Het artikel bespreekt de verschuiving in de software engineering-wereld, waarbij het gebruik van AI-modellen leidt tot een hectische manier van werken die gericht is op het snel scannen en beoordelen van resultaten. De auteur waarschuwt dat dit ten koste gaat van trage, zorgvuldige reflectie en creativiteit.
Om deze cognitieve vaardigheden te behouden, stelt de auteur twee methoden voor:
- Zelf schrijven: Het formuleren van gedachten in eigen woorden dwingt tot echte articulatie en het daadwerkelijk vormgeven van ideeën.
- Diep lezen: Het lezen van compacte non-fictieboeken biedt informatie-dense inhoud die een noodzakelijk tegenwicht vormt voor de oppervlakkige 'AI-slop'.
Hoewel AI efficiënt is voor het versnellen van taken en parallelle workflows, blijft menselijk vermogen tot diep nadenken essentieel voor complexe problemen die elegantie en smaak vereisen, zoals grote refactorings van codebases.
Hoe je blijft nadenken
- Is deze aanpassing van het databaseschema correct?
- Zien deze gegevens plausibel uit?
- Beschrijven deze vijf alinea's een daadwerkelijke reeks handmatige tests die hebben plaatsgevonden?
- Doorstaat deze voorgestelde architectuur de 'smell test'?
- Is deze implementatie beter dan de huidige code? Of deze? Of deze?
Werken in 2026 voelt een beetje als dit. Nu geavanceerde AI-modellen de meeste taken in je wachtrij kunnen uitvoeren, is de meest efficiënte manier van werken vaak het uitbesteden van taken aan een AI-agent en het voortdurend wisselen tussen de resultaten[^1]. Dit is niet geheel hersenloos — Sterker nog, het vereist behoorlijk wat vaardigheid om de AI-respons snel te scannen en razendsnel te beslissen wat je ermee moet doen — maar het betekent zeker minder tijd voor trage, zorgvuldige reflectie.
Waarom niet vertragen?
Waarom moet het zo hectisch zijn? Waarom niet gewoon vertragen? Ik supposeer dat je dat zou kunnen, maar ik raad het niet aan. Het is simpelweg een ellendige ervaring om je dag te besteden aan het nauwgezet lezen van LLM-output: elke hap 'AI-slop' zorgvuldig kauwen en proeven. Het is veel minder onaangenaam om er snel doorheen te scannen en de nuttige brokken inhoud eruit te pikken.
Zou je niet simpelweg meer van het werk handmatig kunnen doen? Helaas is het waar dat de druk in de techsector tegenwoordig hoog is. Als je de tijd en ruimte hebt om langzamer te werken, is dat geweldig! Maar wanneer je bedrijf je een knop geeft waarmee je "deze taak tien keer sneller kunt oplossen", word je zwaar geprikkeld om deze zo veel mogelijk te gebruiken, op het risico anders ingehaald te worden door collega's.
Soms maak ik me zorgen dat het werken met LLM's me dommer maakt. Niet in de zin van "letterlijk je brein doen smelten", zoals sommige papers suggereren, maar in de zin dat het me bevooroordeelt richting de snelle 'scannen en beoordelen'-delen van mijn mentale gereedschapskist, en wegvoert van de trage 'hangmat-tijd' die nodig is voor diep nadenken en echte creativiteit. Ik wil deze verschuiving niet volledig toeschrijven aan LLM's, aangezien de techindustrie na 2010 om bredere economische redenen hectischer is geworden. Maar hoe dan ook, het heeft me doen afvragen hoe ik langzaam kan blijven nadenken.
Om te blijven nadenken: lezen en schrijven
Wat voor mij het beste heeft gewerkt, is meer schrijven. Specifiek bedoel ik: schrijven in mijn eigen woorden. Schrijven met een LLM werkt hier helemaal niet voor, zelfs niet als je veel moeite doet om de inhoud te itereren en de zaken die je wilt zeggen uit te schetsen. Waarom? Omdat het zelf samenstellen van de woorden je dwingt om je gedachten te articuleren. In zeer reële zin dwingt het je om na te denken.
Wanneer je een idee in je hoofd hebt voor iets wat je wilt schrijven, heb je eigenlijk nog geen idee. Wat je hebt is een soort richtinggevoel van waar een idee zou kunnen liggen, of een fragment van iets dat uiteindelijk een idee zou kunnen worden. Je construeert het idee zelf tijdens het schrijven. Overigens is dit waarom ik het niet eens ben met de stelling "ideeën zijn makkelijk, uitvoering is alles"[^2]: de meeste 'ideeën' zijn eigenlijk nog geen ideeën.
Het andere dat ik aanbeveel, is het lezen van echte boeken. Boeken — en dan vooral compacte non-fictieboeken — zijn de antithesis van AI-slop. Hoe langzamer je ze kunt lezen, hoe beter. Ik heb de afgelopen jaren steeds meer non-fictie gelezen, en ik denk niet dat dit toeval is. Ik denk dat mijn brein van nature hunkert naar informatie-dense inhoud, op dezelfde manier waarop mensen met een natriumtekort beginnen te hunkeren naar zout.
Sterker nog, ik heb deze twee benaderingen gecombineerd: een boek lezen en daar vervolgens over schrijven. Dit proces is precies waar ik naar snakte sinds ik met LLM's begon te programmeren. Ik kan zorgvuldig een boek lezen, er hard over nadenken, vaak nog één of twee andere boeken over hetzelfde onderwerp lezen, om vervolgens te gaan zitten en te proberen te articuleren wat ik heb geleerd. Het is geweldig! Ik voel delen van mijn brein weer rekken.
Behoud de gewoonte
Het was erg prettig toen ik betaald kreeg om die delen van mijn brein de hele dag te gebruiken. Helaas denk ik dat die tijd ten einde loopt. Er zal altijd ruimte blijven voor een zekere mate van zorgvuldige, trage reflectie in software engineering, maar (voorlopig in ieder geval) wordt er van ons verwacht dat we snel schakelen tussen LLM-outputs. We moeten wellicht manieren vinden buiten het werk om de gewoonte van het langzaam nadenken in stand te houden.
Zelfs puur wat betreft het werk denk ik dat het een grote fout zou zijn om die gewoonte volledig te verliezen. Er zijn nog steeds genoeg gewone problemen die te moeilijk zijn voor huidige LLM's om zelfstandig op te lossen. Het meest voorkomende voorbeeld dat ik tegenkom is een "grote refactoring van een complexe codebase". De huidige generatie LLM's kan dit uitvoeren zonder (veel) fouten, maar ze kunnen het nog niet met smaak of elegantie doen. Soms moet je in staat zijn om een probleem volledig met je eigen brein uit te denken.
Dit betekent niet dat ik stop met het schakelen tussen taken. Ik gebruik routinematig zes of zeven verschillende agentsessies voor dezelfde taak: één voor exploratie, twee of drie voor het uitproberen van verschillende implementaties, twee of drie voor review, één voor handmatig testen, enzovoort. Veel van deze processen kunnen parallel verlopen.
***
[^1]: Context-switching tussen de resultaten van AI-agents. [^2]: Ik herinner me een verhaal over een bekende auteur. Iemand wilde hem een idee voor een boek vertellen, maar was daar zo beschermend over dat hij de auteur eerst dwong een geheimhoudingsverklaring (NDA) te tekenen voordat het idee uit de kluis werd gehaald. Het was een briefje met één enkel woord: "biowapens". [^3]: Ironisch genoeg, toen ik probeerde de bron hiervan te googelen, bleef Gemini proberen om een verhaal over biowapens voor me te schrijven.
Hoe je blijft nadenken
- Is deze aanpassing van het databaseschema correct?
- Zien deze gegevens plausibel uit?
- Beschrijven deze vijf alinea's een daadwerkelijke reeks handmatige tests die hebben plaatsgevonden?
- Doorstaat deze voorgestelde architectuur de 'smell test'?
- Is deze implementatie beter dan de huidige code? Of deze? Of deze?
Werken in 2026 voelt een beetje als dit. Nu geavanceerde AI-modellen de meeste taken in je wachtrij kunnen uitvoeren, is de meest efficiënte manier van werken vaak het uitbesteden van taken aan een AI-agent en het voortdurend wisselen tussen de resultaten[^1]. Dit is niet geheel hersenloos — Sterker nog, het vereist behoorlijk wat vaardigheid om de AI-respons snel te scannen en razendsnel te beslissen wat je ermee moet doen — maar het betekent zeker minder tijd voor trage, zorgvuldige reflectie.
Waarom niet vertragen?
Waarom moet het zo hectisch zijn? Waarom niet gewoon vertragen? Ik supposeer dat je dat zou kunnen, maar ik raad het niet aan. Het is simpelweg een ellendige ervaring om je dag te besteden aan het nauwgezet lezen van LLM-output: elke hap 'AI-slop' zorgvuldig kauwen en proeven. Het is veel minder onaangenaam om er snel doorheen te scannen en de nuttige brokken inhoud eruit te pikken.
Zou je niet simpelweg meer van het werk handmatig kunnen doen? Helaas is het waar dat de druk in de techsector tegenwoordig hoog is. Als je de tijd en ruimte hebt om langzamer te werken, is dat geweldig! Maar wanneer je bedrijf je een knop geeft waarmee je "deze taak tien keer sneller kunt oplossen", word je zwaar geprikkeld om deze zo veel mogelijk te gebruiken, op het risico anders ingehaald te worden door collega's.
Soms maak ik me zorgen dat het werken met LLM's me dommer maakt. Niet in de zin van "letterlijk je brein doen smelten", zoals sommige papers suggereren, maar in de zin dat het me bevooroordeelt richting de snelle 'scannen en beoordelen'-delen van mijn mentale gereedschapskist, en wegvoert van de trage 'hangmat-tijd' die nodig is voor diep nadenken en echte creativiteit. Ik wil deze verschuiving niet volledig toeschrijven aan LLM's, aangezien de techindustrie na 2010 om bredere economische redenen hectischer is geworden. Maar hoe dan ook, het heeft me doen afvragen hoe ik langzaam kan blijven nadenken.
Om te blijven nadenken: lezen en schrijven
Wat voor mij het beste heeft gewerkt, is meer schrijven. Specifiek bedoel ik: schrijven in mijn eigen woorden. Schrijven met een LLM werkt hier helemaal niet voor, zelfs niet als je veel moeite doet om de inhoud te itereren en de zaken die je wilt zeggen uit te schetsen. Waarom? Omdat het zelf samenstellen van de woorden je dwingt om je gedachten te articuleren. In zeer reële zin dwingt het je om na te denken.
Wanneer je een idee in je hoofd hebt voor iets wat je wilt schrijven, heb je eigenlijk nog geen idee. Wat je hebt is een soort richtinggevoel van waar een idee zou kunnen liggen, of een fragment van iets dat uiteindelijk een idee zou kunnen worden. Je construeert het idee zelf tijdens het schrijven. Overigens is dit waarom ik het niet eens ben met de stelling "ideeën zijn makkelijk, uitvoering is alles"[^2]: de meeste 'ideeën' zijn eigenlijk nog geen ideeën.
Het andere dat ik aanbeveel, is het lezen van echte boeken. Boeken — en dan vooral compacte non-fictieboeken — zijn de antithesis van AI-slop. Hoe langzamer je ze kunt lezen, hoe beter. Ik heb de afgelopen jaren steeds meer non-fictie gelezen, en ik denk niet dat dit toeval is. Ik denk dat mijn brein van nature hunkert naar informatie-dense inhoud, op dezelfde manier waarop mensen met een natriumtekort beginnen te hunkeren naar zout.
Sterker nog, ik heb deze twee benaderingen gecombineerd: een boek lezen en daar vervolgens over schrijven. Dit proces is precies waar ik naar snakte sinds ik met LLM's begon te programmeren. Ik kan zorgvuldig een boek lezen, er hard over nadenken, vaak nog één of twee andere boeken over hetzelfde onderwerp lezen, om vervolgens te gaan zitten en te proberen te articuleren wat ik heb geleerd. Het is geweldig! Ik voel delen van mijn brein weer rekken.
Behoud de gewoonte
Het was erg prettig toen ik betaald kreeg om die delen van mijn brein de hele dag te gebruiken. Helaas denk ik dat die tijd ten einde loopt. Er zal altijd ruimte blijven voor een zekere mate van zorgvuldige, trage reflectie in software engineering, maar (voorlopig in ieder geval) wordt er van ons verwacht dat we snel schakelen tussen LLM-outputs. We moeten wellicht manieren vinden buiten het werk om de gewoonte van het langzaam nadenken in stand te houden.
Zelfs puur wat betreft het werk denk ik dat het een grote fout zou zijn om die gewoonte volledig te verliezen. Er zijn nog steeds genoeg gewone problemen die te moeilijk zijn voor huidige LLM's om zelfstandig op te lossen. Het meest voorkomende voorbeeld dat ik tegenkom is een "grote refactoring van een complexe codebase". De huidige generatie LLM's kan dit uitvoeren zonder (veel) fouten, maar ze kunnen het nog niet met smaak of elegantie doen. Soms moet je in staat zijn om een probleem volledig met je eigen brein uit te denken.
Dit betekent niet dat ik stop met het schakelen tussen taken. Ik gebruik routinematig zes of zeven verschillende agentsessies voor dezelfde taak: één voor exploratie, twee of drie voor het uitproberen van verschillende implementaties, twee of drie voor review, één voor handmatig testen, enzovoort. Veel van deze processen kunnen parallel verlopen.
***
[^1]: Context-switching tussen de resultaten van AI-agents. [^2]: Ik herinner me een verhaal over een bekende auteur. Iemand wilde hem een idee voor een boek vertellen, maar was daar zo beschermend over dat hij de auteur eerst dwong een geheimhoudingsverklaring (NDA) te tekenen voordat het idee uit de kluis werd gehaald. Het was een briefje met één enkel woord: "biowapens". [^3]: Ironisch genoeg, toen ik probeerde de bron hiervan te googelen, bleef Gemini proberen om een verhaal over biowapens voor me te schrijven.
Groetjes,