AI-gegenereerde code is van lage kwaliteit: stuur bij met harness engineering

What you'll learn

• You learn that AI-generated code scores on average 30% worse on SIG's quality measurement than human-written code.
• You see how Cursor's FastRender project, with 3 million lines of code in one week, only reached 1.1 stars on SIG's five-star rating system.
• You understand why architectural drift is the biggest risk in AI-driven software development.
• You discover what harness engineering entails and how it keeps AI agents within the right boundaries.
• You hear why AI is predicted to create more technical debt next year than it solves, while not using AI at all is actually the biggest risk.

Frequently asked questions

Topics

Read next

• AI-code wordt intern omarmd, maar het beheer blijft ver achter

  Uit het rapport 'State of AI-Powered Software Development' van Black Duck blijkt dat 97 procent van de grote bedrijven AI-codeertools gebruikt, maar slechts een derde heeft daarvoor governance ingericht. Teams die dat wel doen, melden een hogere efficiëntie.

• Zelfcorrigerende AI-agents als bouwstijl in de Nederlandse startup-scene

  Meerdere Nederlandse startups bouwen AI-systemen die zichzelf bijsturen op basis van feedback en meetdata, van dynamische prijsmodellen tot vroege detectie van industriële storingen. Een vergelijking laat zien hoe reinforcement en self-correction zich vertalen naar concrete producten.

• Nvidia-onderzoek: AI-instructie belangrijker dan modelkwaliteit

  Nvidia-onderzoek toont aan dat AI-agenten goed kunnen presteren door fijnafstemming van de instructies, zelfs met een zwakker basismodel.

• Arbor: AI-agents leren van eigen fouten

  Microsoft Research en Renmin University of China presenteren een framework waarmee AI-agents beter software en ML-systemen kunnen optimaliseren, met betere prestaties dan Claude Code en Codex.

Description from the channel

Wat gebeurt er met de kwaliteit van je software als AI het grootste deel van de code schrijft? In deze aflevering van Techzine Talks spreken we met Luc Brandts, CEO van Software Improvement Group (SIG), over de meetbare impact van AI op codekwaliteit, technische schuld en softwareontwikkeling in 2025. SIG meet al 26 jaar softwarekwaliteit en heeft meer dan 500 miljard regels code geanalyseerd. Die expertise maakt het mogelijk om te meten of code door mensen of door AI is geschreven. Het stelt SIG ook in staat om het verschil in kwaliteit te meten. Gemiddeld scoort AI-gegenereerde code 30% slechter dan menselijk geschreven code. Dat heeft directe gevolgen voor het onderhoud van code, ontwikkelsnelheid en kosten. Brandts is voorstander van het gebruik van AI, maar de bevindingen van SIG maken ook duidelijk dat er goede guardrails en governance omheen moet zetten. Aan de hand van de analyse van Cursor's FastRender-project, waarbij 2000 agents in één week een browser bouwden met 3 miljoen regels code, wordt duidelijk hoe snel technische schuld zich opstapelt als er geen goede sturing is. De 2000 agents produceren weliswaar in zeven dagen tijd een hoeveelheid code die normaal gesproken jaren duurt om te produceren als mensen het doen, maar het resultaat scoort slechts 1,1 ster op SIG's vijfsterrenrating. Er moet dus nog heel veel extra werk ingestoken worden om die score te verbeteren. • AI-gegenereerde code scoort gemiddeld 30% slechter op kwaliteit • Het vijfsterrensysteem van SIG is een absolute benchmark • Cursor's FastRender: 3 miljoen regels code in één week, slechts 1,1 ster kwaliteit • Architectural drift is het grootste risico bij AI-gedreven ontwikkeling • Harness engineering is nodig om AI-agents in toom te houden • AI-systemen bouwen vraagt een compleet andere beveiligingsaanpak (ISO 5338) • Voorspelling: AI creëert volgend jaar meer technische schuld dan het oplost • Het grootste risico van AI is het níét gebruiken 0:57 Wat doet Software Improvement Group? 3:05 Het vijfsterrensysteem voor codekwaliteit 5:39 AI-code is gemiddeld 30% slechter 6:21 Waarom je guardrails nodig hebt bij AI-gegenereerde code 7:55 Analyse van Cursor's FastRender project 10:51 Architectural drift en automatische controle 15:03 Harness engineering: AI-agents in toom houden 20:29 Beveiliging van AI-systemen en ISO 5338 27:04 Portfoliostrategie en technische schuld 33:50 De SaaSpocalypse en custom software AI softwareontwikkeling, technische schuld, codekwaliteit, Software Improvement Group, SIG, architectural drift, harness engineering, Cursor FastRender, ISO 5338, SaaSpocalypse, AI governance, guardrails AI, Techzine Talks