Een manifest moet ongemakkelijk maken - niet bevestigen wat je al weet

Afgelopen week publiceerde Ronan Berder het AI-Augmented Software Development Manifesto. Het is een directe herschrijving van het Agile Manifesto: zelfde vier-waarden-structuur, zelfde "while there is value in the items on the right"-zin, twaalf principes. Waar Agile vocht tegen waterfall-bureaucratie, vecht dit manifest tegen AI-overproductie, agentic autopilot, vibe coding, token burn, schijnproductiviteit.

Ik las het en dacht: klopt. En toen: dit gaat pijn doen.

Want een manifest hoort niet je bestaande overtuigingen te valideren, het hoort ze te laten schuren. De vier waarden van Berder doen precies dat. Ze klinken redelijk, totdat je ze naast je eigen werkdag legt.

Hier zijn ze.

Human agency and taste over agentic autopilot.

Mijn klanten bij de overheid vragen me steeds vaker: "kunnen we de AI het niet gewoon laten doen?" Het antwoord uit dit manifest is helder: nee. Niet omdat de AI het niet kan, maar omdat "het laten doen" het probleem is.

"Taste" is het meest oncomfortabele woord in het hele manifest. Want taste is niet automatiseerbaar. Je kunt geen PR reviewen met "dit voelt niet goed" als je niet kunt uitleggen waarom. Maar in AI-augmented development is dat precies de vaardigheid die schaars wordt: het vermogen om gegenereerde output te beoordelen op iets wat geen linter pakt.

Bij DjimIT noem ik dit het anti-pilootprincipe: de AI is je copiloot, jij bent de gezagvoerder. Een copiloot mag voorstellen doen. Een copiloot mag routinetaken overnemen. Maar de gezagvoerder bepaalt de koers, herkent gevaar, en kan op elk moment de besturing terugnemen.

Tight human feedback loops over long unattended agent runs.

Dit is de waarde die het hardst botst met de agent-hype van 2026. Overal zie ik demo's van agents die "urenlang autonoom" werken. Developers vertellen me trots dat ze een agent 's nachts hebben laten doorwerken.

Berder zegt: dat is niet het doel. Het doel is kortere feedbackloops, niet langere onbewaakte runs.

Ik herken dit uit mijn eigen werk. De beste AI-sessies duren twintig minuten, ik formuleer een intentie, de AI genereert, ik review, we herhalen. Elke iteratie is een check: klopt de richting nog? Begrijpen we elkaar nog? De kwaliteit zit in de dichtheid van die checks, niet in de lengte van de run.

Een agent die vier uur draait zonder menselijke tussenkomst is geen productiviteitswinst, het is een risico. Want aan het eind van die vier uur moet jij vier uur aan gegenereerde output beoordelen, zonder de context van de tussenbeslissingen. De feedbackloop is niet korter geworden, hij is langer geworden, maar dan verborgen.

Reliable, tested software over abundant AI output.

Deze raakt me het hardst. Want ik zie teams die trots rapporteren: "we hebben deze sprint 3000 regels code gegenereerd met AI." Alsof regels code de maat zijn.

Berder zegt: "LOC count, agent swarms, and token burn are not progress unless users get something reliable." Precies. De maat is niet hoeveel eruit komt, de maat is wat er blijft staan nadat je het getest, gereviewed en gehard hebt.

In de gereguleerde omgevingen waar ik werk, ministeries, zorginstellingen, toezichthouders, is "abundant AI output" niet alleen nutteloos, het is gevaarlijk. Elke ongeteste gegenereerde regel is een potentiële auditbevinding. BIO2 vraagt niet "hoeveel code heb je?" BIO2 vraagt "hoe weet je dat het veilig is?"

Clear, adaptable intent over rigid specs or vibe-coding.

De vierde waarde plaatst twee uitersten tegenover elkaar: aan de ene kant de rigide specificatie (waterval-denken in AI-jasje), aan de andere kant vibe-coding ("laat de AI het maar uitzoeken").

Tussen die twee uitersten zit iets wat ik geleide verkenning noem: je formuleert een heldere intentie, je geeft de AI ruimte om te verkennen, maar je stuurt bij op basis van wat je ontdekt. Het is het verschil tussen "bouw precies dit" (rigid spec) en "doe maar iets" (vibe-coding) versus "ik wil hier uitkomen, laten we samen de route vinden."

Dit principe is het moeilijkst te implementeren in organisaties met inkoopprocessen. Want een aanbesteding vraagt een specificatie. Een BIO2-audit vraagt aantoonbaarheid. "Adaptable intent" klinkt als vaagheid voor een auditor. En toch is het de enige werkbare modus, want bij AI-augmented development ontdek je tijdens de bouw wat er mogelijk is.

---

Dit manifest landt niet in een vacuüm. Het valt midden in een ecosysteem van AI-engineeringmethodologieën, en de match met mijn eigen Way of Code is geen toeval:

Way of Code	Manifesto-match
Prefer essence over abstraction	Clear, adaptable intent over rigid specs
Build without attachment	Treat code as cheap, understanding as expensive
Simplicity compounds	Simplicity as refusing generated complexity
Stillness before action	Technical excellence, architecture understanding
Water-like engineering	Requirements harden from evidence
Finish and detach	Reliable, tested software as progress

Zes principes, zes matches. Het manifest en Way of Code zijn twee antwoorden op dezelfde vraag: wat wordt schaars als genereren goedkoop wordt? Het antwoord is oordeelsvermogen, en dat moet je trainen, niet automatiseren.

Maar een manifest is een startpunt, geen besturingssysteem. Voor de omgevingen waarin ik werk, overheid, zorg, finance, zijn de vier waarden nodig maar niet voldoende. Je hebt een laag erboven nodig die "taste" en "feedback loops" vertaalt naar harde controls.

De zes principes die ik toevoeg:

1. No AI change without evidence. Prompt-to-production traceability: intent → model → gegenereerde diff → reviewbesluit → testbewijs → security scan → releasebesluit. Geen stap zonder bewijs.

2. Agents need authorization, not trust. Least privilege, scoped credentials, short-lived tokens. Geen agent met brede write-permissies. Tool access via policy gateway.

3. Generated code is untrusted until proven otherwise. AI-output is third-party code totdat tests en review het promoveren.

4. Context has classification. Niet alles naar de cloud. Niet alles naar elk model. Data-classificatie stuurt model-routing.

5. Complexity must have an owner. Geen dependency, agent, skill of MCP-server zonder lifecycle-owner.

6. Productivity is measured in accepted value. Niet tokens, regels, of agent-runs, maar gevalideerde capabilities en lagere defect rates.

---

Berders manifest is een noodzakelijke correctie op de agent-hype. Maar een manifest dat alleen maar bevestigt wat je al dacht, is decoratie. De waarde van deze vier waarden is niet dat ze kloppen, dat doen ze. De waarde is dat ze ongemakkelijk maken.

Want "human agency and taste" betekent: jij moet beter worden in oordelen, niet de AI beter in genereren. "Tight feedback loops" betekent: stop met 's nachts agents draaien. "Reliable, tested software" betekent: je token-burn is geen KPI. En "clear, adaptable intent" betekent: je aanbestedingsspecificatie gaat niet overleven.

Dat ongemak is precies de bedoeling. Een goed manifest stelt geen gerust, het stelt een standaard waar je nog niet aan voldoet.