AI-devtrends: codingagents maken native weer rendabel

Shopify bracht de Shop-app in twaalf weken van proof of concept naar productie. Vervolgens concludeerde het bedrijf dat codingagents parallelle native ontwikkeling zo betaalbaar hadden gemaakt dat React Native niet langer nodig was (Shopify Engineering).

Algemeen wordt aangenomen dat AI-tools voor softwareontwikkeling zullen leiden tot abstractere software en minder programmeertalen. De signalen van deze week wijzen juist de andere kant op: nu implementatie goedkoper wordt, nemen controle, verifieerbaarheid en platformspecifieke prestaties in waarde toe.

Codingagents maken native ontwikkeling weer rendabel

Codingagents hebben niet alleen Shopify's bestaande workflow voor mobiele ontwikkeling versneld. Ze veranderden welke architectuur het bedrijf zich kon veroorloven. Shopify stapt voor zijn mobiele apps weer over op Swift en Kotlin, omdat agents de kosten voor het tweemaal implementeren van vergelijkbare functies hebben verlaagd. Tegelijkertijd nemen native stacks de compromissen weg die bij een gedeeld framework horen.

Dat betekent niet dat React Native is afgeschreven. Gedeelde code blijft aantrekkelijk wanneer teams klein zijn, productfunctionaliteit eenvoudig is of native specialisten ontbreken. Maar de rekensom is veranderd: hergebruik van code telt minder zwaar wanneer code goedkoop te genereren is. Ondoorzichtig frameworkgedrag debuggen, wachten op upstream fixes en platformspecifieke randgevallen oplossen blijft daarentegen duur.

Shopify is van plan om zijn stylinglibrary restyle eind 2026 te archiveren. Die beslissing zegt meer dan de zoveelste indrukwekkende agentdemo, omdat AI-gedreven productiviteitswinst hiermee wordt gekoppeld aan een langetermijnkeuze voor een platform. Vergelijk dit voor context met de analyse van AI- en ontwikkelingstrends van 14 september om te zien hoe snel deze verschuiving zich heeft voltrokken.

De overname van Tailwind legt de zwakke plek van developer-toolbedrijven bloot

Shopify nam Tailwind Labs op 9 september over en hield Tailwind CSS onder de MIT-licentie (aankondiging van Tailwind). Inschrijvingen voor Tailwind Plus en ui.sh werden diezelfde dag gesloten. Daarmee werd het duurzame opensourceproject losgekoppeld van de betaalde gemaksproducten die eromheen waren gebouwd.

Dit bewijst niet dat AI Tailwind om zeep heeft geholpen. Het laat zien hoe vibe coding druk zet op bedrijven die kant-en-klare bouwstenen voor gebruikersinterfaces verkopen. Een agent kan componenten genereren, voorbeelden aanpassen en gangbare lay-outs zo snel namaken dat een library met verzorgde snippets steeds moeilijker als zelfstandig abonnement te verdedigen is.

Tailwind zelf blijft waardevol, omdat het machines een afgebakende woordenschat biedt die ze consistent kunnen toepassen. Agent-first tools zoals shadcn-ui/lint, dat tijdens de onderzoeksperiode ongeveer 2.000 GitHub-sterren behaalde, wijzen erop dat gestructureerde designsystemen belangrijker worden, ook nu hun oude commerciële verpakking aan kracht verliest.

Het veelbesproken verslag van Nolan Lawson over de druk op frontendontwikkeling bevestigt hetzelfde patroon (Nolan Lawson). AI maakt de frontend niet overbodig. Het zet weinig onderscheidende implementatiewerkzaamheden onder druk, terwijl toegankelijkheid, prestaties, interactieontwerp en onderhoudbare systemen juist waardevoller worden.

De agent harness is belangrijker dan het modellenklassement

Spotify meldde dat zijn Portal-tooling het tokengebruik van Claude Code met 90 procent heeft verminderd. Tegelijkertijd kregen nieuwe projecten als codenotch en tokentab aandacht doordat ze de kosten van agents bijhouden in plaats van zelf code te produceren. De markt begint in te zien dat een dure agentloop meestal wijst op gebrekkige tooling, niet op een gebrekkig model.

Een agent harness is de omgeving rondom een model: contextselectie, toolrechten, repository-indexering, validatie, nieuwe pogingen en tokenadministratie. Twee teams kunnen hetzelfde model aanroepen en toch totaal verschillende kosten maken. Het ene team stuurt bij elke interactie een volledige repository mee, terwijl het andere alleen relevante bestanden ophaalt en slechte wijzigingen vroegtijdig afwijst.

Voortdurend van model wisselen is daarom geen sterke optimalisatiestrategie. Een iets betere benchmarkscore weegt niet op tegen ongecontroleerde contextgroei, herhaalde toolfouten of ontbrekende feedback uit tests. Voor de meeste engineeringorganisaties leveren betere retrieval en observability betrouwbaardere verbeteringen op dan elk nieuw codingmodel omarmen dat deze maand wordt aangekondigd.

De volgende duurzame laag in AI-ontwikkeling is geen nieuwe chatinterface. Het is de control plane die bepaalt wat een agent mag zien, uitgeven, wijzigen en uitrollen.

Rust ontwikkelt zich van veilige keuze tot standaard voor infrastructuur

De aankondiging van CUDA Rust door Nvidia biedt developers twee routes om Rust GPU-kernels rechtstreeks naar PTX te compileren: cuda-oxide voor het SIMT-uitvoeringsmodel en cutile-rs voor tile-based programmeren (Nvidia Developer Blog). De laatste draait op de stabiele Rust-versie 1.89+, terwijl cuda-oxide zich nog in een vroege alfafase bevindt.

De gevolgen gaan verder dan een voorkeur voor een programmeertaal. AI-infrastructuur brengt druk op geheugenveiligheid, parallelle uitvoering en kostbare fouten samen. Precies onder die omstandigheden biedt Rusts ownershipmodel praktische meerwaarde. Native compilatie naar PTX maakt Rust bovendien tot een directe speler in GPU-programmering, in plaats van slechts een veiligere wrapper rond kernels van anderen.

Microsofts keuze om Rust als tier-1-taal te behandelen, geeft de technische argumenten extra organisatorisch gewicht (Rust Foundation). Dat Ubuntu de overgang naar Rust coreutils voor versie 26.10 heeft voltooid, wijst in dezelfde richting: Rust dringt door tot fundamentele systemen via ondersteunde productietrajecten, niet via losstaande herschrijvingen.

De kritische kanttekening is dat Rusts steile leercurve en lange compileertijden C++ of CUDA C voor veel bestaande codebases nog steeds tot de pragmatische keuze maken. Dat is terecht. Voor nieuwe, beveiligingsgevoelige infrastructuur lijkt Rust echter steeds meer de standaard waarvoor geen bijzondere verdediging nodig is.

Bij OpenAI's wiskunderesultaat draaide het vooral om herkomst

OpenAI's aankondiging over Navier-Stokes ontketende de grootste technische discussie van de onderzoeksperiode. Het bericht behaalde 1.342 punten op Hacker News en het resultaat werd intensief onder de loep genomen (OpenAI). De belangrijkste ontwikkeling was niet simpelweg dat een AI-organisatie geavanceerde wiskunde publiceerde. Publicatie, formele verificatie en onderzoeksethiek botsten openlijk met elkaar.

De bijbehorende repository openai/NavierStokesAndEuler behaalde meer dan 1.900 GitHub-sterren en bevatte Lean 4-certificaten. Met een formeel bewijs kan een proof assistant controleren of iedere logische stap uit de vastgelegde axioma's volgt. Die standaard is veel strenger dan een ander taalmodel vragen of een redenering correct lijkt.

Formele verificatie kan echter nog steeds niet vaststellen waar een idee vandaan kwam, of vertrouwelijk materiaal het werk heeft beïnvloed en of onderzoekers ongepubliceerde vraagstukken veilig met een modelprovider kunnen delen. De kritische reacties richtten zich vooral op die kloof tussen machinaal controleerbare juistheid en institutioneel vertrouwen (A Misalignment of AI in Mathematics).

Hetzelfde onderscheid zal ook buiten de wiskunde belangrijk worden. Softwareteams hebben eveneens bewijs nodig dat gegenereerde code tests doorstaat, licenties respecteert, alleen goedgekeurde context gebruikt en toegangscontroles naleeft.

AI-moeheid is een waarschuwing voor productontwikkeling en beveiliging

Een oproep om het aantal AI-verhalen te beperken behaalde 861 punten op Hacker News en eindigde daarmee hoger dan veel van de lanceringen waarover werd geklaagd (Hacker News). De openlijke kritiek van Martin Fowler, weerstand onder developers en de recordaantallen downloads van LibreOffice nadat het ontbreken van AI-functies werd benadrukt, wijzen allemaal op een marktsegment dat AI ziet als ongewenste complexiteit in plaats van vanzelfsprekende vooruitgang.

Het zou gemakkelijk zijn om die reactie af te doen als weerstand tegen verandering. Maar dat zou ook onjuist zijn. Gebruikers reageren op onduidelijke meerwaarde, onbetrouwbare output, extra gegevensverzameling en producten die generatieve functies toevoegen op plaatsen waar deterministisch gedrag beter werkte. Teams die nu nuttige AI uitbrengen, moeten bewijzen waarom een functie bestaat. Alleen aankondigen dát die functie bestaat, is niet meer genoeg.

Beveiligingsincidenten maakten de kritiek nog moeilijker te negeren. Tijdens de onderzoeksperiode vond onder meer een aanval via een agent plaats waarbij RubyGems betrokken was, werd toegang tot een GitHub-productieomgeving verkregen via een gelekt personal access token en werd een kwetsbaarheid in de Chromium-sandbox actief misbruikt. Agents verbinden niet-vertrouwde tekst met inloggegevens, package managers, browsers en uitrolsystemen. Daardoor kunnen gewone applicatiekwetsbaarheden veranderen in concrete aanvalsroutes.

Om in de gaten te houden

• Of Shopify onderhouds- en defectgegevens publiceert die de terugkeer naar native mobiele ontwikkeling onderbouwen.
• Nieuwe controles voor repositorygebonden inloggegevens, agentsandboxes en het publiceren van packages.
• Praktijkvoorbeelden waarin CUDA Rust wordt vergeleken met bestaande CUDA C++-workflows.
• Formele standaarden voor herkomst die machinaal gecontroleerd onderzoek begeleiden.
• Adoptie van agenttooling gemeten aan geaccepteerde wijzigingen en reviewkosten, niet aan gegenereerde tokens.

Uw volgende stap

1. Controleer deze week één workflow met codingagents. Leg voor minimaal vijf taken het tokenverbruik, mislukte toolaanroepen, geaccepteerde wijzigingen en het aantal reviewminuten vast.
2. Selecteer één gedeelde mobiele functie en schat de kosten ervan in React Native tegenover afzonderlijke implementaties in Swift en Kotlin. Neem daarbij ook het debuggen van het framework en platformspecifieke uitzonderingen mee.
3. Controleer de rechten van iedere AI-agent met toegang tot repositories of uitrolomgevingen. Verwijder permanente inloggegevens en beperk schrijfrechten tot de kleinst mogelijke vereiste scope.
4. Voeg één deterministische kwaliteitscontrole toe voordat door agents gegenereerde code ter review kan worden aangeboden, zoals een typecheck, een lintregel voor het designsysteem of een licentiescan.
5. Classificeer iedere geplande AI-functie als generatie, retrieval, automatisering of voorspelling. Schrap elke functie zonder meetbaar gebruikersresultaat dat verder gaat dan interactie met de AI zelf.

Nuttige bronnen

• Shopify Engineering: Native Is Now the Future of Mobile - Shopify's argumenten voor de overstap van React Native naar Swift en Kotlin.
• Tailwind Is Joining Shopify - De officiële aankondiging van de overname en details over de licentie.
• Nvidia CUDA Rust - Technisch overzicht van cuda-oxide en cutile-rs.
• OpenAI Navier-Stokes Announcement - De aankondiging van de paper en de context rond de formalisering.
• Rust as a Tier-1 Language at Microsoft - De organisatorische argumenten voor Rust binnen Microsoft.

Vooruitblik

De bepalende trend in AI-ontwikkeling van september 2026 is niet dat modellen meer code kunnen produceren. Het gaat erom dat goedkopere code verandert welke abstracties, producten en organisaties economisch rendabel blijven. Native platforms, getypeerde infrastructuur, formele bewijzen en strikte controle op agents profiteren daarvan, omdat het knelpunt verschuift van implementatie naar oordeelsvorming.

Die verschuiving straft teams die gegenereerde output als vooruitgang beschouwen. Het voordeel gaat naar teams die AI-activiteiten observeerbaar, begrensd en eenvoudig te verifiëren maken. Een overvloed aan code zonder betrouwbare grenzen is slechts een snellere manier om risico's op te stapelen.