Datascience
Top 2000 analyse 2018
Data-analyse van de Top 2000 editie 2018: minder artiesten, meer nummers per artiest, en een opvallende Queen-piek dankzij Bohemian Rhapsody.
Applicaties
De laatste jaren is de opmars van AI-tools niet te missen. De ene tool na de andere belooft ontwikkelaars slimmer, effectiever en vooral sneller te maken. Zelfbenoemde AI-experts hebben het einde van de softwareontwikkelaar al op de kalender staan, gelauwerde ontwikkelaars vinden het een soort autocomplete. Omdat ik zelf graag “mijn eigen onderzoek” doe, ben ik het gaan proberen. Met eigen projecten, de eigen site, om er zelf iets zinnigs over te kunnen zeggen.
Mijn tools-of-choice waren voornamelijk een aantal bekenden:
Wat voor mij fantastisch werkte, was het laten analyseren van mijn 5 jaar oude codebase door AI. De tool gaf advies over een probleem dat daar al tijden in zat. Ik had uiteraard een gevoel voor een oplossingsrichting, maar in dit geval kon AI de puntjes op de i zetten en die oplossing in detail uitschrijven. Eerlijk gezegd: de gegenereerde code deed niet wat ik wilde. Toch hielp de aanpak me om de oplossing zelf sneller te bouwen..
Binnen VS Code is Copilot door het jaar heen mijn go-to companion geworden om vragen aan te stellen (Want wie heeft er nog tijd om in de handleiding te duiken?), Dockerfiles aan te maken zodat ik dat niet hoef te doen, me te vertellen dat een wijziging die ik net deed in regel 1 op een slimme manier ook in regel 2 kan, etc. Tijdsbesparing dus. Veel tijdsbesparing.
Claude is degene waar ik uiteindelijk het meest van onder de indruk ben. Het gebruik van plugins, skills en sub-agents is in eerste instantie misschien minder doorzichtig, maar verhoogt uiteindelijk je efficiency meer dan de gems van Gemini of de agents van Mistral. Alsof je een compleet team van AI-medewerkers tot je beschikking hebt.
Mistral is de go-to-tool als het om privacy gaat. Misschien alleen gevoelsmatig, maar het idee dat niet alles in de US Cloud verdwijnt is, zeker met de daar actieve regering, een prettig gevoel.
De grenzen worden zichtbaar zodra het complex of projectspecifiek wordt. Een AI die jouw twintig jaar oude codebase niet kent, jouw naamgevingsconventies niet begrijpt en de context achter een designkeuze niet heeft meegekregen, geeft suggesties die technisch correct maar praktisch onbruikbaar zijn.
Ik heb ook gemerkt dat alle tools moeite hebben met multi-file redenering. Een wijziging die drie bestanden en een databaseschema raakt, vergt nog steeds menselijk overzicht. AI denkt in fragmenten, jij overziet het volledige project moeiteloos. Het gevolg is dat je met regelmaat iets laat oplossen in onderdeel A, waarna er in B en C dingen worden meegenomen die er niets mee te maken hebben. Gebruik maken van de Planmode kan dat effect verkleinen, maar niet wegnemen.
De eerlijke conclusie: ik ben sneller geworden, maar niet op de manier die de marketingmaterie belooft. De grote tijdswinst zit in de kleine dingen. Een functie die vroeger een kwartier kostte, schrijf ik nu in twee minuten. Documentatie die ik uitstelde, laat ik nu meteen bijschrijven door een documentation agent. Dat stapelt op.
Wat niet veranderd is: het nadenken zelf. Welk probleem los je op, voor wie, en waarom op deze manier? Dat blijft mensenwerk. De AI voert uit, de ontwikkelaar verzint en vraagt.
AI-tools zijn gereedschap, geen magie. Net zoals een goede IDE je niet leert programmeren, maakt een AI-assistent geen goede ontwikkelaar van een slechte. Maar voor een ervaren ontwikkelaar zijn het echte productiviteitswinsten - mits je leert wanneer je de suggestie accepteert en wanneer je hem naast je neerlegt.
Voor mij is het dagelijkse gebruik heel normaal geworden; ik zou ze niet meer willen missen. Benieuwd hoe jij AI in je eigen workflow kunt integreren? Begin klein, experimenteer en ontdek zelf waar de grootste winst ligt.
Meer lezen
Datascience
Data-analyse van de Top 2000 editie 2018: minder artiesten, meer nummers per artiest, en een opvallende Queen-piek dankzij Bohemian Rhapsody.
Datascience
Hoe data science en afstandsberekeningen ons hielpen bij een verhuisbeslissing — een praktisch voorbeeld van geo-analyse in Python.
Applicaties
Transparantie over welke data onze Android-apps verzamelen, waarom, en wat we er mee doen.