De belangrijkste vaardigheid om iets bruikbaars uit een AI-codeertool te halen, is niet kunnen programmeren. Het is je eigen vak goed kennen. Dat blijkt uit de grootste analyse tot nu toe van hoe mensen met zo'n tool werken. Anthropic ontleedde bijna 400.000 sessies met Claude Code en kwam tot een opvallende uitkomst: een marketeer, jurist of accountant haalt er bijna evenveel uit als een doorgewinterde software-engineer. Wie het probleem snapt, stuurt de AI naar een goede oplossing. Wie alleen de syntax kent, loopt vast.
Wat ontdekte Anthropic precies?
Anthropic analyseerde bijna 400.000 interactieve sessies van zo'n 235.000 gebruikers van Claude Code, tussen oktober 2025 en april 2026, met een privacyvriendelijke methode. De onderzoekers, onder leiding van Zoe Hitzig, deelden dat werk op in negen soorten taken: bouwen, repareren, testen, draaien, plannen, begrijpen, analyseren, communiceren en aansturen. De rode draad is dat succes afhangt van hoe goed je een probleem begrijpt, niet van hoe goed je code schrijft. Met "volledig geverifieerd succes" bedoelen de onderzoekers dat het resultaat aantoonbaar werkte, niet alleen dat de gebruiker tevreden leek.
De onderzoekers vatten het zelf zo samen:
"Het vermogen om Claude naar succes te sturen komt meer voort uit beheersing van een vakgebied dan uit het kunnen schrijven van code."
Anthropic, onderzoek naar agentic coding, juni 2026
Een mooi detail uit de cijfers: jij neemt ongeveer 70 procent van de beslissingen over wat er gebouwd wordt, terwijl Claude zo'n 80 procent van de beslissingen over hoe het gebouwd wordt voor zijn rekening neemt. Eén opdracht van jou zet gemiddeld tien acties van de AI in gang. Soms meer dan honderd. Jij bepaalt de richting, de AI doet het loopwerk. Je hoeft de details van de uitvoering dus niet zelf te beheersen, je moet wel weten waar je naartoe wilt. Dit onderzoek deelt Anthropic als deel van zijn economische onderzoekslijn naar hoe AI werk verandert, na te lezen in de volledige studie.
Dat dit op zo'n schaal kan, is nieuw. Eerdere uitspraken over wie baat heeft bij AI-codeertools waren vaak gebaseerd op kleine groepen of op het onderbuikgevoel van techbedrijven. Hier kijkt een lab voor het eerst naar honderdduizenden echte sessies tegelijk, en dat maakt de conclusie een stuk harder.
Waarom haalt een marketeer bijna evenveel uit AI als een engineer?
Omdat het zwaartepunt verschoven is van code schrijven naar werk aansturen. In sessies waarin daadwerkelijk code wordt geproduceerd, halen software-engineers 34 procent volledig geverifieerd succes. Bij beroepen buiten de software is dat 29 procent, slechts vijf procentpunt lager. Alle tien grootste beroepsgroepen in de data zitten binnen zeven procentpunt van de engineers.
Even voor de beeldvorming: dit is alsof een chef-kok en een gemotiveerde thuiskok dezelfde professionele keuken in mogen. De chef werkt sneller en netter. Maar de thuiskok die precies weet welk gerecht hij wil, zet ook een prima bord op tafel. De keuken, in dit geval de AI, doet het zware werk. De richting komt van de mens. En die richting kun je alleen geven als je je vak kent.
Wat dat verschil tussen wat en hoe concreet betekent, zie je in een voorbeeld. Stel je runt een transportbedrijf. Jij weet dat ritten slim gepland moeten worden rond venstertijden, laadcapaciteit en de rijtijdenwet. Dat is de wat-kant, en die kun jij als enige invullen. Hoe dat in een planning-algoritme terechtkomt, met welke datastructuur en in welke programmeertaal, regelt de AI. Een externe programmeur zou eerst weken jouw vak moeten leren voordat hij die wat-kant snapt. Jij kent hem al.
Wat doen ervaren gebruikers anders?
Ze geven grotere, rijkere opdrachten en geven minder snel op. Een ervaren gebruiker laat Claude met één instructie gemiddeld twaalf acties en zo'n 3.200 woorden produceren. Een beginner blijft steken op vijf acties en 600 woorden. Dat verschil in opdracht vertaalt zich direct naar het resultaat: beginnerssessies komen op 15 procent volledig geverifieerd succes, ervaren en gevorderde gebruikers op 28 tot 33 procent.
Het tweede verschil is doorzettingsvermogen. Loopt een sessie vast, dan haakt een beginner in 19 procent van de gevallen helemaal af, tegen 5 tot 7 procent bij ervaren gebruikers. Wie weet hoe een goed eindresultaat eruitziet, herkent ook wanneer de AI de verkeerde kant op gaat en stuurt bij in plaats van op te geven. Een vage opdracht als "maak een factuurmodule" levert minder op dan "bouw een factuurmodule die btw-tarieven van 9 en 21 procent splitst en een pdf genereert volgens onze huisstijl". Dat tweede schrijf je alleen als je het vak kent.
De onderzoekers zagen ook dat ervaren gebruikers het werk opknippen in behapbare stappen, in plaats van één grote opdracht over de schutting te gooien. Ze controleren tussendoor of de AI de goede kant op gaat en sturen bij waar nodig. Dat is precies het gedrag dat je van een goede projectleider verwacht. Het heeft weinig met code te maken.
Het werk verschuift van debuggen naar aansturen
In een half jaar tijd is het soort werk dat mensen met Claude Code doen flink veranderd. Het aandeel sessies dat om debuggen draaide, zakte van 33 naar 19 procent. Software laten draaien en beheren groeide juist van 14 naar 21 procent. De gemiddelde waarde van een taak steeg met ongeveer 27 procent, en bouw-, beheer- en reparatietaken namen met 32 tot 43 procent toe.
Kort gezegd schuift de mens op van uitvoerder naar regisseur, het hoogste van de acht niveaus van AI-gebruik die we eerder beschreven. Je bent minder tijd kwijt aan het zoeken naar een ontbrekende komma en meer tijd aan beslissen wat er moet gebeuren. Dat sluit aan bij wat de bedenker van Claude Code zelf zegt. We schreven eerder over hoe de maker van Claude Code al een half jaar geen regel code meer schrijft en zijn werk volledig via aansturing doet.
Die verschuiving is ook in geld te zien. Doordat de taken complexer en waardevoller werden, leverde elke sessie gemiddeld meer op. Mensen vertrouwen de AI dus niet alleen kleine klusjes toe, maar steeds vaker werk dat er echt toe doet. Dat lukt alleen als degene aan het stuur weet hoe een goed eindresultaat eruitziet.
Betekent dit dat programmeurs overbodig worden?
Nee, en het onderzoek laat juist zien dat ervaring blijft lonen. Software-engineers scoren nog steeds het hoogst, en iemand moet bewaken dat code veilig is en klaar voor productie. De AI neemt het meeste uitvoerwerk over, maar ze beslist niet of iets goed genoeg is om klanten op los te laten. Dat blijft mensenwerk, en daar telt technische ervaring zwaar mee.
De verschuiving zit hem in de rol. Een ontwikkelaar wordt meer een eindredacteur dan een typist. En de niet-technische collega krijgt voor het eerst een realistische manier om zelf werkende software te maken, in plaats van een ticket in te dienen en weken te wachten. Dat laatste zagen we ook bij tools waarmee analisten en marketeers webapps bouwen zonder code.
Voor jou als ondernemer is dat een geruststellende boodschap. Je hoeft je technische mensen niet te vervangen, je kunt ze juist hoger in de keten inzetten. Laat hen de architectuur en de kwaliteitsbewaking doen, en geef het routinewerk aan een domeinexpert met een AI-tool. Zo rek je de capaciteit van je schaarse engineers op zonder dat de kwaliteit eronder lijdt.
Wat betekent dit voor de Nederlandse talentschaarste?
Het haalt druk van de ketel bij het tekort aan technische mensen. AI Engineer is in 2026 het snelst groeiende beroep op LinkedIn in Nederland, en die mensen zijn schaars. Volgens cijfers van marktonderzoeker IDC staan er wereldwijd 3,2 vacatures tegenover elke beschikbare AI-specialist, in Europa 2,6. Een AI- of ML-engineer in Nederland werven duurt 14 tot 22 weken.
Tegelijk gebruikt nog maar een klein deel van het kleinbedrijf AI. Volgens het CBS zette in maart 2026 13,8 procent van de Nederlandse microbedrijven met twee tot negen werknemers AI in. De talentkloof kost geld: volgens data van TheAIDaily betalen Nederlandse bedrijven jaarlijks zo'n 620 miljoen euro extra aan loonkosten door de schaarste aan AI-mensen.
Het Anthropic-onderzoek zet daar een hoopvol signaal tegenover. Als je domeinexperts die je al in huis hebt, zoals de accountant, de logistiek planner of de marketeer, de juiste tools en wat begeleiding geeft, kunnen zij een deel van het werk doen waarvoor je anders een schaarse engineer zoekt. Je hoeft niet te wachten tot je die ene developer hebt gevonden.
Wat kun je hier maandag mee?
Zet je beste vakmensen achter een AI-codeertool, niet alleen je IT-afdeling. Drie concrete stappen:
- Kies een domeinexpert, geen programmeur. Iemand die het werkproces door en door kent, levert betere instructies dan iemand die alleen de techniek snapt.
- Begin klein en goedkoop. Claude Code zit al bij een Claude-abonnement: Pro kost ongeveer 20 euro per maand, een Max-abonnement voor wie veel draait een stuk meer. Je kunt het vandaag uitproberen.
- Koppel de expert aan een developer voor het "hoe". De AI neemt het meeste uitvoerwerk over, maar een ervaren ontwikkelaar bewaakt veiligheid, kwaliteit en wat er naar productie gaat.
Belangrijk is wel dat je het begeleidt. Geef je vakmensen een veilige speelomgeving, geen directe toegang tot je productiesystemen. Spreek af wat ze zelf mogen maken en wat eerst langs een ontwikkelaar gaat. Zo houd je de snelheidswinst zonder onnodig risico.
De les van bijna 400.000 sessies is simpel. Niet de mensen die het snelst typen winnen, maar de mensen die het scherpst weten wat ze willen. En dat is goed nieuws voor elk bedrijf dat meer vakkennis dan programmeurs in huis heeft.
