De AI-toolstrijd is voorbij — maar of de winnaars er ook echt iets mee kunnen, is een ander verhaal — Software-engineering in het AI-tijdperk · Langzaam AI leren 175

Laten we met de conclusie beginnen. Terugkijkend vanuit medio 2026: de “troon” van AI-tools is niet rondgedraaid tussen vier kanshebbers, maar is opgeëist door Claude Code en Codex — om precies te zijn, zij hebben de categorie “hoge autonomie” veroverd, de categorie die er daadwerkijk voor zorgt dat de end-to-end delivery-cyclus wordt verkort. GitHub Copilot staat nog steeds op nummer één qua werkplek-adoptie met 29%, maar dat wordt gedragen door de inertie van enterprise-inkoop; de groeicurve is al afgevlakt. Cursor is de ervaringskampioen van de vorige generatie, maar de groei vertraagt. Google Antigravity is de derde kracht die via Gemini, cloud en enterprise-compliance de markt probeert te betreden, maar zit na twee maanden nog steeds op 6% — nog steeds aan de startlijn.

In China zijn er momenteel twee partijen die tegelijkertijd “autonome agent-capaciteit + compliance + enterprise-grade implementatie” kunnen leveren: Trae van ByteDance en Qoder van Alibaba (voorheen Tongyi Lingma, in mei 2026 hernoemd). Maar eerlijk is eerlijk: in de categorie “autonome agenten” zitten ze nog een generatie achter op Claude Code en Codex.

Dus deze blogpost beantwoordt niet de vraag “welk hulpmiddel is het sterkst” — dat was een vraag voor 2025, en in 2026 is die alweer achterhaald. Dit jaar draait het bij het kiezen van tools om drie andere vragen, en elke volgende is makkelijker over te slaan dan de vorige:

Hoeveel autonomie kan jouw organisatie aan? Hoe hoger de autonomie, hoe meer en dieper de code die het hulpmiddel produceert, en hoe hoger de eisen aan jouw reviewcapaciteit. Zonder die vangnetten een autonome agent inzetten, is als een grote motor in een auto zonder remmen bouwen.
Mag jouw code het land uit? Dit is een harde beperking in financiële diensten, telecom, overheid en defensie. Het bepaalt direct of je cloudtools zoals Claude Code of Codex kunt gebruiken die code naar het buitenland sturen.
Denk je dat de levering sneller wordt omdat je een tool hebt gekocht? Waarschijnlijk niet. AI versnelt het coderen, maar coderen is in sterk gereguleerde sectoren vaak slechts het goedkoopste, kleinste onderdeel van end-to-end levering.

Als je deze drie vragen helder hebt, is dat tien keer belangrijker dan piekeren over “Cursor of Claude Code”. Hieronder wordt het stap voor stap uitgesplitst.

1. De troon is voor twee, niet voor vier

Kijk eerst naar het JetBrains-onderzoek van januari 2026 — dit is momenteel het nieuwste en grootste marktaandeelonderzoek naar tools (meer dan tienduizend professionele ontwikkelaars, acht talen). De cijfers zien er zo uit:

Tool	Bekendheid	Adoptie op de werkvloer	Jaar-op-jaar trend
GitHub Copilot	76%	29%	Stagnerend (gedragen door inkoopintertia; 56% bij bedrijven met 10.000+ medewerkers)
Cursor	69%	18%	Groeitempo neemt af
Claude Code	57%	18%	In 9 maanden van 3% naar 18% (6x); Noord-Amerika 24%; CSAT 91, NPS 54 (hoogste in de categorie)
OpenAI Codex	27%	3%	Versnelt (ten tijde van het onderzoek was de desktopversie nog niet uitgebracht; later gegroeid naar 5+ miljoen wekelijkse actieve gebruikers)
Google Antigravity	—	6%	Nieuwkomer (gelanceerd november 2025, binnen twee maanden naar 6%)
JetBrains Junie CLI	—	5%	LLM-neutraal, met eigen model

Databron: JetBrains AI Pulse Survey, januari 2026, 10.000+ ontwikkelaars.

Alleen al naar de adoptiegraad kijken, zou je denken dat Copilot nog steeds de koning is. Maar adoptie is een achterblijvende indicator: het meet hoeveel licenties er in het verleden zijn verkocht, niet waar de momentum van de komende twaalf maanden ligt. Leg je de groeicurves er overheen, dan verandert het beeld: Claude Code ging in negen maanden van 3% naar 18% — de snelste groei in dit onderzoek. Codex stond tijdens het onderzoek pas op 3%, maar in de vier maanden daarna groeide het wekelijks actieve gebruikers van 3 miljoen naar meer dan 5 miljoen (openbaar bevestigd door Sam Altman / OpenAI). De maandelijkse npm-downloads van Codex CLI stegen van 82.000 in april 2025 (de lanceermaand) naar 41,8 miljoen in mei 2026 — een groei van 510× (gedetailleerde cijfers van gradually.ai). De geannualiseerde omzet van Claude Code ging in negen maanden van 0 naar 2,5 miljard dollar (zoals bekendgemaakt in Anthropic’s Serie G-ronde van februari 2026). Deze twee curven vertonen een helling die we in de geschiedenis van developer tools vrijwel nooit hebben gezien.

De curve van Copilot en Cursor ziet er heel anders uit. De 29% van Copilot wordt gedragen door grote ondernemingen die de compliance al hebben doorlopen en meerjarige contracten hebben getekend. Nieuwe seats zitten vast in het inkoopproces, en als ontwikkelaars willen overstappen naar Claude Code, moeten ze een apart budget aanvragen — dus Copilot blijft nummer één, maar de groei is vrijwel vlak. Cursor staat met 18% gelijk aan Claude Code, maar het verschil is dat Cursor afkoelt vanaf een hoog niveau, terwijl Claude Code juist opstijgt vanaf een laag niveau. Twee totaal verschillende trajecten. De geannualiseerde omzet van Cursor is begin 2026 al op 2 miljard dollar uitgekomen (met een team van iets meer dan 50 mensen, een ARR per persoon van rond de 40 miljoen dollar — de snelste applicatielaag-SaaS die ooit de 100 miljoen dollar ARR haalde). Het is nog steeds de meest soepele ervaring, de favoriet van het internet- en startup-ecosysteem, maar het plafond is zichtbaar.

Antigravity is de enige op deze lijst die niet in de hoofdrol staat, maar die je niet mag negeren. Het is de “agent-first” programmeertool die Google in november 2025 lanceerde, speciaal gebouwd voor Gemini 3; op Google I/O 2026 werd het geüpgraded naar 2.0 en uitgegroeid tot een volwaardig agentic ontwikkelplatform met desktopclient, CLI en SDK. Het leunt op drie dingen die niemand anders heeft: de Gemini-modellen, de enterprise-compliancebasis van Google Cloud, en de realtime zoekindex van Google Search. Een penetratie van 6% binnen twee maanden laat zien dat het snel opkomt, maar 6% blijft 6% — het staat nog aan de start, nog niet op de troon. Voor je toolingkeuze in 2026 hoef je er niet op te wachten, maar neem “Google gooit zijn enterprise-spierkracht in de strijd” wel mee in je langetermijninschatting: het eindveld in deze categorie bestaat mogelijk niet uit vier spelers, maar uit “twee sterke partijen + één goed gefinancierde achtervolger”.

Zet je deze vijf partijen in één coördinatensysteem, dan blijken ze helemaal niet op dezelfde baan te zitten:

Eén plaatje zegt genoeg: deze tools liggen op één diagonale lijn — hoe verder naar rechtsboven, hoe groter de capaciteit, maar ook hoe hoger de eisen aan governance en review. Dus begin niet met modelbenchmarks bij je toolkeuze, maar bepaal eerst op welk niveau je organisatie staat qua governance. Claude Code en Codex bezetten de rechterbovenhoek qua capaciteit, maar stellen ook de hoogste eisen aan je remsysteem; Copilot zit linksonder, met de laagste drempel en het minste risico — maar levert ook het minst waarschijnlijk een “generatiesprong” in productiviteit op.

Twee: de licenties zijn gekocht, maar waarom is de delivery niet sneller — de bottleneck zit in validatie, niet in coderen

Dit volgende stuk behandelt wat de meeste selectieartikelen overslaan, maar waar gereguleerde sectoren het meeste geld aan uitgeven.

Ik heb AI-trainingen gegeven aan telecomoperators en volg al lang digitale teams in de telecomsector. Eén regionale carrier is me bijgebleven. Die heeft vorig jaar Copilot uitgerold onder het devteam. Bij de evaluatie na zes maanden bleek de end-to-end deliverytijd vrijwel onveranderd. De developers zelf waren wel sneller — de codeertijd was met meer dan dertig procent gedaald — maar een wijziging in een abonnement of een aanpassing in een factureringsregel duurde nog steeds meer dan een maand van aanvraag tot livegang. De verantwoordelijke was niet dom; hij had al lang door dat de bottleneck niet bij het coderen lag. Maar inzicht alleen is niet genoeg: het budget werd gewoon goedgekeurd op basis van het aantal licenties — want in de rapportage naar boven telden alleen “hoeveel developers zijn gedekt” en “hoeveel seats zijn er gekocht”. Dit is het bekendste patroon in grote organisaties: “we weten het wel, maar we kunnen er niets aan doen.” De bottleneck zit niet in bewustzijn, maar in metrieken.

Wat deze maand echt opslokt, is die hele keten van validatiestappen — en die hebben vrijwel niets met code te maken. Een functie die het facturatiemodel raakt, kost misschien twee dagen codeerwerk, maar daarna wacht er nog een hele rij: goedkeuring van de Change Advisory Board (CAB), algoritmeregistratie (als er een model aan te pas komt), classificatie- en beveiligingstoetsing (等保测评, de Chinese graded protection assessment), en een grensoverschrijdende dataoverdrachtsbeoordeling (bij gebruik van buitenlandse modellen of clouddiensten moet je één van drie routes volgen: een veiligheidsbeoordeling, standaardcontracten, of certificering voor persoonsgegevensbescherming). Daarna volgen nog de reconciliatie vóór release en de auditreview. Elk van deze stappen kost enkele dagen tot weken; bij elkaar opgeteld is dat een maand. AI comprimeert dat kleine stukje codeerwerk met 30% — maar dat stukje was al maar een fractie van het hele end-to-end traject.

Hier moet ik expliciet wijzen op een internetbias. Veel artikelen over AI-programmeren beschrijven “validatie” standaard als CI/CD-geautomatiseerde tests, unit tests draaien, linten doorlopen. Dat is de wereld van internetbedrijven. In telecom en financiën betekent “validatie” iets heel anders: algoritmeregistratie, classificatie- en beveiligingstoetsing, grensoverschrijdende dataoverdrachtsbeoordeling, CAB-wijzigingsgoedkeuring, reconciliatie en audit. Dat heeft niets met code te maken, maar kost wel weken per stap. Als je dat wegzet als “testfasen” in één zin, haken lezers uit de financiële en telecomsector onmiddellijk af — hun zwaarste kosten zitten juist dáár, en jij noemt het geen woord.

Deze conclusie is cruciaal voor beslissers: in sterk gereguleerde sectoren kan AI-tools alleen het goedkoopste deel van de hele leveringsketen versnellen. Wil je de end-to-end doorlooptijd verkorten, dan moet je óf de validatiefase aanpakken (de cadans van de Change Advisory Board, de compliance-procedures en de testplanning opnieuw ontwerpen), óf de metrieken veranderen waarmee je naar boven rapporteert. Alleen tools aanschaffen, daar beweegt niets van.

Laten we hier eens de intuïtie “hoe meer tools, hoe beter” onder de loep nemen — het meest contra-intuïtieve feit van H1 2026: hoe meer tools ontwikkelaars gebruiken, hoe minder ze ze vertrouwen.

Uit een JetBrains-enquête van januari 2026 blijkt dat 90% van de ontwikkelaars ten minste één AI-tool gebruikt; met een adoptiegraad van rond de negentig procent is de markt vrijwel verzadigd. Maar uit meerdere onderzoeken in dezelfde periode blijkt dat het vertrouwen van ontwikkelaars in AI-gegenereerde “productieklare PR’s” juist lager ligt dan in 2024 — één bron rapporteert een daling van 40% in 2024 naar 29% in 2026. De enterprise-supportdata van Cursor, Anthropic en OpenAI wijzen allemaal in dezelfde richting: hoe meer tools ontwikkelaars gebruiken, hoe ongemakkelijker ze zich voelen om ze zelfstandig te laten draaien. Dit is een verschuiving in de productieverhoudingen: ontwikkelaars gaan van “zij die code schrijven” naar “zij die code beoordelen” — en de cognitieve last van codebeoordeling is hoger dan die van het schrijven zelf.

Praktische implicatie: wie de komende 24 maanden wint, wordt bepaald door de vraag “of men de vertrouwenskloof kan dichten” — tokensnelheid is daarbij secundair. Cursor investeert in de interactiestroom, Anthropic in het Skills-systeem, OpenAI in parallelle sub-agents — alle drie zetten ze in op “beter uitlegbaar, beter onderbreekbaar, beter terugdraaibaar”, niemand hamert op “sneller”. Als je deze richting niet begrijpt, snap je niet waar de toolcompetitie van 2026 om draait.

Drie: Compliance en enterprise-implementatie: de “volwassenwording” van tools

Hoe sterk de twee troonpretendenten ook zijn, er is één drempel die ze moeten nemen voordat ze jouw organisatie binnenkomen: compliance en enterprise-implementatie. Dit hoofdstuk behandelt een aantal valkuilen waar buitenstaanders snel intrappen en insiders juist van tevoren over vragen. ⚠ In dit hoofdstuk zijn de paragrafen over EU-datareistentie en leveranciersgovernance vooral vanuit Europees/overzees perspectief geschreven — lezers in China die zich alleen afvragen “hoe kom ik mijn code het land uit”, kunnen direct doorspringen naar hoofdstuk vier (de binnenlandse Trae/Qoder) of naar inzicht vier aan het einde.

Claude Code en EU-dataverblijf: de valkuil die je doet denken dat je gedekt bent, terwijl dat niet zo is. Direct de conclusie: via claude.ai of de Anthropic API gaan je data standaard naar de VS; Claude Enterprise, het enterprise-SaaS-abonnement, omvat geen EU-dataverblijf — ook hier geldt standaard Amerikaanse infrastructuur. Dit is de meest voorkomende valkuil. Er is maar één manier om je code binnen de EU te houden: koop niet rechtstreeks bij Anthropic, maar ga via de Europese datacenters van een cloudprovider — het EU-profiel van AWS Bedrock (Frankfurt/Ierland/Parijs) of de EU-regio van Google Vertex AI, waarbij je het model-ID nog moet voorzien van het eu.-voorvoegsel om gedwongen verblijf in de EU af te dwingen. Claude Code kan op Bedrock draaien, met je data binnen je eigen AWS-omgeving, zonder dat het je infrastructuur verlaat — dat is de cruciale enterprise-capabiliteit, maar alleen als je voor deze route kiest. Er is nog een subtiele valkuil: Claude is in juli 2026 in Europa algemeen beschikbaar op Microsoft Foundry, maar de documentatie van Anthropic beperkt de dataverblijf-belofte tot Vertex/Bedrock; Foundry valt erbuiten en wordt alleen gemarkeerd met “Coming 2026” zonder datum. Dus de uitspraak “we hebben Claude Enterprise aangeschaft, dus compliance is geregeld” is in negen van de tien gevallen onjuist — de juiste vraag is “welke verblijfsroute volgen we”, niet “hebben we het gekocht”.

De enterprise-route van Codex is een andere: direct je datacenter in. Op 18 mei 2026 kondigden OpenAI en Dell op Dell Technologies World Dell AI Factory with OpenAI Codex aan — Codex wordt daarmee beschikbaar in on-premises- of hybride-cloudomgevingen, zodat code blijft waar de data al ligt. De CTO van Dell verwoordde het als “bedrijven in staat stellen AI in te zetten waar hun data al staat, en klanten een praktische, veilige route bieden om agents op schaal uit te rollen.” Tel daarbij op dat ChatGPT Enterprise sinds 2025 al EU-data-residency biedt (zowel opslag als inferentie kunnen in Europa blijven), en Codex heeft binnen deze categorie de breedste compliance-dekking: EU-residency in de cloud, Dell on-premises. Dat is ook waarom Codex’s wekelijkse actieve gebruikers in vier maanden tijd van 3 miljoen naar meer dan 5 miljoen kon groeien: het is niet alleen populair bij developers, het komt ook “door de deur” bij grote ondernemingen.

De governance-houding van je leverancier is inmiddels onderdeel van je supply chain-risico — dat is het belangrijkste om te lezen in H1 2026.

Anthropic werd in de eerste helft van 2026 door het Amerikaanse ministerie van Defensie aangemerkt als “supply chain risk” – met een voorlopige rechterlijke uitspraak als gevolg – nadat het bedrijf had geweigerd in te stemmen met een eis van het Pentagon voor “onbeperkt gebruik” van zijn Claude-model. De details achter dit verhaal wegen zwaarder dan de kop doet vermoeden. Het Pentagon wilde dat het leger Claude mocht inzetten “for all lawful purposes“ – dus voor alle wettige doeleinden, zonder beperkingen. Anthropic-CEO Dario Amodei trok twee duidelijke grenzen: geen grootschalige binnenlandse surveillance, geen volledig autonome wapensystemen. Na het stuklopen van de onderhandelingen gaf Trump op 27 februari 2026 via Truth Social opdracht aan alle federale instanties om “onmiddellijk te stoppen” met het gebruik van Anthropic-technologie. Minister van Defensie Hegseth kondigde aan dat “elke aannemer, leverancier of partner die zaken doet met het Amerikaanse leger, geen enkele commerciële relatie met Anthropic mag onderhouden”. Begin maart werd Anthropic officieel op de lijst van supply chain risks geplaatst. Anthropic spande daarop een rechtszaak aan (bij de federale rechtbank voor het noordelijke district van Californië). Op 26 maart verleende rechter Rita Lin een voorlopige voorziening. In haar uitspraak schreef ze: “Het dossier wijst sterk in de richting dat de aanwijzing van Anthropic als supply chain risk een voorwendsel is (pretextual), en dat de werkelijke motivatie van de overheid neerkomt op illegale vergelding.”

Het meest intrigerende contrast is dit: op exact dezelfde dag dat Anthropic weigerde, kondigde OpenAI een gebruiksvoorwaardenovereenkomst aan met het Pentagon. De ene trok een grens en verloor een militaire opdracht; de andere zette zijn handtekening en kreeg het militaire contract. Ik oordeel niet over wie gelijk of ongelijk heeft. Of je voor Claude Code of Codex kiest, je kiest niet alleen voor een model, maar ook voor de vraag of dat bedrijf bereid is commerciële offers te brengen voor zijn waarden. In 2026, met een onzeker tempo van technologische ontkoppeling tussen China en de VS, zijn de governance-positie van een leverancier, het databeleid en de veerkracht van de toeleveringsketen net zo belangrijke selectiecriteria geworden als functionaliteit en prijs.

4. Binnen China zijn Trae en Qoder degenen die het aankunnen — maar autonome agenten zijn nog een generatie verwijderd

Voor financiële instellingen, overheidsdiensten, defensie en een aanzienlijk deel van de kernsystemen in de telecomsector geldt: code mag simpelweg het land niet verlaten. Dit hoofdstuk gaat over binnenlandse oplossingen. De partijen in China die tegelijkertijd “autonome agenten + compliance + enterprise-ready implementatie” vooruit weten te brengen, zijn op dit moment Trae van ByteDance en Qoder van Alibaba. Ik leg hun enterprise-edities hier open en bloot voor je neer.

Trae (ByteDance) — de meest vooruitstrevende autonome agent onder de Chinese aanbieders. De enterprise-editie van Trae CN werd in december 2025 officieel gelanceerd. Intern bij ByteDance gebruikt meer dan 92% van de engineers het platform, en het aantal geregistreerde gebruikers van de persoonlijke editie is inmiddels de 6 miljoen gepasseerd. De enterprise-uitrol is serieus aangepakt: er zijn twee implementatievormen — de standaard “Enterprise Edition” en de “Enterprise Exclusive Edition”. De eerste is gestandaardiseerd en vereist geen eigen beheer; de tweede biedt een hoger niveau van beveiligingsisolatie en is bedoeld voor organisaties met strikte compliance-eisen die via een privénetwerk moeten werken. Op het gebied van beveiliging: end-to-end encryptie van code, zero-storage in de cloud, modellen worden niet getraind op klantdata, en er worden geen logs bewaard. Qua prestaties ondersteunt het indexering van extreem grote repositories — tot 100.000 bestanden en 150 miljoen regels code — met milliseconden-respons via een enterprise-grade GPU-cluster. Het integreert met interne kennisbanken en het MCP-protocol, waardoor codegeneratie, code review en testen naadloos in je bestaande CI/CD- en DevOps-pijplijn passen. SSO, een efficiëntie-dashboard (met tracking van AI-generatiepercentage en AI-codevolume), uitgavenlimieten en gebruiksmonitoring — het zit er allemaal in. Daarnaast hanteert het een typisch ByteDance-strategie: de consumentenversie is permanent gratis, waarmee ze een groeivliegwiel creëren. Ook de SOLO-modus — een alles-in-één werkruimte met editor, terminal, browser en documentatie, waarin je een opdracht geeft en de agent zelf plant, codeert, debugt en deployt — is gratis beschikbaar. Dat is hun kernwapen in de concurrentiestrijd met Claude Code en Cursor op het gebied van autonomie. In de praktijk draait het al bij teams zoals Huifu (digitale betalingen) en Douyin Life Services. Bij Huifu werd het in september 2025 uitgerold naar meer dan honderd ontwikkelaars, met een piekgebruik van meer dan 70%.

Qoder (Alibaba, voorheen Tongyi Lingma) — de meest volwassen enterprise-tiering en de soepelste binnenlandse tech-stack. In mei 2026 hernoemde Alibaba Cloud Tongyi Lingma officieel naar Qoder CN, en groeide het uit van een IDE-plugin tot een volwaardig all-scenario-platform voor coding, office, terminal en mobiel. De enterprise-editie kent twee duidelijke lagen: de Enterprise Standard Edition werkt met een per-seatlicentie, is direct bruikbaar, en biedt uniforme accountautorisatie, statistische dashboards en audittrails. De Enterprise Dedicated Edition (VPC) is bedoeld voor organisaties met strikte compliance-eisen: private deployment binnen de VPC, data blijft binnen het bedrijfsnetwerk, SSO, een organisatie-specifieke knowledge base, custom model fine-tuning, geavanceerde code-audit, een SLA van 99,9%, een dedicated technisch adviseur en 24/7 support. Native ondersteuning voor meerdere binnenlandse modellen — Qwen, GLM, DeepSeek, Kimi, MiniMax — met eenvoudige omschakeling, en data verlaat nooit de landsgrenzen; dit sluit aan bij de Chinese Cybersecuritywet en Databeschermingswet. Waarom dit bij jou in telecom en financiën zo goed past: je infrastructuur draait waarschijnlijk al op Alibaba Cloud, en Qoder’s accountstructuur, RAM-rechten en Yunxiao enterprise management zijn al aanwezig — de migratie- wrijving is minimaal.

Na twee voorbeelden is het tijd voor een realitycheck: op het gebied van ‘autonome agents’ loopt de Chinese generatie nog een generatie achter op de VS. De enterprise-edities van de grote aanbieders (privatisering + algoritme-registratie + Xinchuang-aanpassing) hebben hun compliance-clearance vrijwel allemaal doorlopen — dat is niet waar het verschil zit. Het echte verschil zit in autonomie: Claude Code kan zelf tientallen bestanden wijzigen, shell-commando’s draaien, Git beheren en pull requests aanmaken; Codex kan meerdere sub-agents parallel laten werken op geïsoleerde kopieën en de resultaten vervolgens samenvoegen. Deze lange-keten, hoog-autonome uitvoeringscapaciteit is waar Trae en Qoder nog achteraan zitten — Trae probeert het met de SOLO-modus, maar de kloof blijft bestaan, vooral bij complexe redeneringen en langdurige autonome uitvoering. Dus voor de vraag ‘volwassen teams in sterk gereguleerde sectoren willen autonome agents + code die het land niet verlaat‘ is de Chinese oplossing momenteel slechts half bevredigend: compliance is geregeld, maar de agents zijn een generatie achter. Die kloof is op zichzelf een kans — en precies de reden waarom je hier bewust tijd in moet steken om een implementatiepad te ontwerpen, in plaats van simpelweg een tool aan te schaffen.

Baidu’s Wenxin Kuaima Comate (Agent Hub + code-graaf, sterk in grote projecten en hoog-compliance-scenario’s) en Zhipu’s CodeGeeX (brede taalondersteuning, maar zwakkere agents) kunnen ook als alternatief dienen, afhankelijk van je specifieke use case — daar ga ik hier niet verder op in.

Vijf: Hoe kies je: volwassenheid × grensoverschrijdende beperkingen

Vat de voorgaande vier secties samen tot één bruikbare selectielogica. Kijk eerst naar twee dimensies; beide zijn onmisbaar.

Dimensie één: organisatorische volwassenheid, die bepaalt hoeveel autonomie je aankunt. Organisaties die net beginnen (ontwikkelaars die nog weinig met AI werken, zonder volwassen code review- en teststandaarden) starten het beste met een laag-autonomie aanvultool zoals Copilot: laagdrempelig, minimaal risico, en het went mensen eerst aan AI-samenwerking. Organisaties met een basisniveau (ontwikkelaars die al met AI werken, met basale engineering-standaarden) kunnen overstappen op Cursor of de Chinese tools Trae / Qoder; de betere gebruikerservaring levert daar direct meer productiviteitswinst op. Volwassen organisaties (sterke engineeringteams met code review, geautomatiseerde tests, security scanning en canary releases op orde) zijn pas klaar voor hoog-autonome agents zoals Claude Code en Codex. Waarom volwassenheid de drempel is: hoe meer autonomie, hoe groter de hoeveelheid code die de tool produceert en hoe dieper de wijzigingen ingrijpen – en dus hoe hoger de eisen aan jouw review- en verificatiecapaciteit. Het onderzoek van Pragmatic Engineer geeft een harde realiteit: bij bedrijven met minder dan 10.000 medewerkers kiest 75% voor Claude Code; bij bedrijven met meer dan 10.000 medewerkers blijft 56% bij Copilot. Dit is geen voorkeur, dit is organisatorische capaciteit.

De tweede dimensie: de governance-ondergrens, die bepaalt welke toolklasse binnenkomt. Of code het land mag verlaten, is de eerste horde. De clouds van Claude Code, Codex, Cursor en Copilot sturen code naar het buitenland; code van financiële instellingen, overheidsdiensten, defensie en bepaalde telecomkernsystemen mag simpelweg het land niet uit. Dus “bedrijfsbreed uitrollen” is in sterk gereguleerde sectoren eigenlijk geen reëel scenario — je rolt niets uit voordat je de tool-goedkeuring (clearance) hebt doorstaan. Voor code die wél het land mag verlaten, heeft Claude Code de hoogste capaciteit en Codex de breedste enterprise-compliance-dekking; voor de kernsystemen waar code niet naar buiten mag, gebruik je Trae of Qoder in de enterprise-editie (VPC-privatisering) als basis, en vul je per scenario aan met 文心快码 of CodeGeeX.

Vat de voorgaande secties samen tot één beslissingspad — drie vragen, vier routes:

Hoe dit pad werkt: vraag eerst of code het land mag verlaten (niet → binnenlandse geprivatiseerde oplossing als basis, maar autonome agents zijn nog een generatie achter); vraag dan naar organisatorische volwassenheid (geen remmen gemonteerd → geen autonome agents); en vraag ten slotte of je end-to-end autonome agents wilt (ja → Claude Code / Codex als de twee sterkste). Let op die “generatiekloof” bij de eerste splitsing: in sterk gereguleerde sectoren is de combinatie “autonome agent-capaciteit + code blijft binnenlands” voor volwassen teams momenteel een onvervulde behoefte — en die lacune is op zichzelf een kans.

Voordat een decision tree zijn weg naar jouw organisatie vindt, is het verstandig om eerst je eigen volwassenheid te scoren aan de hand van drie criteria (je bent er in 30 seconden doorheen, en het beantwoordt precies Q2):

① Gebruikt meer dan 50% van je developers AI minstens één keer per week? (Het branchegemiddelde is dat 90% het ooit heeft geprobeerd, maar “minstens één keer per week” is pas een betrouwbare activiteitsindicator.)
② Heb je verplichte code review én geautomatiseerde testdekking van meer dan 60%? (De “+” bij dekking betekent dat de tests AI-geschreven code ook echt tegenhouden, niet dat ze alleen regels aanraken.)
③ Is canary releasing de standaard werkwijze? (Niet “we hebben het één keer gedaan”, maar “nieuwe features gaan standaard via canary”.)

Alle drie waar = volwassen, dan kun je met de linkerkolom aan de slag: Claude Code / Codex. Eén of twee waar = je hebt een basis, dan zit je in de band van Cursor / Trae / Qoder. Geen enkele waar = je staat aan het begin, start dan met Copilot of een lokale private deployment als fundament, en zorg dat de remmen erop zitten voordat je over upgrades praat.

Een pragmatische combinatie: voor wat buiten de landsgrenzen mag, gebruik je Claude Code voor de lastige stukken, Codex voor bulk-parallelle taken, en Copilot voor brede dekking en aanvulling. Voor de kernsystemen die niet buiten de grenzen mogen, zet je de enterprise-editie van Trae of Qoder in als basis. Maar zet niet alles op één kaart — het MCP-protocol maakt interoperabiliteit tussen meerdere tools steeds realistischer, en een multi-vendor strategie is inmiddels zowel technisch haalbaar als compliance-technisch noodzakelijk. De “best practices voor senior engineers” van Pragmatic Engineer laten precies dat zien: 70% gebruikt tegelijkertijd 2 tot 4 tools en schakelt per situatie.

Daarmee staat het raamwerk. Maar de concrete combinatie hangt af van jouw exportgrenzen, volwassenheid en sector — die laag kun je niet in één artikel voor iemand invullen, dat hangt van de werkelijke situatie in jouw bedrijf af. Daarom staat mijn contactinformatie ook onderaan dit artikel.

Zes: hoe autonomer, hoe zwaarder het governance — zet geen grote motor in een auto zonder remmen

Naarmate de capaciteit omhooggaat, stijgt ook de prijs die je betaalt in de vorm van review-werk. CodeRabbit analyseerde eind 2025 in een rapport 470 open-source GitHub-PR’s en concludeerde dat AI-gegenereerde code 1,7 keer zoveel defecten bevat als puur handgeschreven code (gemiddeld 10,83 versus 6,45 per PR), en dat beveiligingskwetsbaarheden per subcategorie 1,82 tot 2,74 keer hoger liggen (XSS 2,74×, onveilige directe objectreferenties 1,91×, onjuiste wachtwoordverwerking 1,88×, onveilige deserialisatie 1,82×). Apiiro’s scan van Fortune 50-repositories in september 2025 (data van december 2024 tot juni 2025) leverde nog concretere cijfers op: AI-gegenereerde code deed het maandelijkse aantal beveiligingsbevindingen exploderen van ongeveer 1.000 naar meer dan 10.000 (een vertienvoudiging), met een stijging van 322% in privilege-escalatiekwetsbaarheden en 153% in architectuur-ontwerpfouten; in dezelfde periode daalden syntaxfouten met 76% en logische bugs met 60% (dus ontwikkelaars hebben het gevoel dat ze sneller werken, terwijl de gevaarlijke kwetsbaarheden stilletjes toenemen). Deze cijfers zeggen niet dat AI-geschreven code onbruikbaar is; ze zeggen dat AI meer en sneller code produceert, en dat defecten en kwetsbaarheden evenredig meestijgen. Zodra de output van zo’n tool in volume toeneemt, wordt de review-last snel opgestuwd — code groeit sneller dan de review-bandbreedte, en het middenkader raakt snel verzadigd.

Deze twee datapunten samen vertellen één verhaal: je productietools zijn sneller geworden, maar je reviewcapaciteit is niet meegegroeid — je bouwt in een hoger tempo een gevaarlijkere schuld op. Dat geldt in het bijzonder voor autonome agents. Tools zoals Claude Code kunnen zelf tientallen bestanden wijzigen en pull requests indienen; de bovengrens van hun kunnen is extreem hoog, maar daarmee ook de kans op ontsporing. Carlini documenteerde in januari–februari 2026 een veel geciteerd voorbeeld — Anthropic-onderzoeker Nicholas Carlini liet 16 Claude Opus 4.6-agents twee weken lang parallel draaien, met ongeveer 2.000 sessies en ruwweg 20.000 dollar aan API-kosten. Ze schreven vanaf nul een Rust-gebaseerde C-compiler van 100.000 regels, die de Linux 6.9-kernel compileert (x86/ARM/RISC-V), 99% van de GCC torture-tests doorstaat, en FFmpeg/Redis/PostgreSQL/QEMU/Doom draaiende krijgt. Die mate van autonomie in een organisatie zonder code review, zonder geautomatiseerde tests, zonder security scanning en zonder gefaseerde uitrol — dat gaat vroeg of laat mis.

Dus voordat je autonome agents inzet, bouw je eerst vier dingen: verplichte menselijke code review (AI-PR’s zijn niet vrijgesteld van review), geautomatiseerde tests (na een AI-wijziging moet alles nog draaien), security scanning (AI-code wordt gescand volgens dezelfde normen als menselijke code), en gefaseerde uitrol (AI-wijzigingen gaan eerst in een klein percentage live). Deze vier vormen het remsysteem. Installeer eerst de remmen, praat dan pas over hoe groot de motor mag zijn. Dit verklaart ook waarom ik organisatorische volwassenheid als eerste dimensie in de selectie zet — volwassenheid betekent in de kern: hoe compleet is jouw remsysteem.

Nog een gemakkelijk over het hoofd geziene valkuil: schaduw-AI — AI-tools die medewerkers zelf gebruiken zonder dat IT dit heeft goedgekeurd. Uit een onderzoek van JetBrains van januari 2026 blijkt dat 90% van de ontwikkelaars al AI-tools gebruikt; meerdere sectoronderzoeken wijzen op dezelfde conclusie: de meeste ontwikkelaars geven toe op het werk AI-tools te hebben gebruikt die niet formeel door IT zijn goedgekeurd (UpGuard noemt voor 2025 een orde van grootte van 80%). Je denkt nog bezig te zijn met het selecteren van tools, maar je ontwikkelaars plakken allang code in allerlei buitenlandse tools die niet aan de compliance-eisen voldoen. Uit het onderzoek van Pragmatic Engineer van februari 2026 komt een nog zorgwekkender cijfer: 56% van de senior engineers zegt dat ze voor meer dan 70% van hun engineering-werk afhankelijk zijn van AI-tools — dit is niet “AI gebruiken om een paar regels code te schrijven”, maar “AI is inmiddels de standaardmanier van werken”. Als jij geen conforme tools aanbiedt, gebruiken ze niet-conforme. De prijs van schaduw-AI is veel hoger dan een paar licenties die IT misloopt — het betekent tegelijkertijd verlies van compliance-controle, verlies van grip op intellectueel eigendom en het risico op lekkende code.

Zeven: Wat dit betekent voor beslissers

Inzicht 1: De keuze is een organisatorische beslissing, geen technische. Je kiest niet zomaar een tool; je kiest hoe je organisatie werkt. Kiezen voor Copilot betekent “mens centraal, AI als assistent”; kiezen voor Claude Code betekent “AI autonoom, mens houdt toezicht”. Die twee routes stellen volledig andere eisen aan je organisatie. De grootste kostenpost bij een verkeerde keuze is dat je organisatie gedwongen wordt te werken op een manier die je niet aankunt; het abonnementsgeld is het probleem niet. De eerste stap is om de keuze van een technische beslissing van de CTO naar een organisatorische beslissing op het niveau van CEO/COO te tillen.

Inzicht 2: Hoe meer autonomie, hoe zwaarder het governance; installeer eerst de rem. Voordat je autonome agents inzet, mogen code review, geautomatiseerde tests, security scanning en gefaseerde uitrol geen van alle ontbreken. De data van CodeRabbit – 1,7x meer defects en 1,82–2,74x meer security vulnerabilities – is de meest directe waarschuwing tegen het “zonder bescherming live gaan met agents”. Voordat je capaciteiten uitrolt, moet governance eerst operationeel zijn.

Inzicht 3: In sterk gereguleerde sectoren eerst de ‘tooling clearance’ regelen, dan pas opschalen; en pas tegelijkertijd de meetmethode aan. Denk je dat de bottleneck bij trage oplevering in het coderen zit? Meestal niet, maar in de validatiefase (CAB, registratie, assessments, audits). Maar de metrieken die je aan je leidinggevenden rapporteert – aantal seats, dekkingsgraad, regels code – verbergen juist deze echte bottlenecks, waardoor het budget volledig naar tools vloeit. Om de ziekte van ‘weten maar niet kunnen handelen’ te genezen, moet je de metrieken veranderen: meet AI-ROI niet langer in licenties en regels code, maar in end-to-end doorlooptijd, change failure rate, validatiedoorlooptijd en aantal productie-incidenten. Zodra de metrieken veranderen, verschuift het budget van ‘meer seats kopen’ naar ‘de validatiefase aanpakken’.

Inzicht 4: Het governance-standpunt van je leverancier is inmiddels onderdeel van je supply chain-risico. Anthropic wordt als supply chain-risico gezien omdat het weigert onbeperkt gebruik door het leger toe te staan, terwijl OpenAI op dezelfde dag een contract met het leger tekende. Bij het selecteren van een tool gaat het niet alleen om functionaliteit en prijs, maar om drie dingen: het databeleid (wordt code bewaard en zo ja, hoe lang?), de compliance-houding (in hoeverre wil de leverancier meewerken aan jouw toezichtsvereisten, en is hij bereid daar commerciële offers voor te brengen?) en de veerkracht van de keten (leg je lot niet in handen van één buitenlandse leverancier). Meerdere leveranciers is geen luxe, maar een harde eis voor risicobeheersing. (Voor beslissers in telecom, financiën en overheid in China geldt: je primaire beperking is datalokalisatie en grensoverschrijdende dataoverdracht, niet het governance-standpunt van de leverancier — dat laatste is eerder een westerse invalshoek. Laat het niet de boventoon voeren.)

Inzicht 5: Het vertrouwenstekort is het echte strijdtoneel voor de komende 24 maanden. Je developers gebruiken inmiddels AI, maar hun vertrouwen in AI-output is juist lager dan twee jaar geleden (gedaald van 40% naar 29%). Dat betekent dat je bij het evalueren van tools op één extra punt moet letten: durf je de code die het genereert los te laten? Het moet uitlegbaar, onderbreekbaar, terugdraaibaar en traceerbaar zijn.

Zelfcontrole (wees eerlijk bij het beantwoorden): Kies je tools omdat je eerst nadenkt over “welke mate van autonomie kan mijn organisatie eigenlijk aan?”, of omdat je koopt wat op dit moment populair is? Voordat je autonome agents inzet: zijn je code review, tests, security scans en canary-releases op orde? Als je de ROI van AI-programmeren aan de raad van bestuur rapporteert, gebruik je dan het aantal seats of de end-to-end doorlooptijd? Kan de code van je kerndomein het land uit, en is er een lokaal alternatief? Heb je de governance-positie en het databeleid van je leverancier geëvalueerd? Wordt je team steeds meer of juist steeds minder vertrouwend op AI-output? — Als je bij één van deze zes vragen moet slikken, dan moet je selectiekader nog een revisie door.

Volgende stap

In het volgende artikel (deel 5) kijken we naar de andere helft van het tool-ecosysteem — hoe app-generatoren en AI-IDEs (Bolt, Lovable, Replit, v0) het concept “ontwikkelen” zelf herdefiniëren. Ze verlagen de toetredingsdrempel voor ontwikkeling tot bijna nul, maar de drempel voor security en compliance mag absoluut niet meezakken — dat is een andere, stillere shadow-AI-crisis die zich nu voltrekt.

Wil je dit kader in jouw bedrijf toepassen?

Wanneer AI-programmeertools een organisatie binnenkomen, draait het meestal om een paar concrete vragen: welke code en data mogen in het model, welke mate van agent-autonomie past bij het team, hoe ver moet de bestaande validatiepijplijn worden uitgebreid, en met welke metrieken moet de pilot worden beoordeeld.

Momenteel bied ik drie vormen van samenwerking aan:

Over dit bedrijf

Interne training: aan de hand van een concreet project uit uw eigen organisatie werken we aan toolselectie, gebruiksgrenzen, validatieprocessen en de inrichting van governance.

Advies op maat: gericht op één concrete beslissing, bijvoorbeeld of Claude Code geschikt is om in te voeren, hoe Trae of Qoder in een sterk gereguleerde omgeving kunnen worden geïmplementeerd, of hoe u een pilotprogramma van 90 dagen ontwerpt.

Sessies voor management en keynote-lezingen: over AI-programmeren, de verandering van software-engineering, AI-transformatie binnen bedrijven en organisatorische governance.

Dit artikel biedt een algemeen raamwerk. De daadwerkelijke implementatie moet altijd opnieuw worden ontworpen op basis van de datagrenzen, wettelijke vereisten, engineering-maturiteit en bestaande delivery-processen van uw organisatie. Samenwerking kunt u aanvragen via coach@iaiuse.com.

Verder lezen: Het Reclamebord-methodologie v1.0 (Langzaam AI Leren 187), een systematische introductie van het 7-stappenraamwerk voor AI-transformatie binnen bedrijven.

Over deze serie

“Software-engineering in transitie in het AI-tijdperk” is een onderzoeksserie voor CIO’s, CDO’s, CTO’s en digitaliseringsverantwoordelijken in de telecom-, financiële, productie- en e-commercesector. De serie richt zich op de vraag hoe AI-programmeertools van invloed zijn op software-delivery-processen, organisatiestructuren, governance-mechanismen en managementmetrics.

De serie volgt voortdurend academische publicaties, leveranciersdocumentatie en sectorrapporten. De onderzoeksdatabase bevat inmiddels meer dan 200 bronnen. Bij belangrijke conclusies wordt telkens het bewijsniveau aangegeven, waarbij onderscheid wordt gemaakt tussen geverifieerde feiten, claims van leveranciers, sectorwaarnemingen en de eigen redenering van de auteur.

Ik heb bijna 8 jaar ervaring in consultancy en businessanalyse voor grote ondernemingen, onder meer bij IBM, waar ik betrokken was bij projecten in telecom, financiën, verzekeringen en productie. Daarna ben ik doorgegaan aan de frontlinie van carrierproducten, internetproducten en AI-toepassingsontwikkeling, met focus op requirementsanalyse, productontwerp en cross-functionele implementatie.

De inzichten in deze serie over toolselectie, validatieprocessen en organisatorische governance zijn gebaseerd op deze praktijkervaring, en worden gekruist gevalideerd met openbaar onderzoek en branchespecifieke casestudies. Alle inhoud met betrekking tot specifieke projecten is geanonimiseerd; sommige branchescenario’s betreffen redeneringen op basis van typische probleemstellingen. De bijbehorende bronnen staan vermeld onderaan dit artikel.

Referenties (per bron: herkomst + bewijsniveau + standpuntbepaling)

JetBrains AI Pulse Survey 2026.1 (tier 1): 10.000+ professionele ontwikkelaars, 8 talen. GitHub Copilot 76% bekendheid / 29% adoptie op de werkvloer / groei stagneert (56% bij bedrijven met 10.000+ medewerkers); Cursor 69% / 18% / groeitempo neemt af; Claude Code 57% / 18% / 6× groei in 9 maanden, 24% in Noord-Amerika, CSAT 91 / NPS 54; Codex 27% / 3% (pre-desktop); Antigravity 6% (toetreding 2025.11); Junie CLI 5%. 90% van de ontwikkelaars gebruikt minstens één AI-tool; 70% gebruikt er 2–4. https://www.jetbrains.com/research/ai-coding-assistant-usage/

Pragmatic Engineer Newsletter (februari 2026, primaire bron): enquête onder 15.000 ontwikkelaars; Claude Code is met 46% het meest geliefd (vs. Cursor 19%, Copilot 9%); bij bedrijven met minder dan 10.000 medewerkers kiest 75% voor Claude Code, bij bedrijven met meer dan 10.000 medewerkers kiest 56% voor Copilot; 70% gebruikt tegelijkertijd 2–4 tools. https://newsletter.pragmaticengineer.com/p/ai-tooling-2026
Aankondiging Serie G van Anthropic (februari 2026, primaire bron, standpunt van de leverancier): Claude Code ging in 9 maanden van 0 naar een jaarlijkse omzet van 2,5 miljard dollar. Reuters, Forbes, SaaStr en anderen bevestigen dit onafhankelijk van elkaar.
Microsoft FY26 Q1/Q2-resultaten (28-01-2026, rechtstreeks van Microsofts investeerderspagina, leveranciersperspectief): GitHub Copilot heeft 4,7 miljoen betaalde abonnementen, een stijging van +75% jaar-op-jaar (volgens de Q2 FY26-cijfers); Copilot Pro+ persoonlijke abonnementen stegen in Q2 met +77% kwartaal-op-kwartaal. Ongeveer 77.000 zakelijke klanten is het aantal dat in FY24 werd gerapporteerd; FY26-cijfers zijn niet vernieuwd, dus dit cijfer wordt aangehouden met vermelding van de bron.
Cursor / Anysphere Serie D (november 2025, primaire markt): $2,3 miljard aan financiering, waardering van $29,3 miljard. ARR groeide van $100M (januari 2025) naar $2B (februari 2026), de snelste applicatie-laag SaaS die ooit $100M ARR bereikte. Bronnen: CNBC, The Information.
Sam Altman / OpenAI publieke uitspraken (2026.4–6, primaire bron, leveranciersperspectief): Codex wekelijkse actieve gebruikers 3 miljoen (begin april) → 4 miljoen (21 april) → 5 miljoen+ (2 juni, waarvan 20% niet-ontwikkelaars); tokenverbruik maand-op-maand +70%+; Codex CLI npm maandelijkse downloads gestegen van 82.000 in april 2025 (lanceringsmaand) naar 41,8 miljoen in mei 2026 — een groei van 510×. gradually.ai, Neowin en Constellation Research bevestigen dit vanuit meerdere bronnen.
OpenAI × Dell samenwerking (18 mei 2026, primaire bron, leveranciersperspectief): aangekondigd op Dell Technologies World: Dell AI Factory with OpenAI Codex, waarmee Codex wordt ingezet in on-premises/hybride cloud-omgevingen voor bedrijven; omvat Codex + ChatGPT Enterprise. https://openai.com/index/dell-codex-enterprise-partnership
OpenAI EU-dataresidentie (vanaf feb. 2025, uit eerste hand, vanuit leveranciersperspectief): Europese dataresidentie voor ChatGPT Enterprise/Edu/API; vanaf jan. 2026 uitgebreid met in-regio GPU-inferentie (VS/EU). https://openai.com/index/introducing-data-residency-in-europe/
Claude Code op AWS Bedrock + EU-dataverblijf (niveau 1): Claude via claude.ai/Anthropic API gebruikt standaard Amerikaanse infrastructuur; Claude Enterprise (SaaS) biedt geen EU-dataverblijf; voor EU-dataverblijf moet je gebruikmaken van het AWS Bedrock EU-profiel (Frankfurt eu-central-1 / Ierland / Parijs) of Vertex AI EU, met model-ID voorafgegaan door eu.; Microsoft Foundry is in juli 2026 algemeen beschikbaar in Europa, maar de dataverblijf-belofte dekt Foundry niet (“Coming 2026”). compound.law, InfoQ, bespinian. https://www.infoq.com/news/2026/07/claude-foundry-ga-europe
Anthropic–Amerikaans ministerie van Defensie-geschil (2026 H1, niveau 1, nieuwsfeit + juridische documenten): Het Pentagon eiste dat Claude “for all lawful purposes” onbeperkt zou worden gebruikt; Dario Amodei’s grens was geen grootschalige binnenlandse surveillance en geen volledig autonome wapens; op 27-02-2026 gaf Trump opdracht aan federale instanties om het gebruik te staken, en Hegseth classificeerde het als “supply chain risk”; op 04-03 deed het DoD de formele aanwijzing; Anthropic diende op 09-03 een rechtszaak in (ND Cal, 3:26-cv-01996, rechter Rita Lin); op 26-03 voorlopige voorziening (“de redenen zijn waarschijnlijk een voorwendsel, de motivatie is illegale vergelding”); op 08-04 wees het hof van beroep Anthropic’s verzoek om een stay af; op dezelfde dag kondigde OpenAI een akkoord aan met het Pentagon. Mayer Brown, Wikipedia, Arms Control Association, Breaking Defense, CNBC. https://www.mayerbrown.com/en/insights/publications/2026/03/pentagon-designates-anthropic-a-supply-chain-risk-what-government-contractors-need-to-know
TRAE CN Enterprise Edition gelanceerd (18-12-2025, primair nieuws, leveranciersperspectief): 92% van de ingenieurs bij ByteDance gebruikt het; 6+ miljoen geregistreerde gebruikers van de persoonlijke editie; dubbele implementatie van Enterprise Edition + Enterprise Exclusive Edition (Enterprise Exclusive Edition met privénetwerkisolatie); end-to-end encryptie + zero cloud storage + modellen niet trainbaar; indexering van 100.000 bestanden/150 miljoen regels; SSO, efficiëntiedashboards, MCP; implementaties bij Huifu Payment en Douyin Life Services. CSDN, Sina Tech, ZOL (gebaseerd op officiële aankondiging). https://www.csdn.net/article/2025-12-18/156057918
Qoder CN (voorheen Tongyi Lingma) Enterprise Edition (mei 2026, niveau 1, leveranciersperspectief): In mei 2026 werd Tongyi Lingma omgedoopt tot Qoder CN, met een uitgebreide matrix voor codering/kantoor/terminals/mobiel; Enterprise Standard Edition (licentie per zitplaats) + Enterprise Dedicated Edition (VPC-privatisering, data blijft binnen het netwerk, SSO, model fine-tuning, SLA 99,9%, dedicated consultant, 7×24); onderliggende multi-vendor modellen (Qwen/GLM/DeepSeek/Kimi/MiniMax). Alibaba Cloud officiële documentatie. https://help.aliyun.com/zh/lingma/qoder-cn-account-and-subscription
Google Antigravity (november 2025 + I/O 2026, niveau 1): In november 2025 werd de agent-first programmeertool gelanceerd (gebouwd voor Gemini 3, The Verge); op Google I/O 2026 werd versie 2.0 gepresenteerd (een compleet agentic ontwikkelplatform met desktop + CLI + SDK); JetBrains 2026.1 rapporteert een adoptiegraad van 6%. Wikipedia, The Verge, Google officieel.
CodeRabbit (2025.12.17, uit eerste hand): 470 open-source GitHub-PR’s (AI versus menselijk). Totaal aantal defecten 1,7× (10,83 versus 6,45 per PR); beveiligingskwetsbaarheden per subcategorie 1,82–2,74× — XSS 2,74×, onveilige directe objectreferenties 1,91×, onjuiste wachtwoordverwerking 1,88×, onveilige deserialisatie 1,82×; leesbaarheidsproblemen 3×. https://www.coderabbit.ai/whitepapers/state-of-AI-vs-human-code-generation-report
Apiiro (2025.9.4, leveranciersperspectief): scans van repositories bij Fortune 50-bedrijven (dataperiode 2024.12–2025.6). Maandelijkse beveiligingsbevindingen in AI-gegenereerde code stegen van circa 1.000 naar 10.000+ gevallen (10×), privilege-escalatiekwetsbaarheden +322%, ontwerpdefecten op architectuurniveau +153%; syntaxisfouten daalden met 76%, logische bugs met 60%. The Register, Cloud Security Alliance Labs.
GitHub × Accenture-onderzoek (primair, vanuit leveranciersperspectief, GitHub Blog 2024.4): 450+ Accenture-ontwikkelaars, gecontroleerd experiment over 6 maanden. PR’s per persoon +8,69%, merge-percentage +15%, ontwikkelaars behielden 88% van de door Copilot gegenereerde code (na review). Let op: het veelgehoorde “55% sneller” komt uit een ander GitHub-experiment met een kleine steekproef rond een JavaScript-HTTP-servicetaak, en staat los van het Accenture-onderzoek — het wordt vaak ten onrechte aan dit onderzoek toegeschreven.
MIT Economics Working Group-paper (niveau 1): Microsoft-experiment (1.663 personen) PR +12,9%–21,8%; Accenture-experiment (311 personen) PR +7,5%–8,7%. https://economics.mit.edu/sites/default/files/inline-files/draft_copilot_experiments.pdf
Stack Overflow Developer Survey 2025 (niveau 1): 84% van de ontwikkelaars gebruikt AI-tools; JetBrains 2026.1 stijgt naar 90%.
UpGuard 2025 / Journal of Accountancy (secundair): Ongeveer 80% van de ontwikkelaars geeft toe AI-tools te gebruiken die niet door de IT-afdeling zijn goedgekeurd (definitie van shadow AI).
Afnemend vertrouwen van ontwikkelaars (secundair, meerdere bronnen): In 2026 vertrouwt ongeveer 29% van de ontwikkelaars op AI-gegenereerde code, een daling ten opzichte van 40% in 2024; code churn steeg van 3,1% in 2020 naar 5,7% in 2024. Volgens cijfers van onder andere Uvik Software.
Carlini / Anthropic (2026.1–2, primair, eigen onderzoek): Anthropic-onderzoeker Nicholas Carlini liet 16 Claude Opus 4.6-agents twee weken lang parallel draaien, met ongeveer 2000 sessies en ongeveer $20.000 aan API-kosten. Ze schreven vanaf nul een Rust-gebaseerde C-compiler van 100.000 regels, compileerden Linux 6.9 (x86/ARM/RISC-V), haalden 99% op de GCC torture test en draaiden FFmpeg/Redis/PostgreSQL/QEMU/Doom. Bronnen: InfoQ, Anthropic blog.
Anonimiseringsnotitie: De telecomoperator-scenario’s in dit artikel zijn gebaseerd op mijn eigen ervaringen met AI-trainingen en het volgen van digitale teams binnen de telecomsector; alle gegevens zijn geanonimiseerd. De paragrafen over banken, productie en e-commerce — bedoeld om te illustreren dat “dezelfde logica voor andere sectoren geldt” — zijn typische sectoranalyses, geen adviesresultaten van specifieke klanten. Vermeld bij elke verwijzing de anonimisering.