Vraag ChatGPT of Claude om een interne rapportagetool te bouwen op basis van een dataset, en je hebt binnen een uur werkende code. Geen toekomstmuziek - dat gebeurt nu al, ook bij bedrijven in de sectoren waar wij dagelijks werken: industrie, logistiek, zorg, biotech, olie & gas, financiele dienstverlening. En dat roept een logische vraag op, ook bij onszelf: wordt een IT-partner die zelf bouwt, dan straks ook overbodig?

Het antwoord is nee. Maar niet omdat wij sneller typen dan een taalmodel. Het antwoord zit ergens anders, en het is nuttig om precies te weten waar.

De tussenlaag verdwijnt, het vak niet

Jarenlang verdiende de IT-sector goed aan een tussenlaag: onderzoek, documentatie, boilerplate-code, uren die gefactureerd werden voor werk dat vooral tijd kostte, niet per se moeilijk was. Die tussenlaag verdwijnt razendsnel. Vraag ChatGPT of Claude om een eerste opzet van een dashboard, een koppeling of een script, en je krijgt in minuten iets werkends terug. Dat stuk werk was nooit de kern van wat een goede IT-partner waardevol maakte - het was alleen wel het stuk waar het langst aan werd gefactureerd.

Dit is precies waarom advies zonder zelf te bouwen het hard gaat verliezen van AI. Een adviesrapport, een architectuurdocument, een aanbeveling zonder dat er ook daadwerkelijk iets wordt opgeleverd - dat kan een AI-tool inmiddels net zo overtuigend produceren, en veel goedkoper. Wie zelf blijft bouwen en verantwoordelijk blijft voor het resultaat, zit aan de andere kant van die lijn. Dat is precies waar Strategic IT altijd al heeft gestaan, en dat blijkt nu een sterkere positie dan we misschien beseften toen we ermee begonnen.

Waar het verschil nu wel zit

Drie dingen kopieert geen enkel AI-model, hoe krachtig het ook wordt.

Een: weten wat er gebouwd moet worden. Een AI-tool bouwt precies wat je vraagt - het probleem is dat de meeste bedrijven niet exact weten wat ze moeten vragen. Een fabriek met jarenlang opgebouwde, rommelige productiedata. Een zorginstelling met vijf systemen die elkaar niet verstaan. Een logistiek bedrijf dat nog handmatig plant terwijl de data allang klaarligt voor automatisering. Dat vertalen naar een werkend systeem vraagt sectorkennis en ervaring uit eerdere trajecten, geen goed geformuleerde prompt. Dit is ook precies waarom onze eigen datagedreven aanpak (eerst inventariseren, dan pas bouwen) meer waard wordt naarmate bouwen zelf goedkoper wordt.

Twee: vertrouwen bij bedrijfskritieke software. Niemand zet zomaar een AI-gegenereerd systeem live in een omgeving met compliance-eisen, patientdata of een productieproces dat niet mag stilvallen. Daar wil een organisatie een partij die verantwoordelijkheid neemt als het misgaat, niet alleen code aanlevert en verder wegloopt. Dat vertrouwen bouw je op door het vaker gedaan te hebben, niet door een betere versie van hetzelfde taalmodel te gebruiken.

Drie: trackrecord en bestaande klantrelaties. Een klant als IGG Bouweconomie werkt niet met ons omdat wij toevallig code kunnen schrijven - inmiddels kan bijna iedereen dat met de juiste tools. Ze werken met ons omdat we hun processen kennen, eerder resultaat hebben laten zien, en weten hoe hun organisatie werkt als er iets misgaat. Dat soort relatie kopieert een taalmodel niet, hoe goed het ook wordt in het schrijven van code.

Waar het risico wel echt is

We willen hier niet naief over doen. Simpele, minder kritieke klussen - een los formuliertje, een interne rapportagetool zonder veel afhankelijkheden, een eenvoudige koppeling tussen twee systemen - kan een organisatie steeds vaker prima zelf met een AI-agent in elkaar zetten. Dat werk raken we kwijt, en eerlijk gezegd: dat was toch al niet het werk waar de meeste waarde in zat.

Voor de complexere trajecten in onze doelsectoren geldt het omgekeerde. Hoe kritischer het systeem en hoe meer databronnen en processen er met elkaar moeten praten, hoe groter het risico van 'we proberen het gewoon zelf even met AI' - en hoe waardevoller een partij die dit al vaker heeft gedaan en de valkuilen kent voordat ze zich voordoen.

Wat dit voor jou betekent

Twijfel je of je een project zelf met AI oppakt of uitbesteedt? Stel jezelf niet de vraag 'kan een AI-tool dit bouwen'. Dat kan hij inmiddels vrijwel altijd wel, met ChatGPT of Claude als eerste opzet. Stel jezelf de vraag: wat gebeurt er als het misgaat, en wie weet dan precies wat er moet gebeuren om het op te lossen zonder dat de bedrijfsvoering stilvalt.

Bij een simpel formuliertje: prima, probeer het gerust zelf. Bij een systeem waar je productieproces, patientveiligheid of compliance van afhangt, is dat precies het moment waarop je een partij nodig hebt die niet alleen code aanlevert, maar ook verantwoordelijkheid neemt voor wat er daarna gebeurt.

Wij bouwen zelf, met dezelfde generatie AI-tools die nu overal opduiken. Het verschil zit niet in de tool die we gebruiken. Het zit in weten wanneer je die tool kan vertrouwen, en wanneer niet - en dat is precies het gesprek dat we graag met je aangaan.