Niemand weet precies waar AI zal ons vanaf nu meer dan 12 tot 18 maanden kosten. Iedereen die anders beweert, heeft misschien een brug om je te verkopen. Maar het is duidelijk dat er binnen die tijd fundamentele verschuivingen in de software-engineering zullen plaatsvinden, en dat ze daarbij elke industrie die op software draait, zullen transformeren.
Ik heb de afgelopen twintig jaar leiding gegeven aan software-engineering bij grote technologiebedrijven als Microsoft, Snap en Google. AI is altijd al een onderwerp geweest in het gesprek en in het innovatielab, maar de veranderingen die nu plaatsvinden zijn werkelijk ongekend, zowel qua snelheid als qua omvang. We hebben de mogelijkheid om het komende jaar meer te bereiken dan in de afgelopen tien jaar. In 2028 zal de digitale economie die we vandaag de dag kennen er compleet anders uitzien. Als dat niet het geval is, hebben we gefaald.
Ondanks dat in de krantenkoppen wordt verklaard dat het softwarevak dood is, heb ik er vertrouwen in dat de toekomst rooskleuriger is dan ooit.
Het werk ging nooit over typen
Veel mensen die geloven dat AI het einde van software-engineering markeert, begrijpen niet wat de rol eigenlijk is. Het ging nooit om het schrijven van code. Het ging altijd om het oplossen van problemen – en dat doen op een manier die de complexiteit vermindert, de onderhoudslast minimaliseert en iets nuttigs oplevert voor de persoon aan de andere kant van de lijn. Code was het medium, niet het doel.
Dat onderscheid is nu belangrijker dan ooit. AI-agenten kunnen code schrijven. Ze kunnen tests genereren, services in de steigers zetten, API’s aansluiten en boilerplates produceren in een tempo dat geen mens kan evenaren. Wat ze niet kunnen doen – althans nog niet – is beslissen wat ze gaan bouwen, begrijpen waarom het ertoe doet, of navigeren door de afwegingen die bepalen of een systeem het contact met de echte wereld overleeft. Dat blijft de taak van de ingenieur. Dat is altijd zo geweest.
Het tijdperk van de gespecialiseerde codeur – vloeiend in één taal, diep ingebed in één stapel – maakt plaats voor de generalistische orkestrator. Ingenieurs zullen in toenemende mate toezicht houden op groepen agenten die bedrijfslogica schrijven, tests genereren, logboeken analyseren en architectonische veranderingen voorstellen. Het dagelijkse werk zal zich concentreren op het in kaart brengen van beperkingen, het afstemmen van de output op de productdoelstellingen en het waarborgen van veerkracht en veiligheid.
Coderen is niet langer de speciale saus. Context is.
Waarom diep begrip nog steeds belangrijk is
Deze verschuiving naar orkestratie klinkt misschien alsof het de lat lager legt. Dat is niet het geval. Als er iets is, verhoogt het het.
Om agenten effectief te kunnen beheren, vooral op schaal, over grote codebases en complexe systemen heen, moet u de onderliggende technologie diepgaand begrijpen. Je moet weten hoe goede architectuur eruit ziet, hoe systemen falen, waar knelpunten in de prestaties ontstaan en wanneer de output van een agent subtiel verkeerd is op manieren die pas in de productie aan de oppervlakte komen. Een orkestrator die het werk dat wordt georkestreerd niet begrijpt, is geen orkestrator. Ze zijn een verplichting.
De essentie van het werk verschuift: van het schrijven van code naar het ontwikkelen van een diep begrip van hoe systemen werken, nieuwsgierig blijven naar technische details en meedogenloos focussen op het bouwen van dingen die aan echte behoeften voldoen. Denken op systeemniveau, doorleefde ervaring en genuanceerd oordeel toegepast op de output van agenten: dat is de nieuwe functieomschrijving.
De gevaren waar niemand het over heeft
De voordelen van agentic engineering zijn reëel. Maar er zijn drie opkomende gevaren waarmee de industrie eerlijk het hoofd moet bieden, zelfs afgezien van de grotere onzekerheden rond kunstmatige algemene intelligentie en maatschappelijke ontwrichting:
- Aanvulling. Als agenten het werk overnemen dat traditioneel door junior-ingenieurs wordt gedaan (eenvoudige functies schrijven, bugs oplossen, een codebase leren) lopen we het risico de leerlinglaag van het beroep te elimineren. Juniorrollen zijn altijd de oprit geweest. Verwijder ze en de pijpleiding droogt uiteindelijk op. De industrie heeft nieuwe modellen nodig om dat oefenterrein te vervangen, of het nu gaat om gestructureerde leerlingplaatsen, door AI ondersteunde stages of systemen die ingenieurs leren om vanaf dag één met agenten samen te werken.
- Atrofie. Ik heb uitgebreid gesproken met tientallen ingenieurs die AI-agenten gebruiken, en velen beschrijven een gevoel van erosie van vaardigheden. Wanneer de agent de implementatie afhandelt, stop je met het opbouwen van dezelfde intuïtie en hetzelfde spiergeheugen. Sommigen zeggen dat het moeilijker is om in een flow-toestand te komen, de mentale modus waarin veel doorbraken plaatsvinden. Dit is geen nostalgie. Ingenieurs hebben nog steeds diepgaand technisch inzicht nodig om te kunnen beoordelen of de uitvoer van een agent correct, schaalbaar of veilig is. Anders ben je code aan het beoordelen die je niet volledig kunt beoordelen.
- Uitputting. Een verrassing is hoe mentaal uitputtend agentmanagement kan zijn. Ingenieurs krijgen veel meer gedaan, maar velen melden ook een grotere cognitieve vermoeidheid. Het voortdurend wisselen tussen agentsessies, het beoordelen van parallelle werkstromen en het handhaven van de samenhang tussen semi-autonome systemen zorgt voor een nieuw soort uitputting. Zijn productief werk, maar het is intens op manieren die traditionele techniek vaak niet was.
Dit zijn geen theoretische zorgen. Ze gebeuren al en zullen nog duidelijker worden naarmate de adoptie versnelt.
De economie: Jevons-paradox en de kostenbesparende valstrik
Toen stoommachines efficiënter werden, gebruikten mensen niet minder steenkool. Ze gebruikten meer. Naarmate de efficiëntie verbeterde, daalden de kosten, kwamen er nieuwe toepassingen bij en steeg de totale vraag. Economen noemen dit de Jevons-paradox, en deze is rechtstreeks van toepassing op AI en software-engineering.
Naarmate AI ingenieurs productiever maakt, dalen de kosten voor het bouwen van software. Maar de vraag naar software zal niet stabiel blijven. Het zal ontploffen. Bedrijven die zich ooit geen op maat gemaakte gereedschappen konden veroorloven, zullen deze gaan bouwen. Functies die vanwege de beperkte technische bandbreedte op de backlog zaten, zullen eindelijk worden geleverd. Problemen die het oplossen niet waard waren, worden plotseling economisch levensvatbaar.
Op de korte termijn zal de transitie ongelijkmatig en voor sommige ingenieurs pijnlijk zijn. Maar de richting op de lange termijn is duidelijk: bedrijven zullen meer ingenieurs nodig hebben, niet minder.
In alle gevallen die ik heb gezien, hadden bedrijven die AI in de eerste plaats zien als een manier om kosten te besparen, het al moeilijk. AI is voor iedereen toegankelijk, wat betekent dat de markt de voorkeur zal geven aan grotere en snellere innovatie, niet simpelweg hetzelfde innovatieniveau, maar goedkoper. De bedrijven die vandaag de dag in hun personeelsbestand snijden, zullen worden overspoeld door de bedrijven die uitbreiden terwijl ze hun hele teams migreren om effectief met AI te gaan werken. Het is als een touwtrekken waarbij de ene partij steeds sterkere spelers toevoegt. De enige optie van de andere partij is om ze te matchen, niet het touw te laten vallen en te verklaren dat ze op arbeidskosten hebben bespaard.
Voorbij software
AI zal niet alleen de dagelijkse workflow van software-ingenieurs veranderen. Het zal de grenzen verleggen van wat ingenieurs kunnen doen.
Wanneer de implementatiekosten dramatisch dalen, kunnen ingenieurs breder denken. Problemen die ooit maandenlang toegewijd coderen vereisten, worden middagprojecten. En de reikwijdte van wat een ingenieur aankan, breidt zich uit van software naar hardware, naar domeinoverschrijdende systemen, naar problemen die voorheen het exclusieve territorium van andere disciplines waren. Een ingenieur die AI-agenten effectief kan orkestreren, beperkt zich niet tot het schrijven van webservices of mobiele apps. Ze kunnen prototypen maken van fysieke systemen, complexe processen modelleren en problemen oplossen in sectoren waarin ze nog nooit eerder hebben gewerkt.
Dit is het deel van de toekomst dat mij het meest boeit. De rol van de ingenieur wordt groter en niet kleiner.
Het is leuk
Afgezien van alle risico’s en onzekerheden wil ik iets zeggen dat verloren gaat in het handenwringen: Agentic engineering is leuk. Het is echt heel plezierig.
Ingenieurs kiezen niet voor deze technologie omdat het moet. Ze leunen mee omdat het bouwen van dingen altijd de bedoeling is geweest, en AI laat ze meer en sneller bouwen, op een schaal die voorheen niet mogelijk was. De creatieve invloed die je krijgt als je met een bekwame agent werkt – een idee bedenken, het in realtime herhalen, iets in uren in plaats van weken zien gebeuren – is bedwelmend. Het is de reden waarom de meesten van ons überhaupt in dit vakgebied zijn beland.
Waar dit toe leidt
We bevinden ons in de beginfase van een transformatie die groter is dan de iPhone, het internet en de desktopcomputer samen. De toekomst van werk is niet mens versus machine. Het zijn mensen die samenwerken met AI-agenten, in elke rol, in elke branche en op elk niveau van een organisatie.
Het ingenieursberoep zal er anders uitzien. Het dagelijkse werk zal veranderen. De vaardigheden die er toe doen zullen veranderen. Maar de kern van het werk – het oplossen van lastige problemen, het terugdringen van de complexiteit, het bouwen van dingen die werken – leidt nergens toe. Het gaat er in ieder geval meer toe doen dan ooit tevoren.
We zijn altijd beperkt geweest door ons vermogen om problemen op te lossen, niet door ons vermogen om ze te bedenken. AI staat op het punt die capaciteit dramatisch uit te breiden. De vraag is niet of we ingenieurs nodig hebben. Het gaat erom of we genoeg zullen hebben.
