De verborgen kosten van AI-gegenereerde code

GitHub stelde het in een blogpost over AI-ontwikkeling scherp: de kosten van code schrijven zijn gedaald door AI-tools, maar de kosten van het onderhouden van die code zijn dat niet. Dat klinkt technisch, maar de consequentie is heel praktisch. Een systeem dat je voor een fractie van de prijs laat bouwen, kan je op termijn twee keer zoveel kosten als een systeem dat met oog op de toekomst is opgebouwd. Niet omdat AI slecht is, maar omdat snelle output en doordacht ontwerp twee verschillende dingen zijn.

Schrijven is goedkoper geworden, onderhouden niet

AI-tools zoals GitHub Copilot, Cursor en vergelijkbare assistenten maken het schrijven van code sneller en goedkoper. Routinewerk, standaardpatronen, herhaalbare structuren: een goede AI-assistent doet dat razendsnel. Onderzoek van GitHub zelf laat zien dat ontwikkelaars met Copilot tot 55% sneller taken voltooien die bestaan uit schrijfwerk.

Maar softwareprojecten bestaan voor een groot deel niet uit schrijven. McKinsey schat dat 60 tot 80% van de totale levensduurkosten van software zit in onderhoud, doorontwikkeling en het oplossen van problemen na de eerste oplevering. Dat deel is niet goedkoper geworden door AI. Sterker nog: als de eerste code slecht gestructureerd is, stijgen die kosten.

De valkuil is precies hier: AI genereert werkende code, maar werkende code is niet per definitie goede code. Het verschil zit in leesbaarheid, testbaarheid, modulariteit en de mate waarin een andere ontwikkelaar of een toekomstige versie van het systeem die code begrijpt en kan aanpassen.

Waarom AI-code onderhoud zo duur maakt

Er zijn een paar concrete redenen waarom AI-gegenereerde code de onderhoudskosten kan opdrijven:

• Gebrek aan context. Een AI-model weet niet waarom bepaalde keuzes zijn gemaakt in jouw specifieke situatie. Het genereert op basis van patronen, niet op basis van jouw bedrijfslogica. Dat leidt tot oplossingen die functioneel werken, maar niet aansluiten op hoe jouw proces écht in elkaar zit.
• Geen ingebouwde architectuur. Losse stukken gegenereerde code worden zelden automatisch samengevoegd tot een doordachte structuur. Wie snel wil leveren, bouwt soms een systeem op dat later moeilijk uit te breiden is.
• Technische schuld stapelt zich op. Iedere snelle oplossing die niet zorgvuldig is ingepast, vergroot de technische schuld. Dat is een bekend begrip in softwareontwikkeling: de opgelopen kosten van eerder gemaakte keuzes die later moeten worden rechtgezet. AI versnelt het maken van keuzes, maar vermindert de schuld niet.
• Afhankelijkheid van de eerste bouwer. Als de code slecht gedocumenteerd en moeilijk leesbaar is, zijn bedrijven sterk afhankelijk van de persoon die het origineel heeft gebouwd. Vertrekt die persoon, dan is het systeem in feite een zwarte doos.

Goede maatwerksoftware begint bij het bedrijfsproces, niet bij de technologie. Dat betekent dat er keuzes worden gemaakt over structuur, uitbreidbaarheid en leesbaarheid voordat de eerste regel code wordt geschreven. AI-tools kunnen daarin een rol spelen, als hulpmiddel voor een ervaren ontwikkelaar die de context begrijpt en de keuzes bewust maakt.

Bij Divtag bouwen we in Laravel, Vue en Inertia: een moderne, goed onderhoudbare stack met een grote community en heldere conventies. Niet omdat het de nieuwste of meest gehypte technologie is, maar omdat het ons in staat stelt software te bouwen die over drie jaar nog even goed draait en uitbreidbaar is. We gebruiken AI als ondersteuning bij ontwikkelwerk, niet als vervanging van architectuurbeslissingen.

Wat dit concreet betekent voor MKB-bedrijven

Als je als MKB-bedrijf overweegt om software te laten bouwen, zijn er een paar vragen die de aanbieder moet kunnen beantwoorden:

• Hoe is de code gestructureerd, en kan een andere ontwikkelaar er later mee verder?
• Hoe wordt omgegaan met doorontwikkeling en nieuwe wensen na oplevering?
• Welke technologiekeuzes zijn gemaakt, en waarom?
• Hoe wordt getest, en hoe wordt voorkomen dat aanpassingen bestaande functionaliteit breken?

Als een aanbieder deze vragen niet scherp kan beantwoorden, is de kans groot dat je een systeem koopt dat nu werkt maar over twee jaar vastloopt.