Steeds meer organisaties zoeken manieren om sneller innovatieve oplossingen te ontwikkelen, ook wanneer ze zelf weinig tot geen IT- capaciteit in huis hebben. Binnen Bvolve zien we deze behoefte duidelijk terug in trajecten waar een specifiek, uniek probleem vraagt om een maatwerkoplossing – maar waar zowel de organisatie als een ingehuurde ontwikkelpartij vaak niet alle benodigde disciplines beschikbaar heeft.
Daarom werken wij met een aanpak waarin we vanaf het eerste moment meelopen: we helpen verwachtingen scherp krijgen, kaders vaststellen en de juiste vibe ophalen om snel tot een eerste prototype te komen. Vanuit die context introduceren we vervolgens vibe coding: een iteratieve manier van software genereren waarbij intenties, vibe, centraal staan in plaats van het schrijven van code regel‑voor‑regel. Deze werkwijze kan bijzonder krachtig zijn, mits goed gebruikt.
Wat is vibe coding?
Vibe coding een iteratieve manier van het genereren van software doordat de developer zijn intenties, en daarmee de vibe, deelt met een generatieve AI. Het belangrijkste is dat dit niet moet worden verward met het simpelweg gebruiken van een AI‑assistent tijdens het coderen of het schrijven van losse stukken code. Een groot onderdeel van vibe coding is namelijk dat de developer de onderliggende code vaak niet volledig begrijpt, laat staan dat hij zelfstandig diepgaande wijzigingen kan aanbrengen. Volgens Andrej Karpathy, mede‑oprichter van OpenAI en voormalig directeur AI en Autopilot Vision bij Tesla, staat deze manier van werken zelfs haaks op traditioneel AI‑assisted programming: “vibe coding is a method of developing throwaway projects that is enjoyable, causing one to forget that the code exists”. Dat maakt vibe coding in de basis een aanpak waarbij directe interactie met de code niet centraal staat. Maar als dit zo is, waarom zien we dan dat de vraag naar zowel softwareontwikkelaars als vibe coders juist enorm toeneemt?
Het antwoord ligt in het feit dat vibe coding niet één vaste werkwijze is, maar een spectrum van vijf verschillende niveaus van samenwerking tussen mens en AI. In het onderzoek van . worden deze beschreven als:
- Full delegation – de AI bouwt vrijwel alles, de developer geeft enkel richting.
- Guided delegation – de developer geeft constraints, bewaakt grenzen en stuurt bij waar nodig.
- Active pairing – mens en AI werken iteratief samen, waarbij de developer actief test en beoordeelt.
- Expert consultation – de developer blijft primair leidend en gebruikt de AI vooral voor suggesties.
- Human‑led orchestration – de hoogste vorm, waarin de developer de AI inzet als onderdeel van een breder architecturaal en kwalitatief proces.
Deze niveaus laten zien dat vibe coding niet per se draait om minder kennis, maar om andere kennis: het kunnen sturen, interpreteren en beoordelen van AI-gegenereerde software. Daarbij komt dat vibe coding volgens recente onderzoeken weliswaar leidt tot snelle successen, maar óók tot code die vaak foutgevoelig blijkt te zijn, doordat testen en kwaliteitscontrole worden overgeslagen. Juist hierdoor stijgt de behoefte aan developers die deze nieuwe AIgedreven werkwijze kunnen beheersen, kunnen bijsturen waar het fout gaat en de kwaliteit kunnen waarborgen. Met andere woorden: vibe coding vervangt de rol van de developer niet; het maakt die rol juist belangrijker, breder en waardevoller.
Waarom vibe coding nu in opkomst is:
De opkomst van vibe coding is geen toevallige trend, maar een logisch gevolg van de enorme versnelling in de ontwikkeling van large language models en autonome coding agents. Waar traditionele AI‑assistenten vooral hielpen bij het aanvullen van code, laten recente studies zien dat moderne modellen in staat zijn om volledige software‑componenten te genereren op basis van alleen intenties en natuurlijke taal. De review van Fawzy, Tahir en Blincoe laat zien dat steeds meer gebruikers kiezen voor vibe coding vanwege de directe “instant success and flow”: binnen enkele minuten ontstaat een werkend prototype zonder dat er ook maar één regel code hoeft te worden begrepen. Tegelijkertijd toont de grote systematische survey van Ge et al. aan dat de verschuiving richting autonome coding agents het voor organisaties steeds aantrekkelijker maakt om ontwikkelprocessen te versnellen, zeker nu volledige ontwikkelmodellen, variërend van unconstrained automation tot context‑enhanced development, volwassen beginnen te worden. Hierdoor ontstaat een nieuw type workflow waarin snelheid, toegankelijkheid en iteratieve creatie centraal staan, wat verklaart waarom vibe coding zo snel terrein wint binnen zowel startups als grotere organisaties.
Voor- en nadelen van vibe coding
Een van de grootste nadelen van vibe coding is dat gebruikers vaak te veel vertrouwen op het directe gevoel van “instant success and flow”, waardoor belangrijke kwaliteitsstappen zoals testen, codereview en debugging worden overgeslagen. Dit leidt volgens Fawzy, Tahir en Blincoe tot code die wel snel ontstaat, maar structureel kwetsbaar en moeilijk te onderhouden is; veel vibe coders ervaren de gegenereerde output daardoor als en komen in de problemen zodra iets moet worden gerepareerd of opgeschaald. Daarnaast laat de grote survey van . zien dat autonome coding agents onverwachte productiviteitsverliezen kunnen veroorzaken wanneer de contextengineering of samenwerking tussen mens en AI niet goed is ingericht. Dit resulteert in onvoorspelbare resultaten, hogere cognitieve belasting en risico’s rondom veiligheid en betrouwbaarheid van de AI gegenereerde code. Samen zorgen deze nadelen ervoor dat vibe coding wordt gezien als een werkwijze die snelheid oplevert, maar ook nieuwe risico’s introduceert op het gebied van kwaliteit, stabiliteit en verantwoord ontwikkelgedrag.
Tegelijkertijd laten deze onderzoeken juist zien waarom vibe coding zo snel terrein wint. Uit blijkt dat de toegankelijkheid en snelheid van deze manier van ontwikkelen voor veel gebruikers een enorme katalysator vormen; in plaats van dagen of weken werk, staat er binnen minuten een werkend prototype, waardoor experimenteren, creëren en itereren veel laagdrempeliger wordt. De grootschalige survey A Survey of Vibe Coding with Large Language Models laat bovendien zien dat moderne LLM‑agents in staat zijn complete ontwikkelprocessen te ondersteunen, van planning en genereren tot testen en context‑afhankelijke verbeteringen. Daarmee verschuift de rol van de developer naar een meer conceptuele en regisserende rol, waarbij intentie, architectuur en kwaliteitskaders centraal staan. Deze verschuiving, verankerd in de vijf herkenbare interactieniveaus tussen mens en AI, van full delegation tot human‑led orchestration, toont dat vibe coding, wanneer goed ingericht, niet leidt tot minder controle, maar juist tot een effectievere vorm van samenwerking tussen mens en AI, die innovatie versnelt en de ontwikkelsnelheid aanzienlijk verhoogt.
Waar kun je het effectief inzetten? En hoe doet Bvolve dit?
Voor veel organisaties is vibe coding vooral effectief wanneer men, snel wil verkennen wat er mogelijk is met AI, ideeën wil omzetten in tastbare prototypes, meteen wil testen hoe een oplossing in de praktijk zou werken of niet beschikt over een volledig IT‑team.
In deze situaties versnelt vibe coding de stap van idee naar werkende oplossing. Maar juist omdat snelheid centraal staat, is het cruciaal dat iemand meekijkt naar kwaliteit, haalbaarheid en inbedding in de organisatie. Dáár ligt de rol van Bvolve.
Binnen organisaties blijkt vibe coding vooral effectief op de momenten waarop je snel wilt verkennen wat AI kan betekenen, ideeën wilt uitproberen en in korte tijd een werkend prototype nodig hebt.
Wij zorgen ervoor dat een AI‑gegenereerd prototype niet slechts een technisch experiment blijft, maar daadwerkelijk waarde toevoegt binnen de organisatie. Dat doen we door te sturen op vier essentiële vragen:
- Past dit binnen de architectuur? Sluit de oplossing aan bij de visie, richtlijnen en bestaande IT‑kaders van de organisatie?
- Past dit in het proces?Lost deze oplossing het échte probleem op, of bestrijden we een symptoom? Waar in het proces hoort de oplossing thuis?
- Klopt de data? Wordt de juiste data gebruikt of gecreëerd, is de toegang goed geregeld en is de datakwaliteit voldoende?
- Gaan medewerkers dit gebruiken? Hoe zorgen we ervoor dat de oplossing daadwerkelijk waarde toevoegt en aansluit op het dagelijkse werk van de medewerkers?
Door deze disciplines te combineren, richten we ons op organisaties die weinig tot geen eigen IT‑capaciteit hebben, maar wel een specifieke uitdaging willen oplossen. In zulke situaties is vaak een uniek stukje software nodig, terwijl de benodigde kennis over architectuur, processen, data en adoptie ontbreekt, zowel intern als bij een ingehuurde ontwikkelpartij. Daarom lopen we vanuit Bvolve actief mee: we helpen verwachtingen scherpstellen, de juiste kaders bepalen en de benodigde vibe ophalen om snel tot een effectief prototype te komen. Daarbij sturen we continu op de belangrijkste vragen: past de oplossing binnen de organisatie. Zo ontstaat niet alleen een werkend prototype, maar een oplossing die écht meerwaarde biedt voor het proces en de mensen waarvoor zij bedoeld is.
Bronnen:
[1] Ge, Y., Mei, L., Duan, Z., Li, T., Zheng, Y., Wang, Y., … & Cheng, X. (2025). A survey of vibe coding with large language models. arXiv preprint arXiv:2510.12399.
[2] Gpt-5 pro. https://openai.com/gpt-5, 2025.
[3] Claude 4.5 sonnet. https://www.anthropic.com/claude, 2025.
[4] Fawzy, A., Tahir, A., & Blincoe, K. (2025). Vibe Coding in Practice: Motivations, Challenges, and a Future Outlook–a Grey Literature Review. arXiv preprint arXiv:2510.00328.
[5] Marko Horvat. What is vibe coding and when should you use it (or not)? Authorea Preprints, 2025
[6] Ivan Mehta. 2025. A quarter of YC’s startups have AI-generated codebases. https://techcrunch.com/2025/03/06/a-quarter-of-startups-in-ycs-currentcohort-have-codebases-that-are-almost-entirely-ai-generated. [Accessed on 01/05/2025].
[7] Andrej Karpathy. Andrej karpathy’s website. https://karpathy.ai/, 2025.
Bart Engels
