Ik begon met programmeren op mijn 12e, RATs en trojans schrijven in Delphi, want dat deden Roemeense kinderen nu eenmaal in 2002. Op mijn 21e was ik afgestudeerd in letteren en bouwde ik CRM’s vanaf nul in PHP. Geen informatica-opleiding, geen bootcamp, geen mentor. Alleen een kut internetverbinding, Notepad++ en een obsessie die me niet liet slapen.
Scrapen leerde ik door leech-sites te bouwen, parasitaire klonen die databases van andere sites leegzogen en draaiden op VPS’en van een dollar of bij gratis hosters. Dat betekende HTML met de hand inspecteren, regexes schrijven waar mijn ogen van bloedden, omgaan met encodingproblemen, met rate limiting, met sessiecookies. Netwerken kende ik al van het trojans schrijven als kind: poorten, sockets, verbindingen, al die shit die je leert als je een reverse shell door een firewall heen naar huis probeert te laten bellen. Gelijktijdigheid leerde ik omdat mijn scraper te traag was en ik moest uitvogelen hoe je meerdere dingen tegelijk draait zonder de gedeelde staat te verzieken.
Elk van die lessen kwam uit pijn. Uren debuggen. Dagen vastzitten op iets dat een ontbrekende puntkomma of een verkeerd poortnummer bleek te zijn. De pijn was het leerplan. De ellende was de leraar.
Nu loopt een junior ontwikkelaar tegen dezelfde muur, plakt de fout in Claude of ChatGPT, krijgt de fix in tien seconden en gaat door. Nul leren. De pijn is overgeslagen. En de pijn WAS het onderwijs.
Het Rekenmachineprobleem
Het is alsof je iemand een rekenmachine geeft voordat hij vermenigvuldigen snapt. Ja, hij krijgt het juiste antwoord, maar hij heeft nul gevoel voor wanneer het antwoord fout is. Je vraagt hem «is 7 keer 8 gelijk aan 312?» en hij haalt zijn schouders op, want hij heeft nooit het onderbuikgevoel opgebouwd dat hem zou moeten laten zeggen «dat klopt niet».
AI-gereedschap werkt precies zo. Een nieuwe ontwikkelaar promptet Claude, krijgt werkende code, levert hem op, voelt zich een genie. Maar op het moment dat er iets breekt op een manier die de AI niet kan repareren, en dat moment komt ALTIJD, staat hij volledig machteloos. Geen mentaal model van wat er echt gebeurt. Geen vermogen om over de code te redeneren die hij draait. Geen gevoel voor waar hij überhaupt moet gaan kijken.
Als mijn scraper breekt, weet ik precies waar ik moet kijken, want ik snap elke laag: het HTTP-verzoek, het parsen van het antwoord, de encoding, het sessiebeheer, het rate limiting. Dat begrip heb ik opgebouwd door er honderden uren eerst naast te zitten.
De scraper van een nieuwe ontwikkelaar breekt en hij plakt de fout terug in ChatGPT en bidt. Werkt in 80% van de gevallen. De andere 20% is hij volledig de lul.
De Sportschool Met een Robot
Het is alsof je naar de sportschool gaat maar een robot de gewichten voor je laat tillen. Ja, het gewicht is bewogen, maar je spieren zijn niet gegroeid. Je ziet er bij het weglopen net zo uit als bij het binnenkomen.
De ontwikkelaars die vóór AI leerden moesten elk gewicht zelf tillen. Elke bug met de hand oplossen. Elke architectuurbeslissing nemen via vallen en opstaan. Elk deployscript met de hand schrijven nadat je voor de derde keer een handmatige deploy had verkloot. Zo bouw je ingenieursspieren op.
Nu is er een generatie ontwikkelaars die nog nooit een for-lus vanaf nul heeft geschreven zonder hulp van AI. Nog nooit een regex met de hand heeft gedebugd. Nog nooit vier uur heeft zitten uitzoeken waarom hun code er eentje naast zit. Nog nooit heeft moeten NADENKEN over wat een functie eigenlijk doet, want ze kunnen gewoon de machine vragen het uit te leggen.
Ze kunnen code produceren. Ze kunnen functionaliteit opleveren. Ze komen door code reviews omdat door AI gegenereerde code er prima uitziet. Maar ze kunnen niet debuggen. Ze kunnen niet architectureren. Ze kunnen niet over systemen redeneren. Omdat ze het deel hebben overgeslagen waarin je die dingen leert, namelijk het deel waarin alles kapot is en je moet uitzoeken waarom.
Het Sollicitatieprobleem
Bedrijven zien het verschil niet meer. Twee kandidaten komen binnen voor een gesprek. Allebei kunnen ze «een scraper bouwen». Allebei kunnen ze «een REST-API opzetten». Allebei kunnen ze «unittests schrijven». Eén snapt echt wat hij bouwt. De ander is een proxy voor een LLM.
Veel succes met uitzoeken wie wie is in een technische screening van 45 minuten waarin de kandidaat Copilot in zijn IDE heeft draaien.
En de ironie is dik: het hele FAANG-sollicitatiesysteem was al kapot vóór AI. Ontwikkelaars rood-zwarte bomen en quicksort op het whiteboard laten tekenen, voor banen waar de grootste tabel 2000 rijen heeft en het zwaarste endpoint twee keer per dag wordt aangeroepen. Ergens zit een gast zes maanden Leetcode te stampen voor een baan waar het echte werk bestaat uit API’s aan elkaar knopen en uitzoeken waarom de stagingomgeving op dinsdag stuk is.
Gooi daar nu AI overheen. De whiteboardvragen zijn nutteloos omdat een kandidaat met AI kan oefenen tot hij elk patroon uit zijn hoofd kent. De thuisopdrachten zijn nutteloos omdat een AI in minuten een complete oplossing genereert. De pair programming-sessies zijn nutteloos omdat de kandidaat alleen maar vertaalt tussen de interviewer en zijn mentale model van wat hij Claude moet vragen.
Het enige dat nog werkt is met iemand gaan zitten en hem een echt probleem in realtime zien debuggen zonder gereedschap. En bijna niemand doet dat, want het kost te veel tijd en het schaalt niet.
Het Uitgeholde Midden
Hier wordt het echt somber. Het pad van junior naar senior was altijd: jarenlang ploeteren, via pijn diep begrip opbouwen, en uiteindelijk de intuïtie en het systeemdenken ontwikkelen die je senior maken. Dat pad vereiste het geploeter. Haal het geploeter weg en het pad verdwijnt.
Dus wat gebeurt er over tien jaar? Een minuscule elite van senior engineers die vóór AI leerden en de fundamenten echt snappen. Een enorme bak juniors die in wezen AI-bedieners zijn, productief als het gereedschap werkt, machteloos als het dat niet doet. En niets ertussenin, want niemand maakt de reis van het een naar het ander meer.
De ladder van het leren wordt opgetrokken. Niet kwaadwillend, niemand heeft dit gepland. Maar het effect is hetzelfde. Het gereedschap dat je vandaag productief maakt is precies het gereedschap dat je ervan weerhoudt morgen echt bekwaam te worden.
En je kunt een twintigjarige niet vertellen «gebruik geen AI, ploeter eerst vijf jaar met de hand». Dat is alsof je in 2005 tegen iemand zei «gebruik geen Google, ga naar de bibliotheek». Dat doet hij niet. Waarom zou hij? De rationele keuze voor elk individu is het krachtigste beschikbare gereedschap gebruiken. Het probleem is dat wat rationeel is voor het individu rampzalig is voor het vak.
Wat Nog Uitmaakt
De ontwikkelaars die dit overleven zijn niet degenen die de meeste code kunnen schrijven. Dat doet AI al beter dan de meeste mensen. De overlevenden zijn degenen die snappen WAAROM dingen werken.
Het WAAROM snappen is wat je in staat stelt om:
- Problemen te debuggen die de AI niet kan oplossen omdat hij die specifieke combinatie van storingen nooit heeft gezien
- Systemen te architectureren die niet uit elkaar vallen als de eisen veranderen
- Door AI gegenereerde code te beoordelen en de subtiele bugs te vangen die er correct uitzien maar het niet zijn
- Beslissingen te nemen die vragen om begrip van afwegingen tussen aanpakken, niet alleen de eerste te pakken die compileert
- Te weten dat de suggestie van de AI fout is omdat je onderbuik zegt «dat getal klopt niet»
Die intuïtie komt alleen als je het eerst op de harde manier doet. Er is geen kortere weg. Geen enkele AI kan hem je geven. Hij wordt verdiend door jaren in de stront te zitten en dingen uit te vogelen.
Het Voordeel van de Autodidact
En hier de wending die niemand zag aankomen: autodidactische ontwikkelaars hebben in het AI-tijdperk misschien wel het grootste voordeel. Niet ondanks het leren op de harde manier, maar juist daardoor.
We hadden geen leerplannen. Niemand gaf ons een leerroute in handen. We grepen problemen bij de strot en vogelden dingen uit omdat we dat wilden, niet omdat een lesprogramma het zei. Die gewoonte, oprecht nieuwsgierig zijn, willen snappen hoe dingen echt werken, geen genoegen nemen tot je het probleem tot de wortel hebt herleid, precies die gewoonte overleeft de ontwrichting door AI.
De informatica-afgestudeerde die datastructuren uit zijn hoofd leerde voor tentamens ontwikkelde die gewoonte nooit. Hij leerde WAT te doen, niet HOE te denken. Als zijn gememoriseerde patronen niet op het probleem passen, zit hij vast. Als die van de autodidact niet passen, graaft hij dieper, want dat is het enige wat hij ooit heeft gedaan.
Interesse is het enige duurzame concurrentievoordeel in de techniek. Al het andere kan geleerd, gekopieerd of geautomatiseerd worden. Maar je kunt niet automatiseren dat het je een reet kan schelen of niet.
De Ongemakkelijke Waarheid
90% van de productiesystemen zal de soort diepe kennis waar ik het over heb nooit nodig hebben. De meeste bedrijfsapplicaties zouden op bubblesort kunnen draaien, zonder database-indexen, met SELECT * op elke tabel, en niemand zou het merken, want de grootste tabel heeft 847 rijen en de database breekt er niet eens van uit het zweet.
Voor die systemen voldoen AI-ondersteunde ontwikkelaars prima. Meer dan prima, ze zijn sneller en goedkoper. De code werkt, de functionaliteit gaat live, het bedrijf boeit het niet hoe de worst wordt gemaakt.
Het probleem is die andere 10%. De systemen die er echt toe doen. Financiële platforms die echt geld verwerken. Infrastructuur waar mensen van afhangen. Beveiligingssystemen die geen subtiele bugs mogen hebben. De systemen waar «het werkt in 80% van de gevallen» niet goed genoeg is en waar die 20% falen miljoenen kost.
Die systemen hebben engineers nodig die de fundamenten snappen. En we staan op het punt daar een flink tekort aan te krijgen, want de pijplijn die ze voortbracht is net vervangen door een kortere weg die iets produceert dat aan de oppervlakte identiek oogt maar onder druk verkruimelt.
De senior engineers die er vandaag zijn, zijn gesmeed in het vuur van handmatig debuggen, met de hand geschreven code en jaren pijnlijk leren. Als wij met pensioen gaan, wie vervangt ons dan? De ontwikkelaar die al tien jaar AI-uitvoer kopieert en plakt? Dat is geen senior engineer. Dat is een zeer ervaren promptschrijver.
En de branche lijkt het niet te boeien. Want op dit moment, vandaag, levert de AI-ondersteunde ontwikkelaar sneller functionaliteit op. Het rendement ziet er prachtig uit in het kwartaalrapport. De technische schuld is onzichtbaar tot ze dat niet meer is. En tegen die tijd is het iemand anders zijn probleem.
Zoals het altijd al was. Alleen sneller nu.