AI maakt softwareontwikkeling bijna gratis, maar zonder regie betaal je de rekening later

Vrijwel iedereen heeft het momenteel over AI. Welke modellen gebruik je? Welke AI-tool is de beste? Welke prompts leveren de beste resultaten op? Dat zijn belangrijke en interessante vragen, maar ze leiden ook af van wat misschien wel de grootste verandering is die AI teweegbrengt.

AI verandert namelijk niet alleen wie software bouwt, maar ook de economische spelregels van softwareontwikkeling. Software bouwen wordt sneller, goedkoper en toegankelijker dan ooit. Daardoor zullen organisaties niet alleen meer mensen krijgen die software bouwen, maar vooral veel méér software. Juist die explosieve groei maakt regie belangrijker dan ooit.

Hoe verandert AI de spelregels van softwareontwikkeling?

Tot voor kort was softwareontwikkeling grotendeels het domein van IT. Wilde een afdeling een nieuwe applicatie, workflow of koppeling tussen systemen, dan was daarvoor meestal een ontwikkelaar, leverancier of de interne IT-afdeling nodig. Ontwikkelcapaciteit was schaars en daarmee een natuurlijke rem op nieuwe ideeën. Low-code maakte softwareontwikkeling al toegankelijker. AI haalt die laatste drempel weg.

Voor het eerst kunnen medewerkers zonder programmeerkennis complete bedrijfssoftware bouwen. Niet alleen een klein hulpmiddel, maar toepassingen die processen ondersteunen, documenten verwerken, data analyseren en systemen met elkaar verbinden. Wat voorheen een serieus softwareproject was, kan nu in een middag worden gebouwd.

Maar de impact beperkt zich niet tot de business. Ook professionele softwareontwikkeling verandert fundamenteel. Ontwikkelaars bouwen sneller, leveranciers leveren meer functionaliteit in minder tijd en maatwerk wordt goedkoper. Daardoor neemt niet alleen het aantal mensen dat software kan bouwen toe, maar ook de totale hoeveelheid software die organisaties produceren en aanschaffen.

Maar deze ontwikkeling heeft ook een keerzijde.

Stel dat iedere medewerker een professionele 3D-printer krijgt

Om uit te leggen waarom, wil ik een gedachte-experiment met je doen.

Stel dat je een productiebedrijf hebt met een complexe productielijn. Machines sluiten naadloos op elkaar aan, processen zijn zorgvuldig op elkaar afgestemd en iedere schakel heeft invloed op het eindproduct.

Jarenlang mochten alleen gespecialiseerde engineers wijzigingen aan die productielijn doorvoeren. Dat was soms traag en kostbaar, maar had ook een belangrijk voordeel: iedere wijziging werd beoordeeld in relatie tot de rest van de fabriek. Past dit onderdeel wel? Heeft deze aanpassing gevolgen voor andere machines? Blijft de kwaliteit van het totale proces gewaarborgd?

Stel dat hoogwaardige 3D-printers ineens goedkoop en voor vrijwel iedereen beschikbaar worden. Niet alleen de engineers, maar iedere medewerker kan onderdelen ontwerpen en produceren. Dat levert ongetwijfeld goede ideeën op. Mensen op de werkvloer zien vaak als eerste waar processen slimmer of efficiënter kunnen. Het zou vreemd zijn om die creativiteit niet te benutten.

Maar tegelijkertijd ontstaat een nieuw probleem. Niet omdat de ideeën slecht zijn, maar omdat niemand meer vanzelfsprekend het geheel bewaakt. Wie voorkomt dat drie medewerkers hetzelfde onderdeel ontwerpen? Wie zorgt ervoor dat nieuwe onderdelen nog wel op de bestaande productielijn aansluiten? En wie bewaakt uiteindelijk de kwaliteit van het totale productieproces?

Dat is precies de uitdaging waar veel organisaties de komende jaren voor komen te staan.

Wat leert Excel-wildgroei ons over AI?

Hoewel AI nieuw voelt, is het onderliggende vraagstuk dat niet.

Veel organisaties hebben de afgelopen twintig jaar precies hetzelfde meegemaakt met Excel. Vrijwel iedere spreadsheet begon met een goede bedoeling. Finance bouwde een rapportage omdat het ERP-systeem tekortschoot. HR maakte een overzicht voor opleidingen. Operations maakte een eigen planning. Sales hield klantinformatie bij in een bestand dat nét iets handiger werkte dan het CRM.

Geen van die keuzes was verkeerd. Sterker nog, iedere keuze was logisch.

Toch herkennen veel organisaties inmiddels de gevolgen van deze keuzes zonder regie:

• Verschillende versies van dezelfde informatie.

• Dubbele registraties.

• Kritische processen die afhankelijk zijn van één medewerker.

• Rapportages die niet meer op elkaar aansluiten.

  
  

Niemand die nog precies weet welke spreadsheet leidend is. Dat is zelden bewust ontworpen, maar wel zo ontstaan. Niet doordat één beslissing verkeerd was, maar doordat honderden logische beslissingen nooit als geheel zijn bekeken.

Excel was dus nooit het echte probleem. Het ontbreken van regie was dat wel. AI vergroot dit vraagstuk. AI gaat veel verder dan Excel ooit deed. Met Excel maakten medewerkers vooral berekeningen, rapportages en lijstjes. AI stelt medewerkers in staat complete bedrijfsapplicaties te bouwen, inclusief bedrijfsregels, koppelingen, databases en automatiseringen. Waar een Excel-landschap zich over jaren ontwikkelde, kan een AI-landschap binnen enkele maanden ontstaan.

Juist daarin schuilt de grootste kracht én het grootste risico van AI.

Welke risico's ontstaan zonder regie op AI-softwareontwikkeling?

Wanneer steeds meer mensen software bouwen, ontstaat vanzelf een veel grotere variatie aan oplossingen. Afdelingen lossen hetzelfde probleem op verschillende manieren op, bedrijfsgegevens worden op meerdere plekken gebruikt en nieuwe koppelingen ontstaan zonder dat iemand het totale landschap nog overziet. Het gevaar zit niet in één verkeerde beslissing, maar in de optelsom van tientallen goede ideeën.

Dit is het gevaar van software bouwen met AI zonder regie. Voor je het weet:

• verwerken verschillende AI-oplossingen dezelfde bedrijfsgegevens, waardoor de betrouwbaarheid van informatie afneemt;

• bouwen afdelingen vergelijkbare functionaliteit en betaal je meerdere keren voor hetzelfde probleem;

• ontstaan nieuwe afhankelijkheden van oplossingen die door één medewerker zijn gebouwd;

• wordt het steeds lastiger om processen of systemen te veranderen, omdat niemand het totale landschap nog overziet;

• worden privacy-, security- en compliance-risico's pas zichtbaar als oplossingen al in gebruik zijn;

• verdwijnen tijd en budget steeds vaker in het beheren van bestaande AI-oplossingen, in plaats van naar nieuwe innovaties.

  
  

Wie denkt dat dit een theoretisch risico is, hoeft alleen maar naar het gemiddelde Excel-landschap te kijken. Echter, waar Excel-landschappen jarenlang de tijd hadden om uit de hand te lopen, kan een AI-landschap zich in enkele maanden ontwikkelen. Daarmee verandert ook de uitdaging voor organisaties fundamenteel.

Waarom wordt IT-architectuur belangrijker door AI?

Regie houden op alles wat wordt gebouwd is straks belangrijker dan het daadwerkelijk ontwikkelen van software. Dat zie je terug in de vragen die organisaties zichzelf moeten stellen. Niet langer: Kunnen we dit bouwen? Maar: Moeten we dit bouwen? Past deze oplossing binnen ons IT-landschap? Gebruiken we bestaande gegevens of creëren we opnieuw een kopie? Is iemand anders al met hetzelfde bezig? Wie beheert deze oplossing over twee jaar nog?

Dat zijn geen vragen over AI. Dat zijn vragen over architectuur.

Veel organisaties associëren architectuur nog steeds met dikke documenten, ingewikkelde modellen en theoretische discussies. Dat is begrijpelijk, maar doet geen recht aan de rol die architectuur de komende jaren gaat spelen.

Zie architectuur daarom niet als een doel op zich, maar als het instrument om regie te voeren. Het helpt organisaties om vooraf eenvoudige spelregels af te spreken. Welke gegevens zijn leidend? Wanneer bouwen we iets nieuws en wanneer hergebruiken we bestaande functionaliteit? Welke AI-oplossingen mogen bedrijfskritische processen ondersteunen? En wie is verantwoordelijk voor beheer en continuïteit?

Architectuur vraagt om eigenaarschap. Of die rol nu wordt ingevuld door een architect, IT-manager of directeur: iemand moet het overzicht houden en bewaken dat nieuwe oplossingen bijdragen aan het geheel. Het resultaat is een IT-landschap waarin nieuwe oplossingen op elkaar blijven aansluiten, in plaats van naast elkaar te ontstaan. Daardoor kunnen medewerkers blijven experimenteren en innoveren, zonder dat het IT-landschap langzaam verandert in een verzameling losse AI-oplossingen.

Conclusie: de bottleneck verschuift van software ontwikkelen naar regie voeren

AI democratiseert softwareontwikkeling én verandert de economische spelregels van software bouwen. Daardoor wordt software niet alleen toegankelijker, maar ook sneller en goedkoper om te maken. Het logische gevolg is dat organisaties de komende jaren veel meer software zullen bouwen en gebruiken dan ooit tevoren.

Daarmee verschuift de uitdaging fundamenteel. Niet software bouwen wordt de bottleneck, maar regie voeren op alles wat wordt gebouwd. Architectuur is het instrument om die regie vorm te geven.

Iedereen kan straks onderdelen voor de productielijn maken. Regie zorgt ervoor dat ze ook op elkaar blijven passen.