Claude Code bouwde in één uur wat
Google een jaar kostte, zegt ex-Google Principal Engineer Jaana Dogan.In een reeks berichten op X schrijft zij dat Claude Code in één uur een werkende oplossing genereerde voor een probleem waar Google ruim een jaar aan werkte. Het gaat om zogenoemde distributed agent orchestrators. Dat zijn systemen die meerdere autonome AI-agents laten samenwerken.
De
uitspraak krijgt miljoenen weergaven en roept felle reacties op. Dogan benadrukt direct dat haar observatie geen grap is en ook niet bedoeld als sensatie. Ze beschrijft een fundamentele verschuiving in hoe complexe software wordt gebouwd.
Wie is Jaana Dogan en waarom haar woorden tellen
Jaana Dogan werkte jarenlang bij
Google aan grootschalige infrastructuur en ontwikkeltools. Ze stond bekend als een engineer die diep betrokken was bij de technische kern van AI-systemen. Inmiddels is zij geen werknemer meer van Google. Dat is een belangrijk detail. Ze spreekt niet namens het bedrijf, maar als onafhankelijke expert met kennis van interne processen.
Juist die afstand vergroot de geloofwaardigheid van haar analyse. Dogan heeft ervaring met de technische uitdagingen, maar ook met de organisatorische realiteit van grote techbedrijven.
Wat Google probeerde te bouwen
Volgens Dogan werkt
Google sinds begin 2025 aan distributed agent orchestration. Dit type systeem vormt de ruggengraat van moderne AI-platformen waarin meerdere AI-modellen zelfstandig taken uitvoeren en onderling afstemmen.
Binnen
Google bestonden er verschillende visies op de juiste aanpak:
- Centralistische architecturen met strakke controle.
- Gedecentraliseerde modellen met meer autonomie per agent.
- Discussies over schaalbaarheid, veiligheid en onderhoud.
Die uiteenlopende opvattingen zorgden voor langdurige afstemming, herontwerpen en vertraging. Het resultaat was na een jaar een werkend, maar nog steeds bediscussieerd systeem.
Wat Claude Code deed in één uur
Uit nieuwsgierigheid beschreef Dogan hetzelfde probleem aan
Claude Code. Dat is een programmeergerichte AI-tool van
Anthropic, gericht op professionele softwareontwikkeling.
Binnen een uur genereerde
Claude Code een architectuur en codebasis die sterk leek op wat
Google in een jaar tijd had opgebouwd. Het ging niet om voorbeeldcode of een demo. De output hield rekening met schaalbaarheid, foutafhandeling en samenwerking tussen agents.
Dogan benadrukt dat dit geen magie is.
Claude Code kreeg één heldere probleemomschrijving en hoefde geen rekening te houden met interne politiek, legacy-systemen of besluitvormingstrajecten.
Nuance: ‘Het is niet perfect en ik itereer erop’
Na de virale aandacht voegt Dogan belangrijke nuance toe. Ze schrijft expliciet dat de oplossing van
Claude Code niet perfect is. Ze noemt het een iteratief proces en geeft aan dat ze nog steeds verbeteringen aanbrengt.
Volgens haar ligt de echte waarde niet in perfectie, maar in snelheid en richting. De AI levert in korte tijd een functioneel uitgangspunt. Dat dwingt experts om sneller inhoudelijk te oordelen in plaats van maanden te discussiëren over architectuur.
Programmeren met AI kan heel goed werken, maar het komt niet zonder nadelen.
Oproep aan sceptische ontwikkelaars
Dogan richt zich expliciet tot ontwikkelaars die sceptisch zijn over AI-coding agents. Haar advies is helder. Test deze systemen niet op onbekend terrein, maar juist in een domein waarin je zelf expert bent.
Bouw iets complex vanaf nul. Gebruik jezelf als beoordelaar van de aannames, ontwerpkeuzes en codekwaliteit. Alleen dan wordt duidelijk hoe ver deze technologie inmiddels is.
Wat dit zegt over grote organisaties
De ervaring van Dogan legt volgens haar een structureel probleem bloot. Niet de techniek vormt vaak de bottleneck, maar de organisatie eromheen. Grote bedrijven werken met:
- Meerdere besluitvormingslagen.
- Tegengestelde belangen tussen teams.
- Trage consensusprocessen.
AI-modellen hebben daar geen last van. Ze voeren direct uit wat gevraagd wordt. Dat verschil wordt in 2026 steeds zichtbaarder.
De impact op ontwikkelaars en bedrijven
Claude Code en vergelijkbare tools vervangen ontwikkelaars niet, maar veranderen hun rol. Het schrijven van code wordt steeds sneller geautomatiseerd. Menselijke expertise verschuift naar probleemdefinitie, beoordeling en governance.
Voor bedrijven betekent dit dat AI-coding agents geen experiment meer zijn. Ze worden een meetlat waartegen interne processen onvermijdelijk worden afgezet.