Andrej Karpathy herinnert zich niet meer wanneer hij voor het laatst een fout van een AI-model heeft gecorrigeerd. Niet omdat modellen foutloos zijn geworden, maar omdat hij zijn werkwijze zo heeft ingericht dat hij er nauwelijks meer direct tegenaan kijkt. De oud-Tesla- en OpenAI-onderzoeker zegt al maanden geen code meer zelf te schrijven — hij besteedt 16 uur per dag aan het orkestreren van AI-agents.
Dat klinkt als hyperbolische techbrag. Maar Karpathy’s inzichten — gepresenteerd op de Sequoia AI Ascent conferentie in 2026 — raken aan iets structureels: de manier waarop software gemaakt wordt, verandert fundamenteel. En als je in technologie werkt, loont het te begrijpen wat er precies verandert en waarom.
Software 1.0, 2.0 en nu 3.0
Karpathy gebruikt drie etiketten die helpen om het te plaatsen.
Software 1.0 was code die mensen schreven — regels Python, Java, C++. De programmeur dacht na, vertaalde die gedachte in syntax, en de machine voerde het uit.
Software 2.0 waren neurale netwerken die je trainde met data in plaats van dat je ze expliciet programmeerde. De logica zat niet langer in regels code, maar in gewichten.
Software 3.0 is software die je instrueert via taal. Context, agents, tools, geheugen en verificatie zijn de bouwstenen. Je beschrijft het doel; het systeem bereikt het.
Beginner-tip:Dit wil niet zeggen dat programmeren dood is. Het wil zeggen dat de vaardigheid verschuift van “syntaxis kennen” naar “systemen begrijpen en aansturen”. Dat is ook wat artsen ervoeren toen medische diagnose-software opkwam: begrip van anatomie bleef essentieel, de vaardigheid “handmatig uitrekenen” minder.
Het kantelpunt: december 2025
Karpathy is precies: december 2025 was het moment waarop coding agents van “nuttige autocomplete” naar “echt bruikbare software” verschoven. Daarna kon hij, in zijn woorden, niet meer onthouden wanneer hij het model voor het laatst had moeten corrigeren.
Dat is opmerkelijk. Niet omdat Karpathy bijzonder lui is, maar omdat het aangeeft dat de kwaliteitsdrempel van geautomatiseerd coderen de productiedrempel nadert. Agents schrijven niet alleen snippets meer — ze bouwen werkende systemen.
Vibe coding vs. agentic engineering: twee verschillende ambities
Karpathy maakt een onderscheid dat vaak verloren gaat in de hype.
Vibe coding is wat je doet als je met een AI een applicatie bouwt zonder diep technisch begrip. Iedereen kan het, en dat is geweldig — de instapdrempel voor software bouwen is radicaal gedaald.
Agentic engineering is wat professionele engineers doen als ze agents inzetten om complexe, onderhoudbare software op professionele kwaliteitsnorm te bouwen. Hier staat niet “toegankelijkheid” centraal, maar “kwaliteitsgarantie in een wereld waar agents uitvoeren”.
Gevorderden:Het praktische gevolg: agentic engineering vereist dat je beter wordt in context-ontwerp, verificatie-heuristieken en architectuur — want dat is wat jij bijdraagt en de agent niet. Wie alleen beter wordt in prompt-formulering mist het grotere plaatje.
Begrip als bottleneck
Het meest onderschatte punt uit Karpathy’s betoog: je kunt het denkwerk outsourcen, maar niet het begrip.
Je kunt een agent vragen een microservices-architectuur te bouwen. Maar als jij niet begrijpt wat een goede microservices-architectuur inhoudt — wanneer je een slechte ontwerpchoice moet afkeuren, wanneer de test-coverage onvoldoende is, wanneer de agent de verkeerde aanname maakt — dan lever je rommel op.
Begrip wordt duurder, niet goedkoper. De markt voor mensen die echt snappen hoe systemen werken, stijgt.
Wat dit voor jouw team betekent
Je hoeft geen Karpathy te zijn om hier praktisch mee aan de slag te gaan. Drie ankerpunten:
1. Begin met één volledig gedelegeerde taak. Niet “help me met coderen”, maar “schrijf een volledige test-suite voor deze module, inclusief edge cases, en lever een pull request”. Kijk wat de agent produceert, en oefen in het beoordelen.
2. Investeer in begrip, niet alleen in snelheid. Agentic engineering beloont mensen die diep genoeg snappen wat er moet gebeuren om het te kunnen delegeren. Syntaxis vergeet je; architecturele intuïtie niet.
3. Denk na over verificatie. Wat controleer je als agents code schrijven? Karpathy spreekt over “expressive coding” — jij formuleert intentie en kwaliteitscriteria, de agent voert uit. De verificatie-skill wordt de kerncompetentie.
Beginner-tip:Je hoeft dit niet morgen te implementeren. Maar begin vandaag met oefenen: geef een AI-assistent één afgebakende taak volledig, zonder halverwege bij te sturen. Wat accepteer je, wat keur je af, en waarom? Dat oefenen is de basis van agentic engineering.
Samenvatting — de 5-minuten-versie
- Karpathy schrijft al maanden geen code meer zelf — hij orkestreert AI-agents.
- Software 3.0 = context + agents + tools + verificatie, in plaats van regels code.
- Vibe coding verlaagt de instapdrempel; agentic engineering bewaart de kwaliteitsstandaard.
- Begrip is de nieuwe bottleneck: je kunt uitvoering outsourcen, niet oordeel.
- December 2025 was het kantelpunt — coding agents bereikten productieniveau.