Vibe coding en het lot van de developer
In dit artikel:
Vibe coding — het interactief schrijven van software in gesprek met een ai-model — wekt net als de opkomst van low-code vijf à tien jaar geleden vragen op over de toekomst van ontwikkelaars. Waar Nvidia-topman Jensen Huang stelde dat programmeervaardigheden overbodig zouden worden, tonen onderzoek en praktijk een genuanceerder beeld: ai versnelt ideeën en prototyping, maar maakt de menselijke rol niet overbodig.
De term vibe coding, populair gemaakt door ai-onderzoeker Andrej Karpathy begin 2024, beschrijft een iteratief proces: een gebruiker geeft een natuurlijke-taalopdracht, het model genereert code of een voorstel, en via trial-and-error wordt het resultaat bijgesteld. Dat verlaagt de drempel voor niet-technische mensen en levert snel tastbare prototypes op. Maar juist de vertaalslag naar productieomgeving is problematisch: gegenereerde code mist vaak robuustheid, guardrails zijn schaars en fouten stapelen zich op. Menno Odijk (field CTO bij Mendix) vult aan dat het laatste deel van een project — foutafhandeling, compliance en opschaling — meestal verreweg het meeste werk en risico oplevert.
Onderzoeksresultaten ondersteunen die voorzichtigheid. METR-onderzoek laat zien dat ervaren ontwikkelaars met tools als Cursor Pro of Claude 3.5/3.7 gemiddeld 19% langer doen over taken dan collega’s zonder ai‑hulpmiddelen. Verwachte tijdswinst van circa 25% bleek niet gehaald: ai-suggesties zijn niet altijd correct, vereisen verificatie en leiden tot extra contextwisselingen. Bovendien is coderen slechts een deel van het werk van ontwikkelaars; taken als documentatie, testen, overleg en governance nemen evenveel tijd in beslag — problemen waar enkel codegeneratie niet direct bij helpt.
Hier komt low-code terug in beeld als brug tussen snelheid en betrouwbaarheid. Mendix kiest voor een visuele blauwdrukbenadering waarin domeinmodellen, schermen en logica vastgelegd worden — een duidelijke structuur waarbinnen ai suggesties kan doen, maar die ook traceerbaarheid, veiligheid en lagere testkosten biedt. Odijk noemt de blauwdruk een vangrail die variatie beperkt, hallucinaties reduceert en de testtijd doet dalen; volgens hem kan low-code de ontwikkeling nog eens twee keer versnellen. Mendix onderscheidt twee inzetvormen van ai: als assistent voor ontwikkelaars en als bouwsteen binnen applicaties (chatbots, agentic ai, sentimentanalyse). Het platform traint zelf geen eigen taalmodellen, maar koppelt aan bestaande modellen via de Mendix Managed Cloud of connectors, waarmee complexiteit voor klanten beheersbaar blijft.
Data en governance vormen een terugkerend obstakel. Ai-prestaties hangen sterk van de kwaliteit en inrichting van data af; veel experimenten stranden door slechte datakwaliteit of ontoereikende governance. Ook bestaat het risico van shadow ai: medewerkers gebruiken externe ai-diensten zonder toestemming, met kans op datalekken en ongecontroleerd hergebruik van bedrijfsgegevens. Daarom worden security, governance en digitale soevereiniteit steeds belangrijker — met Europese organisaties die nadruk leggen op controle over data en infrastructuur en oplossingen willen draaien op Europese cloud of on-premises. Initiatieven als Mistral (met deelnemende bedrijven zoals ASML) passen in die tendens.
De huidige ai-golf wordt vergeleken met de dotcom-periode: veel enthousiasme en experimenten, maar niet altijd een duidelijk businessmodel. Verschil is dat verwachtingen realistischer zijn geworden. Ai en vibe coding veranderen hoe ideeën ontstaan en prototypes tot stand komen, maar enterprise-grade productie vereist nog altijd menselijke expertise, governance en structurele hulpmiddelen. Low-code fungeert daarbij als tussenstap: het combineert de creativiteit en snelheid van vibe coding met noodzakelijke robuustheid en traceerbaarheid, terwijl ontwikkelaars de cruciale rol blijven vervullen in kwaliteitsborging, security en het maken van architecturale keuzes.