Twee ingenieurs die betrokken zijn bij het OpenClaw-project – ook wel 'Lobster' genoemd – slaan alarm: AI-tools kunnen de ontwikkeling versnellen, maar ze kunnen ook code van lage kwaliteit en mogelijk gevaarlijke code rechtstreeks in productie dumpen. Hun zorg is niet AI an sich, maar hoe snel bedrijven op deze tools vertrouwen zonder voldoende toezicht.
Mario Zekner, de maker van OpenClaws interne agentframework Pi, zegt dat de infrastructuur al zwaar onder druk staat en dat software met de dag kwetsbaarder wordt. De industrie kijkt misschien een tijdje de andere kant op, voegt hij eraan toe, maar uiteindelijk betaalt ze de tol voor de opgestapelde fouten. Collega-ingenieur Armin Ronacher stelt dat AI ervaren ontwikkelaars moet helpen sneller te werken. Veel bedrijven zien het echter als een snelle manier om kosten te besparen, ten koste van de kwaliteit op lange termijn.
Het echte probleem is dat code genereren niet hetzelfde is als degelijke software-engineering. AI kan snel schetsen, standaardfuncties en prototypen produceren. Maar zonder review, testen en architectuuroverzicht levert die code vaak meer problemen op dan ze oplost. De ergste gevallen doen zich voor wanneer gegenereerde fragmenten rechtstreeks in live producten belanden – zonder beveiligingscontroles, belastingtests, compatibiliteitsanalyse en planning voor toekomstig onderhoud.
De ingenieurs waarschuwen dat de jacht op kortetermijnproductiviteit kan leiden tot een tekort aan junior talent, oplopende technische schuld, nieuwe beveiligingslekken en vaker voorkomende storingen. Wanneer bedrijven de opleiding en groei van ontwikkelaars inruilen voor geautomatiseerde codegeneratie, winnen ze vandaag snelheid, maar morgen verliezen ze teamstabiliteit en productkwaliteit.
The Wall Street Journal doopt dit fenomeen 'vibe slop' – een combinatie van 'vibe coding', waarbij ontwikkeling draait om snelle prompts en ruwe resultaten, en een vloedgolf van AI-gegenereerde rommel. De boodschap voor bedrijven is duidelijk: deze tools kunnen krachtige helpers zijn, maar ze nemen de noodzaak van degelijke ontwikkelpraktijken niet weg. Kritische systemen vereisen nog steeds ervaren ontwikkelaars, code reviews, refactoring, testen en beveiligingsaudits.
De tijd die in eerste instantie wordt bespaard, wordt achteraf vaak een grotere kostenpost. Als AI code van lage kwaliteit produceert, worden de werkelijke ontwikkelingskosten gewoon naar de toekomst verschoven – naar bugfixes, onderzoek naar storingen, kwetsbaarheidspatches en het herstellen van vertrouwen bij gebruikers.