Wat Databaseteams Ontwikkelaars Kunnen Leren Over AI-Codeertools

Laten we eerlijk zijn: elke week verschijnt er wel een nieuwsbericht over AI-tools die sneller code schrijven dan developers. Cursor bouwde SQLite in een paar dagen opnieuw. Softwarefabrieken spuwen pull requests uit in bulk. Het is genoeg om elke developer te laten afvragen of zijn baan op instorten staat.

Maar wat die koppen missen: snelheid is het makkelijke deel. Tools laten code snel schrijven? Dat is triviaal opgelost. Ze laten schrijven wat je daadwerkelijk zou vertrouwen in productie? Dat is het probleem waar niemand over praat.

Cockroach Labs deelde onlangs hun aanpak van deze uitdaging, en het is de moeite waard om te bekijken — vooral als je een startup bent of een developer die nadenkt over het integreren van AI-tools in je workflow.

De vraag van $160.000

In 2024 voegde Cockroach Labs Oracle-databasesupport toe aan hun migratietool, MOLT. Het project duurde negen maanden en kostte zo'n $160.000 aan engineeringtijd. Degelijk, professioneel werk van ervaren engineers.

Toen kwam april. Het team moest ondersteuning toevoegen voor IBM Db2 — een database met een rijk SQL-dialect, complex typesysteem en native wire protocol. Technisch gezien equivalent werk.

Ze deden het in minder dan twee dagen. De totale kosten waren $4.172.

De truc? Geen mens schreef ook maar één regel code.

Voordat je je ontslagbrief begint te schrijven, denk na over wat dit mogelijk maakte: het was niet alleen slimmere tools. Het was een systeem gebouwd rond een radicaal idee — dat de bottleneck niet ligt bij het schrijven van code, maar bij het schrijven van betrouwbare code.

MOLT Sinai: Een Codeerziekenhuis

Cockroach Labs gooide niet zomaar tools op het probleem. Ze bouwden wat ze MOLT Sinai noemen: een pipeline gemodelleerd naar teachende ziekenhuizen waar issues "patiënten" worden, samengevoegde code "ontslag" wordt, en menselijke reviewers "hoofden van geneeskunde" worden.

De woordkeuze is charmant, maar de onderliggende filosofie is bloedserieus:

• Issues zijn patiënten: Elke taak komt het systeem binnen met documentatie, wordt getrieerd, en volgt een gedefinieerd zorgpad
• Decompositie is diagnose: Grote problemen worden opgesplitst in subproblemen met expliciete afhankelijkheidsgrafieken. Fundament eerst, dan typesystemen. Typesystemen eerst, dan row-iterators. Je kunt genesing niet forceren.
• Review isronde: Elk stuk werk wordt onderzocht, teruggestuurd voor revisies (soms 55 keer per parent issue), en geëscaleerd wanneer nodig
• Mensen zijn chief: Eindoordeel blijft bij ervaren engineers die issues naar zichzelf kunnen escaleren wanneer iets verkeerd lijkt

Het gaat niet om het vervangen van artsen — het gaat om het bouwen van een systeem waarin assistenten, medisch specialisten en hoofden allemaal duidelijk gedefinieerde rollen hebben.

Waarom Doorvoer de Verkeerde Metriek Is

Hier gaat het mis bij de meeste AI-codeerexperimenten: ze optimaliseren voor "PRs per uur" of "regels code per dag." Deze metrics voelen opwindend in demos. Ze maken geweldige koppen. Ze zijn zo goed als nutteloos voor daadwerkelijk software verzenden.

Cockroach Labs is er duidelijk over: ze zouden liever hebben dat tools 10x langer duren dan de verkeerde data laten landen in een klantmigratie. Voor een bedrijf wiens hele waardepropositie draait om datacorrectheid, is dit niet zomaar filosofie — het is overleving.

Hun vraag was niet "hoeveel PRs kunnen we mergen?" Het was "hoeveel van deze PRs zouden we ons schamen te mergen?"

Dat is een vraag die meer teams zouden moeten stellen, of ze nu AI-tools gebruiken of niet.

Wat Er Daadwerkelijk Gebeurde

Toen Db2-ondersteuning landde in MOLT:

• 32 sub-issues werden geopend onder de parent issue
• 27 pull requests werden gemerged door de pipeline
• 55 keer stuurden reviewers werk terug voor revisies
• 9 issues werden geëscaleerd, waarvan 2 menselijke interventie nodig hadden
• Testdekking matchte hun best geteste dialect (PostgreSQL)

De tools waren niet perfect. Ze dienden issues in tegen hun eigen werk: fixture gaps, type-mapping bugs, isolation-level fixes. Ze hadden toezicht nodig. Maar dat toezicht was gestructureerd, doelgericht, en geschaald naar de complexiteit van het werk.

Vergelijk dit met een softwarefabriek die tools parallel draait met een merge-afhandelingslaag. Die architectuur heeft zin wanneer de bottleneck snelheid is. Voor correctness-kritiek werk? Je hebt iets nodig dat meer lijkt op een ziekenhuis, niet een fabrieksvloer.

Wat Dit Betekent Voor Jouw Team

Luister, de meesten van jullie bouwen geen databasemigratietools. Jullie bouwen webapps, APIs, interne tools, MVPs voor het volgende grote ding. De inzet is anders.

Maar de les is van toepassing: AI-tools blinken uit in volume, mensen blinken uit in oordeel. De teams die echte waarde halen uit AI-codeertools sturen niet zomaar prompts naar ChatGPT en verschepen de output. Ze bouwen systemen die elk benutten voor wat ze goed kunnen.

Dit kan betekenen:

• Tools gebruiken voor boilerplate, tests en scaffolding
• Review-pipelines bouwen die oppikken wat tools missen
• Tooloutput behandelen als "eerste concept" in plaats van "klaar om te verschepen"
• Mensen betrokken houden bij alles wat klantdata of kernbusinesslogica raakt

De developers die zullen floreren náást AI-tools zijn niet degenen die leren sneller typen. Het zijn degenen die leren systemen te ontwerpen die AI een force multiplier maken in plaats van een aansprakelijkheid.

De Conclusie

MOLT Sinai verwerkte het equivalent van negen maanden engineeringwerk in twee dagen, voor 2,5% van de kosten, met kwaliteit die paste bij mensgeschreven code.

Maar die kop verhult wat er daadwerkelijk gebeurde: een team van mensen bouwde een rigor system, definieerde duidelijke rollen, stelde betekenisvolle checkpoints in, en vertrouwde toen hun tools om binnen dat kader te opereren.

De tools vervingen de engineers niet. Ze versterkten ze.

Dat is geen verhaal over AI dat developers vervangt. Het is een verhaal over developers die systemen bouwen die geavanceerd genoeg zijn om AI goed te gebruiken.

En eerlijk? Dat is de versie van dit verhaal die de moeite waard is om te volgen.

Last van infrastructuur die je vertraagt? Vibe Hosting combineert AI-gestuurde deployment met de betrouwbaarheid die je nodig hebt om snel te shippen zonder angst. Domeinregistratie, SSL-certificaten en cloud hosting — allemaal op één plek.