17 juli 2026Bijgewerkt op Fathy Shalaby11 min leestijd
AI-codeerproductiviteit in 2026: bouwen werd goedkoop, beslissen niet
AI-tools hebben software bouwen goedkoper en gewoner gemaakt. Het bewijs over snelheid is gemengd, en de kosten van het verkeerde bouwen zijn niet veranderd. Dit zegt de data van 2025-2026 echt.
De productiviteit van coderen met AI is vooral gestegen in bereik, niet in bewezen snelheid. In 2025 gebruikte of plande 84% van de developers AI-tools, maar METR's gecontroleerde onderzoeken vonden ervaren developers begin 2025 19% trager en eind 2025 slechts zwak bewijs voor een versnelling. Intussen noemt 43% van de mislukte startups nog steeds slechte product-market fit. Bouwen werd goedkoper; weten wat je moet bouwen niet.
De belangrijkste punten
Coderen met AI is nu de standaard. 84% van de developers gebruikt AI-tools of is dat van plan, en 50,6% van de professionele developers gebruikt ze dagelijks (Stack Overflow, 2025). Bijna 80% van de nieuwe GitHub-developers gebruikt Copilot in de eerste week (GitHub Octoverse, 2025).
Snelheidswinst hangt af van de taak. Developers voltooiden in een onderzoek uit 2023 een greenfield-taak met een HTTP-server 55,8% sneller met Copilot, maar ervaren developers in grote, volwassen codebases waren in METR's onderzoek van begin 2025 19% trager met AI.
Mensen overschatten de winst. METR's developers verwachtten een versnelling van 24% en geloofden, nadat ze waren vertraagd, nog steeds dat AI hen 20% sneller had gemaakt.
De dure helft is niet verschoven. In CB Insights' analyse van 2026 van 431 door durfkapitaal gefinancierde sluitingen noemde 43% slechte product-market fit (CB Insights, 2026).
De meeste features blijven ongebruikt. Pendo vond dat 80% van de features in het gemiddelde product zelden of nooit wordt gebruikt (Pendo, 2019).
Hoeveel developers gebruiken in 2026 AI-codeertools?
Bijna allemaal, in een of andere vorm. De meest recente grote enquêtes zijn het eens over het bereik, ook waar ze het oneens zijn over de impact.
De enquête van 2025, gepubliceerd in juli 2025, meldt dat 84% van de respondenten AI-tools gebruikt of van plan is te gebruiken bij het ontwikkelen, op basis van 33.662 reacties. Onder professionele developers gebruikt 50,6% ze dagelijks.
Agents staan eerder op de curve: 14,1% van de respondenten gebruikt dagelijks AI-agents op het werk, 9% wekelijks, en 37,9% is niet van plan ze helemaal te gebruiken (Stack Overflow, 2025).
Wat GitHub Octoverse 2025 vond
GitHubs Octoverse-rapport, gepubliceerd op 28 oktober 2025, telt meer dan 180 miljoen developers op het platform, van wie er in 2025 meer dan 36 miljoen bijkwamen. De activiteit groeide mee:
Bijna 1 miljard commits gepusht in 2025, 25% meer dan een jaar eerder.
518,7 miljoen pull requests gemerged, 29% meer.
Meer dan 1,1 miljoen publieke repositories importeren een LLM-SDK, 178% meer.
Meer code wordt door meer mensen opgeleverd. Dat is wat "bouwen werd goedkoop" in de praktijk betekent (GitHub, 2025). Het betekent ook meer producten die om dezelfde kopers strijden, steeds vaker binnen AI-antwoorden; zie productverklaarbaarheid.
Maakt AI developers echt sneller?
Soms enorm; soms helemaal niet. Het antwoord hangt af van de taak, de codebase en hoe je meet.
Onderzoek
Wie en wat
Resultaat
Peng et al., 2023 (gecontroleerd onderzoek)
Geworven developers die een HTTP-server in JavaScript schreven
De Copilot-groep was 55,8% sneller klaar
METR, begin 2025 (gerandomiseerd onderzoek)
16 ervaren open-sourcedevelopers, 246 echte taken in repositories met gemiddeld 1 mln+ regels code
19% trager met AI toegestaan (95%-BI +2% tot +39%)
Greenfield versus volwassen code. Een kleine nieuwe server vanaf nul schrijven is waar AI uitblinkt. Een codebase van een miljoen regels aanpassen die je goed kent, laat minder ruimte voor hulp en meer voor reviewwerk.
Perceptie versus meting. METR's developers van begin 2025 voorspelden een versnelling van 24% en geloofden achteraf dat ze 20% sneller waren geweest, terwijl de klok 19% trager aangaf. Zelfgerapporteerde productiviteit is geen bewijs.
Selectie-effecten. In de update van eind 2025 meldt METR dat 30% tot 50% van de developers ervoor koos sommige taken niet in te dienen, en dat developers die niet zonder AI wilden werken, niet wilden meedoen. METR zegt dat de werkelijke versnelling veel hoger kan zijn voor de weggeselecteerde taken, en noemt de eigen data slechts zeer zwak bewijs voor een toename sinds begin 2025.
En vertrouwen en kwaliteit?
In de Stack Overflow-enquête wantrouwt 46% van de developers de nauwkeurigheid van AI-output en vertrouwt slechts 33% erop. De grootste frustratie, genoemd door 66%, zijn antwoorden die "bijna goed, maar niet helemaal" zijn. Sneller typen helpt niet als review en herwerk de winst opeten.
De eerlijke samenvatting over AI-codeerproductiviteit: AI maakt het produceren van code goedkoper en toegankelijker, en vaak sneller bij nieuw of goed afgebakend werk. Het is niet aangetoond dat het volwassen teams dramatisch sneller maakt in het opleveren van het juiste.
Als bouwen goedkoper is, waarom mislukken producten dan nog?
Omdat de bottleneck nooit alleen de typsnelheid was.
Startups falen op vraag, niet op code
CB Insights' analyse van maart 2026 bekeek 431 door durfkapitaal gefinancierde bedrijven die sinds 2023 de deuren sloten en identificeerde de redenen voor 385 van hen:
70% ging zonder kapitaal, wat CB Insights bijna altijd de uiteindelijke oorzaak noemt in plaats van het onderliggende probleem.
43% had slechte product-market fit.
29% noemde slechte timing of macro-omstandigheden.
19% had onhoudbare unit economics.
Bedrijven noemen meerdere redenen, dus samen komt het boven de 100% (CB Insights, 2026). Goedkopere code laat de runway per feature langer meegaan. Het doet niets voor een product dat niemand nodig heeft.
De meeste opgeleverde features worden nauwelijks gebruikt
Pendo's Feature Adoption Report van 2019 analyseerde 615 Pendo-abonnementen over drie maanden. Het vond dat 80% van de features in het gemiddelde product zelden of nooit wordt gebruikt, en dat 12% van de features 80% van het dagelijkse gebruiksvolume oplevert. Pendo extrapoleerde dat beursgenoteerde cloudsoftwarebedrijven tot $29,5 miljard hebben geïnvesteerd in het bouwen van die features (Pendo, 2019). We volgen die statistiek in detail in waarom 80% van de features zelden of nooit wordt gebruikt.
Productteams voelen het risico
Atlassians State of Product 2026 ondervroeg meer dan 1.000 productprofessionals in de VS en Europa en vond dat 84% van de PM's vreest dat hun producten zullen mislukken (Atlassian, 2026). Mind the Product's verslag van hetzelfde rapport merkt op dat 80% van de teams engineers nog steeds niet betrekt bij ideevorming, probleemdefinitie of het maken van de roadmap (Mind the Product, 2026).
AI-codeerproductiviteit en productfalen: de cijfers op één plek
Wat
Cijfer
Bron en jaar
Developers die AI-tools gebruiken of van plan zijn te gebruiken
84%
Stack Overflow, 2025
Professionele developers die dagelijks AI gebruiken
50,6%
Stack Overflow, 2025
Developers die de nauwkeurigheid van AI-output wantrouwen
46%
Stack Overflow, 2025
Nieuwe GitHub-developers die in week één Copilot gebruiken
Bijna 80%
GitHub Octoverse, 2025
Op GitHub gemergede pull requests in een jaar
518,7 miljoen (+29%)
GitHub Octoverse, 2025
Versnelling bij een greenfield-codeertaak
55,8% sneller
Peng et al., 2023
Effect op ervaren developers, volwassen repo's
19% trager
METR, 2025
Mislukte door durfkapitaal gefinancierde startups die slechte PMF noemen
43%
CB Insights, 2026
Features die zelden of nooit worden gebruikt
80%
Pendo, 2019
PM's die vrezen dat hun product mislukt
84%
Atlassian, 2026
Wat moeten teams bouwen als code goedkoop is? Een methode in 6 stappen
Als een feature dagen in plaats van weken kost, verschuift het risico van "kunnen we het bouwen?" naar "moeten we het doen?". Zes stappen voorkomen dat goedkoop bouwen goedkope verspilling wordt:
Schrijf het probleem op vóór de oplossing. Eén alinea: wie het probleem heeft, hoe vaak, en wat het hem of haar kost. Gebruik onze template voor een productprobleemstelling als je een format nodig hebt.
Tel het bewijs. Maak een lijst van de gesprekken, tickets en gebruiksdata achter het probleem. Minder dan 3 onafhankelijke bronnen betekent dat je gokt.
Doe eerst de goedkoopste test. Een fake door, een conciergetest of vijf interviews beslechten de vraag vaak sneller dan een build.
Prototype als test, niet als verplichting. Met AI bouw je in uren een werkend prototype; zie het als een manier om echte gebruikers te observeren, en beslis dan. Ons 7-dagenplan voor het valideren van een AI-prototype behandelt deze stap.
Stel vóór de lancering een stopcriterium vast. Bijvoorbeeld: "Als minder dan 20% van de actieve accounts het binnen 30 dagen gebruikt, halen we het weg."
Check de adoptie na de lancering. De meeste teams kijken nooit meer, en zo stapelt de 80% zich op.
Een uitgewerkt voorbeeld: wat kost een verkeerde gok nu?
Illustratief scenario: een startup van 6 mensen levert 10 features per kwartaal op. AI-tools verkorten de bouwtijd per feature van 2 engineer-weken naar 4 engineer-dagen, waardoor de bouwinspanning van het kwartaal daalt van 20 engineer-weken naar 8.
Als het Pendo-patroon geldt en 8 van die 10 features zelden worden gebruikt, besteedt het team nog steeds 6,4 engineer-weken aan het bouwen van features die niemand nodig heeft. Het blijft ook betalen om alle 8 te onderhouden, te documenteren en te ondersteunen. Goedkoper bouwen verlaagde de prijs van elke verkeerde gok; het verlaagde niet het aantal verkeerde gokken.
Stel nu dat het team 1 extra dag per feature aan bewijs besteedt (stappen 1–3 hierboven) en 4 van de 8 zwakke ideeën schrapt voordat het bouwt. Dat is 10 dagen discovery om 16 engineer-dagen bouwwerk te besparen, plus het doorlopende onderhoud van 4 features. Het rendement komt van betere keuzes, niet van snellere code.
Wat laat deze data niet zien?
Pendo's cijfer is uit 2019 en komt van Pendo-klanten. Het is de bekendste meting, geen natuurwet.
CB Insights dekt alleen door durfkapitaal gefinancierde sluitingen. Bootstrapped bedrijven en bedrijven die nog leven zitten niet in de steekproef.
METR's onderzoeken zijn klein (16 en 57 developers) en richten zich op open-sourcewerk. METR zelf waarschuwt ervoor de centrale schatting te lezen als het algemene effect van AI.
Enquêtesteekproeven selecteren zichzelf. Stack Overflow-respondenten en GitHub-gebruikers zijn niet alle developers.
Geen van deze onderzoeken koppelt AI-coderen aan featureadoptie. De bewering dat goedkoper bouwen de verspilling vergroot, is een gevolgtrekking uit de cijfers, geen gemeten resultaat.
Waar Specky past
Specky werkt aan de dure helft. Het leest klantgesprekken, feedback, Slack, Jira en analytics in een Product Graph, schrijft specs met het klantbewijs inline geciteerd, en checkt na de lancering of de gok werkte. Als je tools kiest voor die taak, behandelt onze vergelijking van AI-productmanagementtools Specky en zeven alternatieven, inclusief waar andere beter passen. Nu AI output goedkoop maakt, verschuift ook de prijsstelling; zie prijzen per seat sterven uit.
Veelgestelde vragen
Maakt AI developers productiever?
Dat hangt van de taak af. Een gecontroleerd onderzoek uit 2023 vond dat developers met Copilot een nieuwe HTTP-server 55,8% sneller afrondden. METR's onderzoek van 2025 vond dat ervaren developers die in hun eigen grote codebases werkten, met AI 19% trager waren. METR's vervolgonderzoek van eind 2025 wees richting versnelling, maar de betrouwbaarheidsintervallen omvatten nul, dus het bewijs voor een grote algemene winst blijft zwak.
Welk percentage developers gebruikt AI-codeertools?
In de Stack Overflow Developer Survey 2025 gebruikte 84% van de respondenten AI-tools in hun ontwikkelproces of was dat van plan, en 50,6% van de professionele developers gebruikte ze dagelijks. GitHubs Octoverse 2025 meldt dat bijna 80% van de nieuwe developers op GitHub binnen de eerste week Copilot gebruikt.
Wat vond het METR-onderzoek naar AI en developerproductiviteit?
METR's gerandomiseerde onderzoek van begin 2025 gaf 16 ervaren open-sourcedevelopers 246 echte taken. Met AI toegestaan duurden taken 19% langer, ook al verwachtten de developers een versnelling van 24% en geloofden ze achteraf dat ze 20% sneller waren geweest. Een update van februari 2026 met 57 developers vond puntschattingen van 4% tot 18% versnelling, met brede betrouwbaarheidsintervallen.
Waarom mislukken startups in 2026?
CB Insights' analyse van maart 2026 van 431 door durfkapitaal gefinancierde sluitingen vond dat 70% zonder kapitaal kwam te zitten, meestal de uiteindelijke en niet de onderliggende oorzaak. Van de onderliggende redenen noemde 43% slechte product-market fit, 29% slechte timing of macro-omstandigheden en 19% onhoudbare unit economics. Veel bedrijven noemden meer dan één reden.
Is het waar dat 80% van de softwarefeatures zelden wordt gebruikt?
Dat cijfer komt uit Pendo's Feature Adoption Report van 2019, dat 615 Pendo-abonnementen over drie maanden analyseerde en vond dat 80% van de features in het gemiddelde product zelden of nooit wordt gebruikt. Het is een echte meting, maar gedateerd en beperkt tot Pendo-klanten, dus zie het als een sterk signaal in plaats van een universele constante.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing