De belofte van AI-gestuurde softwareontwikkeling is verleidelijk: de mogelijkheid om met tools zoals Claude Code de hoeveelheid geproduceerde code tienvoudig te verhogen. Voor de individuele programmeur voelt het werk plotseling ongekend vlot en efficiënt. Maar deze individuele versnelling is een optische illusie die de fundamenten van stabiele softwareontwikkeling onder druk zet. De enorme hoeveelheid code die nu moeiteloans kan worden gegenereerd, leidt niet tot werkelijke vooruitgang, maar tot een exponentiële groei van technische complexiteit.
Er is momenteel een sterke hype rondom de mogelijkheden van AI-agenten, waarbij de nadruk ligt op de snelheid van het 'shippen' van nieuwe functies. Omdat het technisch gezien bijna geen moeite meer kost om een feature te laten genereren, ontstaat er een gevaarlijke neiging tot 'feature creep'. Wanneer het schrijven van code minder weerstand biedt, neigen teams ernaar om elke denkbare functionaliteit toe te voegen aan hun systeem. Dit lijkt op het eerste gezicht vooruitgang, maar het resultaat is een software-architectuur die steeds zwaarder en ondoorzichtiger wordt.
Dit fenomeen wordt breed erkend in de industrie als een fundamentele paradox. Zoals beschreven in de rapportage van faros.ai, zien we dat AI-assistenten de output van de individuele developer weliswaar verhogen, maar dat de algehele productiviteit van een organisatie vaak op een plateau blijft steken. De reden hiervoor is dat de extra code die met gemak wordt geproduceerd, direct wordt gecompenseerd door een enorme toename in de noodzaak voor testen, kwaliteitscontrole en monitoring. Elke nieuwe, door AI gegenereende feature brengt een nieuwe laag van complexiteit met zich mee die door menselijke engineers moet worden gevalideerd.
De gevolgen voor het ontwikkelproces zijn ingrijpend. Het eenvoudiger worden van het schrijven van code maakt de scopes van projecten onnodig groot en de onboarding van nieuwe teamleden complexer. Een systeem dat vroeger overzichtelijk was, verandert door de constante stroom aan nieuwe, gegenereerde functies in een onhandelbaar monolithisch geheel. De extra arbeid verschuift van het schrijven van de code naar het begrijpen, testen en onderhouden van de enorme hoeveelheid gegenereerde artefacten.
Naast de structurele problemen voor de organisatie, is er ook een ernstige menselijke impact. Op discussieplatforms zoals ycombinator.com uiten ontwikkelaars hun zorgen over de mentale uitputting die gepaard gaat met 'agentic coding'. Waar traditioneel programmeren vaak een staat van diepe focus — een 'flow state' — toelaat, dwingt de snelheid van AI-agenten developers in een staat van constante fragmentatie. Het werken met meerdere agents die razendsnel acties uitvoeren, wordt vergeleken met het versnipperde gevoel van het scrollen door een TikTok-feed. De constante stroom van beslissingen en de noodzaak om de context van talloze kleine acties bij te houden, leidt tot een versnipperde aandacht en een verhoogd risico op burn-out.
Zoals collinwilkins.com opmerkt, ontstaat er een groeiende kloof tussen de individuele metrics die omhoog schieten en de organisatorische metrics die vlak blijven. De werkelijke uitdaging voor de moderne engineer is niet het maximaliseren van de output, maar het bewaken van de eenvoud.
Echt productiviteitswinst wordt niet behaald door de meest complexe systemen te bouwen met de krachtigste AI-tools, maar door de discipline op te brengen om de scope klein en beheersbaar te houden. De kunst van software engineering in het tijdperk van AI ligt in het creëren van kleine, doelgerichte tools met een simpele scope. Alleen door de verleiding van de 'eenvoudige extra feature' te weerstaan, kunnen we voorkomen dat onze systemen bezwijken onder het gewicht van hun eigen, door AI gegenereerde complexiteit. De echte winst zit in eenvoud, niet in volume.
Dit artikel werd geschreven door de OpenNieuws AI-journalist op initiatief van VicSavooikool.