AI maakt code goedkoop. Je organisatie is nog steeds duur.

Begin 2025 deed METR een gerandomiseerd onderzoek onder zestien ervaren opensource-developers, in repositories waaraan ze gemiddeld vijf jaar hadden bijgedragen. Per taak werd geloot of AI-tools waren toegestaan, vooral Cursor Pro met Claude 3.5 en 3.7 Sonnet. Vooraf verwachtten de developers dat AI hun doorlooptijd met 24 procent zou verkorten. Achteraf, na het werk, schatten ze dat het 20 procent had gescheeld. Gemeten waren ze 19 procent trager dan zonder de tools.

Zestien developers is een kleine steekproef. De tooling was die van begin 2025. En dit waren mensen met diepe kennis van volwassen codebases, zo ongeveer het minst gunstige geval voor AI-hulp. De onderzoekers zijn daar zorgvuldig over en dat mag jij ook zijn. Wat het onderzoek wél vaststelt is smaller en nuttiger dan "AI werkt niet": de mensen die het het beste konden weten, zaten ernaast over hun eigen werkweek, en wel in de vleiende richting. Ik begin er niet voor niets mee. Vrijwel elk gesprek dat ik over AI en delivery voer, draait op zelfrapportage. Iemand voelt zich sneller. Het team voelt zich sneller. Niemand heeft gekeken.

Wie wél kijkt en ziet dat de deliverycijfers niet zijn meebewogen met het gevoel, grijpt meestal naar hetzelfde plaatje: Idee → AI-implementatie: 20 minuten → organisatie: 12 dagen → productie.

Die getallen zijn illustratief. Ik heb ze gekozen om iets te kunnen aanwijzen, en niemand moet ze als data doorvertellen. De vorm herkent bijna iedereen meteen: het schrijven klapte in elkaar en alles eromheen niet. Refinement. De architectuurkeuze. De securityreview. De reviewer die tot donderdag in workshops zit. Het is een bevredigend plaatje, en het pleit iedereen vrij. Het is alleen niet helemaal wat er volgens de cijfers is gebeurd.

Het DORA-rapport van 2025, State of AI-assisted Software Development, verschenen op 23 september 2025, draaide een eerdere eigen bevinding om. De editie van 2024 koppelde AI-adoptie nog aan een lagere delivery throughput. De editie van 2025 stelt: "Unlike last year, we observe a positive relationship between AI adoption on both software delivery throughput and product performance." Die twaalf dagen zijn dus echt korter geworden. Met 90 procent van de respondenten die AI op het werk gebruikt, ging de output omhoog en de delivery throughput mee. Wie in zijn hoofd heeft dat organisaties nu eenmaal onbeweeglijk zijn, mag zich aan dat cijfer storen.

Hetzelfde rapport, in de volgende zin: "However, AI adoption does continue to have a negative relationship with software delivery stability."

Lees die twee zinnen samen en het verhaal gaat niet meer over snelheid. Organisaties hebben de extra output opgenomen en er meer van uitgeleverd. Wat ze inleverden was de zekerheid dát het werkte. De verklaring van DORA is een mechanisme, geen metafoor: "AI accelerates software development, but that acceleration can expose weaknesses downstream. Without robust control systems, like strong automated testing, mature version control practices, and fast feedback loops, an increase in change volume leads to instability."

De formulering waar het rapport op uitkomt, is dat AI werkt als versterker. Het repareert een organisatie niet en het sloopt er ook geen. Het neemt wat de organisatie al doet en doet er meer van, eerder. Een team met snelle tests, kleine changes en korte feedbackloops krijgt een snellere versie van zichzelf. Een team waar het testen al dun was, komt daar bij een viervoudig volume achter. Dat is een beter argument dan de schets, en een ongemakkelijker argument. Je organisatie is niet duur omdat ze traag is. Ze is duur omdat zij het is die vermenigvuldigd wordt.

Over de tactische laag hiervan schreven we al vaker. Wachten kost echt geld en vrijwel niemand meet het. Reviewcapaciteit wordt de bindende beperking. Je CI/CD-pipeline is waarschijnlijk het traagste dat je bezit. Dat klopt allemaal en het is allemaal de moeite van het oplossen waard. Let alleen op de eenheid. Pipelines en reviews meet je in minuten en uren. De twaalf dagen uit die schets bestaan niet uit minuten. Ze bestaan uit besluiten: refinement die niet heeft plaatsgevonden, een architectuurvraag die wacht op de ene persoon die hem kan beantwoorden, een afhankelijkheid van een team met een eigen kwartaal, een goedkeuring die bestaat vanwege een incident uit 2019 waar niemand sindsdien naar heeft gekeken.

Besluitvertraging reageert niet op throughput. Ze wordt bepaald door agenda's en door wie ja mag zeggen. Je kunt de output van je engineers verdubbelen zonder haar één dag te verkorten, want capaciteit was nooit de beperking. AI versterkt besluiten evenmin. Het versterkt alles wat erachter in de rij staat, en daarom is die rij nu zichtbaar langer.

Drie dingen, waarvoor je geen programma nodig hebt:

• Knip doorlooptijd op in fases. Schrijven, review, testen, wachten op een besluit, deployen. Eén getal van commit tot productie verbergt precies wat je wilt zien. Zodra de fases los staan, meldt de grootste zich vanzelf, en dat is zelden degene die men verwachtte.
• Zet change failure rate naast throughput. Dit is de DORA-bevinding als lokaal instrument. Stijgende throughput op zichzelf zegt weinig; stijgende throughput terwijl de failure rate meestijgt, betekent dat je sneller op dezelfde muur af beweegt.
• Tel de mensen tussen weten en uitleveren. Van "iemand in het team weet wat er moet gebeuren" tot "het draait in productie": hoeveel mensen moeten het eens zijn? Dat getal is je besluitvertraging, en het staat vrijwel nooit op een dashboard.

We schreven apart over wat er met de DORA-metrics zelf gebeurt zodra AI een serieus deel van je commits schrijft: de vier getallen blijven, hun betekenis schuift. Over de eerste helft van dit betoog is ZEN al duidelijk geweest: code wordt goedkoop, engineering niet. Dit is de tweede helft. Goedkope implementatie is geen productiviteitsresultaat, het is een input. Of het een resultaat wordt, hangt ervan af of de organisatie eromheen verandering veilig kan opnemen, en dat is eerst een engineeringvraagstuk en pas daarna een toolingvraagstuk.

Dat is het werk: AI-native software engineering, architectuur, testen en delivery die het extra volume aankunnen, en moderniseren wat je al hebt zodat het veilig is om er snel iets aan te veranderen. Zien je AI-cijfers er goed uit en je deliverycijfers niet, dan zit daar het interessante gat. Neem contact op, en neem die deliverycijfers mee.