LLM's geven de toekomst van programmeertalen een nieuwe vorm

Het succes van AI-gegenereerde code is sterk afhankelijk van het volume en de kwaliteit van de trainingsgegevens. En dit is het belangrijkste: LLM's worden voornamelijk getraind op open source code. Dat betekent dat talen zoals Python en JavaScriptdie GitHub, Stack Overflow en talloze open repositories domineren, geven LLM's een oneerlijk voordeel om ze onder de knie te krijgen.

Deze talen zijn de lingua franca van open-source innovatie. Python is de kracht achter data science notebooks, web backends en automatiseringsscripts. JavaScript is de frontend en draait op vrijwel elke website. Ze zijn goed gedocumenteerd, veel besproken en zwaar getest in het openbaar.

Als gevolg hiervan worden LLM's angstaanjagend goed in het genereren van code in deze talen - vaak sneller en nauwkeuriger dan menselijke ontwikkelaars.

De stille strijd van ondernemerstalen

Aan de andere kant, bedrijfsgerichte talen zoals Java, C#en frameworks zoals SwiftUI leven vaak achter gesloten deuren. De codebases zijn propriëtair, de architectuur complex en de openbare voorbeelden zijn schaars. Dat betekent dat LLM's minder hebben om van te leren.

Natuurlijk worden deze talen nog steeds ondersteund, maar niet met dezelfde rijkdom of diepgang. Het resultaat? AI-gegenereerde code in deze talen is minder betrouwbaar, foutgevoeliger en ontwikkelt zich langzamer.

In een wereld waar AI-verbeterde productiviteit de basis wordt, lopen deze trager bewegende ecosystemen het risico te stagneren.

Onderzoeken tonen aan dat LLM's een sterke voorkeur hebben voor Python. Ze gebruiken Python in 90%-97% van de gevallen voor taalagnostische taken, en zelfs als het niet de beste keuze is, wordt Python nog steeds gekozen in 58% van de projectinitialisatietaken.

De echte bedreiging voor ontwikkelaars is niet no-code, maar AI-gebaseerde collega's

Veel ontwikkelaars maken zich zorgen dat AI hen zal vervangen. Maar de directe bedreiging komt niet van projectmanagers die drag-and-drop bouwers gebruiken. Het is van collega ontwikkelaars die AI-tools omarmenKrijg AI-native talen onder de knie en bouw sneller dan je ooit handmatig zou kunnen.

Als je werkt in een nichetaal of -framework waar AI niet goed mee overweg kan, daalt je snelheid. Ondertussen werkt je collega die in Python codeert met een Copilot-achtige assistent 3x sneller, refactureert hij in seconden en schrijft hij tests in milliseconden.

Dit is geen toekomstscenario, het gebeurt nu al.

Wat kan de ontwikkelaarsgemeenschap doen?

Als we een gezond, divers programmeer-ecosysteem willen behouden, kunnen we het voortbestaan van talen niet aan het toeval overlaten. Dit is hoe we voor de rest kunnen vechten:

1. Open de poorten: Meer open-source bijdragen in bedrijfstalen aanmoedigen. Deel codevoorbeelden, bibliotheken en echte apps publiekelijk om LLM trainingsdatasets te verrijken.
2. Train kleinere modellen op gesloten code: Overweeg binnen bedrijven om kleine, eigen LLM's te trainen op je interne Java/C#/Swift codebases om je teams effectief te helpen.
3. Investeer in taalspecifieke AI-tools: Gemeenschappen rond minder goed vertegenwoordigde talen moeten hun eigen Copilots, linters en slimme IDE-integraties bouwen, aangedreven door eigen of verfijnde modellen.
4. Agressief document: Rijke documentatie van hoge kwaliteit helpt LLM's om te leren. Behandel het als een gemeenschapsdienst die de levensduur van uw taal verlengt.
5. Voorlichten en pleiten: Verspreid het bewustzijn binnen je taalgemeenschap over het belang van open data en AI-gereedheid. Het gaat niet alleen om gereedschap, het gaat om overleven.

De opkomst van AI in ontwikkeling versnelt bepaalde talen en laat andere achter zich. Het is een stil selectieproces dat wordt aangestuurd door gegevens, niet door kwaliteit, prestaties of elegantie.

Als jouw favoriete taal niet floreert in het AI-tijdperk, is het tijd om te handelen. Anders riskeren we een monocultuur waarin slechts een paar AI-voorkeur talen de toekomst van software domineren.

Kortom: codeer slimmer, deel openlijk en onthoud...AI leert wat wij het leren.

UX is altijd gericht geweest op het verminderen van wrijving

Elke grote sprong in gebruikerservaring kwam van stappen tussen wens en resultaat verwijderen.

• Commandoregelinterfaces laat technisch onderlegde gebruikers computers bedienen met cryptische tekstcommando's.
• Grafische UI's maakte computers toegankelijk voor de massa en verving syntaxis door pictogrammen.
• Aanraakinterfaces (smartphones) hebben de complexiteit van de invoer teruggebracht tot de eenvoudigste actie: een tik met de vinger.
• Spraakassistenten begon de interface helemaal te verwijderen, maar alleen voor basistaken.

En nu? We staan aan de rand van de volgende evolutie: autonome agenten die namens ons handelen.

Van interfaces naar intenties

De beste UX van vandaag vertrouwt er nog steeds op dat jij het werk doet. Je voert gegevens in. Je vergelijkt opties. Je klikt door formulieren. Maar wat als je gewoon je intentie uitdrukkenen het systeem zou de rest afhandelen?

Dat is wat AI-agenten beloven:

• Zoek op → gedaan op de achtergrond
• Boek → afgehandeld via gedelegeerde actie
• Onderzoek → samengevat en klaar voordat je het vraagt
• Onderhandeling → gedaan door uw agent, binnen uw grenzen

Dit gaat niet over gemak. Het gaat om cognitieve belasting vrijmaken. En het verandert het idee van wat een gebruikerservaring eigenlijk is.

Maar het web is nog niet klaar

Onlangs hebben we geprobeerd om onze AI-agenten (met behulp van Nanobrowser) een restaurant boeken. Het zoeken ging prima, maar op het moment dat ik Tripadvisor bereikte, kreeg ik een CAPTCHA.

Waarom? Omdat het systeem het als een bot markeerde.

En dat is de kern van de zaak: het internet behandelt AI-agenten als indringers, niet als verlengstukken van onszelf.

CAPTCHA's, anti-bot scripts, login flows ontworpen voor menselijke ogen - het zijn allemaal overblijfselen van een web gebouwd voor actie mogelijk was.

De UX-revolutie vereist een architectuurverschuiving

Als we van interfaces naar voornemensWe hebben een web nodig dat in de kern agentinteractie ondersteunt.

Zo zou dat eruit kunnen zien:

✅ Identiteit en vertrouwen van agenten
Laat gebruikers instaan voor hun agenten. Introduceer verifieerbare agentgegevens en toestemmingsscopes.

🔁 API's ontworpen voor agenten
In plaats van HTML te schrapen die is ontworpen voor de ogen, zouden agents gestandaardiseerde, lichtgewicht API's moeten gebruiken om taken veilig en efficiënt uit te voeren.

🤝 Delegatie op basis van toestemming
Laat me een website vertellen: "Ja, deze agent kan namens mij handelen." Die toestemming moet cryptografisch verifieerbaar en herroepbaar zijn.

🧠 Een browserlaag gemaakt voor agenten
Net zoals mobiel het web ooit transformeerde, zullen agent-first browsers (zoals Nanobrowser, AutoGPT plugins of aangepaste headless stacks) het opnieuw doen.

Van UX naar DX (gedelegeerde ervaring)

We gaan het tijdperk in waarin UX niet alleen gaat over hoe gebruikers software ervaren.maar hoe ze er actie aan delegeren. De nieuwe metriek zal niet zijn "Hoeveel klikken om af te rekenen?" maar "Hoeveel kan ik aan mijn agent geven zonder twee keer na te denken?".

Dit is een grote verschuiving. Het vereist dat ontwikkelaars, ontwerpers en platformarchitecten hun stack, hun aannames en hun rol in een wereld waar de gebruiker is niet langer degene die klikt.

Wie bouwt deze toekomst?

De agentic UX-revolutie wordt aangedreven door een divers ecosysteem:

• Agentic browsers (Nanobrowser, Opera Neon, OpenAI Operator en open-source alternatieven)
• Open-source LLM-agents (AutoGPT, AgentGPT, OpenInterpreter, BabyAGI, Superagent)
  Platformen voor agent-native toepassingen (LangChain, CopilotKit, Orq.ai)
• Web3/identiteitsprojecten (DID's, VC's voor agent vertrouwen en delegatie)
• Maar het is nog vroeg. Het agent-native web zal zichzelf niet bouwen. Dus laten we verbinden, samenwerken en bijdragen.

Want de toekomst van UX is niet wat gebruikers aanraken.
Het is wat ze helemaal niet aanraken.