Kan AI enterprise software bouwen? Waar vibe coding meeschaalt, en waar niet
Date Published
Ja, kunstmatige intelligentie (AI) kan enterprise software bouwen, maar niet alleen. AI genereert snel het meeste code van een grote applicatie met hoge inzet, en dan blijven de moeilijke delen over: architectuur, schaalbaarheid, beveiliging, compliance en onderhoud, die allemaal nog ervaren ingenieurs vergen. Puur vibe coding strandt bij het prototype. Gedisciplineerde AI-ondersteunde ontwikkeling brengt het tot in productie.
De vraag verbergt twee heel verschillende betekenissen. De ene is "kan een AI-model code van enterprise-kwaliteit schrijven?". De andere is "kan ik me een weg vibe-coden naar een systeem dat een grote organisatie kan draaien?". De antwoorden wijzen in tegengestelde richtingen, en ze verwarren is hoe projecten op een demo worden gefinancierd en bij de tweede versie sterven. Hieronder worden de twee betekenissen uit elkaar gehaald, met een kaart van precies waar het plafond zit en wat het verhoogt. Voor het fundament waarop alles rust, zie vibe coding en AI-ondersteunde ontwikkeling.
Wat "enterprise software" echt vereist
Haal de marketing weg en enterprise software betekent software die overeind moet blijven onder omstandigheden die een demo nooit test. Ze bedient veel gelijktijdige gebruikers zonder om te vallen. Ze integreert met systemen die er al zijn in plaats van op zichzelf te leven. Ze beschermt gegevens waar toezichthouders en auditors op letten. En ze overleeft jaren van verandering via mensen die niet degenen zijn die haar gebouwd hebben.
Geen van die eisen gaat over sneller code schrijven. Elke eis gaat over engineering: beslissingen die vóór en na het typen worden genomen, oordeel over afwegingen, en verantwoordelijkheid voor wat er gebeurt wanneer de belasting, de gegevens of het team veranderen. Dat is het kader voor de hele vraag. AI is buitengewoon goed in het typen. De eisen die enterprise software definiëren, leven grotendeels daarbuiten.
Waar AI echt levert op schaal
Geef AI wat haar toekomt, want de capaciteit is echt en allesbehalve marginaal. AI-codetools genereren het gros van de code van een applicatie sneller dan welk menselijk team ook, en dat voordeel verdwijnt niet wanneer het project groot is. Een kwart van de Winter 2025-lichting van Y Combinator leverde codebases op die voor ongeveer 95% door AI waren gegenereerd (TechCrunch, 2025), en adoptie is inmiddels de norm in plaats van de uitzondering: 84% van de ontwikkelaars gebruikte of was van plan AI-tools te gebruiken in het Stack Overflow Developer Survey 2025.
Bij een serieuze build versnelt AI de delen die groot maar goed begrepen zijn: CRUD-interfaces, API-integraties, gegevenstransformaties, standaardauthenticatie, de lange staart van schermen en endpoints die vroeger weken typwerk opslokte. Aangestuurd door een ingenieur tegen een heldere specificatie comprimeert ze de planning van zelfs een groot systeem drastisch. De snelheid is niet de mythe. Het idee dat snelheid alleen je bij enterprise software brengt, wel.
Het plafond: vijf plekken waar puur vibe coding stopt
Duw een vibe-gecodeerde app naar echte schaal en hij botst elke keer op dezelfde muren.
Gelijktijdigheid en prestaties. Code die zich goed gedraagt bij vijf gebruikers is niet bewezen bij vijfduizend. Connectiepools, race conditions en trage queries zijn precies de problemen die nooit in een demo opduiken en altijd onder belasting. Ze oplossen vereist begrip van het systeem, en een vibe-gecodeerde app heeft niemand om dat te doen.
Architectuur die moet veranderen. Enterprise software wordt jaren uitgebreid. Dat werkt alleen als de structuur ontworpen is om uitgebreid te worden. Modellen optimaliseren om de huidige prompt te laten werken, niet voor een samenhangende architectuur zes versies verderop, waardoor een vibe-gecodeerd systeem het soort structurele schuld opbouwt dat elke nieuwe functie riskanter maakt dan de vorige.
Beveiliging onder echte dreiging. Een groter systeem is een groter doelwit. Veracode constateerde dat 45% van de door AI gegenereerde codevoorbeelden bekende kwetsbaarheden bevatte (Veracode, 2025), en op enterprise-schaal zijn dat geen schoonheidsfoutjes meer maar datalekken. Dit is reviewterrein, behandeld in menselijke review van door AI gegenereerde code.
Verplichtingen rond compliance. De AVG (GDPR), PCI DSS en SOC 2 gaan er allemaal van uit dat een mens kan uitleggen hoe de software met gevoelige gegevens omgaat. Ongecontroleerde code haalt dat niveau niet, zoals AI-ontwikkeling, beveiliging en compliance volledig uiteenzet.
Onderhoudbaarheid over jaren. Het diepste plafond is tijd. Het CISQ becijferde de kosten van slechte softwarekwaliteit in de VS op 2,41 biljoen dollar per jaar, grotendeels in het onderhouden van code die niemand volledig begrijpt (CISQ, 2022). Een vibe-gecodeerd systeem is dat probleem al op dag één, zonder auteur om iets aan te vragen.
Wat het plafond verhoogt
De oplossing is niet de AI opgeven. Het is de engineering er weer omheen zetten, en dat is het hele AI-ondersteunde ontwikkelen.
Een ingenieur bewaakt de architectuur en ontwerpt voor de schaal en verandering die het systeem echt zal tegenkomen. De AI genereert de code snel tegen dat ontwerp. Een senior reviewer leest elke regel voordat die wordt samengevoegd, zodat de beveiligings- en logicafouten in de diff worden gevangen in plaats van in productie. Geautomatiseerde tests en dependency-scanning draaien bij elke build. Compliance wordt vooraf gescopet in plaats van halverwege het project ontdekt. Het resultaat behoudt het meeste van de snelheid en neemt elke muur die de pure vibe-gecodeerde versie raakt, omdat de eisen die enterprise software definiëren, die buiten het typen liggen, eindelijk iemand hebben die ervoor verantwoordelijk is. De pijplijn die dit doet, staat beschreven in hoe wij scopen, bouwen en beoordelen.
Dit is niet theoretisch voor de systemen die grensoverschrijdende operaties draaien. Een groot platform voor maatwerk logistieke software dat douanedocumenten genereert over talen en valuta heen, of een set maatwerk interne tools waar een heel bedrijf van afhankelijk is, leven allebei pal in AI-ondersteund gebied: te veel op het spel voor puur vibe coding, te tijdgevoelig voor maanden volledig handgeschreven code.
Waar de eerlijke grens ligt
Twee uitspraken zijn allebei waar, en beide vasthouden is het punt.
AI kan enterprise software niet alleen bouwen. Geef een model het doel "bouw ons een enterprise-platform" en loop weg, en je krijgt een snelle demo die bezwijkt onder belasting, onder audit en in het tweede jaar. De eisen die software enterprise-waardig maken, zijn engineeringeisen, en het model draagt ze niet.
AI is ook onmisbaar om vandaag efficiënt enterprise software te bouwen. Aangestuurd door ingenieurs haalt ze zoveel schrijftijd weg dat een serieus systeem in een fractie van de traditionele planning arriveert. De winnende zet is de AI niet alles toevertrouwen en haar ook niet uit principe weigeren. Het is haar hard inzetten voor waar ze goed in is, en ervaren mensen houden op al het andere. Die combinatie is hoe serieuze maatwerk softwareontwikkeling er vandaag uitziet.
Veelgestelde vragen
Kan AI enterprise software helemaal zelf bouwen?
Nee. AI genereert snel het meeste code, maar architectuur, schaalbaarheid, beveiliging, compliance en onderhoud op lange termijn vergen nog steeds ervaren ingenieurs. Aan zichzelf overgelaten levert een model een snelle demo op die bezwijkt onder echte belasting, audit en verandering. Het is een krachtig hulpmiddel, geen vervanging van engineering.
Schaalt vibe coding naar grote applicaties?
Puur vibe coding niet. Het strandt waar demo's ophouden: gelijktijdigheid, prestaties onder belasting, beveiliging en onderhoudbaarheid. Die problemen verschijnen nooit bij vijf gebruikers en altijd bij vijfduizend. Beoordeelde AI-ondersteunde ontwikkeling schaalt wél, omdat ingenieurs bewust voor die omstandigheden ontwerpen.
Kan AI softwareingenieurs vervangen bij grote projecten?
Nee. Het verandert wat ze doen. In plaats van elke regel te typen sturen ingenieurs de AI-tools aan, bewaken de architectuur, beoordelen de output en regelen schaalbaarheid en compliance. Hoe groter het project, hoe zwaarder dat oordeel van de ingenieur weegt, niet lichter.
Is door AI gegenereerde code betrouwbaar genoeg voor systemen met hoge inzet?
Pas na review en testen. Ongecontroleerd bevatte 45% van de door AI gegenereerde voorbeelden bekende kwetsbaarheden in het onderzoek van Veracode uit 2025, diskwalificerend voor een systeem met hoge inzet. Beoordeeld en getest wordt dezelfde code betrouwbaar, omdat betrouwbaarheid uit de engineering eromheen komt.
Hoeveel van een enterprise-applicatie kan AI daadwerkelijk schrijven?
Het meeste, qua ruwe omvang: standaardinterfaces, integraties en gegevensverwerking. Een kwart van de startups uit de Winter 2025-lichting van YC had bases die voor ongeveer 95% door AI waren gegenereerd. De resterende engineering, architectuur en review en compliance, is klein in regels en beslissend voor de uitkomst.
Wat is de veilige manier om AI in te zetten op een groot softwareproject?
Ingenieurs bewaken de architectuur en beoordelen elke regel, de AI genereert snel code binnen een vaste scope, en tests plus dependency-scanning draaien bij elke build. Onze AI-ondersteunde ontwikkeldiensten passen precies dat toe op systemen die te veel op het spel zetten voor puur vibe coding.
Bouw groot zonder op een demo te gokken
Enterprise-waardige software heeft de snelheid van AI en de discipline van engineering nodig, samen. Vertel ons wat het systeem moet doen, hoeveel mensen het zullen gebruiken en welke regels het moet naleven, en wij scopen het met een vaste prijs, een opleverdatum in weken en een senior ingenieur die verantwoordelijk is voor elke regel.