Softwareontwikkeling statistieken 2026: AI-code, bugs, banen en snelheid (maandelijks bijgewerkt)

‍

Laatst bijgewerkt: juli 2026. Dit rapport combineert software­ontwikkelingsstatistieken van derden met interne data van Minimum Code over delivery, migratie, QA, audits, intake en onze eigen DORA Check.

AI-coding verschuift waarde weg van het schrijven van code, naar 2 gebieden: planning en testen. Voor softwareontwikkelteams is de vraag hoe snel een team iets kan bouwen dat betrouwbaar genoeg is om te lanceren.

De bredere marktdata wijst dezelfde richting op. AI-workflows zijn nu normaal binnen engineeringteams, maar productiegereedheid hangt nog steeds af van menselijke review. Een prototype of MVP kan snel klaar zijn. Het echte werk begint wanneer het product veilige rechten, betrouwbare data, beschermde API's, schone deployments, handmatige QA en fixes nodig heeft die geen nieuwe defecten veroorzaken.

AI heeft het bouwen van software goedkoop gemaakt, dus het zware werk en het echte risico zijn verschoven naar review, testen, security en migratie — en daar heb je echte engineering voor nodig.

Belangrijkste bevindingen

AI heeft software sneller maakbaar gemaakt, waardoor de meest nuttige data van 2026 een groter verhaal vertelt. De druk is verschoven richting validatie: review, QA (Quality Assurance), security, herstel en onderhoudbaarheid. Meer code betekent niet automatisch betere software, zeker niet wanneer AI-output sneller gaat dan het reviewvermogen. Voor early-stage teams is de praktische vraag hoe snel een product gebouwd, getest, beveiligd en na lancering beheerd kan worden.

• 90% van de technologieprofessionals gebruikt AI op het werk, volgens het DORA-onderzoek 2025 van Google. (Google DORA, september 2025)
• 84% van de developers gebruikt AI-tools of is van plan dat te doen in hun ontwikkelproces, tegenover 76% het jaar ervoor. (Stack Overflow, juli 2025)
• GitHub rapporteerde 47,5 miljoen pull requests in 2025, een stijging van 20,4% jaar-op-jaar, wat laat zien hoeveel software-activiteit nu via reviewpipelines loopt. (GitHub Octoverse, oktober 2025)
• Het Amerikaanse Bureau of Labor Statistics voorspelt 15% groei voor softwaredevelopers, QA-analisten en testers tussen 2024 en 2034, met circa 129.200 vacatures per jaar. (U.S. Bureau of Labor Statistics, september 2025)
• Developers geven aan dat 42% van hun gecommitte of bijgedragen code momenteel AI-gegenereerd of AI-ondersteund is, volgens Sonar's State of Code Developer Survey. (Sonar, januari 2026)
• Interne audits van Minimum Code op AI-gebouwde en vibe-gecodede MVP's vonden in elke beoordeelde MVP minstens één security-issue, waarbij 80% een kritiek probleem vertoonde. Deze bevindingen moeten gelezen worden als praktijkobservaties uit auditwerk bij klanten in 2026, niet als marktbrede percentages. (Interne auditdata Minimum Code, juli 2026)

AI-ondersteunde software is nu de standaard

Developers gebruiken AI nu voor coding, debuggen, documentatie, testen, uitleg en workflow-ondersteuning. Dat creëert hefboomwerking, maar verhoogt ook de lat voor review, QA en technisch eigenaarschap.

AI-gebruik claimen is makkelijk. Gecontroleerde delivery bewijzen is lastiger.

Bron: Announcing the 2025 DORA Report | Google Cloud Blog

• 72% van de developers die AI-codingtools hebben geprobeerd, gebruikt ze nu dagelijks, volgens Sonar. (Sonar, januari 2026)
• 84% van de Stack Overflow-respondenten gebruikt AI-tools of is dat van plan in hun ontwikkelproces. (Stack Overflow, juli 2025)
• 97% van de DevSecOps-professionals gebruikt AI of is van plan dat te doen binnen de software development lifecycle, volgens GitLab. (GitLab, november 2025)
• JetBrains verzamelde 24.534 reacties van developers voor het State of Developer Ecosystem-rapport 2025, wat brede context geeft over developertools, AI, productiviteit en werkpatronen in engineering. (JetBrains, oktober 2025)
• Slechts 14,1% van de developers gebruikt AI-agents dagelijks op het werk, volgens Stack Overflow, wat laat zien dat agentic workflows nog minder volwassen zijn dan algemene AI-coding assistentie. (Stack Overflow, juli 2025)

AI schrijft meer code, maar review wordt het knelpunt

AI maakt code goedkoper om te genereren, maar software wordt pas waardevol zodra iemand controleert of het werkt. Meer output betekent meer pull requests, meer reviewdruk, meer druk op testdekking en meer manieren waarop zwakke code de productie kan bereiken. Het nieuwe knelpunt in engineering is bepalen wat het verdient om gelanceerd te worden.

Een product kan af lijken omdat de interface werkt, terwijl rechten, databaseregels, API's, tests en foutafhandeling zwak blijven. AI kan output versnellen, maar output zonder review verplaatst risico alleen maar dichter naar gebruikers en zet reputaties op het spel.

Bron: AI Code Quality: The Hidden Cost Senior Engineers Pay

• GitHub rapporteerde 47,5 miljoen pull requests in 2025, een stijging van 20,4% jaar-op-jaar. (GitHub Octoverse, oktober 2025)
• Faros rapporteerde dat de mediane reviewtijd met 441% steeg bij hoge AI-adoptie, gebaseerd op telemetrie uit engineeringworkflows. Dit is leveranciers-telemetrie en moet dus als richtinggevend bewijs worden gezien, niet als universeel branchegemiddelde. (Faros, mei 2026)
• 38% van de developers zegt dat het reviewen van AI-gegenereerde code langer duurt dan het reviewen van code van collega's, volgens onderzoek van Sonar. (Sonar, januari 2026)
• GitHub rapporteerde meer dan 1 miljoen pull requests aangemaakt door de Copilot coding agent tussen mei en september 2025. (GitHub Octoverse, oktober 2025)
• CodeRabbit ontdekte dat AI-gegenereerde pull requests ongeveer 1,7 keer meer issues bevatten dan volledig menselijke pull requests, gebaseerd op hun code-reviewtelemetrie. (CodeRabbit, december 2025)
• 66% van de developers noemde output die bijna goed is, maar net niet, als hun grootste AI-frustratie, volgens Stack Overflow. (Stack Overflow, juli 2025)
• Faros rapporteerde 31% meer pull requests die zonder review werden gemerged in hun telemetriesample met hoge AI-adoptie. (Faros, mei 2026)

Softwareontwikkelbanen verschuiven

Solide data over softwareontwikkelbanen ondersteunt geen simpel vervangingsverhaal. AI verschuift de waarde van developers richting supervisie, systeemdenken, codereview, architectuur, securityoordeel en productinterpretatie. De functie wordt oordeel-zwaarder omdat het pure produceren van code makkelijker wordt.

Het sterkere signaal is het vermogen om AI te superviseren, onveilige aannames te herkennen, architectuur te beoordelen, data te beschermen en technische afwegingen in zakelijke taal uit te leggen.

• Het Amerikaanse Bureau of Labor Statistics voorspelt 15% werkgelegenheidsgroei voor softwaredevelopers, QA-analisten en testers tussen 2024 en 2034, veel sneller dan het gemiddelde voor alle beroepen. (U.S. Bureau of Labor Statistics, september 2025)
• Werkgevers verwachten dat 39% van de kernvaardigheden van werknemers zal veranderen vóór 2030, volgens het Future of Jobs 2025-onderzoek van het World Economic Forum. (World Economic Forum, januari 2025)
• BLS voorspelt circa 129.200 vacatures per jaar voor softwaredevelopers, QA-analisten en testers gedurende het decennium. (U.S. Bureau of Labor Statistics, september 2025)
• 87% van de DevSecOps-professionals gelooft dat software-engineers die AI omarmen hun carrière toekomstbestendig maken, volgens GitLab. (GitLab, november 2025)
• Het aantal ICT-specialisten in de EU steeg met 59,4% tussen 2015 en 2025, meer dan zes keer zo snel als de groei van de totale werkgelegenheid in dezelfde periode. (Eurostat, juni 2026)
• 83% van de GitLab-respondenten verwacht dat AI hun functie binnen vijf jaar aanzienlijk zal veranderen. (GitLab, november 2025)

Technisch voordeel zit nu in oordeelsvorming: weten wat je accepteert, wat je afwijst, wat je test, wat je herbouwt en wat later duur wordt. Prompt-vaardigheid helpt, maar vervangt geen engineering-eigenaarschap.

AI-codingsnelheid is echt, maar niet het hele verhaal

AI kan softwareontwikkeling versnellen, vooral bij nieuwe builds, boilerplate, eenvoudige features, tests, uitleg en een eerste implementatie. Het bewijs wordt gemengder wanneer de taak plaatsvindt binnen een volwassen codebase met echte productbeperkingen. Het patroon dat overeind blijft, is simpel: bouw sneller, en besteed dan genoeg tijd aan het controleren van het werk voordat gebruikers ermee in aanraking komen.

Bron: We are Changing our Developer Productivity Experiment Design - METR

• METR ontdekte dat ervaren open source-developers 19% langer deden over hun werk met vroege AI-tools uit 2025 op bekende repositories, ook al verwachtten ze dat AI hen sneller zou maken. (METR, juli 2025)
• METR rapporteerde later enig bewijs van AI-versnelling in een vervolgexperiment naar productiviteit, met onzekerheid tussen verschillende developergroepen. (METR, februari 2026)
• Een experiment van Microsoft Research en GitHub Copilot vond dat developers een JavaScript HTTP-servertaak 55,8% sneller afrondden met Copilot. (Microsoft Research, februari 2023)
• Een onderzoek uit 2026 onder bijna 3.000 developers bij BNY Mellon vond dat het meten van AI-productiviteit bredere signalen nodig heeft dan alleen commits, waaronder eigenaarschap, technische expertise en onderhoudbaarheid op lange termijn. (arXiv, februari 2026)
• Interne deliverydata van Minimum Code laat zien dat de tijd van kickoff tot klikbaar prototype gemiddeld 2,8 werkdagen bedroeg voor nieuwe builds. (Interne deliverydata Minimum Code, juli 2026)
• Interne deliverydata van Minimum Code laat zien dat de tijd van kickoff tot productie gemiddeld 15,8 werkdagen bedroeg voor nieuwe builds. (Interne deliverydata Minimum Code, juli 2026)
• Minimum Code schat dat delivery ongeveer 40% sneller is sinds de overstap naar AI-coding. Dit is een interne schatting, en de winst is kleiner omdat het team dankzij no-code- en low-code-workflows al snel was. (Interne schatting Minimum Code, juli 2026)

Minimum Code meldt dat de testtijd bijna 100% is gestegen, omdat het team nu meer kan bouwen in minder tijd, wat betekent dat er meer output gecontroleerd moet worden vóór lancering.

De toekomst van softwarecreatie: AI en vereenvoudigde ontwikkeling

Productteams hebben nu een breder scala aan manieren om software te bouwen, maar de juiste aanpak kiezen vereist een duidelijker begrip van waar elke tool past, wat hij aankan en wanneer ervaren engineering nog nodig is.

• Minimum Code schat dat ongeveer 50% van de mensen die het team benaderen met de wens om op Bubble te bouwen, uiteindelijk beter geholpen zijn met AI-ondersteunde coding. Dit zijn interne aanbevelingsgegevens, geen marktbrede data. (Interne intakedata Minimum Code, juli 2026)
• In 2026 gebruikt 46,7% van de EU-bedrijven cloud computing, 39,9% data-analyse en bijna 20% zet AI in, volgens de Digital Decade-rapportage van de Europese Commissie. (Europese Commissie, juni 2026)
• Academisch onderzoek naar AI-ondersteunde end-user development vond dat niet-programmeurs een basale webapp konden voltooien via interactie met een AI-assistent, wat suggereert dat AI onderdelen van traditionele no-code-workflows kan aanvullen. (arXiv, december 2025)
• GitHub rapporteerde meer dan 1 miljoen pull requests aangemaakt door de Copilot coding agent in minder dan vijf maanden, wat laat zien dat AI-coding dieper in delivery-workflows doordringt. (GitHub Octoverse, oktober 2025)
• Developers geven aan dat 42% van hun gecommitte of bijgedragen code AI-gegenereerd of AI-ondersteund is, volgens Sonar. (Sonar, januari 2026)
• Slechts 14,1% van de developers gebruikt dagelijks AI-agents op het werk, volgens Stack Overflow, wat laat zien dat agentic development groeit maar nog minder volwassen is dan dagelijkse AI-assistentie. (Stack Overflow, juli 2025)

Vibe coding maakte MVP's makkelijker om te lanceren en makkelijker om te breken

Vibe coding heeft de drempel om software te bouwen verlaagd. Het heeft het ook makkelijker gemaakt om een werkende interface te verwarren met een veilig product. Prompt-gebouwde MVP's kunnen nuttig zijn voor demo's, experimenten, interne validatie en investeerdersgesprekken. Het risico stijgt zodra teams echte gebruikers, betalingen, privédata of rechten koppelen vóórdat er een technische review is geweest.

Bron: Octoverse: A new developer joins GitHub every second as AI leads TypeScript to #1

• Interne audits van Minimum Code vonden dat elke in 2026 beoordeelde AI-gebouwde of vibe-gecodede MVP minstens één security-issue had. Dit moet gelezen worden als praktijkdata uit auditwerk van Minimum Code, niet als marktbrede defectratio. (Interne auditdata Minimum Code, juli 2026)
• GitLab ontdekte dat 73% van de respondenten problemen meldde met code gemaakt via vibe coding. (GitLab, november 2025)
• 80% van de beoordeelde AI-gebouwde en vibe-gecodede MVP's had een kritiek security-issue, volgens interne auditdata van Minimum Code. (Interne auditdata Minimum Code, juli 2026)
• Slechts 37% van de GitLab-respondenten zou AI vertrouwen om dagelijkse werktaken zonder menselijke review uit te voeren. (GitLab, november 2025)
• Gebroken of ontbrekende toegangscontrole kwam voor in ongeveer 70% van de audits van Minimum Code. (Interne auditdata Minimum Code, juli 2026)

De gebruikelijke oorzaken waren onbeschermde pagina's, onbeschermde API's en ontbrekende row-level security. Dat zijn geen cosmetische problemen. Ze kunnen privédata blootleggen, de verkeerde gebruikers toegang geven tot beperkte pagina's, of acties toestaan die de producteigenaar nooit bedoeld had.

Bugs, defecten en securityrisico's zijn de AI-ontwikkelbelasting

AI-ondersteunde snelheid heeft een kostenprofiel. Teams besteden mogelijk minder tijd aan het produceren van code, en meer tijd aan reviewen, debuggen, testen, beveiligen en opruimen. Dat maakt AI niet slecht. Het betekent dat softwarekwaliteit vanaf het begin in de workflow ingebouwd moet worden.

Bron: Veracode October 2025 Update: GenAI Code Security Report

• Veracode ontdekte dat AI-gegenereerde code in 45% van de tests riskante security-fouten introduceerde in hun GenAI Code Security Report 2025. (Veracode, oktober 2025)
• CodeRabbit rapporteerde dat AI-gegenereerde pull requests ongeveer 1,7 keer meer issues bevatten dan volledig menselijke pull requests. Dit is leveranciers-telemetrie van een code-reviewplatform. (CodeRabbit, december 2025)
• Endor Labs ontdekte dat slechts 1 op de 5 door AI-codingassistenten aanbevolen dependency-versies veilig te gebruiken was, zonder hallucinaties of kwetsbaarheden. (Endor Labs, november 2025)
• Academisch onderzoek naar 7.703 bestanden die expliciet aan grote AI-tools werden toegeschreven, identificeerde 4.241 CWE-instanties in 77 kwetsbaarheidstypes. (arXiv, oktober 2025)
• ENISA analyseerde bijna 4.900 geselecteerde cybersecurityincidenten van juli 2024 tot juni 2025 in het Threat Landscape 2025-rapport, wat de bredere druk rond security, weerbaarheid en incidentrespons laat zien. (ENISA, oktober 2025)
• Een academische studie uit 2025 testte 4.442 Java-codeeropdrachten van vijf LLM's en vond dat functionele correctheid geen betrouwbare indicator was voor codekwaliteit of security. (arXiv, augustus 2025)
• Minimum Code ontdekte dat elke AI-gebouwde app na geautomatiseerd testen met Playwright, Claude en CodeRabbit nog steeds bugs had. Handmatig testen ving problemen op die geautomatiseerde tools misten. (Interne QA-data Minimum Code, juli 2026)

Methodologie

Dit rapport is opgebouwd uit drie brondlagen: publieke data van derden, origineel onderzoek en platformtelemetrie, en interne velddata van Minimum Code. Het doel was om te achterhalen wat softwareontwikkeling statistieken in 2026 zeggen over AI-coding, developerbanen, reviewdruk, bugs, security, bouwsnelheid, low-code/no-code-keuzes, Bubble-migraties, vibe-gecodede MVP's en deliveryprestaties.

Externe bronnen werden geselecteerd op originaliteit en relevantie. We gaven voorrang aan primaire publieke instanties, developer surveys, software-engineeringonderzoek, securityonderzoek, platformtelemetrie en engineeringprestatiekaders boven secundaire overzichtsartikelen. Bronnen zijn onder meer Google DORA, Stack Overflow, GitHub Octoverse, Sonar, GitLab, JetBrains, het U.S. Bureau of Labor Statistics, Eurostat, het World Economic Forum, Microsoft Research, METR, Gartner, de Europese Commissie, Veracode, CodeRabbit, Endor Labs, ENISA, Black Duck, Y Combinator en academisch onderzoek gepubliceerd via arXiv.

Google DORA en de DORA Quick Check vormden het delivery-prestatiekader rond lead time, deploymentfrequentie, herstel na mislukte deployments, change fail rate en herwerk. DORA-data ondersteunt de invalshoek van dit artikel over deliveryprestaties: AI kan de output verhogen, maar softwareteams hebben nog steeds validatiesystemen nodig die stabiliteit, herstel en kwaliteit beschermen.

Developer survey- en platformdata van Stack Overflow, GitHub, Sonar, GitLab en JetBrains hielp om te beoordelen hoe breed AI nu wordt gebruikt in softwareontwikkeling, hoeveel AI-gegenereerde of AI-ondersteunde code de workflows binnenkomt, hoe developers denken over AI-output, en hoe de reviewdruk verandert. Deze bronnen werden behandeld als richtinggevende indicatoren van developergedrag en workflowverandering, niet als universele meting voor elk engineeringteam.

Arbeids- en vaardighedendata van het U.S. Bureau of Labor Statistics, Eurostat en het World Economic Forum vormde de basis voor het werkgelegenheidsgedeelte. Deze bronnen ondersteunen de conclusie van het artikel dat softwareontwikkelbanen verschuiven richting supervisie, oordeel, review, architectuur en technisch eigenaarschap in plaats van simpelweg te verdwijnen.

Security- en codekwaliteitsonderzoek van Veracode, CodeRabbit, Endor Labs, ENISA, Black Duck en academische studies vormde de basis voor de kwaliteits- en risicosecties. Deze bronnen ondersteunen de discussie rond defecten, onveilige code, dependency-risico, CWE-bevindingen, toegangscontrole en de grenzen van geautomatiseerde review.

Interne data van Minimum Code werd gebruikt als proprietary veldinzicht, niet als marktbrede benchmarkdata. Deze cijfers komen uit delivery-, migratie-, QA-, audit-, intake- en DORA Quick Check-werk in 2026. Interne cijfers omvatten de tijd van kickoff tot prototype, de tijd van kickoff tot productie, testtijd, Bubble-migratietijdlijnen, verbeteringen in paginalaadtijd na migratie, observaties over platformkosten, QA-bevindingen bij AI-gebouwde apps, auditbevindingen bij vibe-gecodede MVP's, toegangscontroleproblemen en build-pad-aanbevelingen voor leads met Bubble-intentie.

De inzichten in dit rapport zijn ontwikkeld door deze bronlagen te vergelijken rond dezelfde centrale vraag: wat heeft AI veranderd in softwareontwikkeling, en waarheen is het risico verschoven? Over alle bronnen heen was het patroon consistent. AI heeft codegeneratie en vroege productontwikkeling sneller gemaakt, maar heeft meer druk gelegd op review, QA, security, toegangscontrole, migratieplanning, herstel en eigenaarschap op lange termijn.

Meer op Minimum Code - Projects