.svg)
Er is iets fundamenteels veranderd in Silicon Valley. Niet geleidelijk, niet als een langzame verschuiving die je over jaren heen ziet aankomen. Nee — abrupt, onomkeerbaar, en met een snelheid die de meeste Europese bestuurskamers nog niet eens op hun radar hebben. De fabriek voor computerprogrammering is gebouwd. En hij draait al.
Op het World Economic Forum in Davos zei Dario Amodei, CEO van Anthropic, iets wat de meeste mensen als een voetnoot hebben behandeld, maar wat in werkelijkheid een aardverschuiving markeert: er zijn engineers binnen Anthropic die geen enkele regel code meer schrijven. Niet één. Ze gebruiken Claude Code als ruggengraat — het nieuwste model, de nieuwste tools — en instrueren het systeem om software te bouwen. Ze denken na over systeemarchitectuur, over de juiste instructies, over welke sub-agents welke vaardigheden moeten inzetten. Maar de code zelf? Die schrijft de machine.
Dit is geen experiment. Dit is geen pilot. Anthropic heeft aan Fortune bevestigd dat 70% tot 90% van alle code die het bedrijf produceert inmiddels door AI wordt geschreven. Boris Cherny, het hoofd van Claude Code, zei eerder deze maand dat hij zelf al meer dan twee maanden geen code meer heeft geschreven. En zijn werkwijze is veelzeggend: hij draait vijf tot vijftien parallelle Claude Code-sessies tegelijk — vijf in zijn terminal, vijf tot tien in de browser, plus sessies die hij 's ochtends vanaf zijn telefoon opstart en later weer oppakt. Eén gebruiker op X vergeleek het treffend: het voelt niet meer als coderen, het voelt als StarCraft spelen — je stuurt geen code aan, je commandeert autonome eenheden.
Bij Spotify vertelde co-CEO Gustav Söderström tijdens de laatste earningscall dat de beste ontwikkelaars van het bedrijf sinds december geen enkele regel code meer hebben geschreven. Ze instrueren AI via Slack op hun telefoon onderweg naar kantoor, mergen de resultaten vóór ze op hun bureau zitten, en hebben in 2025 meer dan vijftig nieuwe features uitgerold via deze werkwijze.
Laat dat even bezinken: de makers van de tools schrijven zelf geen code meer.
Dit fenomeen herkennen wij bij The Automation Group uit eerste hand. Wij hebben een team van forward-deployed engineers — technische specialisten die bij klanten implementaties bouwen. Onlangs stelde iemand intern de vraag: "Wanneer heb je voor het laatst zelf een stuk code geschreven in plaats van een AI-systeem de instructie te geven om het te doen?"
Het werd stil. Letterlijk stil.
Niemand kon zich herinneren wanneer ze voor het laatst handmatig een stuk software hadden geschreven. Niet weken, maar maanden geleden. En ons werk is niet eens om fulltime programmeur te zijn — wij bouwen bedrijfsoplossingen, integraties, automatiseringen. Maar zelfs wij schrijven zelf software. Of beter gezegd: we schréven software. Nu instrueren we machines die het voor ons doen.
Dat is het punt waarop je beseft dat de verschuiving niet aankomt — ze is er al.
Wie denkt dat dit beperkt blijft tot een paar AI-labs, heeft het mis. De cijfers zijn ontnuchterend en komen van de grootste techbedrijven ter wereld:
Satya Nadella, CEO van Microsoft, onthulde op Meta's LlamaCon dat 20% tot 30% van alle code in Microsoft's repositories inmiddels door AI is geschreven. Microsoft CTO Kevin Scott verwacht dat dit in 2030 naar 95% gaat. Mark Zuckerberg van Meta verwacht dat binnen een jaar de helft van alle ontwikkelwerk door AI wordt gedaan. En Sundar Pichai van Google bevestigde dat meer dan 30% van alle nieuwe code bij Google door AI wordt gegenereerd, wat heeft geleid tot een verhoging van de engineering velocity met zo'n 10%.
Jensen Huang, CEO van NVIDIA, formuleerde het bij COMPUTEX 2025 misschien wel het meest beeldend: "AI is nu infrastructuur, en deze infrastructuur, net als het internet, net als elektriciteit, heeft fabrieken nodig. Deze fabrieken zijn in essentie wat wij vandaag bouwen." En bij een gesprek met Citadel Securities schatte hij dat de markt voor agentic AI als arbeidskracht op triljoenen dollars uitkomt, waarbij digitale verpleegkundigen, accountants, juristen en marketeers de workforce aanvullen. Bij NVIDIA zelf werken er nu al meer AI-agents aan cybersecurity dan mensen.
Huang's voorspelling: "De IT-afdeling van elk bedrijf wordt de HR-afdeling van AI-agents." Dat is geen metafoor. Dat is een operationeel model.
En hier wordt het pijnlijk. Want terwijl deze fabrieken draaien, studeren er in Amerika meer mensen af in computer science dan ooit tevoren — het aantal bachelor-diploma's verdubbelde van 51.696 in 2013 naar 112.720 in 2023. Maar de arbeidsmarkt is ingestort.
Een baanbrekende studie van Stanford University, geleid door econoom Erik Brynjolfsson, analyseerde miljoenen salarisdossiers en vond een daling van bijna 20% in de werkgelegenheid voor softwareontwikkelaars tussen de 22 en 25 jaar sinds de lancering van ChatGPT eind 2022. De instroom in AI-blootgestelde beroepen daalde met 13% ten opzichte van minder blootgestelde beroepen zoals verpleegkunde. De werkloosheid onder informaticaafgestudeerden staat op 6,1% in 2025 — bijna het dubbele van filosofie-afgestudeerden.
Jan Liphardt, hoogleraar bio-engineering aan Stanford, vatte het samen: Stanford-afgestudeerden in computer science hebben moeite om instapbanen te vinden bij de grote techbedrijven. Dat is krankzinnig.
En hier schuilt de paradox. Waarom? Omdat de fabrieken geen operateurs nodig hebben — ze hebben architecten nodig. AI kan de gestructureerde, repetitieve taken uitvoeren die voorheen als leerschool dienden voor junior ontwikkelaars. Maar om de fabriek effectief aan te sturen, heb je jarenlange ervaring nodig met onverwachte problemen, complexe systemen en rommelige real-world scenario's. De Stanford-studie bevestigt dit: voor ervaren ontwikkelaars bleef de werkgelegenheid stabiel of groeide zelfs. Het zijn de beginners die verdwijnen.
De taal van de machines blijkt niet zo moeilijk te zijn. Maar weten wát de machines moeten zeggen — dat vereist diepte.
Neem het verhaal van de oprichter van Open Claw — ooit een gerespecteerd softwareontwikkelaar die jaren geleden een beroemd framework bouwde, vervolgens de liefde voor software verloor, en jarenlang iets anders deed. Toen hij terugkeerde, deed hij dat niet door opnieuw te leren coderen in de klassieke zin. Hij begon te vibe-coden. Poging na poging, iteratie na iteratie — tot hij bij poging 44 Open Claw lanceerde: het eerste general-purpose, gepersonaliseerde AI-agent dat je als product kon installeren. Open Claw sloeg in als een bom. Het product was volledig vibe-coded. Geen handgeschreven architectuur, geen team van tientallen developers. Eén mens met een visie, en een machine die de code schreef.
OpenAI heeft het project inmiddels overgenomen. De oprichter van OpenAI verwachtte dat 80% van alle applicaties uiteindelijk via vibe coding tot stand zal komen. En dat gaat niet alleen over hobbyprojecten of prototypes. We hebben het over productie-grade software, SaaS-applicaties, bedrijfskritische systemen.
Volgens de Stack Overflow Developer Survey van 2025 gebruikt 65% van alle ontwikkelaars inmiddels wekelijks AI-codeertools. Dit is niet de toekomst. Dit is het heden.
Denk aan de textielindustrie vóór de industriële revolutie. Kleding werd gemaakt door mensen achter weefgetouwen — handmatig, ambachtelijk, beperkt door het aantal handen dat beschikbaar was. Toen kwam de fabriek. Niet een iets betere versie van het weefgetouw, maar een fundamenteel ander productiesysteem dat eindeloze hoeveelheden textiel kon genereren met een fractie van de menselijke inzet.
Datzelfde is nu gebeurd met software. Anthropic, OpenAI, Google en een handvol andere spelers hebben de digitale fabriek gebouwd — een systeem dat eindeloze hoeveelheden computercode kan produceren, aangestuurd door een relatief klein aantal mensen die de machines instrueren en bewaken.
Satya Nadella vergeleek het zelf met de opkomst van elektriciteit, en merkte op dat het vijftig jaar duurde voordat de meeste fabrieken leerden hoe ze elektriciteit konden inzetten om de productiviteit te verhogen. Het verschil: deze keer gaat het vele malen sneller.
De paradigmaverschuiving die Europa nog niet heeft doorgemaakt: deze fabrieken zijn al operationeel. Ze draaien al.
Maar laten we eerlijk zijn — het is niet allemaal glorie. Er is een serieuze keerzijde die te weinig aandacht krijgt.
Steve Yegge, een veteraan-engineer met meer dan 30 jaar ervaring bij Amazon en Google, waarschuwde onlangs indringend voor wat hij het "vampiereffect" noemt. In een veelgedeelde blogpost beschreef hij hoe hij na lange vibe-codingsessies plotseling in slaap valt — midden op de dag. Zijn collega's bij zijn startup overwogen serieus om slaappods te installeren op kantoor. Zijn analyse is scherp: AI maakt je opgewonden, je werkt als een bezetene, je produceert enorm — en dan zuigt het je leeg.
"Met een 10x productiviteitsboost levert één engineer met Claude Code de waarde op van negen extra engineers," schreef Yegge. "Maar bouwen met AI kost enorm veel menselijke energie."
Een onderzoek van METR bevestigt het beeld. In een gerandomiseerde studie met 16 ervaren open-source ontwikkelaars bleken degenen die AI-tools gebruikten 19% lánger over taken te doen — terwijl ze zelf schatten dat ze 20% sneller waren geweest. De tools voelen sneller, maar de werkelijkheid is complexer. De cognitieve belasting van het constant schakelen tussen sessies, het reviewen van output en het bijsturen van agents is uitputtend.
Yegge pleit ervoor dat engineers hun intensieve codesessies beperken tot maximaal drie uur per dag. Bedrijven die hun mensen als een soort fabrieksarbeiders behandelen — acht uur per dag 10x productiviteit leveren — jagen hen naar een burnout.
Boris Cherny's workflow illustreert dit perfect: ja, hij is buitengewoon productief met zijn vijftien parallelle sessies. Maar hij gooit ook 10-20% van zijn gestarte sessies weg omdat ze nergens toe leiden. En hij is waarschijnlijk de meest ervaren gebruiker ter wereld van zijn eigen tool. Voor de gemiddelde ontwikkelaar is de leercurve vlak maar lang, zoals prominent open-source ontwikkelaar Armin Ronacher het treffend stelde.
De fabriek produceert zonder pauze. De mens die hem aanstuurt, niet.
Want laten we eerlijk zijn: ook in de meest geavanceerde fysieke fabrieken — zelfs in de fabrieken die wij in China bezochten — lopen nog steeds mensen rond. Niet om de machines te bedienen, nee. Maar omdat machines soms een fout geven. Omdat je mensen nodig hebt die op een diep technisch niveau begrijpen hoe de machine werkt. Die weten welke bout vervangen moet worden. Die de fundamentele kennis hebben over de software, de hardware, het systeem als geheel.
Hetzelfde geldt voor deze digitale fabrieken. Er zijn nog steeds mensen nodig — maar mensen met een fundamenteel ander profiel. Mensen die de output op kwaliteit controleren. Die de juiste instructies geven. Die de error handling doen. Die de modellen updaten wanneer dat nodig is. Totdat de modellen dat uiteraard zelf gaan doen. Het zijn system engineers van het hoogste niveau. Geen operators, maar architecten en bewakers van een systeem dat zichzelf aandrijft.
Hiring managers zeggen het inmiddels hardop: waar ze voorheen tien engineers nodig hadden, hebben ze nu twee ervaren engineers en een LLM-gebaseerde agent nodig die net zo productief zijn. De vaardigheidseisen in AI-blootgestelde beroepen veranderen 66% sneller dan in andere sectoren, blijkt uit het JetBrains State of Developer Ecosystem-rapport van 2025.
Het is geen grap wanneer Elon Musk zegt dat zijn team van AI-agents bij xAI kan concurreren met Microsoft. Dat die agents in een hartslag Excel, PowerPoint en Word kunnen nabouwen — maar dan ook nog bedrijfsspecifieke informatie kunnen verwerken en advies kunnen geven over cybersecurity. Het klinkt als grootspraak. Maar de onderliggende logica is solide: als je een fabriek hebt die eindeloos software kan produceren, dan is het bouwen van een productiviteitssuite niet meer dan een instructie.
En de modellen hebben inmiddels een recursieve mijlpaal bereikt: ze helpen nu substantieel mee aan het bouwen van betere versies van zichzelf. OpenAI zei over GPT-5.3-Codex dat het "ons eerste model is dat instrumenteel was bij het creëren van zichzelf." De machines bouwen de machines die de machines bouwen.
En we staan pas aan het begin. Op dit moment schrijven deze machines nog in talen als Python en Java — programmeertalen die ooit zijn ontworpen zodat mensen ze konden lezen en schrijven. Maar zoals Musk recent ook voorspelde: binnenkort bouwen machines gewoon machines in machinecode. Binair. Dat is vele malen efficiënter dan de omweg via een mensvriendelijke programmeertaal. We zullen interpretatie-agents hebben die ons laten zien wat de machines doen, zodat we kunnen controleren. Maar de abstractielaag — de afstand tussen wat de machine doet en wat wij ervan begrijpen — wordt steeds dunner.
Jensen Huang zei het bij London Tech Week misschien wel het mooist: AI is de grote gelijkmaker. "Heel weinig mensen kennen C++ of Python. Maar iedereen kent 'mens'." De manier waarop je vandaag een computer programmeert, is door het vriendelijk te vragen. En het verbazingwekkende is dat de manier waarop je AI programmeert, nu lijkt op de manier waarop je een mens aanstuurt.
De taal van de machines was altijd het exclusieve domein van een handjevol specialisten. Dat monopolie is gebroken. AI-modellen spreken inmiddels Duits, Frans, Engels, Mandarijn en Grieks met gemak. Blijkt dat ze net zo makkelijk Python, JavaScript en C# spreken. De taal van de machines was moeilijker dan menselijke taal — maar niet voor machines.
De implicaties voor de software-industrie zijn enorm. Als 80% van alle applicaties via vibe coding kan worden gebouwd, wat betekent dat voor de duizenden SaaS-bedrijven die hun bestaansrecht ontlenen aan het feit dat software bouwen moeilijk en duur is?
Het antwoord is simpel: hun moat verdampt. Als een ondernemer met een helder idee en een AI-agent in anderhalve week een werkende applicatie kan bouwen — zoals Boris Cherny's team deed met Claude Cowork — dan is de waarde van een SaaS-product niet langer de code, maar het netwerk, de data, en het vertrouwen.
Startups bij seed-stage hadden in de eerste helft van 2025 al 21% minder werknemers dan in 2020, volgens Carta. Deze oprichters gebruiken AI om met kleine teams meer te bereiken dan voorheen met tientallen mensen mogelijk was. Dat is geen trend. Dat is een structurele herdefiniëring van wat het betekent om een softwarebedrijf te zijn.
De belangrijkste boodschap: wees niet zelfgenoegzaam. Ga niet achterover zitten met het idee dat het zo ver nog niet is, of dat het wel losloopt, of dat de manier waarop we al tientallen jaren software bouwen ook de manier is waarop we het de komende jaren zullen doen.
De hartslag van Silicon Valley is het feit dat deze fabrieken niet alleen zijn gebouwd, maar in een razend tempo worden opgeschaald. In India wordt op massale schaal infrastructuur gebouwd — een complete AI-stad, in samenwerking met Amerika, waar de techgiganten alleen al dit jaar $650 miljard investeren. Google heeft zijn kapitaaluitgaven verhoogd naar $85 miljard. De productiecapaciteit voor software wordt exponentieel vergroot.
Ondertussen moeten wij in Europa twee dingen tegelijk doen. Ten eerste: mensen binnen organisaties in staat stellen om hun eigen werk te automatiseren met de tools die nu beschikbaar zijn — lokaal, praktisch, direct. Ten tweede: ons leiderschap herijken. Het oude paradigma, waarin slechts een handjevol mensen de taal van de machines sprak en daardoor de poortwachters waren van digitale innovatie, is voorbij.
Sundar Pichai zei het tegen zijn eigen mensen bij Google: "In dit AI-moment moeten we meer bereiken door gebruik te maken van deze transitie om hogere productiviteit te realiseren." En hij verwacht tegelijkertijd dat het engineeringteam van Google zal groeien — niet krimpen — omdat AI engineers effectiever maakt, niet overbodig. Die nuance is cruciaal. De baan verandert; de behoefte aan mensen verdwijnt niet. Maar de mensen die nodig zijn, zijn fundamenteel anders.
Marc Benioff van Salesforce formuleerde het op Davos misschien wel het meest confronterend: de huidige generatie CEO's is de laatste die een volledig menselijke workforce aanstuurt.
De bedrijven die deze digitale fabrieken benutten, zullen de incumbents die nog handmatig programmeren — met incrementele software-updates, beperkt door het aantal programmeurs dat van maandag tot vrijdag, van negen tot vijf, achter een bureau past — genadeloos voorbijstreven. Niet binnen jaren. Nu.
De beperking is niet langer toegang tot compute. De beperking is niet langer het vinden van programmeurs. De oude beperking — dat slechts een handjevol mensen de taal van de machines sprak — is verdampt.
De nieuwe beperking is ándere kennis: het vermogen om complexe systemen te doorgronden, de juiste instructies te formuleren, kwaliteitscontrole uit te voeren op de output, en fouten te diagnosticeren wanneer de machine vastloopt. Én — misschien wel het belangrijkste — het menselijk vermogen om dit vol te houden zonder op te branden.
De fabriek draait al. De echte vraag is niet óf dit gaat gebeuren. De vraag is of wij op de trein springen — of vanaf het perron toekijken hoe de concurrentie vertrekt.
.svg)
