Dit is een van die knagende, ietwat verontrustende vragen die opduiken in late-night Slack-chats en door koffie aangewakkerde discussies tussen programmeurs, oprichters en eigenlijk iedereen die ooit een mysterieuze bug heeft gezien. Aan de ene kant worden AI-tools steeds sneller, scherper en bijna griezelig nauwkeurig in hoe ze code produceren. Aan de andere kant ging software-engineering nooit alleen maar over het uitwerken van syntax. Laten we de zaak eens nader bekijken – zonder te vervallen in het gebruikelijke dystopische sciencefictionverhaal waarin machines de wereld overnemen.
Artikelen die u wellicht interessant vindt om na dit artikel te lezen:
🔗 De beste AI-tools voor softwaretesten
Ontdek AI-gestuurde testtools die QA slimmer en sneller maken.
🔗 Hoe word je een AI-ingenieur?
Stapsgewijze handleiding voor het opbouwen van een succesvolle carrière in AI.
🔗 Beste AI-tools zonder code
Ontwikkel eenvoudig AI-oplossingen zonder te programmeren met behulp van toonaangevende platformen.
Software-engineers zijn belangrijk 🧠✨
Onder alle toetsenborden en stacktraces schuilt in de engineeringwereld altijd al probleemoplossing, creativiteit en systeemgericht inzicht . Natuurlijk kan AI in seconden codefragmenten genereren of zelfs een app opzetten, maar echte engineers leveren dingen die machines niet helemaal kunnen evenaren:
-
Het vermogen om een complexe context .
-
Afwegingen maken (snelheid versus kosten versus veiligheid… altijd een evenwichtsoefening).
-
Werken met mensen , niet alleen met code.
-
Het opsporen van de bizarre uitzonderingen die niet in een keurig patroon passen.
Zie AI als een razendsnelle, onvermoeibare stagiair. Nuttig? Jazeker. Maar stuurt het de architectuur aan? Nee.
Stel je voor: een groeiteam wil een functie die gekoppeld is aan prijsregels, oude factureringslogica en tarieflimieten. Een AI kan delen ervan ontwerpen, maar beslissen waar de logica moet komen , wat moet worden uitgefaseerd en hoe facturen niet in de war raken tijdens de migratie – die beslissing hoort bij een mens. Dat is het verschil.
Wat de data werkelijk laat zien 📊
De cijfers zijn opvallend. In gestructureerde studies voltooiden ontwikkelaars die GitHub Copilot gebruikten taken zo'n 55% sneller dan degenen die solo codeerden [1]. Bredere praktijkrapporten? Soms tot wel twee keer sneller met gen-AI geïntegreerd in workflows [2]. De adoptie is ook enorm: 84% van de ontwikkelaars gebruikt of is van plan AI-tools te gebruiken, en meer dan de helft van de professionals gebruikt ze dagelijks [3].
Maar er is een addertje onder het gras. Uit peer-reviewed onderzoek blijkt dat programmeurs die AI-ondersteuning kregen, vaker onveilige code schreven – en daar vaak ook nog eens overmoedig over waren [5]. Dat is precies de reden waarom frameworks de nadruk leggen op vangrails: toezicht, controles, menselijke beoordelingen, vooral in gevoelige domeinen [4].
Snelle vergelijking: AI versus ingenieurs
| Factor | AI-tools 🛠️ | Software-engineers 👩💻👨💻 | Waarom het belangrijk is |
|---|---|---|---|
| Snelheid | Bliksem bij het draaien van fragmenten [1][2] | Langzamer, voorzichtiger | Pure snelheid is niet het belangrijkste |
| Creativiteit | Gebonden door zijn trainingsgegevens | Kan daadwerkelijk uitvinden | Innovatie is geen kopiëren van patronen |
| Foutopsporing | Stelt oppervlakkige reparaties voor | Begrijpt waarom het kapot is gegaan | De onderliggende oorzaak is belangrijk |
| Samenwerking | Solo-operator | Geeft les, onderhandelt en communiceert | Software = teamwork |
| Kosten 💵 | Goedkoop per taak | Duur (salaris + secundaire arbeidsvoorwaarden) | Lage kosten ≠ beter resultaat |
| Betrouwbaarheid | Hallucinaties, riskante beveiliging [5] | Vertrouwen groeit met ervaring | Veiligheid en vertrouwen zijn belangrijk |
| Naleving | Audits en toezicht zijn nodig [4] | Ontwerpen voor regelgeving en audits | In veel vakgebieden niet onderhandelbaar |
De opkomst van AI-programmeerhulpjes 🚀
Tools zoals Copilot en IDE's die gebruikmaken van LLM veranderen de workflows. Ze:
-
Stel direct een standaardtekst op.
-
Geef tips voor refactoring.
-
Leg API's uit waarmee je nog nooit hebt gewerkt.
-
Zelfs uitspuugtesten (soms brokkelig, soms vast).
De wending? Taken op juniorniveau worden nu gebanaliseerd. Dat verandert de manier waarop beginners leren. Het doorlopen van eindeloze lussen is minder relevant. Slimmere aanpak: laat AI het ontwerp maken en vervolgens verifiëren : schrijf beweringen, voer linters uit, test grondig en controleer op verborgen beveiligingslekken voordat je de code samenvoegt [5].
Waarom AI nog steeds geen volwaardige vervanging is
Laten we er geen doekjes omheen winden: AI is krachtig, maar ook… naïef. Het beschikt niet over:
-
Intuïtie - het herkennen van onzinnige eisen.
-
Ethiek - het afwegen van rechtvaardigheid, vooringenomenheid en risico.
-
Context - weten waarom een functie wel of niet zou moeten bestaan.
Voor bedrijfskritische software – financiën, gezondheidszorg, lucht- en ruimtevaart – neem je geen risico met een black-box-systeem. Frameworks maken het duidelijk: mensen blijven verantwoordelijk, van testen tot monitoring [4].
Het "Middle-Out"-effect op de arbeidsmarkt 📉📈
AI is het meest effectief in het midden van de vaardigheidsladder:
-
Beginnende ontwikkelaars : Kwetsbaar - basisprogrammering wordt geautomatiseerd. Groeimogelijkheden? Testen, tools, datacontroles, beveiligingsaudits.
-
Senior engineers/architecten : Veiliger - verantwoordelijk voor ontwerp, leiderschap, complexiteit en het aansturen van AI.
-
Niche-specialisten : Nog veiliger - beveiliging, embedded systemen, ML-infrastructuur, zaken waar domeinspecifieke kenmerken ertoe doen.
Denk aan rekenmachines: die hebben wiskunde niet overbodig gemaakt. Ze hebben alleen bepaald welke vaardigheden onmisbaar werden.
AI struikelt over menselijke eigenschappen
Enkele technische superkrachten die AI nog mist:
-
Worstelen met ingewikkelde, ondoorzichtige code.
-
Gebruikersfrustraties lezen en empathie in het ontwerp meenemen.
-
Het navigeren door kantoorpolitiek en klantonderhandelingen.
-
Aanpassen aan paradigma's die nog niet eens zijn uitgevonden.
blijkt het menselijke aspect
Hoe zorg je ervoor dat je carrière toekomstbestendig blijft? 🔧
-
Werk samen, ga niet de concurrentie aan : behandel AI als een collega.
-
Zet vol in op review : dreigingsmodellering, specificaties als tests, observeerbaarheid.
-
Verdiep je in een bepaald domein : betalingen, gezondheidszorg, lucht- en ruimtevaart, klimaat - context is allesbepalend.
-
Stel een persoonlijke toolkit samen : linters, fuzzers, getypte API's, reproduceerbare builds.
-
Documenteer beslissingen : ADR's en checklists zorgen ervoor dat AI-wijzigingen traceerbaar blijven [4].
De waarschijnlijke toekomst: samenwerking, geen vervanging 👫🤖
Het gaat in werkelijkheid niet om "AI versus ingenieurs", maar om AI mét ingenieurs . Degenen die zich vol overgave inzetten, zullen sneller vooruitgang boeken, groter denken en routinewerk uitbesteden. Degenen die zich verzetten, lopen het risico achterop te raken.
Een realiteitscheck:
-
Routinecode → AI.
-
Strategie + cruciale beslissingen → Mensen.
-
Beste resultaten → AI-ondersteunde ingenieurs [1][2][3].
Tot slot 📝
Worden ingenieurs dan vervangen? Nee. Hun taken zullen veranderen. Het is minder een "einde van programmeren" en meer een "programmeren evolueert". De winnaars zullen degenen zijn die leren hoe ze inzetten , in plaats van ertegen te vechten.
Het is een nieuwe superkracht, geen ontslagbrief.
Referenties
[1] GitHub. “Onderzoek: kwantificering van de impact van GitHub Copilot op de productiviteit en het geluk van ontwikkelaars.” (2022). https://github.blog/news-insights/research/research-quantifying-github-copilots-impact-on-developer-productivity-and-happiness/
[2] McKinsey & Company. “Het ontketenen van ontwikkelaarsproductiviteit met generatieve AI.” (27 juni 2023). https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/unleashing-developer-productivity-with-generative-ai
[3] Stack Overflow. “Ontwikkelaarsenquête 2025 — AI.” (2025). https://survey.stackoverflow.co/2025/ai
[4] NIST. “AI Risk Management Framework (AI RMF).” (2023–). https://www.nist.gov/itl/ai-risk-management-framework
[5] Perry, N., Srivastava, M., Kumar, D., & Boneh, D. “Schrijven gebruikers onveiliger code met AI-assistenten?” ACM CCS (2023). https://dl.acm.org/doi/10.1145/3576915.3623157