De vervagende grens tussen 'vibe coding' en serieuze AI-ontwikkeling – En waarom dat zorgwekkend is

Vroeger dachten we dat AI-tools voor coderen netjes in twee hokjes pasten: snelle prototypes of échte professionele ontwikkeling. Die scheiding smelt nu weg. Dat zet vraagtekens bij verantwoordelijkheid, vertrouwen en wat 'productieklaar' nog betekent.

Hoe het begon: Duidelijke regels

De lijnen waren helder.

Vibe coding was puur spelen. Niet-programmeurs lieten AI iets bouwen dat werkte, zonder oog voor kwaliteit. Perfect voor hobbyprojecten of tijdelijke scripts. Gaat het kapot? Jouw probleem, geen drama.

Agentic engineering was voor profs. Ervaren developers gebruikten AI om sneller te werken, met aandacht voor beveiliging, onderhoud en prestaties. Jij bleef de baas; AI was je hulpmiddel.

Mooi op papier. In de praktijk wordt het rommelig.

De realiteit slaat toe

AI-modellen worden eng goed. Zelfs experts slaan reviews over.

Je vraagt Claude om een JSON API met SQL-queries, tests en docs. Uit ervaring weet je: dat lukt. Dus merge je het zonder te kijken.

Eén keer? Oké. Tien keer? Slecht patroon. Honderd keer? Je bent terug bij vibe coding, maar met een titel die je niet verdient.

Het black box-dilemma (dat best logisch is)

Tegenargument: in een groot team check je niet elke regel code van collega's. Je vertrouwt op libraries zonder de bron te lezen. Delegatie werkt.

Waarom? Reputatie en consequenties. Collega’s hebben iets te verliezen.

Bij AI? Geen reputatie, geen baanrisico. Het genereert op basis van trainingsdata.

Toch presteert het steeds beter. Vertrouwen voelt dan bijna normaal.

Het echte gevaar: Gewenning aan risico's

Er is een term uit de techniek: normalization of deviance. Je buigt regels een paar keer zonder ongelukken, en ineens voelt het standaard.

Elke keer dat AI-code zonder check live gaat en perfect draait, kom je dichter bij de crash. Niet omdat AI faalt, maar omdat je normen zakt door te veel succes.

Blijf scherp (en verantwoord)

Bouw je cruciale software? Gebruik dit kader:

1. Risico's inschatten. Niet alles vraagt dezelfde controle. Een config-file is low-risk; authenticatie of betalingen niet.

2. Review slim definiëren. Niet altijd alles lezen. Voor simpele AI-code: tests draaien, logica checken, security spotten, performance snappen.

3. AI als junior team. Vertrouw routineklussen, maar leid architectuur en gevoelige delen. Jij bent de senior.

4. Let op je eigen luie gewoontes. Skip je een review 'omdat het meestal klopt'? Noteer het. Volg falen op met data, niet gemak.

De keiharde waarheid

We zitten in een overgangsfase. AI is indrukwekkend, je productiviteit schiet omhoog. Maar verantwoordelijkheid? Die snappen we nog niet helemaal. De branche zwijgt erover.

Vroeger loste open source dit op met reputatie en transparantie. AI moet zoiets krijgen.

Tot die tijd: jij draagt de last. Blijf alert. Wees eerlijk over checks. Werkt de code? Dat betekent niet dat jij 'm maakte.

Hoe ga jij om met AI-coding tools? Zit je in die grijze zone? Deel het in de comments – deze discussie schrijven we samen.