De operationele kosten van vibe coding tools (software waarbij je apps bouwt door in natuurlijke taal met AI te communiceren, in plaats van handmatig code te schrijven) per developer overstijgen tegen 2028 het gemiddelde salaris van een software developer. Dit praktijkcijfer van marktonderzoeker Gartner laat zien dat de droom van goedkope, geautomatiseerde softwareontwikkeling minder rooskleurig is dan beloofd. Organisaties lopen te hard van stapel met de introductie van generatieve AI in hun development teams. Onder de streep levert het blinde vertrouwen in grote taalmodellen (LLM’s) geen efficiëntie op, maar wel een onhoudbare financiële en infrastructurele schuld. Wat begint als een snelle pilot, eindigt in brute platformafhankelijkheid en acute technische degeneratie.
De destructieve opmars van Frankenstein-code
De drempel om applicaties te bouwen is historisch laag. Gewapend met natural language prompts (opdrachten in gewone mensentaal) en autonome agents schuift een nieuwe generatie ontwikkelaars naar voren, de zogenaamde vibe coders. Zonder diepgaande kennis van computer science of systeemarchitectuur worden in moordend tempo functionele applicaties in elkaar gedraaid. De overgrote meerderheid van deze producten valt onder de categorie wrapper-apps (oppervlakkige commerciële workflow-lagen die rusten bovenop bestaande API’s van grote techbedrijven zoals OpenAI, Google of Notion).
Onder de glimmende UI van de gemiddelde wrapper-app schuilt een wankel fundament. Het kernprobleem bij vibe coding is het volledige gebrek aan architecturale discipline. LLM’s zijn uitstekend in het genereren van losstaande functies, maar zij overzien de langetermijnarchitectuur van een complex softwaresysteem niet. Het resultaat is Frankenstein-code, een spaghettikoepel van aan elkaar geregen GitHub-forks, halffabrikaten en ad-hoc AI-prompts. Zodra er een bug optreedt in een diepere laag, staat de vibe coder op glad ijs. De reflex is om de AI nóg een laag code overheen te laten genereren, waardoor de technische schuld exponentieel toeneemt. Dat gelooft inmiddels niemand meer als houdbare IT-strategie.
Traditionele software-engineering minimaliseert database- en API-belasting door gerichte queries, caching en micro-transacties. Wrapper-apps daarentegen blinken uit in brute-force datatransport. In plaats van een specifiek datapunt op te vragen, sturen deze apps vaak continu complete documenten, volledige e-mailthreads of ongesorteerde JSON-objecten (gestructureerde data-uitwisselingsbestanden) heen en weer over de API-lijnen. Dit veroorzaakt onacceptabele latency voor de eindgebruiker. Het zorgt bovendien voor extreme, onnodige serververspilling aan de achterkant, met het mes op de keel van de infrastructuur.
Tokenmaxxing ontspoort FinOps
De aanname dat AI-gestuurd programmeren de kosten van softwareontwikkeling structureel verlaagt, wordt door de realiteit ingehaald. De verschuiving in de industrie van vaste SaaS-licentiemodellen naar consumption-based pricing (betalen per token of API-call) verandert softwareontwikkeling in een variabele infrastructurele overhead. Elke debug-loop, elke slordige prompt en elke herhaling telt direct mee op de meter. Wie zijn billen brandt, moet op de blaren zitten.
Dit destructieve gedrag in de praktijk staat inmiddels bekend als tokenmaxxing, aangedreven door Bloated Context Windows (ontwikkelaars voeren AI-agents bij elke prompt de volledige codebase en documentatie, door gebrek aan context engineering) en Ungoverned Agents (autonome AI-agents worden zonder menselijk toezicht in loops gezet om code te debuggen, waardoor ze miljoenen tokens consumeren zonder resultaat).
Bedrijven geven momenteel gemiddeld tussen de $200 en $500 per ontwikkelaar per maand uit aan AI-tokens. Bij intensieve power users schiet dit onmiddellijk door naar $2000 tot $2500 per maand. Er zijn uitschieters bekend waarbij een individuele ontwikkelaar tijdens een complex legacy-migratieproject in India in één maand tijd voor $20000 aan API-calls verstookte, een pijnlijk voorbeeld van losgelopen agents. Zonder een gestuurd engineering-model stijgen de kosten sneller dan de productiviteitswinst. Software bouwen verschuift hiermee van een logisch vraagstuk naar een puur economisch probleem, wat de opkomst van AI FinOps (het beheren van operationele AI-cloudkosten) dwingt.
Naast financiële risico’s begeven wrapper-apps zich op juridisch drijfzand wat betreft de GDPR (de Europese privacywetgeving). Wanneer een gebruiker een wrapper-app toegang verleent tot zijn Gmail of zakelijke notities, is de datastroom aan de achterkant volledig ondoorzichtig. De data reist via de servers van de applicatie naar de API van derden. Gebruikers en compliance-officers hebben er geen zicht op of deze data ergens extern wordt gecached, gelogd, of wordt gebruikt voor het trainen van toekomstige modellen. De huidige privacymechanismen zijn primair ontworpen rondom browsertracking. Er is een ernstig gebrek aan specifieke wetgeving die API-datatransparantie binnen B2B-workflows afdwingt, waardoor bedrijfsgevoelige informatie zonder adequate versleuteling over het publieke web klotst. Ook wetgeving zoals NIS2 (de strengere Europese richtlijn voor cybersecurity) draait de duimschroeven hard aan, waardoor deze schaduw-compliance een wassen neus blijkt.
Als puntje bij paaltje komt, rust het businessmodel van de gemiddelde wrapper-app op een fundament van drijfzand. Als een applicatie succesvol wordt, stijgen de onderliggende API-kosten door het inefficiënte datagebruik niet lineair, maar exponentieel. De marges verdampen waar de oprichters bijstaan. Om aan de wurgende API-kosten te ontsnappen, zou een applicatie moeten overstappen op eigen, onafhankelijke infrastructuur zoals lokaal gehoste open-source modellen op eigen servers. Voor een team van vibe coders is deze transitie financieel én technisch volstrekt onhaalbaar, simpelweg omdat ze de diepgaande engineering-kennis missen om LLM’s te finetunen, te kwantiseren en efficiënt te hosten. Zodra OpenAI, Google of Microsoft de voorwaarden aanpast, besluit een feature zelf native in te bouwen, of de API-tarieven verhoogt, gaat het hele verdienmodel de bietenbrug op.
Gaan we accepteren dat softwareontwikkeling degenereert tot een onbeheersbare variabele kostenpost, of dwingt deze kostencrisis een onmiddellijke terugkeer naar ambachtelijke, gedisciplineerde systeemarchitectuur af?
Bronnen
Het officiële persbericht van marktonderzoeksbureau Gartner getiteld Gartner Predicts AI Coding Costs Will Surpass Average Developer’s Salary by 2028 as Token Consumption Surges gepubliceerd op 24 juni 2026 waarin analist Nitish Tyagi de waarschuwing over de verborgen kosten van tokenconsumptie introduceert.
Het achtergrondartikel en de interviews van techplatform TechCentral getiteld When the AI costs more than the coder waarin dieper wordt ingegaan op de praktijkcijfers en uitschieters tot 20.000 dollar per maand bij legacy-migratieprojecten.
De sectoranalyse van vakmedium Techerati onder de titel AI Coding is Creating a New Enterprise Cost Challenge waarin de noodzaak van AI FinOps en de verschuiving naar variabele cloud-infrastructuurkosten binnen softwareontwikkeling uiteen wordt gezet.