren geassocieerd met code schrijven.
Nu wordt code steeds goedkoper en sneller geproduceerd.
Dat verschuift de waarde omhoog.
In de richting van het begrijpen van het probleem.
Het ontwerpen van de oplossing.
Het nemen van beslissingen.
Kwaliteitscontrole.
Architectuur.
Beveiliging.
Integratie.
Begrip van het bedrijf.
En het vaardig inzetten van agents.
De programmeur van de toekomst kan minder tijd achter het toetsenbord doorbrengen, maar hoeft helemaal niet minder werk te hebben.
Zijn werk kan er gewoon anders uitzien.
In plaats van elke functie handmatig te schrijven, zal hij bepalen hoe functies tot stand komen.
In plaats van elke fout zelf te verbeteren, zal hij een proces bouwen waarmee agents fouten kunnen vinden en herstellen.
In plaats van de enige uitvoerder te zijn, wordt hij de persoon die de richting bepaalt voor het werk van meerdere digitale uitvoerders.
En misschien is juist daarom de belangrijkste vraag van de toekomst niet: „Kan AI programmeren?”
Maar: „Kunnen we software bouwen op een manier waarop AI snel kan werken, terwijl de mens nog steeds weet wat er gebeurt?”
Want in een wereld van agents zal het grootste voordeel niet het simpele bezit van AI zijn.
Het zal het vermogen zijn om die te controleren.
