28 juli 2026Bijgewerkt op Fathy Shalaby14 min leestijd
De product velocity-illusie: sneller opleveren is nog geen vooruitgang
AI heeft de tijd verkort die het kost om een feature te bouwen, maar niet de tijd die het kost om te beslissen wat je bouwt of om te leren of het werkte. Het Three Clocks-framework laat zien waar je bottleneck naartoe is verschoven.
Product velocity is het tempo waarin een team ideeën omzet in gevalideerde resultaten, niet het tempo waarin het code oplevert. AI heeft de bouwtijd bij veel teams verkort, maar niet de tijd die het kost om te beslissen wat je bouwt of om te leren of het werkte. Meet alle drie: de Decision Clock, de Build Clock en de Validation Clock. Anders ziet een snellere build clock eruit als vooruitgang terwijl het dat niet is.
Belangrijkste punten
Meer output is geen meer vooruitgang. Bij teams met veel AI-gebruik mergden ontwikkelaars 98% meer pull requests, maar de reviewtijd nam met 91% toe en de winst verdween op bedrijfsniveau (Faros AI, 2025).
Zelfs de versnelling van het bouwen is ongelijk verdeeld. Eén gecontroleerd onderzoek vond een taak die 55,8% sneller ging met AI; een ander vond ervaren ontwikkelaars 19% langzamer in hun eigen repositories, terwijl ze dachten 20% sneller te zijn (METR, 2025).
Delivery-metrics stoppen bij productie. De change lead time van DORA loopt van commit tot deploy (DORA). Over beslissen of valideren zegt die niets.
Het meeste opgeleverde werk betaalt zich niet uit. Ongeveer een derde van de ideeën die bij Microsoft werden getest, verbeterde de metric waarop ze mikten (Kohavi et al., 2009), en 80% van de features in een gemiddeld product wordt zelden of nooit gebruikt (Pendo, 2019).
Besteed je bouwwinst aan de trage klokken: meer discovery voordat je je committeert en een harde check van het resultaat na de lancering.
Wat is de product velocity-illusie?
Productteams leveren meer op dan ooit. Het aantal pull requests stijgt en sprintgrafieken wijzen schuin omhoog naar rechts. Toch hebben veel teams dezelfde knagende vraag: als we zo veel sneller bouwen, waarom voelt het dan niet alsof we sneller vooruitkomen?
Die kloof heeft een naam. Faros AI noemde haar de AI productivity paradox, na analyse van telemetrie van meer dan 10.000 ontwikkelaars in 1.255 teams: ontwikkelaars in teams met veel AI-gebruik voltooiden 21% meer taken en mergden 98% meer pull requests, maar elk verband tussen AI-gebruik en prestaties verdween op bedrijfsniveau ().
De product velocity-illusie is de product management-versie van hetzelfde effect. AI maakte één deel van de productcyclus sneller. De andere twee liet het waar ze waren. Omdat het snelle deel het zichtbaarst is (commits, PR's, opgeleverde features), is het makkelijk om „we bouwen sneller" te verwarren met „we komen sneller vooruit". Dat zijn verschillende beweringen, en ze door elkaar halen beschadigt stilletjes roadmaps.
Perceptie maakt het erger. 52% van de ontwikkelaars zegt dat AI-tools een positief effect hadden op hun productiviteit (Stack Overflow, 2025), en meer dan 80% van de respondenten van DORA 2025 gelooft dat AI hun productiviteit verhoogde (Google Cloud, 2025). Maar in het gerandomiseerde onderzoek van METR uit 2025 verwachtten 16 ervaren open-sourceontwikkelaars dat AI hen 24% sneller zou maken, deden ze er 19% langer over mét AI en geloofden ze achteraf nog steeds dat het hen 20% sneller had gemaakt (METR, 2025). Als mensen hun eigen bouwsnelheid verkeerd inschatten, is een dashboard met bouwactiviteit een nog zwakkere graadmeter voor de totale voortgang. Het bredere beeld voor 2026 van wat goedkoop werd en wat niet, staat in bouwen werd goedkoop: de data van 2026.
Waarom vertelt de velocity-metric niet meer de waarheid?
De meeste productteams rapporteren velocity nog steeds als één getal: story points per sprint, opgeleverde features per kwartaal of cycle time van ticket tot deploy. Een decennium lang was dat een redelijke benadering, omdat bouwtijd de dominante kostenpost was. Als bouwen het grootste deel van de tijd tussen „we hebben een idee" en „het idee is live" in beslag nam, volgde een metric die het bouwen volgde het grootste deel van wat ertoe deed.
Die verhouding is verschoven. Bij een team dat AI-ondersteunde ontwikkeling goed gebruikt, kan de bouwtijd van een goed gespecificeerde feature krimpen tot een klein deel van de cyclus. Maar de tijd die je besteedt aan beslissen of de feature de moeite waard was en aan uitzoeken of het werkte, is niet korter geworden. Die fasen worden afgeremd door dingen waar AI niet aan komt: afstemming tussen stakeholders, de beschikbaarheid van klanten voor onderzoek en de dagen echt gebruik die je nodig hebt voordat een signaal betrouwbaar is.
Engineering-metrics waren er nooit voor bedoeld om die fasen te dekken. DORA, het onderzoeksprogramma van Google Cloud naar softwarelevering, volgt nu vijf metrics: change lead time, deployment frequency, hersteltijd na mislukte deployments, change fail rate en deployment rework rate. Change lead time wordt gemeten van commit tot deployment in productie (DORA). DORA zelf waarschuwt tegen „één metric die ze allemaal regeert" en tegen het veranderen van metrics in doelen, onder verwijzing naar de wet van Goodhart.
Eén enkel velocity-getal beschrijft dus nu het snelst bewegende deel van de cyclus en zwijgt over de rest. Teams zien er op het dashboard productief uit en zitten vast in de markt. Daarom kunnen „we hebben dit kwartaal 40% meer features opgeleverd" en „de activatie is al twee kwartalen niet bewogen" in dezelfde boarddeck staan zonder dat iemand ze met elkaar verbindt.
Wat zijn de Three Clocks van product velocity?
De oplossing is geen betere velocity-metric. Je moet het ene getal afschaffen en vervangen door drie, want een idee passeert onderweg naar waardecreatie drie aparte klokken, en die lopen met heel verschillende snelheden.
1. De Decision Clock
De tijd van „we zagen een probleem of een kans" tot „we hebben ons gecommitteerd aan een specifieke oplossing". Daarin zit het framen van het probleem, het afwegen tegen alles wat om de roadmap concurreert en het werkelijk laten instemmen van de mensen die moeten instemmen.
AI kan onderzoek samenvatten en het opties-memo opstellen. Het kan de afweging niet voor je maken, en het kan een VP Sales en een Head of Engineering niet sneller laten convergeren dan ze willen. De bottleneck was hier nooit het ophalen van informatie. Het was afstemming.
2. De Build Clock
De tijd van commitment tot de feature live is. Dit is de klok die AI het meest veranderd heeft, al minder gelijkmatig dan demo's van leveranciers doen voorkomen:
In een gecontroleerd experiment uit 2023 implementeerden ontwikkelaars met een AI-pairprogrammeur een HTTP-server 55,8% sneller dan een controlegroep (Peng et al., 2023).
In het vervolgonderzoek van METR met 57 ontwikkelaars en meer dan 800 taken was het geschatte effect voor terugkerende ontwikkelaars nog steeds een vertraging (-18%, betrouwbaarheidsinterval -38% tot +9%) en voor nieuwe ongeveer neutraal (-4%, -15% tot +9%). METR waarschuwt dat de werkelijke versnelling hoger kan zijn, omdat sommige ontwikkelaars en taken uit het onderzoeksontwerp vielen (METR, 2026).
Het DORA-rapport van 2024 bracht toenemend AI-gebruik in verband met een geschatte daling van 1,5% in delivery throughput en 7,2% in delivery stability (Google Cloud, 2024). In 2025 werd de relatie met throughput positief, maar stabiliteit werd nog steeds negatief beïnvloed (Google Cloud, 2025).
Het patroon: code typen werd sneller; reviewen, integreren en stabiliseren hield geen gelijke tred. Faros zag dat de reviewtijd van pull requests bij teams met veel gebruik met 91% steeg, met menselijke goedkeuring als nieuwe bottleneck. Als je engineers door deze periode heen begeleidt, meet dan resultaten, geen regels code. De valkuil is de Build Clock te behandelen als vervanger van de hele cyclus. Het is één tandwiel in een systeem van drie, en één tandwiel sneller laten draaien versnelt de ketting niet.
3. De Validation Clock
De tijd van „de feature is live" tot „we weten met redelijke zekerheid of het werkte". Die wordt bepaald door hoeveel gebruikers de feature moeten aanraken voordat er een signaal is, hoe lang een gedragsverandering nodig heeft om zichtbaar te worden (een prijswijziging toont haar echte effect misschien pas bij de volgende verlenging, niet bij de volgende login) en of het team de cirkel echt rondmaakt in plaats van door te gaan naar het volgende.
AI heeft deze klok niet verkort, en in sommige organisaties heeft het hem erger gemaakt: sneller opleveren stapelt meer ongevalideerde features op in productie, en elke feature brengt ruis in de volgende meting. De basiskans is ontnuchterend. Bij Microsoft verbeterde slechts ongeveer een derde van de ideeën de metric die ze moesten verbeteren; ongeveer een derde verslechterde die en een derde maakte geen verschil (Kohavi et al., 2009).
Klok
Start
Eindigt
Geremd door
Effect van AI tot nu toe
Decision
Probleem of kans opgemerkt
Vastgelegde bet met een succesmetric
Afstemming, bewijs, afwegingen
Sneller onderzoek en conceptteksten; afstemming ongewijzigd
Build
Bet vastgelegd
Feature live in productie
Coderen, review, integratie, stabiliteit
Vaak sneller te schrijven; review en stabiliteit lopen achter
Validation
Feature live
Resultaat bekend (werkte, neutraal of schadelijk)
Gebruiksvolume, vertraging in gedrag, opvolging
Grotendeels ongewijzigd; meer ongevalideerde lanceringen
Waarom is de illusie duur, en niet alleen misleidend?
Een team dat alleen de Build Clock volgt, blijft dezelfde dure fout maken: werk naar voren halen dat goedkoop te bouwen is maar de Decision Clock niet heeft gehaald, want „we kunnen het gewoon proberen, het gaat nu snel". Die reflex voelt als wendbaarheid. In de praktijk begraven de snelst opleverende teams hun Validation Clock vaak het diepst: meer opgeleverd oppervlak per kwartaal, met evenveel mensen beschikbaar om te controleren of iets daarvan een metric deed bewegen.
Dit is het mechanisme achter een goed gedocumenteerd gebruikspatroon. Pendo's analyse van geanonimiseerde gebruiksdata toonde dat 80% van de features in het gemiddelde softwareproduct zelden of nooit wordt gebruikt, terwijl 12% van de features 80% van het dagelijkse gebruiksvolume genereert (Pendo, 2019). Goedkoper bouwen lost dat niet op. Het kan het verergeren, doordat het makkelijker wordt om door te leveren voorbij het punt waarop je het recht om te bouwen hebt verdiend. Het Pendo-cijfer en de beperkingen ervan werken we uit in waarom 80% van de features zelden of nooit wordt gebruikt.
Hoe meet je product velocity met de Three Clocks?
Je hebt geen nieuwe tooling nodig om te beginnen. Je hebt drie tijdstempels per bet nodig en een kwartaalreview.
Bepaal wat als bet telt. Elk roadmap-item dat groot genoeg is om een succesmetric te hebben. Kleine fixes blijven erbuiten.
Leg voor elke bet drie data vast: wanneer het probleem voor het eerst werd geregistreerd, wanneer het team zich committeerde (met een schriftelijke succesmetric) en wanneer het resultaat werd beoordeeld als werkte, neutraal of schadelijk.
Haal de deploy-data uit je delivery-data. Als je al DORA-metrics bijhoudt, is de Build Clock grofweg van commitment tot deploy, en daar zit de change lead time in.
Rapporteer medianen, geen gemiddelden. Eén vastgelopen bet mag negen snelle niet verbergen, of andersom.
Rapporteer de tijd van idee tot gevalideerd resultaat naast „opgeleverde features", samen met het aandeel opgeleverde bets dat tot een oordeel kwam.
Review elk kwartaal. Als de Build Clock krimpt terwijl de andere twee gelijk blijven, is je bottleneck verschoven en heeft je proces dat niet bijgebeend.
Three Clocks-kwartaalrapport (kopieer dit)
Metric
Dit kwartaal
Vorig kwartaal
Vastgelegde bets
Mediaan Decision Clock (dagen)
Mediaan Build Clock (dagen)
Mediaan Validation Clock (dagen)
Mediaan idee tot gevalideerd resultaat (dagen)
Opgeleverde bets met een oordeel (%)
Oordelen: werkte / neutraal / schadelijk
Voor de beslissingskant geeft een product decision log je de commitmentdatum en de succesmetric op één plek.
Hoe ziet dit eruit met echte cijfers? Een uitgewerkt voorbeeld
Illustratief voorbeeld. Stel dat een productteam van 7 mensen zich in een kwartaal op 8 bets committeert. De medianen komen zo uit:
Decision Clock: 21 dagen (probleem geregistreerd tot vastgelegde bet)
Build Clock: 4 dagen (een jaar eerder 15 dagen, vóór de invoering van AI-codeertools)
Validation Clock: 45 dagen, maar slechts 3 van de 8 opgeleverde bets kwamen überhaupt tot een oordeel
De tijd van idee tot gevalideerd resultaat is 70 dagen, waarvan bouwen minder dan 6% is. Een jaar eerder, met dezelfde beslis- en validatietijden, was het 81 dagen. Het team „bouwde bijna vier keer zo snel" en kwam van begin tot eind ongeveer 14% sneller vooruit, en vijf bets van dit kwartaal hebben geen oordeel, dus niemand weet of ze hebben geholpen.
De oplossing is niet sneller bouwen. De Validation Clock van 45 naar 30 dagen terugbrengen door de metric en de checkdatum vóór de lancering vast te leggen, en alle 8 bets tot een oordeel brengen, zou meer doen voor echte product velocity dan welke verdere versnelling van het coderen ook.
Hoe pas je de Three Clocks in de praktijk toe?
Het framework verdient zijn plek alleen als het verandert wat er in de planning wordt gemeten en besproken. Drie stappen maken dat concreet.
Rapporteer alle drie de klokken, niet één. Volg naast „opgeleverde features" de mediaan van de Decision Clock (idee tot vastgelegde bet) en de mediaan van de Validation Clock (oplevering tot geverifieerd resultaat) voor het kwartaal. Als de Build Clock blijft krimpen terwijl de andere twee gelijk blijven, is dat geen productiviteitswinst om te vieren. Het is een signaal dat je bottleneck is verschoven.
Besteed de besparing van de Build Clock bewust aan de Decision Clock. Als een feature die vroeger drie weken bouwen kostte nu drie dagen kost, lever hem dan niet zomaar eerder op. Gebruik de tijd voor een echte discovery-ronde: een handvol klantgesprekken, een kleine prototypetest, een pre-mortem met het team, voordat je je committeert aan de volledige build. Het punt van sneller bouwen is niet eerder opleveren. Het is je meer validatie kunnen veroorloven voordat je je committeert, bij dezelfde totale cyclustijd. Learning velocity laat zien hoe je die lus versnelt.
Maak het afronden van de Validation Clock een releasepoort, geen vervolgtaak. De makkelijkste manier om de Validation Clock te laten uitdijen, is „checken of het werkte" te behandelen als optionele opruimklus die concurreert met het bouwwerk van de volgende sprint en meestal verliest. Leg de metric en de datum waarop je hem checkt vast voordat de feature live gaat, en zet die check op de roadmap met dezelfde zichtbaarheid als het bouwticket. Een bet waarvan het resultaat nooit wordt gecheckt, is geen informatie. Het is gewoon meer opgeleverd oppervlak met een onbekend rendement.
Welke fouten maken teams bij het meten van product velocity?
PR-aantallen vieren. Meer gemergete PR's met 91% langere reviews is een wachtrij, geen vooruitgang.
DORA-metrics als productmetrics gebruiken. Ze meten de gezondheid van de delivery. Houd ze, maar laat ze de vraag „bouwen we de juiste dingen?" niet beantwoorden.
De klokken in doelen veranderen. DORA's waarschuwing voor de wet van Goodhart geldt hier ook. Een team dat wordt gepusht om de Decision Clock te verkorten, slaat discovery over.
Lanceringen als resultaten tellen. Een feature is niet klaar als hij is opgeleverd; hij is klaar als je weet of hij werkte.
Neutrale resultaten negeren. Bij Microsoft was ongeveer een derde van de ideeën neutraal. Neutraal is een antwoord: stop met investeren, of haal de feature weg.
De Three Clocks passen het best bij teams die productbets met meetbare resultaten opleveren. Bij puur onderhoud, infrastructuur of compliancewerk kunnen delivery-metrics alleen genoeg zijn. En als je team verdrinkt in ongevalideerde lanceringen, komen de waarschuwingssignalen in stop de feature factory je bekend voor.
Waar Specky past
Specky houdt de trage klokken zichtbaar. Elke beslissing komt in het Decision Log met het klantbewijs erachter, PRD's bevatten inline citaten naar dat bewijs en na de lancering controleert Specky of de bet werkte tegen de metric die jij hebt gesteld. Omdat dit alles in één Product Graph leeft, lopen de Decision en de Validation Clock niet langer onzichtbaar in iemands hoofd.
Veelgestelde vragen
Wat is product velocity?
Product velocity is hoe snel een team ideeën omzet in gevalideerde resultaten: van het opmerken van een probleem, via het committeren aan een oplossing en het opleveren ervan, tot weten of het werkte. Het verschilt van engineering velocity, die meet hoe snel code van commit naar productie gaat. Een team kan zijn engineering velocity verhogen terwijl de product velocity gelijk blijft.
Hoe meet je product velocity?
Leg voor elke roadmap-bet drie data vast: wanneer het probleem werd geregistreerd, wanneer het team zich committeerde met een succesmetric en wanneer het resultaat werd beoordeeld. Rapporteer elk kwartaal de mediane tijden van de Decision, Build en Validation Clock, plus de totale tijd van idee tot gevalideerd resultaat en het aandeel opgeleverde bets dat tot een oordeel kwam.
Maakt AI softwareteams sneller?
Bij het schrijven van code vaak wel; van begin tot eind is het bewijs gemengd. Eén gecontroleerd onderzoek mat een taak die 55,8% sneller ging, terwijl METR ervaren ontwikkelaars 19% langzamer vond in hun eigen repositories. Faros zag 98% meer gemergete pull requests bij teams met veel gebruik, maar 91% langere reviews en geen winst op bedrijfsniveau. DORA 2025 koppelt AI nog steeds aan lagere stabiliteit.
Wat is de AI productivity paradox?
Het is de kloof tussen individuele en organisatorische winst van AI. Faros AI bedacht de term in 2025 nadat het had gezien dat ontwikkelaars in teams met veel AI 21% meer taken voltooiden en 98% meer pull requests mergden, terwijl het verband met prestaties op bedrijfsniveau verdween. De bottleneck verschoof naar review, integratie en beslissen wat je bouwt.
Zijn DORA-metrics genoeg om de prestaties van een productteam te meten?
Nee. De vijf metrics van DORA, waaronder change lead time van commit tot productie en change fail rate, meten de gezondheid van softwarelevering. Ze dekken niet het beslissen wat je bouwt of het controleren of het werkte. Gebruik ze voor de Build Clock en voeg metingen voor de Decision en Validation Clock toe voor de rest.
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