FenIT sprak met Terry Crapts, co-founder van Data Science Partners, over wat er verandert als AI het grootste deel van je code schrijft.
Je bent van huis uit ontwikkelaar. En nu schrijf je nauwelijks code?
Klopt. Ik typ nog steeds de hele dag, maar bijna geen regels code meer. Ik beschrijf wat ik wil hebben, de AI zet het om in code, en ik lees mee. Dat is sinds ongeveer een half jaar mijn normale manier van werken. Vergeleken met hoe ik in 2023 werkte, is dat een ander vak.
Wat doe je dan de hele dag?
Lezen en beslissen. Het werk is verschoven van maken naar beoordelen. Ik lees code die ik niet zelf heb getypt en bepaal of die doet wat ik bedoelde. Verder besteed ik veel meer tijd aan de opdracht vooraf. Een slechte opdracht levert code op die werkt maar het verkeerde probleem oplost. Dan ben je langer bezig dan wanneer je het zelf had geschreven.
Gaat het sneller?
Voor iets nieuws bouwen: veel sneller. Voor onderhoud valt het mee. Bij een grote, oude codebase moet je de AI zoveel context geven dat het voordeel wegvalt. En fouten opsporen in code die je niet zelf hebt geschreven is trager. Je mist de kennis in je hoofd van waar de logica zit.
Wat is het risico dat je ziet?
Dat mensen hun vakkennis verliezen zonder dat ze het merken. Ik kan de code beoordelen omdat ik jaren zelf heb geschreven. Iemand die vandaag begint met AI naast zich, bouwt dat oordeel niet op dezelfde manier op. Je krijgt dan iets dat werkt, maar niemand die kan uitleggen waarom. Bij een storing is dat een probleem.
Betekent dit dat juniors geen kans meer maken?
Nee, maar de leerroute verandert. Vroeger leerde je programmeren door veel te programmeren. Nu leer je door te lezen en te controleren, en dat is een andere vaardigheid. Mijn advies aan wie begint: bouw af en toe iets helemaal zelf, ook al is het langzamer. Anders weet je niet wat je aan het beoordelen bent.
Waar helpt AI je niet?
Bij keuzes over architectuur. Vraag ik hoe ik een systeem moet opzetten, dan krijg ik een antwoord dat past bij het gemiddelde project. Maar de reden dat een keuze goed of slecht uitpakt, zit vaak in dingen die niet in de code staan. Het team, de historie, wat de organisatie aankan. Daar heb ik nog minder bruikbare antwoorden op gekregen.
Wat zou je iemand aanraden die dit ook wil?
Begin met een project dat niet in productie staat. Laat de AI het grootste deel schrijven en dwing jezelf om elke regel te lezen voordat je hem accepteert. Na twee weken weet je waar de tool goed in is en waar hij je voor de gek houdt. Die kennis heb je nodig voordat je het op echt werk toepast.
Terry Crapts is co-founder van Data Science Partners, dat data- en AI-trainingen verzorgt voor professionals. Wie wil leren over wat er in dit artikel staat raadt Terry de Vibe Coding training / Claude Code training aan.