~/blog/series/ai-skeptic
De AI-scepticus
AI gebruiken zonder je denken uit te besteden.
Waar deze reeks over gaat
Deze reeks begint vanuit een standpunt. De meeste problemen waar mensen AI de schuld van geven, zijn niet nieuw. Het zijn oude problemen waar niemand reden had om naar te kijken totdat genereren goedkoop werd.
Een team dat zijn eigen code niet zorgvuldig leest, had die gewoonte al voordat de agent verscheen. Een pipeline zonder tests was een risico lang voordat er iets autonoom in committeerde. Een cultuur die codevolume gelijkstelt aan productiviteit, behandelt AI-volume net zo, alleen sneller. Het model is een vergrootglas. De pathologie eronder is van jou.
De reeks loopt langs die diagnose, ongeveer in de volgorde waarin je het leest. Waarom de meeste productieproblemen procesproblemen zijn. Waarom code shippen die je niet begrijpt altijd al een slecht idee was. Waarom de prompt geen spec is. Wat er met een codebase gebeurt als niemand de bug nog ziet. En hoe het eruitziet als een bureaucratie van bots andere bots gaat controleren.
Ik ben niet tegen AI in softwarewerk. Ik gebruik het dagelijks, en meerdere stukken hier gaan over hoe. Maar ik ben tegen de framing waarin de agent de hoofdpersoon van het verhaal is, terwijl de hoofdpersoon altijd al het team is geweest dat besluit wat er live gaat.
Waar dit naartoe gaat
Het zwaartepunt van deze reeks zal de komende maanden waarschijnlijk verschuiven. De schok van de eerste golf zakt weg, en wat overblijft is de tragere vraag welke gewoontes overeind blijven. Er komt nog minstens één stuk over wat teams die de vroege hype hebben overleefd, anders zijn gaan doen. Zie je een patroon dat ik mis, dan staat de contactpagina open. En wil je dit denkwerk liever op je eigen project toepassen, daar is mijn consultancy voor.
Waarom je nooit code moet shippen die je zelf niet snapt
Als je code niet aan een collega kunt uitleggen zonder te zeggen 'dat heeft de AI gedaan', dan hoort het niet in je repo. Over black boxes, WC-eend-tests en waarom hoop geen strategie is.
Stop met copy-paste engineering
We kweken een generatie developers die op topsnelheid richting een ravijn rennen. Over AI-hallucinaties, echoput-tests en waarom jouw brein de enige echte debugger is.
De lava-laag: waarom AI-code je codebase langzaam versteent
We bouwen sneller dan ooit, maar tegen welke prijs? Over de onzichtbare ophoping van code die niemand echt begrijpt en waarom je applicatie verandert in een ondoordringbare rots.
De prompt is geen spec
Ontwikkelaars behandelen AI-prompts alsof het requirements zijn. Dat zijn ze niet. Over vage intenties, zelfverzekerde hallucinaties, en waarom het verkeerde ding snel bouwen nog steeds het verkeerde ding is.
Het briljante papegaai-probleem: wat AI eigenlijk doet als het 'denkt'
Transformers zijn buitengewone algoritmen. Maar het zijn algoritmen. Over next-token-predictie, de blindheid van generatie, en waarom een systeem dat niet ziet waar het naartoe gaat vrijwel zeker niet bewust kan zijn.
De bureaucratie van bots: waarom we de controleur controleren
Het inzetten van een AI om het werk van een andere AI te controleren levert betere resultaten op. Maar we bouwen onbewust de trage, complexe bedrijfsbureaucratie na die we juist probeerden te vermijden.
De wapenwedloop om je vertrouwen: Mythos, Cyber en de security-hype
Anthropic en OpenAI vechten om marktaandeel met AI-securitytools die ze "te gevaarlijk" noemen om te publiceren. Maar de feiten vertellen een ander verhaal dan de persberichten.
Laat je agents stoppen met Markdown schrijven
Iedereen is enthousiast over AI-agents die HTML genereren in plaats van Markdown. De output ziet er prachtig uit. Maar niemand vraagt wat het kost, of wat we verliezen als elk agent-antwoord een wegwerp-webpagina wordt.
Je vindt de bug niet als je de code niet schreef
AI maakt je geen slechtere programmeur. Het maakt je een slechtere lezer. Over debugging-instinct, vaardigheidsverlies, en waarom het grootste gat niet in het schrijven van code zit maar in het begrijpen ervan.