"These features start as product features and over time just become more and more natural till they go away."
Hij had het over plan mode. Een feature die Claude dwingt om eerst na te denken voordat het begint te coderen. Zes maanden geleden was die feature essentieel. Zonder plan mode kreeg je slechte code. Nu activeert het model die modus zelf. De feature lost op in het model. Niet omdat hij mislukte, maar omdat het model de capability absorbeerde.
Ik ben die uitspraak sindsdien niet meer kwijtgeraakt. Want als je het patroon doorziet, gaat het veel verder dan developer tools.
De meeste software is een steiger
Kijk eens goed naar de software die je dagelijks gebruikt. Wat doet die eigenlijk?
- Je CRM herinnert dingen over klanten die jij vergeet. Het structureert relaties, plant follow-ups, houdt bij wie wanneer wat heeft gezegd. Het is een gestructureerd geheugen met workflow-logica eromheen.
- Je projectmanagement-tool is een visueel bord dat taken, deadlines en afhankelijkheden bijhoudt. Het routeert werk naar de juiste persoon op het juiste moment. Het is gestructureerde coördinatie.
- Je analytics-dashboard vertaalt ruwe data naar patronen die je kunt zien. Het maakt het onzichtbare zichtbaar.
- Je formulierenbouwer structureert invoer. Je workflow-engine routeert "als X dan Y". Je e-mailclient filtert en prioriteert.
Al deze software doet in essentie hetzelfde: het compenseert voor iets wat jij (of je organisatie) niet zelf kan bijhouden. Het is scaffolding. Een steiger rondom een beperking.
En steigers verdwijnen zodra het gebouw zelf kan staan.
Wat AI-modellen nu al absorberen
Dit is geen verre toekomst. Het gebeurt nu. Ik gebruik al geen aparte notitie-app meer voor vergaderingen. Mijn AI-assistent luistert mee, maakt notities, en herinnert me aan actiepunten. De app is weg. De capability is gebleven.
Ik open geen analytics-dashboard meer om te begrijpen wat er in onze data zit. Ik vraag het. "Wat valt op in de cijfers van deze maand?" Het antwoord is vaak beter dan wat ik zelf uit een grafiek zou halen, omdat het model verbanden ziet die ik over het hoofd zou zien.
Collega's van mij gebruiken hun CRM amper nog direct. Ze vertellen hun AI-assistent: "Stuur Jan een follow-up, verwijs naar ons gesprek over die migratie vorige week." De assistent kent de context, schrijft de mail, plant de opvolging.
Elke keer dat een model een taak overneemt die je voorheen via software deed, verdwijnt er een stukje steiger. Niet met een knal, maar geleidelijk. Je merkt het pas als je je afvraagt wanneer je voor het laatst in die app hebt ingelogd.
Niet alle software verdwijnt
Betekent dit dat alle software overbodig wordt? Nee. Maar je moet scherp zijn over welke laag je bekijkt.
Ik zie drie lagen:
- Laag 1: De interactie-laag. Hoe je met het model praat. Dit verandert van vorm. Vandaag is het een chatvenster. Morgen is het spraak, of een interface die zich aanpast aan je context. Maar er zal altijd een plek moeten zijn waar mens en model elkaar raken. Deze laag verdwijnt niet, maar is wel continu in beweging.
- Laag 2: De workflow-laag. De "als dit, dan dat"-logica. Routering, transformatie, beslisbomen, automatisering. Dit is de kwetsbare laag. Dit is precies wat modellen leren absorberen. Plan mode was workflow-logica ("denk eerst na, dan pas code"). Het model nam het over. Hetzelfde zal gebeuren met steeds complexere workflow-patronen.
- Laag 3: Het system of record. Data moet ergens betrouwbaar en autoritatief leven. Audittrails, compliance, financiële administratie, juridische documenten. Hier gaat het niet om slimme logica, maar om betrouwbare opslag en controleerbaarheid. Deze laag blijft. Modellen zijn (nog) niet het systeem dat je vertrouwt als single source of truth.
De grote vraag voor elke softwarebouwer: in welke laag zit jouw product?
De grote vraag voor elke softwarebouwer: in welke laag zit jouw product?
De ongemakkelijke waarheid voor SaaS
De meeste SaaS-producten opereren primair in laag 2. Ze zijn workflow-engines met een mooie interface eromheen. "Als een lead binnenkomt, routeer naar sales. Als een ticket escaleert, stuur een notificatie. Als een factuur onbetaald is na 30 dagen, stuur een herinnering."
Dat is precies het type logica dat modellen steeds beter zelf kunnen. Niet vandaag voor alle gevallen. Maar de richting is onmiskenbaar.
Dit betekent niet dat Salesforce morgen verdwijnt. Salesforce is ook een gigantisch system of record. Maar het deel van Salesforce dat je betaalt voor workflow-automatisering? Dat deel staat onder druk.
En Salesforce weet dat. Daarom investeren ze miljarden in hun eigen AI-laag. Ze proberen de transitie voor te blijven. Maar niet elke SaaS-speler heeft die middelen.
Wat dit betekent als je software bouwt
Als je vandaag software bouwt, stel jezelf dan drie vragen:
- Welk deel van mijn product is steiger? Identificeer eerlijk welke features workflow-logica zijn die een model binnenkort zelf kan. Dat is niet erg. Het is een signaal om te herpositioneren.
- Waar zit mijn echte waarde? Vaak zit die niet in de logica, maar in de data. In het netwerk. In de integraties. In het vertrouwen dat je klant heeft dat jij de bron van waarheid bent. Versterk die laag.
- Hoe snel kan ik meebewegen? De halfwaardetijd van feature-kennis in AI-native tooling is maanden, niet jaren. Dat geldt straks ook voor bredere software. Teams die snel kunnen herpositioneren overleven. Teams die vasthouden aan hun huidige feature-set worden ingehaald.
Wat dit betekent als je software koopt (of erin investeert)
De due-diligence vraag van 2026 is niet meer alleen "wat is de ARR?" maar ook: welk deel van die ARR zit in de workflow-laag?
Software met lange contracten die primair workflow-logica verkoopt, is een risicovollere investering dan het lijkt. Niet omdat het product slecht is, maar omdat het model dat het product overbodig maakt elk kwartaal beter wordt.
Zoek naar software die diep in laag 1 (unieke interactie) of laag 3 (onvervangbaar system of record) zit. Dat is waar de duurzame waarde zit.
De steiger en het gebouw
Een steiger is geen falen. Het is een fase. Je hebt steigers nodig om een gebouw te bouwen. Maar je woont er niet in.
De software-industrie heeft 30 jaar lang steigers gebouwd. Briljante, nuttige, onmisbare steigers. Maar het gebouw begint nu zelf te staan. En naarmate AI-modellen sterker worden, vallen er steeds meer steigers weg.
De vraag is niet of dit gebeurt. De vraag is of jij weet welk deel van jouw werk de steiger is, en welk deel het gebouw.
Zo bouwen wij software die blijft staan
Wij bouwen software met dit principe in ons achterhoofd. Geen steigers die over twee jaar overbodig zijn, maar systemen die meebewegen met wat modellen kunnen. Hoe we dat aanpakken, beschrijven we in ons AI-Native Engineering manifest.
