10 mythes over AI-code, getoetst aan echte projecten
Publicatiedatum
AI-code trekt in gelijke mate hype en afwijzing aan, en beide vertekenen wat het echt kan. Sommige mythes verkopen het als een toverknop; andere schuiven het weg als speelgoed. Tien van de meest voorkomende, getoetst aan het bewijs en aan wat echte projecten laten zien, staan hieronder.
De luidste beweringen over AI die code schrijft zijn meestal de minst accurate, in beide richtingen. De tien mythes hieronder horen we het vaakst van kopers, vijf die te veel beloven en vijf die onderschatten, elk getoetst aan het onderzoek en aan hoe AI-ondersteund werk echt verloopt. Voor de basis waarop dit alles rust, zie vibe coding en AI-ondersteunde ontwikkeling.
Mythes die AI-code overdrijven
Mythe 1: AI kan in zijn eentje een afgewerkt product bouwen
Dat kan het niet, geen product waarop je een bedrijf laat draaien. AI kan in veel taken snel bruikbare codevoorstellen genereren, maar de benodigde omvang en kwaliteit verschillen per project; architectuur, review, tests, beveiliging en onderhoud blijven contextafhankelijk mensenwerk. Een model dat aan zijn lot wordt overgelaten, produceert een overtuigende demo die het begeeft onder echte belasting, audit en verandering. De snelheid is echt; de autonomie niet. Het Nationaal Cyber Security Centrum benadrukt dat AI weliswaar taken versnelt, maar dat organisaties hun digitale weerbaarheid moeten blijven baseren op patchmanagement, logging, monitoring en inzicht in hun IT-landschap.
Mythe 2: AI schrijft bugvrije code die klaar is voor productie
Het tegendeel ligt dichter bij de waarheid, direct na generatie. Het 2025 GenAI Code Security Report van Veracode stelde vast dat in de geteste voorbeelden 45% van de codevoorbeelden faalde voor beveiligingstests en OWASP Top 10-kwetsbaarheden introduceerde; dat resultaat geldt voor de onderzochte voorbeelden en modellen, niet automatisch voor alle AI-code. De code draait vaak en verbergt toch gebreken: ontbrekende validatie, hardcoded inloggegevens, logica die fout is zonder te crashen. Ze kan pas verantwoord richting productie na passende review, tests, beveiligingscontroles en validatie van de afhankelijkheden; ook dan is productiegeschiktheid geen automatische garantie.
Mythe 3: door AI gegenereerde code is standaard veilig
Geen enkel model schrijft standaard veilige code, en elke leverancier die het tegendeel beweert, spreekt het onderzoek tegen. Modellen leerden van publieke code, onveilige gewoonten inbegrepen, en ze verzinnen zelfs afhankelijkheden: een USENIX Security-studie uit 2025 met 16 modellen en 576.000 gegenereerde codevoorbeelden vond dat minstens 5,2% van de pakketten die commerciële modellen voorstelden niet bestond (tegenover 21,7% bij open-sourcemodellen); niet-bestaande pakketnamen kunnen een risico voor de software supply chain vormen, bijvoorbeeld wanneer iemand zonder verificatie een kwaadaardig pakket met dezelfde naam installeert, al toont de studie het risico en de mogelijkheid daartoe, niet dat dit in elk geval daadwerkelijk door aanvallers is uitgebuit. Het Nationaal Cyber Security Centrum waarschuwt bovendien dat AI-modellen steeds beter worden in het analyseren van software en het identificeren van kwetsbaarheden, en dat beveiliging daarom aanvullende maatregelen en blijvende controle vereist. Beveiliging komt van review en scanning, behandeld in of door AI gegenereerde code veilig is.
Mythe 4: je hebt geen ontwikkelaars meer nodig
Je hebt ze anders nodig, niet minder. AI verplaatst engineers van typen naar oordeel: architectuur, review en de verantwoordelijkheid voor wat live gaat. De vraag verdween niet; ze schoof op in de waardeketen. Iemand moet nog altijd beslissen of het model het juiste probleem oploste, en een model kan dat oordeel niet over zichzelf vellen.
Mythe 5: meer door AI gegenereerde code betekent sneller vooruitgang
Alleen als iemand ze leest. Niet-gereviewde code is de goedkoopste om te maken en de duurste om te bezitten: het CISQ becijferde de kosten van slechte softwarekwaliteit in de VS op 2,41 biljoen dollar per jaar (CISQ, 2022); dit cijfer is niet specifiek toe te schrijven aan AI-code, ongereviewde code of uitsluitend onderhoud. Een eerder CISQ-rapport schatte dat slechte softwarekwaliteit de Amerikaanse economie in 2020 al meer dan 2 biljoen dollar kostte, met operationele storingen, verouderde systemen van slechte kwaliteit en mislukte projecten als genoemde oorzaken, niet in de eerste plaats onbegrepen onderhoudscode. Volume zonder review is geen vooruitgang; het is technische schuld die sneller oploopt. Daarom is menselijke review van door AI gegenereerde code de echte onderscheidende factor.
Mythes die AI-code wegwuiven
Mythe 6: AI-code is speelgoed dat serieuze teams mijden
Serieuze teams hebben het al omarmd. In de Stack Overflow Developer Survey 2025 zei 84% van de respondenten AI-tools te gebruiken of van plan te zijn die in het ontwikkelproces te gebruiken, en 51% van de professionele ontwikkelaars gebruikte ze dagelijks. In Nederland gebruikte in 2024 al 22,7% van de bedrijven met 10 of meer werkzame personen ten minste één AI-technologie, en in de informatie- en communicatiesector was dat 58%, aldus het Centraal Bureau voor de Statistiek. Het wegzetten als speelgoed loopt een paar jaar achter.
Mythe 7: AI-ondersteunde software is per definitie van mindere kwaliteit omdat ze goedkoper is
De prijs daalt om een structurele reden, niet doordat er ergens op is beknibbeld. AI comprimeert de schrijftijd die een traditioneel bureau per uur factureert, en dat kan de ontwikkelkosten verlagen, maar het effect hangt af van project, integraties, kwaliteitscontroles, beveiliging, onderhoud en de mate van menselijke review. De volledige rekensom staat in onze analyse van de kosten van AI-softwareontwikkeling. Goedkoper door compressie verschilt van goedkoper door overgeslagen engineering; alleen het tweede verlaagt de kwaliteit.
Mythe 8: AI kan alleen simpele scripts maken, geen echte applicaties
Ze bouwt aan de lopende band het grootste deel van echte applicaties. Een kwart van de startups uit de Winter 2025-lichting van Y Combinator leverde codebases op die volgens Y Combinator ongeveer 95% door AI waren gegenereerd (TechCrunch, 2025); dit is een gerapporteerde uitspraak over één specifieke cohort en geen representatieve meting van alle startups of van applicatiekwaliteit. Standaardinterfaces, integraties en gegevensverwerking liggen ruimschoots binnen bereik. De grens is niet de omvang van de applicatie; het is het engineeringoordeel rond de code, iets anders dan de complexiteit van de code.
Mythe 9: AI gebruiken betekent de controle over je codebase opgeven
Alleen als je ze zonder review laat schrijven. In een gedisciplineerde workflow sturen engineers de AI aan tegen een vaste scope, lezen ze elke regel en dragen ze de architectuur, zodat de controle nooit uit menselijke handen gaat. Eigendom en gebruiksrechten hangen wel af van contracten, toepasselijke wetgeving, licenties van gebruikte afhankelijkheden en de voorwaarden van de AI-tool; menselijke review alleen bepaalt het eigendom niet. De tool verandert hoe code wordt geschreven, niet wie ervoor verantwoordelijk is.
Mythe 10: AI-code is alleen nuttig voor startups en prototypes
Het is overal nuttig waar schrijftijd een kostenpost is, dat is bijna overal. Startups gebruiken het om snel te valideren, en dezelfde aanpak helpt bij maatwerk interne tools voor gevestigde bedrijven en maatwerksoftware voor het mkb (kmo in Vlaanderen): AI kan bepaalde ontwikkeltaken versnellen en sommige projecten economisch haalbaarder maken, al vereist een concrete kostenvergelijking met een traditioneel bureaubudget projectspecifieke gegevens. De "alleen prototypes"-visie verwart het meest zichtbare gebruik van AI met haar enige gebruik.
Het patroon achter de mythes
Zet de tien op een rij en één onderscheid verklaart ze bijna allemaal. De overdrijvende mythes veronderstellen dat AI de behoefte aan engineering wegneemt. De wegwuivende mythes veronderstellen dat AI geen echte engineering kan. Beide missen hetzelfde midden: AI doet het schrijven briljant, mensen doen nog steeds de engineering, en de combinatie is wat werkt.
Daarom is de nuttige vraag over elke door AI gebouwde software nooit "heeft een mens of een model ze geschreven?". Ze luidt: "heeft een gekwalificeerde mens ze gereviewd, getest en er de verantwoordelijkheid voor genomen?". Houd die vraag voor ogen en de mythes verliezen in beide richtingen hun greep. Het is ook de lijn die een demo scheidt van echte maatwerk softwareontwikkeling.
Veelgestelde vragen
Werkt AI-code echt, of wordt het overschat?
Allebei, afhankelijk van de bewering. Het schrijft echt snel bruikbare codevoorstellen, en 84% van de ontwikkelaars gebruikt het nu of is dat van plan. Het bouwt geen afgewerkte, veilige producten in zijn eentje. De hype overdrijft de autonomie; de beschikbare bronnen ondersteunen brede adoptie en beveiligingsrisico's, maar bevatten geen onafhankelijke, methodologisch duidelijke meting die een grote productiviteitswinst voor alle projecten vaststelt.
Is door AI gegenereerde code veilig om in productie te gebruiken?
Niet standaard: in de door Veracode geteste voorbeelden faalde 45% voor beveiligingstests, blijkens het 2025 GenAI Code Security Report. Productiegeschiktheid vereist daarom aanvullende review, testen en beveiligingscontroles; de studie bewijst niet dat review alleen veiligheid garandeert. Ze wordt veiliger voor productie zodra een engineer elke regel reviewt, de afhankelijkheden worden gescand en de software wordt getest. Veiligheid komt van de review, niet van het feit dat AI ze schreef.
Gaat AI softwareontwikkelaars vervangen?
Nee. Het vervangt het typen, niet het oordeel. Engineers verschuiven naar architectuur, review en de verantwoordelijkheid voor wat live gaat, werk dat een model niet over zijn eigen output kan doen. De vraag naar dat oordeel stijgt naarmate AI meer code genereert die iemand moet controleren.
Is goedkopere AI-ondersteunde software van mindere kwaliteit?
Niet wanneer de prijsdaling komt van AI die het schrijven comprimeert terwijl de review doorgaat. Ze is alleen van mindere kwaliteit wanneer een leverancier de review volledig overslaat. Vraag wie de code leest voordat ze live gaat; dat antwoord, niet de prijs, vertelt je met welk soort goedkoop je te maken hebt.
Kan AI meer dan simpele scripts maken?
Ja, vaak wel. AI genereert snel een groot deel van sommige volledige applicaties, en een kwart van de Winter 2025-startups van YC had volgens een door TechCrunch beschreven enquête codebases die ongeveer 95% door AI waren gegenereerd; dat is geen representatieve maatstaf voor alle startups of voor de kwaliteit en complexiteit van volledige applicaties. De beperking is het engineeringoordeel rond de code, niet de omvang of complexiteit van de applicatie zelf.
Gelden er wettelijke verplichtingen voor AI-gebruik in softwareontwikkeling?
Voor organisaties die AI ontwikkelen of gebruiken gelden afhankelijk van de risicocategorie verschillende verplichtingen; volgens de Nederlandse overheidsplanning traden onder meer bepalingen over verboden praktijken in februari 2025 in werking en transparantieverplichtingen op 2 augustus 2026, aldus Digitale Overheid.
Beoordeel de review, niet de tool
De mythes heffen elkaar op zodra je stopt met vragen wie de code typte en begint te vragen wie ervoor verantwoordelijk is. Vertel ons wat je gebouwd wilt hebben en we laten je precies zien wie elke regel reviewt, samen met een vaste scope, een vaste prijs en een opleverdatum in weken. Onze AI-ondersteunde ontwikkeldiensten rusten op dat antwoord.