Even een mythe uit de weg: AI maakt je niet 10x sneller. Niet vanzelf, tenminste.
Herkenbaar? Je opent Claude of Copilot. Genereert een service layer. Vijf minuten lang voel je je een tovenaar. Tot je ziet dat de code niet bij je patronen past. Verkeerde tabelnamen. Een library die je drie sprints geleden hebt gesloopt.
Dus je gaat fixen. Kost 40 minuten. Netto tijdwinst? Misschien 20 minuten op een taak van normaal 60. Dat is 2x. Geen 10x.
Nu een ander scenario. Dezelfde tool, dezelfde prompt. Maar je project heeft gedocumenteerde conventies, strikte types, duidelijke domeingrenzen. De AI leest je architectuurdocs, pikt de patronen op, en genereert code die er naadloos in past. Je reviewt het, wijzigt een variabelenaam, merget. Vijf minuten.
Dat is 10x. Zelfde tool. Ander fundament.
Het compressiemodel
Zie het als samengestelde rente. Je eerste domein kost moeite. Logisch, je leert de AI je patronen. Bij het vijfde domein staan die patronen. Elke nieuwe feature bouwt voort op wat er al is.
Echte cijfers uit een productiesysteem. Geen hobbyproject, geen tutorial:
| Domein | Compressie | Waarom |
|---|---|---|
| User management (1e) | ~5x | Initiele patronen bouwen |
| Autorisatie (2e) | ~5x | Patronen hergebruiken van domein 1 |
| Planning (5e) | ~8x | Complex domein, maar patronen staan vast |
| Configuratie (8e) | ~7x | Twee dagen in plaats van drie weken |
Zie je het patroon? Het eerste domein gaat langzaam. Bij het vijfde heeft de AI genoeg context om steeds complexere features te genereren. Nauwelijks begeleiding nodig. Dat is het compounding-effect.
Waar gaat de tijd eigenlijk naartoe?
Zonder AI gaat zo'n 70% van je tijd naar boilerplate, context-switching en mechanisch vertalen tussen lagen. Maar 15 tot 25% is echt nadenken. Interfaces ontwerpen. Businessproblemen oplossen. Architectuurbeslissingen nemen.
Die 70%? Daar is AI briljant in. CRUD-endpoints genereren, test-boilerplate schrijven, formaten omzetten, nieuwe domeinen scaffolden. De hele dag door. Maar het heeft een kaart nodig. Zonder duidelijke architectuur krijg je code die er goed uitziet maar nergens bij past.
Het verschil tussen 2x en 10x is niet talent. Het is structuur.
Wat er veranderd is
Drie dingen zijn bijna tegelijk gebeurd:
- Grote context windows: AI kan nu je hele domein tegelijk zien. Types, services, tests, alles in het werkgeheugen.
- Betrouwbare instructieopvolging: moderne modellen luisteren echt als je zegt "gebruik dit patroon, niet dat"
- Type-aware generatie: AI snapt type systems goed genoeg om code te leveren die in een keer compileert
Die drie samen? Een goed gestructureerde codebase wordt een instructieset voor AI. Types geven de vormen. Domeingrenzen geven de scope. Conventies geven de stijl. De AI leest het en genereert code die past.
Probeer dit
Pak een recente feature die je gebouwd hebt. Hoelang duurde het? En hoeveel van die tijd ging naar beslissingen die alleen jij kon nemen? Architectuur, business logic, security model. Versus mechanisch werk: CRUD, boilerplate, wiring, tests.
Dat mechanische percentage is je compressiekans. Architectuur maakt het los.