100×worker · beroepsanalyse
Wat AI verandert aan het werk van een webontwikkelaar
Microsoft Research analyseerde 200.000 echte Copilot-gesprekken en gaf elk beroep een cijfer: het aandeel werktaken waar generatieve AI aantoonbaar op inzetbaar is. Voor webontwikkelaars komt dat op 35,3% (Working with AI, 2025). Vertalers scoren het hoogst met 49%, verpleegkundigen het laagst met 12%. Webontwikkelaars zitten dus in de middenmoot: een derde van het werk is AI-gevoelig, twee derde niet.
Dat sluit aan bij wat UWV in Nederland schrijft na een bevraging van 2.300 werkgevers: AI verandert niet je baan, maar wel je takenpakket, en dat takenpakket moet je op taakniveau ontleden, niet op functietitel. In Vlaanderen gebruikt 43% van de bevolking maandelijks generatieve AI (imec Digimeter 2026), bij studenten is dat al 81%. Bij de Belgen in het algemeen gebruikte 61% in 2025 een AI-chatbot (Google/Ipsos, sept-okt 2025). De vraag is niet meer of je collega's AI gebruiken. De vraag is of jij als webontwikkelaar bepaalt welke taken je eraan overlaat.
Dit artikel ontleedt het beroep webontwikkelaar in vier emmers: taken die je schrapt, taken die agents productieklaar afleveren, taken die AI voor 80% doet terwijl jij de rest doet, en taken die mensenwerk blijven met AI als hulpmiddel ernaast.
Een webontwikkelaar bouwt en onderhoudt webtoepassingen, van front-end interface tot back-end logica en API's.
De taakverdeling: wat AI overneemt en wat van jou blijft
De ESCO-vaardighedenlijst voor webontwikkelaar telt bijna twintig kernvaardigheden, van foutopsporing tot stijlbladtalen tot klantenfeedback verzamelen. Elke vaardigheid vertaalt zich naar concrete taken, en elke taak verdien een plek in een van vier emmers: eliminate (dit werk schrap je, AI doet het sneller en je moet het niet meer zelf doen), automate (een agent levert dit productieklaar af, jij controleert steekproefsgewijs), delegate (AI doet de eerste 80%, jij beslist en tekent af) en keep (mensenwerk, AI staat er ondersteunend naast). Wie deze indeling voor zichzelf maakt, weet meteen waar de komende maanden tijd vrijkomt.
| Taak | Emmer | Waarom |
|---|---|---|
| Boilerplate HTML en CSS handmatig uittypen voor standaardcomponenten | schrappen | AI-tools genereren dit sneller en met minder typfouten dan handmatig werk. |
| Cross-browser CSS-fixes zoeken via trial-and-error | schrappen | Generatieve AI kent de W3C-standaarden en levert compatibele code meteen. |
| Commit-messages en changelogs woord voor woord opstellen | schrappen | Agents lezen de code-diff en schrijven consistente logs zonder tussenkomst. |
| Unit tests genereren voor bestaande functies | automatiseren | Een agent leest de functie en schrijft dekkende tests, jij checkt de dekking. |
| Technische documentatie bijwerken na een code-wijziging | automatiseren | Agents extraheren functienamen en parameters en schrijven de docs automatisch bij. |
| Dependency-updates en beveiligingspatches doorvoeren | automatiseren | Geautomatiseerde agents scannen het package-bestand en maken pull requests klaar. |
| Standaard CRUD-endpoints opzetten op basis van een databaseschema | automatiseren | Agents genereren de boilerplate direct inzetbaar, jij verfijnt de businesslogica. |
| Bugfixes voorstellen voor gerapporteerde issues | delegeren | AI leest de stacktrace en stelt een fix voor, jij test en keurt goed. |
| Eerste ronde code review op pull requests | delegeren | AI markeert patronen en risico's, jij beslist over de merge. |
| Front-end implementatie vanuit een Figma-ontwerp | delegeren | AI genereert een eerste versie van componenten, jij verfijnt interactie en toegankelijkheid. |
| Klantenfeedback verzamelen en categoriseren | delegeren | AI clustert feedback in thema's, jij bepaalt de prioriteit. |
| Architectuurbeslissingen nemen (monoliet versus microservices, databasekeuze) | houden | Dit vraagt overzicht over de hele levensduur van het project. (Jouw voorsprong: langetermijnvisie en kennis van de specifieke bedrijfscontext) |
| Complexe debugging bij onbekende, systeemoverstijgende fouten | houden | Deze fouten volgen geen bekend patroon en vragen ervaringsgevoel. (Jouw voorsprong: intuïtie opgebouwd uit jaren ervaring met dit specifieke systeem) |
| Technische vereisten bespreken met de klant | houden | Verwachtingen managen en vertrouwen opbouwen kan AI niet overnemen. (Jouw voorsprong: vertrouwen en onderhandelingsvaardigheid in een echt gesprek) |
Welke taken van een webontwikkelaar neemt AI over?
AI neemt vooral het repetitieve en patroonmatige werk over: boilerplate HTML en CSS, cross-browser fixes, unit tests, technische documentatie en standaard CRUD-endpoints. Microsoft Research meet dat 35,3% van de werkactiviteiten van webontwikkelaars AI-toepasbaar is (2025). Dat betekent dat agents en tools deze taken productieklaar of grotendeels klaar kunnen afleveren, terwijl jij toezicht houdt. Bugfixes en code review verschuiven naar een delegate-model: AI doet het eerste voorstel, jij beslist. Architectuur, complexe debugging en klantgesprekken blijven grotendeels mensenwerk, omdat ze context, ervaring en vertrouwen vereisen die een taalmodel niet heeft.
Wordt de webontwikkelaar vervangen door AI?
Nee, dat blijkt niet uit de cijfers. Microsoft's applicability score van 35,3% voor webontwikkelaars betekent dat ruim twee derde van het werk buiten het bereik van generatieve AI valt, zeker in vergelijking met vertalers (49%). UWV formuleert het zo: AI verandert niet je baan, maar wel je takenpakket, gebaseerd op een bevraging van 2.300 werkgevers. Voor webontwikkelaars betekent dit dat het beroep blijft bestaan, maar de mix van taken verschuift richting architectuur, code review, klantcontact en het aansturen van AI-agents in plaats van zelf elke regel code te typen.
Wat kan je deze maand concreet doen om AI in te zetten?
Kies één terugkerende taak uit de automate-emmer, bijvoorbeeld unit tests of documentatie bijwerken, en zet daar een agent op die dat werk aflevert zonder dat jij het van nul opnieuw doet. Meet hoeveel tijd dat oplevert over twee weken. Breid dan uit naar de delegate-emmer: laat AI een eerste bugfix-voorstel maken bij het volgende issue en beoordeel het resultaat kritisch voordat je merget. Documenteer wat werkt en wat niet, en deel dat met je team. Zo bouw je stap voor stap een werkwijze op in plaats van in één keer alles om te gooien.
Hoe word je de AI-persoon van je ontwikkelteam?
Word niet de persoon die AI-tools test voor de leuk, maar degene die de taakverdeling voor het hele team maakt: welke taken schrappen we, welke automatiseren we met agents, welke delegeren we met menselijke controle, en welke blijven puur mensenwerk. Bouw een prompt-bibliotheek voor terugkerende taken zoals tests genereren en documentatie bijwerken. Zet een eerste-ronde review-agent op voor pull requests en leg uit aan collega's hoe ze de output beoordelen. Wie deze indeling expliciet maakt, wordt het aanspreekpunt voor AI-gebruik binnen het team, niet toevallig maar door de taakanalyse zelf te doen.
AI verandert niet je baan, maar wel je takenpakket.
UWV
Word de AI-persoon van je team
Zet een agent-pipeline op voor tests en documentatie
Koppel een AI-agent aan je CI/CD-flow die na elke pull request automatisch tests en docs voorstelt. Jij reviewt de output in plaats van vanaf nul te schrijven, en je documenteert de acceptatiecriteria zodat collega's dezelfde flow kunnen gebruiken.
Bouw een interne prompt-bibliotheek
Verzamel de prompts die bij jouw team echt werken voor bugfixes, code review en klantenfeedback-analyse. Zet ze in een gedeeld document met voorbeeldinput en -output, zodat nieuwe teamleden er meteen mee kunnen werken.
Wees de vertaler tussen product en AI-tools
Vertaal vage vraag van product of klant naar een concrete AI-taak die het team kan delegeren of automatiseren. Dat vraagt kennis van zowel de ESCO-vaardigheden van je vak als van de mogelijkheden en beperkingen van de tools die je inzet.
Wil je dit voor jouw echte takenpakket?
De gratis scan op de homepage bouwt in 30 seconden jouw persoonlijke taakkaart, op basis van jouw rol en sector.
Doe de gratis taak-scanTools voor dit werk
| Tool | Voor welke taken | Nuchter bekeken |
|---|---|---|
| GitHub Copilot of vergelijkbare code-assistent | boilerplate HTML/CSS, unit tests genereren, CRUD-endpoints opzetten | Werkt goed voor herkenbare patronen, minder betrouwbaar bij bedrijfsspecifieke logica. |
| Een AI-agent voor code review (bijvoorbeeld ingebouwd in je CI-tool) | eerste ronde code review, dependency-updates signaleren | Vervangt geen menselijke merge-beslissing, wel het eerste doorlezen. |
| Chatbot met codecontext (Claude, ChatGPT of vergelijkbaar) | bugfixes voorstellen op basis van stacktrace, klantenfeedback clusteren | Kwaliteit van het antwoord hangt sterk af van hoeveel context je meegeeft. |
| Design-naar-code tool voor Figma-bestanden | front-end implementatie vanuit ontwerp | Levert een eerste versie, toegankelijkheid en interactie moet je zelf nakijken. |
| Documentatie-agent gekoppeld aan je repository | technische documentatie bijwerken na wijzigingen | Bespaart tijd, maar controleer of de agent ook de waarom achter een keuze meeneemt. |
Prompts om vandaag te proberen
Unit tests genereren voor een functie
Klantenfeedback clusteren op thema
Stacktrace analyseren en fix voorstellen
Verwante beroepen
Veelgestelde vragen
Hoeveel van het werk van een webontwikkelaar kan AI overnemen?
Microsoft Research meet een AI-toepasbaarheidsscore van 35,3% voor webontwikkelaars, gebaseerd op analyse van 200.000 echte Copilot-gesprekken (Working with AI, 2025). Dat betekent dat ruim een derde van de werkactiviteiten aantoonbaar AI-toepasbaar is, vooral repetitieve taken zoals boilerplate code, tests en documentatie. Twee derde van het werk, zoals architectuurbeslissingen en klantgesprekken, valt daarbuiten. Dat cijfer is een schatting op basis van gespreksdata, geen harde voorspelling van baanverlies.
Moet ik als webontwikkelaar leren programmeren met AI-tools?
In de praktijk wordt dat steeds meer verwacht, ook al bestaat daar geen harde verplichting voor. In Vlaanderen gebruikt 43% van de bevolking maandelijks generatieve AI, bij studenten zelfs 81% (imec Digimeter 2026). Wie AI-tools leert inzetten voor tests, documentatie en eerste bugfix-voorstellen, houdt tijd over voor architectuur en klantcontact, het deel van het beroep dat moeilijker te automatiseren is.
Welk verschil is er tussen automation en augmentation bij AI-gebruik in code?
Anthropic's Economic Index splitst AI-gebruik in automation-achtig gebruik, waarbij AI een taak volledig overneemt, en augmentation-achtig gebruik, waarbij AI de mens ondersteunt zonder de taak over te nemen. Voor webontwikkelaars valt boilerplate code en testgeneratie vaker in de automation-categorie, terwijl debugging en architectuurwerk vaker augmentation blijven: AI helpt, de developer beslist.
Bronnen
- Microsoft Research, Working with AI: Measuring the Applicability of Generative AI to Occupations (2025)
- Anthropic Economic Index
- UWV
- imec Digimeter 2026
- Eurostat, isoc_ai_iaiu
- Google/Ipsos, Our Life with AI
- ESCO, Europese Commissie
Hendrik De Winne, auteur van Becoming AI-Savvy, oprichter van VibeLab. Begeleidt teams bij het herontwerpen van hun werk met AI.
Dit artikel is opgesteld met AI-ondersteuning op basis van publieke databronnen en redactioneel nagekeken.