Drie Belgische experts uit drie heel verschillende hoeken zien dezelfde verschuiving gebeuren. Bart Demeulenaere kijkt vanuit de development-ploeg. Dorine Smeets, eveneens Competence Manager bij Elmos met expertise in project management en analyse, ziet het langs de hele software-lifecycle. Charles-Antoine Coget leidt de AI-transformatie bij een grote Belgische verzekeraar en rolt diezelfde aanpak nu uit over acht landen. Ze zien hetzelfde patroon: code is geen rem meer, analyse en business-context wel. De vraag is niet meer hoe snel je iets kunt bouwen. De vraag is of je weet wat je aan het bouwen bent.
Waarom dit nu een verschuiving wordt
Twee jaar geleden was code genereren met AI nog een aardige hulp. Vandaag levert een goed aangestuurde agent in dertig uur op wat eerder een jaar werk vroeg. De ploegen die dit dagelijks meemaken zien hoe een vertrouwde verhouding kantelt: één analist voor vier of vijf developers werkte zolang code typen het zwaartepunt was. Dat zwaartepunt is verdwenen.
"Op het moment dat code maken niet meer de bottleneck is, verschuift de bottleneck naar de analyse. En dat is exact wat enterprises nu vaststellen," observeert Bart Demeulenaere. Hij verbindt het aan een historische evolutie. We zijn van assembly naar C gegaan, van C naar hogere talen en nu naar AI-gegenereerde code. Elke laag erbovenop maakte de systemen complexer, niet eenvoudiger. Hetzelfde gebeurt nu: niet minder werk, ander werk.
Dorine Smeets ziet de andere kant van die snelheid. "AI is te vergelijken met een team van werknemers op cocaïne. Heel veel uitvoeren zonder nadenken," vertelt ze. Snelheid is geen voordeel als de richting fout is. En de richting wordt bepaald door analyse, door de vraag hoe goed je input gestructureerd is voordat de agent eraan begint. Wie geen discipline opzet in hoe hij AI stuurt, kan exponentieel meer verbranden dan vroeger. Het terugdraaien van een fout pad is duurder dan het zorgvuldig opzetten van het juiste.
Charles-Antoine Coget formuleert het scherper dan beide collega's. "Development is nu geen bottleneck meer," zegt hij. In zijn organisatie wordt het gebruik van GitHub Copilot per developer maandelijks gemeten. Wie op nul blijft staan, heeft een gesprek over zijn jaardoel. Niet als straf, wel als signaal dat de manier van werken kantelt. En precies omdat code geen rem meer is, komen andere remmen pijnlijk in beeld: API-design, processen die nooit voor automatisering zijn ontworpen, beslissnelheid in de organisatie zelf.
Wat verschuift in development
In een development-ploeg verandert vooral de verhouding tussen rollen. "De profielen die nu enkel nog maar code willen schrijven vanuit een user story, zullen in de toekomst irrelevant worden," stelt Bart Demeulenaere. Een pure software-ontwikkelaar wordt veel meer de bewaker van code-kwaliteit, van structuur en architectuur. Een analist neemt taken op die dichter bij de developer kruipen. De twee komen elkaar tegen in het midden.
Wat dat concreet betekent: een ploeg die vroeger doorliep op één goed geschreven user story per developer, krijgt nu een agent erbij die honderd keer sneller produceert dan een mens. "Het concept van de agents is wel een enabling concept dat business-automation echt mogelijk maakt," merkt Bart op. Maar de agent heeft context nodig. Functional requirements, specificatiedocumenten, leesbare businesslogica. In een greenfieldomgeving werkt dit vandaag al volledig: hij zou een startup vandaag niet meer organiseren als een klassieke ploeg met manueel typewerk, wel rond agents met een team dat aanstuurt, governance en kwaliteit bewaakt.
In een enterprise-omgeving met legacy ligt het anders. Bestaande codebases, onvolledige documentatie en businesslogica die alleen in mensenhoofden zit, maken end-to-end automatisering nog te risicovol. "AI-tooling is just another part van het enterprise-landschap," zegt Bart. Je test het, je evalueert het, je rolt het gefaseerd uit. Wat wel haalbaar wordt: projecten die vroeger dertig mensen twee jaar vroegen en typisch faalden: refactorings, modernisaties, geleidelijke uitfasering van legacy zonder business-stilstand.
Wat verschuift in business
Bij Charles-Antoine ligt de verschuiving niet meer in de developmentploeg. Die loopt. De rem zit ergens anders. "In 2026 zijn de meeste tools die de meeste bedrijven gebruiken, in de browser," observeert hij. Outlook, het CRM, dashboards, mailboxen. Het werk van een gewone bediende is browser-werk. Een agent die door de browser kan navigeren, mails kan lezen en antwoorden kan draften, raakt elke werknemer. Niet alleen IT.
Een concreet voorbeeld uit eigen huis: een mail-bot verwerkt honderdduizenden mails per jaar. Een klant stuurt een vraag, de bot doet de juiste API-call, het systeem zet de uitgaande communicatie klaar ter controle. Lage faalratio. Hij draait autonoom sinds eind 2024. Wat dit mogelijk maakte, was niet het model. Het was de data eronder en de APIs erboven. Cryptische velden werden hernoemd naar leesbare semantiek. De nachtelijke ETL met vijfendertig A4'tjes onbegrijpelijke statements werd vervangen door realtime event-streams. "Het waren niet de modellen die dit mogelijk maakten, het was onze data die een opknapbeurt nodig had," vat Charles-Antoine samen.
De bottleneck in business is dus geen tool. Het is de combinatie van API-design, data-readiness en de organisatorische wil om processen te simplificeren voordat je ze automatiseert. "Als je je API's wilt ontsluiten met AI, moeten ze bulletproof zijn," stelt Charles-Antoine.
Maar zelfs een bulletproof API lost de andere helft van de bottleneck niet op: de organisatorische weerstand. Wie probeert te blokkeren wat medewerkers willen gebruiken, krijgt een twee-snelheden-organisatie. Charles-Antoine ziet het in slide-vergelijkingen met collega's die hun werk 's avonds op de privé-laptop doen omdat de werkmachine de tools niet toelaat. Verbod werkt niet meer. Het verplaatst alleen waar mensen werken.
Wat de nieuwe heavy lifting is
Hier komt Dorine Smeets binnen. Voor haar is de verschuiving het scherpst voelbaar in de fase die in elke methodologie te kort wordt afgedaan: analyse. "De heavy lifting is eigenlijk het ordenen en structureren," zegt ze. Vragen scherp formuleren. Input afchecken op contradicties. Beslissingen vastleggen, niet alleen eindresultaten. Decision logs die uitleggen waarom een bepaalde knop niet is toegevoegd, omdat hij al in een andere applicatie staat en een API beschikbaar komt.
Dat klinkt klassiek, en dat is het ook. Maar de inzet is veranderd. Wanneer de agent honderd keer sneller bouwt dan een mens, weegt elke onduidelijkheid in de input zwaarder. Een vage user story leidde vroeger tot een ochtend extra werk. Vandaag leidt diezelfde vage user story tot tien implementaties in tien richtingen, tegen reële token-kosten. Het project-management-werk wordt zwaarder, niet lichter. Dependencies tussen user stories. Faseringen. Inplanning van AI-werk naast menselijk werk. Budget-monitoring per project op token-niveau.
Dorine vat de dagelijkse implicatie samen in één rituele verschuiving: "Een daily debriefing gaat nog belangrijker worden dan een daily stand-up." Niet meer alleen vragen wat je vandaag gaat doen. Wel vragen wat je geleerd hebt, hoe je tot een keuze bent gekomen, welke nuances erin zaten. Dat is de enige manier waarop expertise van mensen omgezet wordt in materiaal dat een volgend agentic systeem kan voeden. En het lost meteen het oude kennisborgings-probleem op dat experts altijd te druk zijn om uit te schrijven.
Het profiel dat hierbij hoort, is T-shape. Diepte in één discipline, breedte over de hele lifecycle. Business denkt technischer, technische mensen denken business, ze ontmoeten elkaar in het midden waar AI als versneller dient. Dat past bij wat Bart en Charles-Antoine vanuit hun hoek ook zien: minder strikte scheiding tussen analist en developer, meer ploegen waarin een handvol mensen met overlappende kennis een orchestrator van agents wordt.
Wat dit voor je organisatie betekent
Drie experts, drie hoeken, één observatie: code is geen rem meer, alles eromheen wel. Wie dat omzet in dagelijks werk, kan deze week al beginnen.
- Check waar in je software-lifecycle de echte vertraging zit. Niet bij het typen van code. Wel bij hoe lang het duurt om een goede user story op tafel te krijgen of hoe vaak rework ontstaat doordat de analyse onvolledig was. Kwantificeer dat op één lopend project.
- Vervang één daily stand-up deze maand door een daily debriefing. Niet "wat ga je doen" maar "wat heb je geleerd en waarom heb je die keuze gemaakt". Capteer drie tot vijf van die leerpunten per week.
- Audit één API of datastructuur op AI-leesbaarheid. Kunnen veldnamen door iemand zonder voorkennis begrepen worden? Zijn verplichte velden echt nodig?
- Maak het gebruik van AI-tools zichtbaar per ploeg. Niet om af te rekenen, wel om patronen te zien. Wie gebruikt het, wie niet en waar zit het verschil in output. Een maandelijks rapport is genoeg om het gesprek te starten.
- Vraag bij een verboden tool waarom het verbod er is en wat de werkbare alternatieven zijn. Een tweede-snelheden-organisatie is duurder dan een ongemakkelijk gesprek over wat wel en niet kan met welke data.
De bottleneck zit niet meer waar je hem zoekt
De verschuiving die Bart Demeulenaere, Dorine Smeets en Charles-Antoine zien, gebeurt nu. Niet als toekomstvisie, wel als dagelijkse realiteit in hun ploegen en bij hun klanten. Code genereren is geen rem meer. De rem zit in hoe scherp je vragen stelt, hoe leesbaar je data is, hoe snel je organisatie een goede beslissing kan nemen, hoe je een agent traint, opvolgt en evalueert zoals een nieuwe collega. Wie blijft kijken naar de oude bottleneck, mist het werk dat vandaag wel ligt.
Voor de meeste Belgische bedrijven is dit geen ver-van-mijn-bed-thema. Het is wat er deze week op de teams-stand-up al zichtbaar zou moeten zijn, mits iemand de juiste vraag stelt.
Wil je dit gesprek live volgen, met Charles-Antoine Coget en een tweede AI-leider uit een Belgische enterprise?
Of verken wat Crafted by Elmos betekent voor jouw IT-landschap.
Bart Demeulenaere is Competence Manager Development bij Elmos met expertise in .NET-architectuur en enterprise-omgevingen.
Dorine Smeets is Competence Manager bij Elmos met expertise in project management, analyse en governance.
Charles-Antoine Coget leidt de AI-transformatie bij een grote Belgische verzekeraar, met internationale uitrol over acht landen.
.png)
