BLOG – De spelregels van softwareontwikkeling worden herschreven. Generatieve ai gaat verder dan automatiseren; het verandert het werk van engineers wezenlijk en verschuift de nadruk van handmatig coderen naar coördinatie, validatie en systeemarchitectuur. Dat vraagt om een andere mindset.
Uit onderzoek blijkt dat zeventig procent van de ontwikkelaars nu al ai-tools gebruikt (of dat van plan is). Wat vroeger uren programmeren kostte, kan nu in enkele minuten. Dit is een fundamentele verandering in hoe software wordt gebouwd en welke vaardigheden daarvoor nodig zijn. Ai verkort iteratiecycli, haakt in op ci/cd-pijplijnen en stemt infrastructuur autonoom af. In deze nieuwe werkelijkheid moeten softwareontwikkelaars verder gaan dan het uitvoeren van instructies. Er worden strategische beslissingen van ze verwacht over hoe software wordt gebouwd.
Ontwikkeltaken
Het werk verandert snel: het management-consultancybedrijf Bain & Company constateert een efficiëntiewinst van tien tot vijftien procent over ontwikkeltaken dankzij de inzet van ai. Steeds meer tijd van engineers gaat naar het beoordelen, valideren en cureren van ai-output. Omdat de nadruk steeds vaker ligt op de juistheid en betrouwbaarheid van code, is een andere mindset nodig. En deze ontwikkeling heeft invloed op meer dan alleen individuele taken.
Leveringspijplijnen worden steeds ai-gedrevener: in een enquête uit 2025 voeren taakautomatisering (55 procent), code-optimalisatie (48 procent) en softwaretesten (46 procent) de lijst aan van waar organisaties hun ai-investeringen op richten. Bots schrijven tests, doen voorstellen voor pull requests en pushen code naar staging-omgevingen (een soort oefen- of testomgeving voor bijvoorbeeld een applicatie). Ontwikkelaars gaan daardoor geautomatiseerde processen monitoren die voorheen praktisch werk vereisten.
Feitelijk wordt iedereen gedwongen als architect te denken
Het operationaliseren van ai voegt een extra verantwoordelijkheidslaag toe: modellen kun je niet blind naar operations doorzetten. Ontwikkelaars moeten erop toezien dat systeeminzicht, testen en datapijplijnen op orde zijn. Wat engineering-teams doen, gaat verder dan het leveren van losse features: ontwikkelaars houden toezicht op ai-agenten die code genereren en infrastructuur bijwerken, met oog voor kostenoptimalisatie en compliance. Deze bredere scope maakt dat ontwikkelaars steeds vaker optreden als bewakers van betrouwbaarheid en verantwoordelijkheid gedurende de hele softwarelevenscyclus.
Carrière
Ontwikkelaars moeten eerder in hun carrière als een architect gaan denken. Ai versnelt het coderen zo sterk waardoor ontwikkelaars zich minder met implementatiedetails bezighouden en meer met het definiëren van wat ze willen bereiken. Een GitHub-onderzoek laat zelfs zien dat door ai vrijgespeelde tijd het vaakst wordt besteed aan systeemontwerp en samenwerking. Start projecten niet met api-calls, maar met een duidelijk begrip van de beoogde zakelijke waarde en organisatiedoelen.
De verantwoordelijkheid over systemen ligt niet langer uitsluitend bij senior ontwikkelaars. Junior ontwikkelaars worden gevraagd ontwerpafwegingen te maken, omdat ai de kleinere componenten al afhandelt. Feitelijk wordt iedereen gedwongen als architect te denken, inclusief sociaal-technische aspecten zoals eerlijkheid en privacy. Er ontstaan abstracties op hoger niveau die de scheidslijn tussen coderen en uitrollen vervagen. De rol van de ontwikkelaar omvat nu het ontwerpen van systemen die, met behulp van ai, kunnen evolueren, schalen en begrijpelijk blijven. Minder tijd gaat naar het ontwikkelen van losse features en meer naar de eindverantwoordelijkheid voor complete systemen die de organisatiedoelen weerspiegelen.
Vaardigheden
De vereiste vaardigheden reiken verder dan traditioneel coderen. Prompt-engineering is inmiddels een essentieel vak. LinkedIn-vacatures waarin ai of generatieve ai wordt genoemd, kenden de afgelopen twee jaar zeventien procent groei in het aantal sollicitaties. Even belangrijk is datageletterdheid: iedere ontwikkelaar moet weten hoe data worden verzameld, verwerkt en waar vooroordelen kunnen ontstaan. Zonder die kennis kun je de betrouwbaarheid van ai-toepassingen niet waarborgen.
Uitlegbaarheid is geen optie maar een vereiste. Ontwikkelaars moeten niet alleen kunnen vertellen wat een model doet, maar ook waarom het tot een bepaalde uitkomst komt. Dat gaat samen met ethische afwegingen, waarin eerlijkheid, privacy en verantwoordelijkheid net zo zorgvuldig worden gewogen als performance en kosten.
Kennis van gedistribueerde systemen is eveneens cruciaal. Serverless-modellen, streamingplatforms en patronen voor state-management vragen ontwikkelaars minder in code-regels te denken en meer in systeemcompositie. De grenzen tussen software-, data- en machine learning-engineering vervagen, waardoor samenwerking over deze disciplines heen onmisbaar wordt voor betrouwbare ai-gedreven applicaties.
Tot slot: continu bij- en omscholen is de norm. Teams reserveren elk kwartaal tijd om snel evoluerende tools opnieuw te leren. Generieke programmeertalen blijven essentieel, maar net zo belangrijk is het vermogen om nieuwe talen en ecosystemen snel eigen te maken. Ontwikkelaars die permanent leren omarmen, zijn het beste in staat om de leiding te nemen.
Omslag
Het is veel om te beheersen, maar het maakt het werk juist interessanter en bevredigender. En de omslag is al gaande: onderzoeksbureau Gartner verwacht dat in 2028 driekwart van de enterprise-ontwikkelaars ai-codeassistenten gebruikt, een gigantische sprong ten opzichte van de minder dan tien procent begin 2023. Ontwikkelaars die met deze verantwoordelijkheden meegroeien, staan midden in de volgende golf van enterprise-transformatie. Zij vormen niet alleen de software die we gebruiken, maar ook de systemen die bepalen hoe een organisatie werkt en zich ontwikkelt.
In het ai-tijdperk groeit elke ontwikkelaar uit tot zowel dirigent als architect.
Martijn Kieboom, manager solutions engineering, Confluent
computable
17-12-2025 17:21