Google: AI schrijft nu de helft van onze code

maandag, 14 juli 2025 om 18:55

Google claimt dat inmiddels de helft van alle nieuwe code intern door een AI-assistent wordt geschreven. In een blog blikt het bedrijf terug op vijf jaar AI-integratie in zijn ontwikkelomgeving en schetst het de toekomst.

Gemini Code Assist – de publieke tegenhanger van Googles interne tooling – is sinds februari gratis beschikbaar voor individuele ontwikkelaars en biedt tot 180.000 code-completions per maand.

AI-codehulp groeit explosief binnen Google

Sinds de introductie van LLM-gebaseerde code-aanvullingen in 2019 is de adoptie razendsnel gegaan. Volgens Google accepteren engineers 37 % van alle AI-suggesties, goed voor 50 % van het totale aantal getypte tekens. Ook buiten code-completion breidt de assistent zich uit:

8 % van de code-review-comments wordt automatisch opgelost;
2 % van alle IDE-code ontstaat uit AI-adaptaties van gekopieerde snippets.

Deze cijfers tonen aan dat de rol van ontwikkelaars verschuift van schrijven naar beoordelen. Google monitort de acceptatie- en productiviteitsstatistieken continu om de balans tussen review-last en meerwaarde te bewaken.

AI neemt steeds meer programmeertaken over van mensen bij Google

Van Gemini-model naar gratis Code Assist

De interne assistent draaide aanvankelijk op maatgemaakte modellen, maar is nu gekoppeld aan de Gemini 2.5-foundation-modellen. Voor externe gebruikers lanceerde Google dit jaar Gemini Code Assist in drie smaken: Free, Standard en Enterprise. De gratis versie ondersteunt alle gangbare IDE’s (VS Code, JetBrains, Android Studio) en programmeertalen, en bevat ook AI-gedreven code-review in GitHub.

Met een limiet van 180 k code-completions per maand prijst Google het pakket als “ruim negentig keer genereuzer” dan concurrerende gratis tools. Daarmee wil het bedrijf studenten en zzp’ers aansporen om AI-tooling te omarmen.

Meer dan alleen aanvullen: migraties en onderhoud

Uit een recent praktijkrapport blijkt dat Google LLM’s ook inzet voor grootschalige code-migraties. Bij complexe projecten, zoals de overgang van 32- naar 64-bits-ID’s in Google Ads (500 + miljoen regels), verdubbelt een hybride aanpak van AST-analyses, heuristieken en LLM-prompts de migratiesnelheid. Dit succes heeft geleid tot meer interne migraties (JUnit3 → JUnit4, Joda Time → Java Time) en een toolkit die herbruikbare workflows biedt.

Uitdagingen en lessen

Google noemt drie pijlers voor succesvolle productisering:

Technische haalbaarheid én impact: features worden pas gebouwd als beide aantoonbaar zijn.
Snel itereren: online A/B-tests leveren betere feedback dan offline metrics.
Gedetailleerde telemetrie: fine-grained logs van alle IDE-acties voeden model-tuning en UX-verbeteringen.

Daarnaast blijkt UX cruciaal. Suggesties die vanzelf opduiken, scoren; features die een handmatige trigger vereisen, halen de eindstreep niet.

Wat betekent dit voor de markt?

Shift naar natuurlijke taal: prompt-gestuurde commando’s worden de standaardinterface voor ontwikkeltools.
Agent-gebaseerde automatisering: prototypes tonen aan dat diagnostiek tot en met het landen van een fix grotendeels geautomatiseerd kan worden.
Benchmark-behoefte: Google roept de sector op tot bredere meetsets (bijv. SWEBench) om ook onderhoud en debugging te evalueren.

Voor Nederlandse developers betekent dit dat AI-ondersteuning snel van “nice-to-have” naar “basisgereedschap” evolueert. Bedrijven die nu investeren in AI-gebaseerde developer-experience, profiteren straks van snellere release-cycli en lagere onderhoudskosten.