TL;DR: AI-agents nemen routinewerk over. Teams worden kleiner. Wat schaars wordt is senior oordeel: sturen, beoordelen, kiezen en ingrijpen. Voor agencies en opdrachtgevers telt niet alleen headcount, maar wie dat oordeel draagt. Peildatum: 18 november 2026.
AI-agents nemen steeds meer routinewerk over. Teams worden daardoor kleiner. Voor agencies en opdrachtgevers verschuift de vraag: niet hoeveel mensen je nodig hebt, maar wie stuurt, beoordeelt, kiest en ingrijpt. Dat werk verdwijnt niet. Het wordt schaarser.
Kniberg verwacht meer, kleinere teams
Henrik Kniberg schreef Agile in the Age of AI in maart 2024 en werkte het bij in oktober 2026. Hij noemt het zelf “a mix of observation and prediction” en spreekt van “guesses”. Lees het dus als een onderbouwde mening, niet als onderzoek.
Zijn redenering: met een AI-collega is kennis minder de bottleneck. Volgens Kniberg heeft een team van 1 tot 2 mensen plus AI toegang tot de meeste kennis die het nodig heeft. Waarom twee en niet één? Omdat het fijn is om een mens te hebben om mee te praten, en omdat vakantie en ziekte dan minder pijn doen.
Zijn illustratie: twee teams van vijf worden vijf teams van twee plus AI. Hij pleit daarbij niet voor ontslagen: slimme bedrijven geven volgens hem iedereen AI, in plaats van de rest te laten gaan. Dat kweekt angst en remt vernieuwing.
Kleinere teams hebben intern minder overleg nodig. Maar meer teams betekent meer afstemming tussen teams, zeker als ze aan hetzelfde product werken. De coördinatie verschuift van binnen het team naar het niveau erboven.
Specialisten worden gedeeld, niet overbodig
Dan de specialist. Kniberg neemt databasekennis als voorbeeld. In een team van twee mist die kennis vaak, en dan leun je op AI. Voor routinewerk is dat volgens hem waarschijnlijk genoeg. Voor complexer werk blijft een menselijke specialist nodig: om te formuleren wat er moet gebeuren, het resultaat te beoordelen, tools te bouwen en te bepalen welke modellen en tools bij de taak passen.
Zijn verwachting is dat specialisten vaker gedeeld of “roaming” worden. Ze horen niet bij één team, maar gaan naar het team dat ze op dat moment het hardst nodig heeft. De specialist is er volgens hem voor als je tegen de grenzen van AI aanloopt, of als je een extra paar ervaren ogen nodig hebt om het resultaat te beoordelen.
Hetzelfde ziet hij bij de Scrum Master of agile coach: minder lesgeven, meer coachen, over meer teams tegelijk.
Een deel van zijn voorspellingen schreef Kniberg in 2024 met de termijn “binnen een jaar”. Behandel die als verwachtingen van toen, niet als een beschrijving van nu.
In de praktijk is sturen het werk
Concreter is het verslag van OpenAI (februari 2026). Een klein team van drie engineers, later zeven, bouwde in vijf maanden een intern product zonder handgeschreven code. Een coding-agent schreef alles. In die periode werden ongeveer 1.500 pull requests geopend en gemerged.
Interessanter is wat de engineers deden. Hun werk werd: de omgeving ontwerpen, intentie vastleggen en feedbackloops bouwen zodat de agent betrouwbaar kon werken. Ze prioriteerden werk, vertaalden gebruikersfeedback naar acceptatiecriteria en valideerden uitkomsten. OpenAI noemt menselijke tijd en aandacht “our one truly scarce resource”.
Cassie Kozyrkov vat dit experiment samen in haar video 12 Rules of Harness Engineering. Twee van haar regels raken de kern van dit artikel. Regel 1: “Humans steer, agents execute.” Regel 12: “Escalate only when judgment is required.” Beide komen terug in het OpenAI-verslag. Mensen sturen, de agent voert uit, en de agent schakelt een mens in waar oordeel nodig is.
Twee kanttekeningen van OpenAI zelf. De mate van autonomie die ze bereikten hangt sterk af van de structuur en tooling van juist die repository, en je moet niet aannemen dat het zonder vergelijkbare investering generaliseert. En ze schrijven dat ze nog leren waar menselijk oordeel de meeste hefboom geeft.
Hoe zo’n omgeving rond een agent eruitziet, lees je in ons eerdere artikel over harness engineering. Let op: dat gaat over de discipline, niet over het CI/CD-platform Harness.io.
Waar het knelt: beoordelen
Als bouwen sneller gaat, wordt beoordelen de rem. Hups beschrijft dat eerlijk in The AI Productivity Paradox (Niklas Modig en Joacim Harrby, oktober 2026).
Hun ontwikkelteam opende in vier maanden ongeveer 2,5 keer zoveel pull requests. Ze zeggen er zelf bij dat dit output meet die ter controle wordt aangeboden, geen verbeteringen voor klanten. Wijzigingen kwamen sneller binnen en waren vaak groter. Begrijpen hoe ze samenhangen en wat hun impact is, bleef veel werk kosten. Ze noemden het de “review death loop”: tegen de tijd dat een reviewer klaar was, stond de volgende wijziging alweer klaar. Releases duurden langer en reviews werden gehaast.
Hun reactie: de auteur is verantwoordelijk voor het begrijpen en controleren van een wijziging voordat die wordt ingediend. Grote wijzigingen worden opgeknipt. Reviewniveaus hangen af van complexiteit en risico. Ze hadden die afspraken net gemaakt toen ze het stuk schreven, dus over het effect zeggen ze nog niets. Het probleem zelf is wel helder: de capaciteit om te beoordelen hield het bouwtempo niet bij.
Wat betekent dit concreet?
- Reken capaciteit niet alleen in handen. Reken in oordeel: wie beoordeelt wat de agent maakt, en hoeveel tijd heeft die persoon daarvoor?
- Een klein team zonder senior oordeel wordt snel een groot reviewprobleem.
- Meer, kleinere teams vragen om iemand die het geheel overziet.
- Gedeelde specialisten zijn schaars. Plan hun tijd bewust, anders worden zij de nieuwe wachtrij.
Wat dit vraagt van agencies
Kleinere teams betekenen niet minder senioriteit. Eerder het omgekeerde. Als een agent het meeste bouwwerk doet, zit de waarde in de mensen die richting geven en kwaliteit bewaken. Dat is precies het verschil tussen een senior en een medior developer.
Drie vragen voor je eigen bureau:
- Wie stuurt per team? Elk klein team heeft iemand nodig die kan formuleren wat er moet gebeuren en kan zien of het resultaat klopt.
- Waar zitten je specialisten? Als je databases, security of cloud niet meer per team bemenst, maak dan expliciet wie gedeeld wordt en hoe teams die persoon bereiken.
- Is reviewtijd zichtbaar? In planning en offertes gaat het vaak over bouwtijd. Beoordelen kost ook tijd, en die groeit mee met wat de agent produceert.
Wat dit vraagt van opdrachtgevers
Het aantal mensen op een project zegt minder dan vroeger. Een team van twee met een agent kan veel produceren. Vraag je leverancier of je eigen team daarom:
- Wie beslist bij twijfel, en wanneer schakelt de agent een mens in?
- Hoeveel reviewcapaciteit staat er tegenover de output?
- Wie bewaakt de samenhang als meerdere kleine teams aan hetzelfde product werken?
- Welke specialistische kennis is gedeeld, en hoe snel is die beschikbaar?
Veelgestelde vragen
Worden developers overbodig door AI?
Volgens deze bronnen niet. Het werk verschuift van code schrijven naar sturen en beoordelen. Kniberg waarschuwt zelf tegen ontslagen als reactie op AI.
Hoe groot moet een team met AI-agents zijn?
Er is geen vaste maat. Kniberg noemt 1 tot 2 mensen plus AI als verwachting. Het hangt af van je product, je risico’s en je reviewcapaciteit.
Wat is het verschil met harness engineering?
Harness engineering gaat over de omgeving rond een AI-agent. Dit artikel gaat over de mensen die die agent sturen. Zie ons artikel over harness engineering.
Kun je een senior specialist delen tussen teams?
Ja. Kniberg verwacht dat gedeelde of rondtrekkende specialisten vaker voorkomen. Dat werkt als duidelijk is wanneer teams hen inschakelen en hun tijd niet volledig opgaat aan review.
Tot slot
AI maakt teams kleiner, niet overbodig. Wat schaars wordt is senior oordeel: weten wat er moet gebeuren, zien of het klopt en ingrijpen als het niet klopt.
Digital Tribes bemiddelt Nederlandse senior freelance specialisten, via contractuele tussenkomst of directe bemiddeling. We stellen ook teams samen die onder jouw regie werken, waar dat past met een mix van Nederlandse en near- of offshore specialisten.
Wil je sparren over wie in jouw team het oordeel draagt? Plan een intake.
Bronnen
- Henrik Kniberg, Agile in the Age of AI (Hups, 28 maart 2024, bijgewerkt 28 oktober 2026)
- Ryan Lopopolo, Harness engineering: leveraging Codex in an agent-first world (OpenAI, 11 februari 2026)
- Cassie Kozyrkov, 12 Rules of Harness Engineering (video, 2 maart 2026)
- Niklas Modig en Joacim Harrby, The AI Productivity Paradox (Hups, 26 oktober 2026, bijgewerkt 28 oktober 2026)