Junior software-engineers zien markt krimpen ondanks AI-hype

Er woedt een steeds feller debat over de vraag of agentisch programmeren — AI-systemen die met beperkte menselijke hulp code schrijven, testen en corrigeren — junior software-engineers bijna kan vervangen, of dat het alleen de taken vervangt die bedrijven voorheen aan hen toevertrouwden. Volgens MarkTechPost wordt de vraag meestal achterstevoren gesteld: men redeneert rechtstreeks van een stijgende benchmarkscore naar een conclusie over de arbeidsmarkt, en slaat elke stap over die daartussen eigenlijk zou moeten kloppen.

De benchmarks meten minder dan ze beweren

MarkTechPost verwijst naar het "tijdshorizon"-onderzoek van METR, dat meet hoe lang een bekwame mens over een taak doet en vervolgens de taaklengte bepaalt waarbij een AI-model in de helft van de gevallen slaagt. Die horizon is sinds 2019 ongeveer elke zeven maanden verdubbeld, en volgens MarkTechPost versnelde die verdubbeling tussen 2024 en 2026, waarbij topsystemen nu in uren in plaats van minuten worden gemeten. Maar de grens van 50% succes is geen grens waarop een werkgever zijn personeelsbestand kan baseren: bij een betrouwbaarheidsdrempel van 80% zijn topmodellen, aldus MarkTechPost, bijna perfect op taken die een mens in minder dan vier minuten afrondt, en slagen ze minder dan 10% van de keren bij taken die langer dan vier uur duren. METR's eigen taken zijn bovendien bewust op zichzelf staand, schrijft MarkTechPost — het tegenovergestelde van de echte eerste maanden van een junior engineer, die grotendeels bestaan uit het opnemen van context: welk team welke dienst bezit, waarom een oude abstractie nog bestaat, wie je iets moet vragen.

Het beeld verslechtert voor een tweede, veelgeciteerd getal. In februari 2026 stopte OpenAI met het rapporteren van scores op SWE-bench Verified en raadde het andere labs aan hetzelfde te doen, volgens het verslag van MarkTechPost over die aankondiging van het lab zelf. Een audit van 27,6% van de dataset wees uit dat minstens 59,4% van de gecontroleerde problemen gebrekkige testgevallen bevatte die functioneel correcte oplossingen afwezen, naast aanwijzingen voor contaminatie van trainingsdata. Op moeilijkere, niet-gecontamineerde datasets zoals SWE-bench Pro, meldt MarkTechPost, vallen de scores van topmodellen sterk terug ten opzichte van de Verified-cijfers die bedrijven aanhalen bij productlanceringen.

Verificatie is het echte knelpunt, niet het schrijven van code

Het duidelijkste bewijs over kosten komt uit een gerandomiseerd, gecontroleerd onderzoek dat METR uitvoerde met 16 ervaren opensource-ontwikkelaars, over 246 echte taken in hun eigen repositories, aangehaald door MarkTechPost. Met willekeurig toegestaan of verboden AI-gebruik hadden de ontwikkelaars een versnelling van 24% voorspeld en schatten ze achteraf 20% sneller te zijn geweest — maar schermopnames toonden dat ze in werkelijkheid 19% langzamer waren. MarkTechPost wijst op de beperkingen van het onderzoek: tools uit begin 2025 en een kleine groep ervaren ontwikkelaars die werkten aan codebases die ze al goed kenden. Toch beschouwt MarkTechPost de kloof tussen ervaren en gemeten productiviteit als de meest duurzame bevinding van het onderzoek — en precies dat soort verschil verdient het om helder benoemd te worden in plaats van gladgestreken.

Bredere enquêtes wijzen dezelfde kant op. MarkTechPost citeert de Stack Overflow-enquête van 2025 onder meer dan 49.000 ontwikkelaars, waarin 84% AI-codeertools gebruikt of van plan is te gebruiken, terwijl 46% actief wantrouwig is over de nauwkeurigheid van de output, tegenover 33% die de output vertrouwt; slechts 3% geeft hoog vertrouwen aan. Googles DORA-onderzoek, onder ongeveer 5.000 professionals, vond dat 90% AI op het werk gebruikt en meer dan 80% gelooft dat het hun productiviteit heeft verhoogd, terwijl 30% weinig of geen vertrouwen heeft in door AI gegenereerde code — en terwijl de doorvoersnelheid jaar op jaar verbeterde, deed de leverstabiliteit dat niet. Drie voorwaarden, stelt MarkTechPost, zijn nog niet vervuld wil AI-agenten junioren kunnen vervangen:

• Betrouwbare prestaties op taken met de lengte en voorafgaande context van het echte werk van een junior, niet op op zichzelf staande benchmarktaken
• Benchmarkscores die standhouden op moeilijkere, niet-gecontamineerde testsets, in plaats van teruggetrokken sets zoals SWE-bench Verified
• Verificatiekosten, wanneer een senior de AI-output nakijkt, die lager liggen dan de kosten van het werk simpelweg aan een mens delegeren

Wervingscijfers tonen de verschuiving al aan

Een vierde voorwaarde, stelt MarkTechPost, hangt niet af van de eerste drie: of bedrijven bereid zijn hun eigen opleidingstraject van junior naar senior engineer te doorbreken, ongeacht of de vervanging daadwerkelijk werkt. Het Digital Economy Lab van Stanford, dat ADP-loongegevens volgt die ongeveer een op de zes Amerikaanse werknemers dekken, ontdekte dat de werkgelegenheid van 22- tot 25-jarigen in de meest AI-blootgestelde beroepen, waaronder softwareontwikkeling, sterk afwijkt van die van oudere werknemers in dezelfde beroepen: een tekort van 15% bij het meetpunt van juli 2025, oplopend tot 19% in juni 2026, vooral gedreven door minder aanwervingen in plaats van ontslagen, meldt MarkTechPost.

CIO meldt dezelfde afkoeling aan de wervingskant. In de VS kampen recent afgestudeerden in computertechniek met een werkloosheidspercentage van 7,5% en informatica-afgestudeerden met 6,1%, volgens ramingen van de Federal Reserve Bank of New York die door CIO worden aangehaald — ruim boven het nationale werkloosheidspercentage van 4,3% en aanzienlijk hoger dan bij recent afgestudeerden in verpleegkunde (1,4%) of civiele techniek (1%). Een enquête van Resume.org onder 1.000 Amerikaanse bedrijfsleiders wees uit dat zes op de tien bedrijven in 2026 waarschijnlijk personeel zullen ontslaan, waarbij vier op de tien van plan zijn een deel van die werknemers door AI te vervangen, meldt CIO. "Waarom een junior inhuren voor 90.000 dollar als GitHub Copilot 10 dollar kost?", zei senior software-engineer Chirag Agrawal tegen CIO, terwijl hij beschreef hoe zijn eigen functie verschoof van code schrijven naar het valideren van AI-output op edge cases en beveiligingslekken. Rachit Gupta, hoofd AI bij adviesbureau Tredence, vertelde CIO dat AI nu een groot deel van het debuggen, testschrijven en repetitieve codewerk overneemt waarmee junioren vroeger hun tanden zetten, maar dat het oordeel over architectuur, compliance en beveiliging nog steeds bij ervaren engineers ligt.

Voor bedrijven is het praktische belang direct voelbaar: minder junioren aannemen bespaart geld in een neergaande markt, maar het onderliggende argument van MarkTechPost is dat gecodificeerde taken — die een junior al kan bij binnenkomst — precies zijn wat agenten automatiseren, terwijl het stilzwijgende oordeel dat senior engineers bezitten juist is wat die taken op de werkvloer hoorden bij te brengen. Dat laat werkgevers achter met een vraag waar weinigen op begroten: wie leidt de volgende generatie reviewers op als de onderste sport van de ladder verdwijnt. Voor afgestudeerden die nu in Nederland en België de arbeidsmarkt betreden, waar dezelfde AI-codeertools eveneens terrein winnen, komt de lezing van beide stukken op hetzelfde neer: functies die draaien om het schrijven van repetitieve code krimpen, terwijl wie wél wordt aangenomen steeds vaker moet aantonen door AI gegenereerde code te kunnen bevragen, testen en corrigeren, in plaats van er simpelweg meer van te produceren.