Het Verrassende Effect van AI op Onze Programmeertalen

Sophie Jansen · 2026-08-21

De impact van AI-codeertools blijkt een groot onverwacht gevolg te hebben. In augustus 2025 werd TypeScript de meest gebruikte taal op GitHub. Dat was de grootste verschuiving in tien jaar en viel precies samen met de periode van de snelste adoptie van AI-coding agents. Eigenlijk gaat het tegen alle voorspellingen in. Men dacht dat AI-tools de keuze voor een programmeertaal minder belangrijk zouden maken. Organisaties zouden 'stack agnostisch' worden en hun techstack puur kiezen op basis van het bedrijfsprobleem, zonder rekening te houden met het beschikbare ontwikkelaarstalent. In plaats daarvan lijkt de markt nu, amper twee jaar na de wijdverspreide introductie van deze tools, juist beperkter te worden. Er is een snelle vernauwing gaande, waarbij bijna alle aandacht uitgaat naar één enkele taalfamilie. ### De Data Spreekt Duidelijk Het GitHub Octoverse rapport van oktober 2025 telde de TypeScript-bijdragers. Met 2,64 miljoen maandelijkse bijdragers was dat een toename van 66% ten opzichte van het jaar ervoor. In 2025 schreven meer dan een miljoen ontwikkelaars hun eerste TypeScript-code op GitHub. Die groei komt bovenop een al dominantie positie. De Stack Overflow Developer Survey van 2025, met meer dan 49.000 reacties, liet zien dat 66% van de respondenten JavaScript gebruikt. Sinds 2011 domineert JavaScript deze positie bijna ieder jaar. Kortom: de JavaScript-familie is zowel de meest gebruikte als de snelstgroeiende op GitHub. Natuurlijk, we moeten even een kanttekening plaatsen bij de methode van GitHub. Activiteit op hun eigen platform tellen geeft een belangenverstrengeling – ze willen natuurlijk goed voor de dag komen. Ook modegrillen beïnvloeden wat er in publieke repositories belandt. Toch komen de indicatoren overeen met andere survey-data, wat voor deze specifieke trend redelijk is. ### Waarom AI Liever JavaScript Schrijft Het mechanisme is eigenlijk heel simpel. De modellen leren van de code die gepubliceerd is, en het grootste deel van die gepubliceerde code is geschreven in JavaScript en TypeScript. Sterker nog, een enorm deel draait om React. Dit zorgt voor een aanzienlijk kwaliteitsverschil in de output die ontwikkelaars van hun agents zien. Vraag een coding agent om een getypte React-component te genereren en de output compileert meestal, voldoet aan de standaarden van de codebase en heeft minimale aanpassingen nodig. Vraag je hetzelfde agent echter om code voor Svelte, Solid of een minder populair backend-framework, dan is de output vaak veel dunner. Je ziet meer verzonnen API's en de scaffolding heeft meer correcties nodig voordat het uitvoerbaar is. Dit verandert nu de manier waarop teams hun stack kiezen. Het gaat niet langer alleen om welke framework het meest efficiënt of makkelijk is om mee te werken. De vraag is nu: welke framework werkt het beste met onze tools? Het productiviteitsgat in bruikbare agent-output wordt tijdens een lange bouwcyclus alleen maar groter. En als dat team output produceert, wordt die gepubliceerd, gescraped en meegenomen in volgende trainingsrondes van de AI – wat het gat weer wijder maakt. - **Technische voorkeur vs. marktwerking**: Solid en Svelte zijn uitstekende frameworks. Veel modernere frameworks overtreffen React qua rauwe snelheid. Maar de markt beloont de keuze die de modellen al kenden. - **Een interessant contrast**: De AI-modellen zelf zijn gebouwd in Python. Modeltraining, evaluatie en onderzoekstools draaien daarop. Dat is niet veranderd. - **De klant ziet iets anders**: Bijna niets van wat de klant uiteindelijk gebruikt, is geschreven in Python. De front-end van een AI-product is vaak niet meer dan een venster dat tokens streamt. Het vereist knoppen om tools uit te voeren, een goedkeuringsstap voor riskante acties en een uitleg van wat het systeem deed en waarom. Dat hele laagje waar de gebruiker mee praat? Dat is bijna altijd JavaScript. Het resultaat is een zichzelf versterkende cyclus. Meer JavaScript/TypeScript-code betekent betere AI-ondersteuning, wat leidt tot meer teams die die talen kiezen, wat weer leidt tot nog meer code voor de volgende generatie AI. Het is een fascinerende, en voor sommigen zorgwekkende, ontwikkeling. De keuzevrijheid lijkt kleiner te worden, niet groter, precies op het moment dat we dachten dat technologie ons meer vrijheid zou geven. Zoals een ontwikkelaar het onlangs tegen me zei: *'Het voelt alsof de trein steeds harder gaat rijden, maar het spoor wordt steeds smaller.'* Het is een metafoor die blijft hangen. De vraag is niet meer alleen wat technisch het beste is, maar wat praktisch het meest ondersteund wordt in ons nieuwe AI-aangedreven landschap.