Een zaal vol ontwikkelaars op een conferentie in Berlijn. Op het podium krijgt de zoveelste AI-kritische uitspraak een warm applaus. En op de schoot van de applaudisserende bezoekers: opengeklapte laptops met Claude Code erin. Die scène opent een essay dat vorige week hoog op Hacker News stond, en dat een gevoel benoemt waar veel meer mensen mee rondlopen dan alleen programmeurs: de critici hebben gelijk, en we gebruiken het toch.
Wie zegt dit, en waarom nu?
Jeremy Theocharis is medeoprichter en CTO van United Manufacturing Hub, een Duits open-sourcebedrijf voor fabriekssoftware. Geen AI-verkoper dus, en ook geen principiële weigeraar. Op 15 juli publiceerde hij het essay The LLM Critics Are Right. I Use LLMs Anyway (Bron: theocharis.dev), geschreven na de Local-First-conferentie in Berlijn. Binnen een paar dagen verzamelde het stuk honderden stemmen en reacties op Hacker News.
De aanleiding was een vraag die hij zelf aan spreker Armin Ronacher stelde, de maker van het populaire Python-framework Flask. Ronachers bedrijf Earendil bouwt Pi, een open-source gereedschap om AI-agents mee aan te sturen. Hoe gaat uitgerekend dát team om met de stroom AI-gegenereerde bijdragen op hun eigen project? Het antwoord, live op het podium: vrijwel alles wordt automatisch gesloten. De bouwers van AI-gereedschap verdrinken in de output van hun eigen ontwerp.
Beginner-tip:een pull-request (PR) is een voorstel om code van een buitenstaander op te nemen in een softwareproject. Open-sourceprojecten draaien op zulke bijdragen — en precies daar knelt het nu.
Klopt de kritiek op AI dan?
Grotendeels wel, zegt Theocharis, en hij loopt de bezwaren stuk voor stuk af. Taalmodellen zijn getraind op auteursrechtelijk beschermd materiaal. Ze kosten veel energie. En ja: ze produceren bergen “slop”, content die er verzorgd uitziet maar waar niemand over heeft nagedacht.
Het gevolg is volgens hem een vertrouwenscrisis in open source. Vroeger kostte een serieuze bijdrage per definitie menselijke tijd; dat werkte als natuurlijke drempel tegen ruis. Die drempel is weg. De programmeertaal Zig weigert inmiddels elke bijdrage waar een taalmodel aan meewerkte (Bron: Zig), en Linux-distributie Gentoo nam al in april 2024 een vergelijkbaar verbod aan (Bron: Gentoo Wiki). Theocharis betwijfelt of zo’n verbod houdbaar is — hoe controleer je het? — maar het onderliggende probleem noemt hij levensgroot: als het vertrouwen niet wordt hersteld, kan de slop-vloed open source ernstig beschadigen.
Daar komt een geopolitieke laag bij die Nederlandse lezers direct hebben gevoeld. In juni dwong een Amerikaans exportbevel Anthropic om de modellen Fable 5 en Mythos 5 per direct uit te schakelen voor alle niet-Amerikanen (Bron: Anthropic); pas na negentien dagen werd de maatregel opgeheven (Bron: CNBC). Wij schreven eerder over dat exportbevel en over het Chinese antwoord erop. Wie zijn werk op een Amerikaans AI-model bouwt, weet sindsdien dat de stekker er van overheidswege uit kan.
Waarom gebruikt hij het dan toch?
Omdat de technologie volgens hem één ding aantoonbaar goed doet: versterken wat je al hebt. Wie eigen opvattingen, structuur en kennis inbrengt, krijgt die scherper en sneller terug. Wie niets inbrengt, krijgt niets terug — heel vloeiend opgeschreven niets. Het onderscheid tussen slop en goed werk zit dus niet in het gereedschap. Het zit in de vraag of er een mens heeft nagedacht.
Daar hangt wel een prijskaartje aan, en Theocharis is er ongemakkelijk eerlijk over: in juni gaf hij bijna 10.000 dollar uit aan AI-tokens, blijkt uit zijn eigen kostenoverzicht. Inmiddels is hij selectiever en schuift hij routinewerk door naar goedkopere modellen zoals het Chinese GLM 5.2. Dat een individuele ontwikkelaar zulke bedragen uitgeeft zegt ook iets over waar de AI-hypecurve op dit moment staat.
Zijn lakmoesproef is verrassend analoog: zou je de tekst woord voor woord hardop voorlezen aan een zaal? Bij “nou, ik zou uitleggen wat ermee bedoeld wordt” is het slop. Zou je het letterlijk voorlezen zonder je te schamen, dan is het goed werk. Op het podium staat immers een mens die zijn geloofwaardigheid op het spel zet — en geloofwaardigheid is precies wat je met gedachteloos AI-gebruik verspeelt.
Hoe houd je een AI-assistent scherp?
Het interessantste deel van het essay zijn de werkpatronen, want die zijn breder toepasbaar dan alleen op programmeren. De rode draad: bouw tegenkrachten in tegen de inschikkelijkheid van het model.
Zijn favoriete techniek is een “grill me”-instructie, overgenomen van ontwikkelaar Matt Pocock. In plaats van dat jij de AI iets vraagt, moet de AI jóu ondervragen: net zo lang, vraag voor vraag, tot elk besluit expliciet genomen is. Pas daarna mag het model aan de slag. Verder dwingt hij zichzelf om voor elke klus een probleemstelling van drie zinnen te schrijven. Makkelijk in te vullen, moeilijk om goed te doen — en juist die moeite is het punt.
Gevorderden:een tweede patroon is het bewust benutten van hallucinatie. Laat een model raden hoe een API of interface eruit zou moeten zien vóór je het echte ontwerp toont: wat het model gokt, is waarschijnlijk ook wat menselijke gebruikers verwachten. Een goedkope ontwerptest.
Eén voorwaarde geldt voor alles: je moet zelf kunnen beoordelen of het resultaat deugt. Theocharis delegeert alleen taken aan AI waarvan hij de basis begrijpt, precies zoals hij alleen werk delegeert aan collega’s als hij weet wat “goed” is. Op onbekend terrein gebruikt hij AI uitsluitend om te leren, niet om te produceren.
Niet alleen
De grootste waarde van het stuk zit misschien in de erkenning. Op de conferentie durfden bezoekers in de chat nauwelijks toe te geven dat ze met taalmodellen bouwen, uit angst voor afwijzing door de gemeenschap. Theocharis besluit zijn essay met een oproep: beschrijf je eigen werkwijze, zodat de dubbelheid bespreekbaar wordt. Ergens tussen de hype en de terechte kritiek zit gereedschap dat je denken verrijkt — zolang je het denken zelf maar niet uitbesteedt.