Default
Door Remote - 17 Apr 2026
Er is een oude zaag in management: wat je meet, doet ertoe. En doorgaans krijgt u meer van wat u ook meet.
Software-ingenieurs debatteren al tientallen jaren over productiviteitsstatistieken, te beginnen met regels code. Maar nu de nieuwe generatie AI-codeeragenten meer code levert dan ooit, is het minder duidelijk wat hun managers zouden moeten meten.
Enorme symbolische budgetten – in wezen de hoeveelheid AI-verwerkingskracht die een ontwikkelaar mag verbruiken – zijn een ereteken geworden onder ontwikkelaars in Silicon Valley, maar dat is een heel vreemde manier om over productiviteit na te denken. Het meten van input voor het proces heeft weinig zin als je vermoedelijk meer om de output geeft. Het kan zinvol zijn als u meer AI-adoptie probeert aan te moedigen (of tokens verkoopt), maar niet als u efficiënter probeert te worden.
Denk eens aan het bewijsmateriaal van een nieuwe klasse bedrijven die actief zijn op het gebied van ‘inzicht in de productiviteit van ontwikkelaars’. Ze ontdekken dat ontwikkelaars die tools als Claude Code, Cursor en Codex gebruiken, veel meer geaccepteerde code genereren dan voorheen. Maar ze constateren ook dat ingenieurs veel vaker dan voorheen moeten terugkeren om die geaccepteerde code te herzien, waardoor de claims van verhoogde productiviteit worden ondermijnd.
Alex Circei, de CEO en oprichter van Waydev, bouwt een inlichtingenlaag om deze dynamiek te volgen; zijn bedrijf werkt met 50 verschillende klanten met meer dan 10.000 software-ingenieurs in dienst. (Circei heeft in het verleden bijgedragen aan TechCrunch, maar deze verslaggever had hem nog nooit eerder ontmoet.)
Hij zegt dat engineeringmanagers code-acceptatiepercentages zien van 80% tot 90% – dat wil zeggen het aandeel van de door AI gegenereerde code dat ontwikkelaars goedkeuren en behouden – maar ze missen de churn die optreedt wanneer ingenieurs die code in de daaropvolgende weken moeten herzien, waardoor het acceptatiepercentage in de echte wereld tussen de 10% en 30% van de gegenereerde code daalt.
De opkomst van AI-coderingstools bracht Waydev, opgericht in 2017 om ontwikkelaarsanalyses te bieden, ertoe om zijn platform de afgelopen zes maanden volledig te herwerken om de proliferatie van snelle coderingstools aan te pakken. Nu brengt het bedrijf nieuwe tools uit die de metagegevens bijhouden die door AI-agenten worden gegenereerd, en die analyses bieden van de kwaliteit en kosten van hun code om engineeringmanagers meer inzicht te geven in zowel de adoptie als de effectiviteit van AI.
Techcrunch-evenement
Ontmoet uw volgende investeerder of portfolio-startup bij Disrupt
Jouw volgende ronde. Uw volgende aanwerving. Uw volgende uitbraakmogelijkheid. Je vindt het op TechCrunch Disrupt 2026, waar meer dan 10.000 oprichters, investeerders en technologieleiders samenkomen voor drie dagen vol 250+ tactische sessies, krachtige introducties en marktbepalende innovatie. Registreer nu en bespaar tot $ 410.
Ontmoet uw volgende investeerder of portfolio-startup bij Disrupt
Jouw volgende ronde. Uw volgende aanwerving. Uw volgende uitbraakmogelijkheid. Je vindt het op TechCrunch Disrupt 2026, waar meer dan 10.000 oprichters, investeerders en technologieleiders samenkomen voor drie dagen vol 250+ tactische sessies, krachtige introducties en marktbepalende innovatie. Registreer nu en bespaar tot $ 410.
San Francisco, CA
|
13-15 oktober 2026
REGISTREER NU
Hoewel analysebedrijven een prikkel hebben om de problemen die ze tegenkomen onder de aandacht te brengen, stapelen de bewijzen zich op dat grote organisaties nog steeds aan het uitzoeken zijn hoe ze AI-tools efficiënt kunnen gebruiken. Grote bedrijven merken het: Atlassian heeft vorig jaar DX overgenomen, een andere startup op het gebied van technische intelligentie, voor $ 1 miljard, om zijn klanten inzicht te geven in het rendement op investeringen in codeermiddelen.
De gegevens uit de hele sector vertellen een consistent verhaal: er wordt meer code geschreven, maar een onevenredig groot deel ervan blijft niet hangen.
GitClear, een ander bedrijf op dit gebied, publiceerde in januari een rapport waarin werd vastgesteld dat AI-tools de productiviteit verhoogden, maar ook dat uit de gegevens bleek dat “gewone AI-gebruikers gemiddeld 9,4x meer codeverloop hadden dan hun niet-AI-tegenhangers” – meer dan het dubbele van de productiviteitswinst die de aangeboden tools met zich meebrachten.
Faros AI, een technisch analyseplatform, heeft voor zijn rapport van maart 2026 gebruik gemaakt van twee jaar aan klantgegevens. De bevinding: het codeverloop (regels code verwijderd versus regels toegevoegd) was bij hoge AI-adoptie met 861% toegenomen.
Jellyfish, dat zichzelf profileert als een intelligentieplatform voor AI-geïntegreerde engineering, verzamelde gegevens over 7.548 ingenieurs in het eerste kwartaal van 2026. Het bedrijf ontdekte dat de ingenieurs met de grootste tokenbudgetten de meeste pull-requests produceerden (voorgestelde wijzigingen in een gedeelde codebase), maar dat de productiviteitsverbetering niet schaalde. Ze bereikten een twee keer zoveel doorvoer tegen tien keer de kosten van tokens. Met andere woorden: de tools genereren volume en geen waarde.
Dit soort statistieken kloppen als je met ontwikkelaars praat, die merken dat coderevisie en technische schulden zich opstapelen, ook al genieten ze van de vrijheid van de nieuwe tools. Een veel voorkomende bevinding is het verschil tussen senior en junior engineers, waarbij laatstgenoemden veel meer door AI gegenereerde code accepteren en als gevolg daarvan te maken krijgen met een grotere hoeveelheid herschrijving.
Maar zelfs als ontwikkelaars proberen te begrijpen wat hun agenten precies van plan zijn, verwachten ze niet snel terug te keren.
“Dit is een nieuw tijdperk van softwareontwikkeling, en je moet je aanpassen, en je wordt gedwongen je als bedrijf aan te passen”, vertelde Circei aan TechCrunch. “Het is niet zo dat het een cyclus zal zijn die voorbijgaat.”
Software-ingenieurs debatteren al tientallen jaren over productiviteitsstatistieken, te beginnen met regels code. Maar nu de nieuwe generatie AI-codeeragenten meer code levert dan ooit, is het minder duidelijk wat hun managers zouden moeten meten.
Enorme symbolische budgetten – in wezen de hoeveelheid AI-verwerkingskracht die een ontwikkelaar mag verbruiken – zijn een ereteken geworden onder ontwikkelaars in Silicon Valley, maar dat is een heel vreemde manier om over productiviteit na te denken. Het meten van input voor het proces heeft weinig zin als je vermoedelijk meer om de output geeft. Het kan zinvol zijn als u meer AI-adoptie probeert aan te moedigen (of tokens verkoopt), maar niet als u efficiënter probeert te worden.
Denk eens aan het bewijsmateriaal van een nieuwe klasse bedrijven die actief zijn op het gebied van ‘inzicht in de productiviteit van ontwikkelaars’. Ze ontdekken dat ontwikkelaars die tools als Claude Code, Cursor en Codex gebruiken, veel meer geaccepteerde code genereren dan voorheen. Maar ze constateren ook dat ingenieurs veel vaker dan voorheen moeten terugkeren om die geaccepteerde code te herzien, waardoor de claims van verhoogde productiviteit worden ondermijnd.
Alex Circei, de CEO en oprichter van Waydev, bouwt een inlichtingenlaag om deze dynamiek te volgen; zijn bedrijf werkt met 50 verschillende klanten met meer dan 10.000 software-ingenieurs in dienst. (Circei heeft in het verleden bijgedragen aan TechCrunch, maar deze verslaggever had hem nog nooit eerder ontmoet.)
Hij zegt dat engineeringmanagers code-acceptatiepercentages zien van 80% tot 90% – dat wil zeggen het aandeel van de door AI gegenereerde code dat ontwikkelaars goedkeuren en behouden – maar ze missen de churn die optreedt wanneer ingenieurs die code in de daaropvolgende weken moeten herzien, waardoor het acceptatiepercentage in de echte wereld tussen de 10% en 30% van de gegenereerde code daalt.
De opkomst van AI-coderingstools bracht Waydev, opgericht in 2017 om ontwikkelaarsanalyses te bieden, ertoe om zijn platform de afgelopen zes maanden volledig te herwerken om de proliferatie van snelle coderingstools aan te pakken. Nu brengt het bedrijf nieuwe tools uit die de metagegevens bijhouden die door AI-agenten worden gegenereerd, en die analyses bieden van de kwaliteit en kosten van hun code om engineeringmanagers meer inzicht te geven in zowel de adoptie als de effectiviteit van AI.
Techcrunch-evenement
Ontmoet uw volgende investeerder of portfolio-startup bij Disrupt
Jouw volgende ronde. Uw volgende aanwerving. Uw volgende uitbraakmogelijkheid. Je vindt het op TechCrunch Disrupt 2026, waar meer dan 10.000 oprichters, investeerders en technologieleiders samenkomen voor drie dagen vol 250+ tactische sessies, krachtige introducties en marktbepalende innovatie. Registreer nu en bespaar tot $ 410.
Ontmoet uw volgende investeerder of portfolio-startup bij Disrupt
Jouw volgende ronde. Uw volgende aanwerving. Uw volgende uitbraakmogelijkheid. Je vindt het op TechCrunch Disrupt 2026, waar meer dan 10.000 oprichters, investeerders en technologieleiders samenkomen voor drie dagen vol 250+ tactische sessies, krachtige introducties en marktbepalende innovatie. Registreer nu en bespaar tot $ 410.
San Francisco, CA
|
13-15 oktober 2026
REGISTREER NU
Hoewel analysebedrijven een prikkel hebben om de problemen die ze tegenkomen onder de aandacht te brengen, stapelen de bewijzen zich op dat grote organisaties nog steeds aan het uitzoeken zijn hoe ze AI-tools efficiënt kunnen gebruiken. Grote bedrijven merken het: Atlassian heeft vorig jaar DX overgenomen, een andere startup op het gebied van technische intelligentie, voor $ 1 miljard, om zijn klanten inzicht te geven in het rendement op investeringen in codeermiddelen.
De gegevens uit de hele sector vertellen een consistent verhaal: er wordt meer code geschreven, maar een onevenredig groot deel ervan blijft niet hangen.
GitClear, een ander bedrijf op dit gebied, publiceerde in januari een rapport waarin werd vastgesteld dat AI-tools de productiviteit verhoogden, maar ook dat uit de gegevens bleek dat “gewone AI-gebruikers gemiddeld 9,4x meer codeverloop hadden dan hun niet-AI-tegenhangers” – meer dan het dubbele van de productiviteitswinst die de aangeboden tools met zich meebrachten.
Faros AI, een technisch analyseplatform, heeft voor zijn rapport van maart 2026 gebruik gemaakt van twee jaar aan klantgegevens. De bevinding: het codeverloop (regels code verwijderd versus regels toegevoegd) was bij hoge AI-adoptie met 861% toegenomen.
Jellyfish, dat zichzelf profileert als een intelligentieplatform voor AI-geïntegreerde engineering, verzamelde gegevens over 7.548 ingenieurs in het eerste kwartaal van 2026. Het bedrijf ontdekte dat de ingenieurs met de grootste tokenbudgetten de meeste pull-requests produceerden (voorgestelde wijzigingen in een gedeelde codebase), maar dat de productiviteitsverbetering niet schaalde. Ze bereikten een twee keer zoveel doorvoer tegen tien keer de kosten van tokens. Met andere woorden: de tools genereren volume en geen waarde.
Dit soort statistieken kloppen als je met ontwikkelaars praat, die merken dat coderevisie en technische schulden zich opstapelen, ook al genieten ze van de vrijheid van de nieuwe tools. Een veel voorkomende bevinding is het verschil tussen senior en junior engineers, waarbij laatstgenoemden veel meer door AI gegenereerde code accepteren en als gevolg daarvan te maken krijgen met een grotere hoeveelheid herschrijving.
Maar zelfs als ontwikkelaars proberen te begrijpen wat hun agenten precies van plan zijn, verwachten ze niet snel terug te keren.
“Dit is een nieuw tijdperk van softwareontwikkeling, en je moet je aanpassen, en je wordt gedwongen je als bedrijf aan te passen”, vertelde Circei aan TechCrunch. “Het is niet zo dat het een cyclus zal zijn die voorbijgaat.”