In november 2025 riep Collins Dictionary "vibe coding" uit tot woord van het jaar en definieerde het als het gebruik van AI, aangestuurd in natuurlijke taal, om code te helpen schrijven. De term bleef hangen omdat de ervaring echt is. Beschrijf een app, accepteer wat het model schrijft, en zondagavond staat er een werkend scherm. Een founder kan nu een demo aan klanten laten zien voordat er een engineer is aangenomen.
Wat niet goedkoper werd, is het deel dat software betrouwbaar maakt. In de Stack Overflow Developer Survey van 2025 noemde 66% van de developers "AI-oplossingen die bijna goed zijn, maar net niet" hun grootste frustratie met AI-tools, en 45% zei dat het debuggen van AI-gegenereerde code meer tijd kost. Een prototype is de plek waar bijna goed prima is. Productie is de plek waar dat niet zo is.
Deze notitie zet op een rij wat productie aan een prototype toevoegt, geeft een grove verdeling van de inspanning, en doet een voorstel voor hoe een budgethouder de demo moet behandelen die hij net heeft gezien.
De versnelling is echt, en nog steeds niet gemeten
De zorgvuldigste meting van AI-codeersnelheid komt van METR, een non-profit onderzoeksorganisatie. Haar gerandomiseerde studie uit 2025 vond dat ervaren open-source developers 19% langer over taken deden als AI was toegestaan, met een betrouwbaarheidsinterval van +2% tot +39%.
Op 24 februari 2026 publiceerde METR een vervolg: 57 developers, 143 repositories, meer dan 800 taken, uitgevoerd vanaf augustus 2025. Op dezelfde schaal van tijdsverandering waarop het resultaat uit 2025 +19% was, zijn de nieuwe puntschattingen -18% voor developers die terugkwamen uit de eerste studie (interval -38% tot +9%) en -4% voor nieuw geworven developers (interval -15% tot +9%). Beide puntschattingen neigen nu naar tijdwinst door AI. Beide intervallen bevatten nul.
METR noemt de nieuwe data zelf een onbetrouwbaar signaal. Tussen 30% en 50% van de developers zei dat ze sommige taken bewust niet hadden ingediend, omdat ze die niet zonder AI wilden doen. De taken waarbij AI het meest helpt, ontbreken dus in de steekproef, en METR denkt dat de werkelijke versnelling waarschijnlijk groter is dan de schatting.
Voor een koper is de conclusie beperkt. AI maakt sommig codeerwerk sneller, met een hoeveelheid die zorgvuldige onderzoekers niet hebben kunnen vastpinnen. Het verandert niets aan wat een systeem nodig heeft voordat mensen erop kunnen bouwen.
Wat een prototype bewijst, en wat niet
Een weekendprototype bewijst drie nuttige dingen: het idee werkt op de inputs die iemand heeft geprobeerd, de interface is logisch voor de mensen die hem zagen, en iemand wil het hebben.
Het bewijst niet dat het systeem werkt op inputs die niemand heeft geprobeerd, dat het werkt voor tweehonderd mensen tegelijk, dat het iedereen alleen laat zien wat die mag zien, dat het per maand kost wat je denkt, of dat iemand het kan repareren als het 's nachts kapotgaat. Dat zijn de vragen die productie beantwoordt.
Er is een tweede verschil dat makkelijk over het hoofd wordt gezien. Een prototype wordt beoordeeld door degene die het bouwde, op de dag dat het gebouwd werd, met inputs die die persoon zelf koos. Een productiesysteem wordt beoordeeld door mensen die de demo nooit zagen, maanden later, op data die nog niet bestond toen de code werd geschreven. Het meeste werk in de volgende tabel bestaat zodat dat tweede oordeel goed uitvalt.
Wat productie toevoegt
De aandelen hieronder zijn een illustratieve verdeling voor een interne LLM-tool, zoals een copilot voor het doorzoeken van documenten, die van een werkend prototype naar een paar honderd dagelijkse gebruikers gaat. Het zijn planningsinschattingen, geen metingen. Pas de gewichten aan voor je eigen situatie; het gaat om de vorm.
| Werkonderdeel | Wat het inhoudt | Zonder dit | Illustratief aandeel |
|---|---|---|---|
| Kernlogica | Wat het prototype al laat zien | Geen product | 20% |
| Datacontracten en pipelines | Schemachecks op elke inputfeed; geplande, idempotente loads | Een upstream-export verandert en antwoorden verslechteren zonder foutmelding | 15% |
| Evaluatieset en quality gates | Echte vragen met verwachte antwoorden, gedraaid bij elke prompt- of modelwijziging | Niemand kan zeggen of een wijziging iets beter of slechter maakte | 12% |
| Authenticatie en rechten | Single sign-on; toegangsregels afgedwongen op het moment van retrieval | Medewerkers zien documenten die ze niet mogen zien | 8% |
| Inputvalidatie en foutafhandeling | Limieten op grootte en formaat; omgang met vijandige tekst in uploads en opgehaalde documenten | Eén vreemd bestand legt de service plat of stuurt het model | 8% |
| Monitoring en alerting | Latency, foutpercentage, kosten per request, aandeel lege retrievals, gebruikersfeedback | Problemen worden dagen later door gebruikers gemeld | 8% |
| Security review en fixes | Secrets, dependencies, data die naar API's van derden gaat | Een gelekte key of een datalek | 8% |
| On-call en runbooks | Een benoemde eigenaar en uitgeschreven stappen voor de gangbare storingen | De enige die het weet, is op vakantie | 7% |
| Rollback en releaseproces | Geversioneerde prompts, modellen en indexen; een schakelaar terug naar de laatste goede versie | Een slechte release blijft live terwijl iemand hem debugt | 5% |
| Documentatie en overdracht | Hoe het werkt, hoe je het wijzigt, hoe je het draait | Het systeem overleeft zijn maker niet | 5% |
| Kostenlimieten | Quota per gebruiker, tokenlimieten, een stroomonderbreker op uitgaven | Een loop of een zware gebruiker levert een onverwachte factuur op | 4% |
De eerste rij is het prototype. In deze verdeling is dat een vijfde van het werk. De andere vier vijfde zijn onzichtbaar in een demo, en daarom is een demo zo'n slechte leidraad voor een budget.
Voor engineers: waar de tijd naartoe gaat
Een paar rijen verdienen meer detail, omdat schattingen daar meestal misgaan.
Rechten horen in de retrieval, niet in het antwoord. In een retrieval-augmented systeem moet de toegangscheck documenten filteren voordat ze het model bereiken. Filteren na de generatie werkt niet: het model heeft de afgeschermde tekst dan al gelezen en kan die parafraseren. Dat betekent dat de index toegangsmetadata bevat, synchroon blijft met het bronsysteem, en dat iemand het test met accounts die verschillende rechten hebben.
De evaluatieset is de specificatie in uitvoerbare vorm. Het is een geversioneerd bestand met echte inputs en verwachte outputs of beoordelingsregels, dat in CI draait bij elke wijziging van prompts, modellen, chunking of retrievalinstellingen. Om die te bouwen, ga je zitten met de mensen die het systeem gaan gebruiken en schrijf je op wat een correct antwoord is. Dat gaat langzaam, en geen assistent kan het voor je doen, omdat de kennis bij de gebruikers zit.
Inputvalidatie omvat nu ook tekst die het model aanvalt. Een document in de index kan instructies bevatten. Uploads kunnen enorm zijn, leeg, gescande afbeeldingen of in de verkeerde encoding. Elk geval heeft gedefinieerd gedrag en een test nodig.
Rollback vraagt dat alles samen geversioneerd is. Een release is een prompt, een modelversie, een indexbuild en code. Als alleen de code in git staat, draait het terugzetten van de code het gedrag niet terug.
Kostenlimieten zijn een productiefeature. Een prototype heeft één gebruiker. Een productiesysteem heeft er een paar honderd, plus scripts en retries. Quota per gebruiker, een maximum aantal tokens en een alert op de dagelijkse uitgaven zijn goedkoop om te bouwen en voorkomen de meest voorkomende onaangename verrassing.
Hoe je een prototype behandelt als je het budget beheert
Behandel het als een specificatie. Een werkend prototype is de duidelijkste beschrijving van wat je wilt die de meeste projecten ooit krijgen. Geef het aan de engineers, samen met de lijst inputs waarop het is geprobeerd en de gevallen waarin het faalde.
Behandel het niet als 80% van het product. Als een offerte laag is omdat het prototype al bestaat, vraag dan welke van de rijen hierboven die dekt. Als het antwoord alleen de eerste rij is, is de offerte voor een tweede prototype.
Gebruik het om de vraag te testen voordat je productie financiert. Zet het twee weken voor de beoogde gebruikers neer. Als ze er niet op terugkomen, heb je het productiebudget bespaard, en dat is het nuttigste wat een prototype kan doen.
Wanneer je het prototype weggooit
Herschrijf in plaats van uit te breiden als een of meer van deze punten gelden:
- secrets staan in de code of in de repositorygeschiedenis;
- data wordt benaderd via iemands persoonlijke account of persoonlijke API-key;
- interface, logica en datatoegang zijn door elkaar gemengd, zodat rechten niet op één plek af te dwingen zijn;
- niemand kan uitleggen hoe een bepaald antwoord tot stand kwam;
- het draait op een gehoste builder die niet binnen je eigen omgeving te deployen is of niet aan je dataregels kan voldoen;
- de logica is lang en heeft geen tests.
Houd het als de kernlogica kort, leesbaar en los te halen is, er al een paar tests zijn, en de datastroom lijkt op die in productie.
Code weggooien kost minder dan het klinkt. Het prototype heeft zijn werk al gedaan: de beslissingen zijn genomen, de voorbeelden verzameld, de interface is uitgeprobeerd. De prompts, de voorbeeldinputs en de screenshots overleven een herschrijving meestal, ook als de code dat niet doet.
Hoe het verschil eruitziet in geld
Onze eigen gepubliceerde prijsbandbreedtes laten dezelfde verhouding zien. Een proof of concept is €14k–38k over 4–7 weken. Een productiebouw is €45k–120k over 10–20 weken. Aan beide kanten van de bandbreedte is productie ongeveer drie keer de proof of concept: 45 / 14 ≈ 3,2 en 120 / 38 ≈ 3,2. Die factor is de prijs van de rijen hierboven die niet de eerste zijn. Om dezelfde reden leveren we monitoring en rollback op vóór de overdracht: daarmee kan een klant het systeem zonder ons draaien.
Heb je al een prototype en wil je weten welke rijen het dekt, dan is de gratis teardown een eerste check in zes vragen, en een korte betaalde discovery beantwoordt het volledig. Dezelfde lijst geldt voor interne document-copilots, waar rechten en de evaluatieset meestal de meeste tijd kosten.
Bronnen
- CNN, 'Vibe coding' named Collins Dictionary's Word of the Year, november 2025 — https://www.cnn.com/2025/11/06/tech/vibe-coding-collins-word-year-scli-intl
- Stack Overflow, 2025 Developer Survey: AI, juli 2025 — https://survey.stackoverflow.co/2025/ai
- METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, juli 2025 — https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
- METR, We are Changing our Developer Productivity Experiment Design, februari 2026 — https://metr.org/blog/2026-02-24-uplift-update/