De volgende crisis door technische schuld wordt nu al geschreven
Een tijdje geleden schreef ik over het vuile werk van IT. Het werk waar niemand voor applaudisseert. De projecten die niemand op LinkedIn zet. De eindeloze cyclus van technische schuld opruimen, vastgelopen processen herstellen, omgevingen standaardiseren, systemen documenteren die niemand meer helemaal begrijpt, en kritieke diensten draaiende houden terwijl de rest zich op het volgende glimmende initiatief stort.
Ik stelde toen dat een groot deel van de echte waarde van IT ontstaat nadat de opwinding is weggeëbd. Daar geloof ik nog steeds in. En volgens mij staan we op het punt die les opnieuw te leren. Dit keer met AI.
Laat ik duidelijk zijn. Ik ben niet tegen AI. Integendeel. Ik gebruik AI bijna dagelijks en geloof dat het een van de meest ingrijpende technologieën van onze generatie wordt. Maar iedere grote technologische verschuiving brengt naast nieuwe kansen ook nieuwe uitdagingen mee.
AI heeft de drempel om software, automatiseringen, workflows en integraties te maken enorm verlaagd. Mensen bouwen nu in dagen wat vroeger weken kostte. Medewerkers uit de business maken applicaties. Citizen developers bouwen automatiseringen. Teams koppelen systemen waarvoor je eerder specialistische kennis nodig had.
Op het eerste gezicht is dat fantastisch. En vaak is het dat ook. Totdat iemand het moet onderhouden.
Dat is het deel dat veel organisaties missen. AI heeft het maken van technologie goedkoper gemaakt. Het begrijpen van technologie niet. Het besturen van technologie niet. Het beveiligen van technologie niet. En het op grote schaal draaiende houden van technologie al helemaal niet.
Het resultaat laat zich raden. We maken meer technologie dan ooit, terwijl we verhoudingsgewijs minder tijd besteden aan begrijpen hoe alles samenhangt. Die kloof wordt uiteindelijk technische schuld.
De meeste oplossingen die met AI zijn gemaakt, mislukken niet omdat de code overduidelijk beroerd is. Sterker nog: veel ervan ziet er verrassend goed uit. Functies zijn netjes opgebouwd. Commentaar is goed geschreven. De applicatie werkt. De demo maakt indruk.
Het probleem zit een laag hoger. Wie is de eigenaar? Hoe wordt het gemonitord? Hoe regelen we de toegang? Wat gebeurt er als een belangrijke API verandert? Waar zijn de back-ups? Hoe testen we herstel na een calamiteit? Wie begrijpt de datastromen? Hoe past dit in de bredere architectuur?
Dat zijn geen programmeerproblemen. Dat zijn vraagstukken van systeemdenken. En systeemdenken blijft een van de waardevolste vaardigheden in IT.
Dit is niet de eerste keer dat technologie makkelijker te maken wordt. We zagen vergelijkbare bewegingen bij outsourcing. Bij low-codeplatformen. Bij de overstap naar de cloud. Bij de wildgroei aan SaaS.
Iedere keer dat het maken goedkoper wordt, maken organisaties meer dingen. Veel meer dingen. Uiteindelijk haalt de operationele complexiteit ons in. En dan begint ineens iedereen over governance, standaardisatie, architectuur en weerbaarheid. Niet omdat die onderwerpen hip zijn geworden, maar omdat de werkelijkheid zich heeft gemeld.
Ik vermoed dat het volgende grote tekort in IT niet zit bij mensen die code kunnen genereren. AI helpt dat probleem al op te lossen. Het tekort gaat zitten bij mensen die complexe systemen kunnen begrijpen.
Mensen die afhankelijkheden zien voordat ze storingen worden. Die security begrijpen voorbij een compliancechecklist. Die het verschil zien tussen een slimme proof of concept en een houdbaar productieplatform. Die weten hoe technologie, processen en mensen op elkaar inwerken.
Oftewel: de mensen die de rommel opruimen.
De organisaties die het meest van AI profiteren, zijn niet per se de organisaties die de meeste AI-output produceren. Het zijn de organisaties die die output verantwoord kunnen opnemen in hun manier van werken. Die innovatie combineren met governance, snelheid met architectuur, en experimenteren met verantwoordelijkheid.
Want AI kan ons helpen sneller te typen. Sneller te bouwen. Sneller te automatiseren. Maar iemand moet nog steeds begrijpen wat er wordt gebouwd.
De geschiedenis leert dat de rekening niet verdwijnt als we die stap overslaan. Hij komt gewoon later. Meestal bij IT. Meestal tijdens een storing. Meestal op het slechtst denkbare moment.
Het vuile werk verdwijnt niet. Het wordt misschien juist belangrijker.
Nu AI het maken van technologie versnelt, stijgt de waarde van het begrijpen van technologie. Niet van één applicatie, maar van het hele ecosysteem. De gevolgen begrijpen. De afwegingen begrijpen. Begrijpen waar complexiteit zich verstopt voordat die het incident van morgen wordt.
Dat is altijd al het vuile werk van IT geweest. En als je kijkt naar wat er nu gebeurt, neemt de vraag naar die vaardigheid eerder toe dan af.
#AI #TechnicalDebt #ITLeadership #EnterpriseArchitecture #DigitalTransformation #OperationalResilience #Governance #CIO #CTO #SystemsThinking #ShadowIT #AIGovernance #TechnologyStrategy #Innovation #ITTransformation
Dit artikel van Thierry M. Vos is vertaald uit het Engels. Het origineel verscheen op LinkedIn. Bekijk alle artikelen.