Developers schrijven en leveren hun werk sneller op dankzij AI, maar het ontwikkelproces als geheel wordt daar nauwelijks vlotter van. In het nieuwe State of Developer Experience-rapport van Atlassian zegt 87 procent van de developers dat AI hen helpt sneller te werken, terwijl 72 procent evenveel of zelfs meer frictie ervaart dan vóór AI. De tijdwinst verdwijnt in vergaderingen, zoeken naar informatie en onduidelijke eisen.
Dat is geen technisch probleem, maar een managementprobleem. Wie AI invoert zonder te kijken naar de rest van het werk, versnelt één stap en laat de knelpunten ernaast gewoon staan.
Wat het rapport laat zien
Atlassian zet de belangrijkste cijfers op een rij in een blog over het rapport. In 2025 verwachtte 68 procent van de developers minstens tien uur per week te besparen met AI. Dit jaar is dat nog 25 procent. Bijna twee derde besteedt regelmatig tijd aan het nakijken, debuggen en verbeteren van code die AI heeft gemaakt.
De grootste tijdvreters zijn bijna dezelfde als vorig jaar: informatie vinden, vergaderingen, steeds schakelen tussen taken, technische schuld en onduidelijke eisen. Slechts 17 procent van de developers en 23 procent van de leidinggevenden zegt dat hun organisatie een duidelijk gecommuniceerde en uitgevoerde AI-strategie heeft. Organisaties die dat wel hebben, melden twee keer zo vaak dat de frictie is afgenomen.
Waarom sneller niet automatisch productiever is
Software maken is een keten. Een idee wordt een eis, de eis wordt code, de code wordt beoordeeld, getest en uitgerold. Als AI alleen het schrijven van code versnelt, schuift het werk door naar de volgende schakel. Er ligt meer code klaar om beoordeeld te worden, terwijl het aantal reviewers gelijk blijft. Het resultaat is een langere wachtrij, geen snellere levering.
Daarbij komt dat 60 procent van de developers zegt dat AI-gebruik zelf als productiviteitssignaal wordt gezien. Dat is riskant. Wie meet hoe vaak AI wordt gebruikt, beloont activiteit in plaats van resultaat. Teams gaan dan doen wat gemeten wordt, ook als het niets oplevert voor de klant.
Wat een goede AI-strategie wel regelt
Een AI-strategie is meer dan een lijst met toegestane tools. Ze begint met de vraag welk probleem je wilt oplossen. Waar gaat in het werk de meeste tijd verloren? Bij de meeste teams is dat volgens het rapport niet het typen van code, maar het zoeken naar informatie en het wachten op beslissingen.
Kies daarom eerst de knelpunten en dan pas de toepassingen. AI kan helpen bij het samenvatten van documentatie of het doorzoeken van eerdere beslissingen. Soms is de oplossing helemaal niet technisch: minder vergaderingen, duidelijkere eisen voordat het werk begint of een vaste plek voor kennis.
Meet vervolgens uitkomsten in plaats van gebruik. Denk aan de doorlooptijd van idee tot oplevering, het aantal fouten na oplevering of de tijd die een wijziging in de wachtrij staat. Zulke maten laten zien of AI echt helpt. Ze voorkomen ook dat teams onder druk komen te staan om AI te gebruiken omdat het goed oogt.
Zorg ook dat iedereen de strategie kent. Het verschil tussen 17 procent van de developers en 23 procent van de leidinggevenden laat zien dat leidinggevenden vaker denken dat er een strategie is dan hun teams merken. Een strategie die alleen in een presentatie voor het management staat, verandert het werk niet. Vergelijkbare lessen kwamen eerder naar voren bij AI-projecten die geen waarde opleveren en bij marketingteams die weinig rendement uit AI halen.
Aansluitende managementmodellen
De Theory of Constraints van Eliyahu Goldratt stelt dat de prestatie van een systeem wordt bepaald door de zwakste schakel. Verbeteren buiten die schakel levert weinig op. Dat is precies wat het rapport laat zien: AI versnelt het schrijven van code, terwijl het knelpunt bij reviews, informatie en besluitvorming ligt. Zoek eerst de bottleneck en richt AI daarop.
De productiviteitsparadox gaat terug op econoom Robert Solow, die in 1987 opmerkte dat computers overal te zien waren, behalve in de productiviteitscijfers. Nieuwe technologie levert vaak pas winst op als organisaties hun werkwijze aanpassen. Bij AI lijkt dat niet anders.
Het 7S-model van McKinsey helpt om AI-invoering breder te bekijken dan alleen systemen. Strategie, structuur, vaardigheden, stijl en gedeelde waarden moeten op elkaar aansluiten. Wie alleen de systemen vernieuwt en de rest laat zoals het is, krijgt precies de frictie die developers nu melden.
Aanleiding voor dit artikel is nieuws van Techzine.
