De Onverwachte Winnaar in het Tijdperk van AI Coderen

Sophie Jansen · 2026-08-21

Het is een verhaal dat je niet direct zou verwachten. In augustus 2025 gebeurde er iets opvallends op GitHub: TypeScript werd de meest gebruikte programmeertaal. Dat was de grootste verschuiving in de taalranglijsten van GitHub in tien jaar tijd. En weet je wanneer dit precies plaatsvond? Precies tijdens de periode van de meest versnelde adoptie van AI-coderingstools. We dachten eigenlijk dat AI de keuze voor een programmeertaal minder belangrijk zou maken. Het idee was dat bedrijven 'stack agnostisch' zouden worden. Ze zouden hun tech-stack puur kiezen op basis van het bedrijfsprobleem, zonder zich druk te maken over het beschikbare ontwikkelaarstalent op de markt. Maar de realiteit is anders gebleken. Slechts twee jaar na de wijdverspreide introductie van AI-coderingstools, lijkt de markt juist beperkter te worden. Er is een snelle vernauwing gaande van beschikbare programmeertalen. En bijna alle aandacht gaat uit naar één enkele taalfamilie. ### De Cijfers Achter de Verandering Laten we even naar de harde data kijken. Het October 2025 Octoverse rapport van GitHub telde TypeScript-bijdragers. Met 2,64 miljoen maandelijkse bijdragers was er een jaar-op-jaar groei van 66%. In 2025 alleen al schreven meer dan een miljoen ontwikkelaars hun eerste TypeScript-code op GitHub. Dit is extra opmerkelijk, omdat de JavaScript-familie al een dominante positie had. In de 2025 Stack Overflow Developer Survey, met meer dan 49.000 reacties, gaf 66% aan JavaScript te gebruiken. Sinds 2011 domineert JavaScript deze positie bijna elk jaar. De conclusie is duidelijk: de JavaScript-familie is zowel de meest gebruikte als de snelst groeiende op GitHub. Nu moet ik wel een kleine kanttekening plaatsen bij GitHub's telmethode. Activiteit tellen op GitHub is natuurlijk activiteit tellen op hun eigen platform. Dat brengt een zeker belangenconflict met zich mee. Ook hebben modetrends invloed op wat er in publieke repositories wordt geplaatst. Maar toch, de indicatoren komen overeen met survey-data, wat logisch is gezien de omvang van deze trend. ### Waarom Modellen Beter Schrijven Wat Ze Meest Zien Hoe dit werkt is eigenlijk best simpel. AI-modellen leren van de code die gepubliceerd is. En het overgrote deel van de gepubliceerde code is geschreven in JavaScript en TypeScript. Sterker nog, veel code draait om React. Dit creëert een enorme kloof in de output die ontwikkelaars van hun AI-agents zien. Vraag een coding agent om een getypeerde 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 magerder. Je ziet meer verzonnen API's en de scaffolding heeft meer correcties nodig voordat het uitvoerbaar is. ### Hoe Dit Teamkeuzes Beïnvloedt Hierdoor verandert de manier waarop teams hun tech-stack selecteren fundamenteel. Het is niet langer alleen een kwestie van welk framework het meest efficiënt of makkelijkst is om mee te werken. Nu gaat het erom welk framework het meest compatibel is met de tools van het team. Want dat productiviteitsverschil in bruikbare AI-output wordt tijdens een uitgebreide bouwcyclus alleen maar groter. En wanneer dat team output produceert, wordt het gepubliceerd, gescraped en opgenomen in volgende training runs. Zo wordt de kloof alleen maar wijder. Dit zegt overigens niets over de technische kwaliteit. Solid en Svelte zijn uitstekende frameworks. Verschillende modernere frameworks overtreffen React zelfs op rauwe snelheid. Maar de markt beloonde simpelweg de keuze die de modellen al kenden. ### Een Interessante Tegenstelling Een valide tegenargument is dat AI-ontwikkeling zelf vooral in Python gebeurt. Modeltraining, evaluatie en de meeste onderzoeks-tooling draaien op Python, en dat is niet veranderd. Maar heel weinig van wat de klant uiteindelijk ziet en gebruikt, is geschreven in Python. De front-end van een AI-product is eigenlijk gewoon een venster dat tokens streamt. Het heeft knoppen nodig om tools uit te voeren, een goedkeuringsstap voor risicovolle acties en uitleg over wat het systeem deed en waarom. Dit betekent dat de echte gebruikerservaring, de interface waar mensen dagelijks mee werken, bijna altijd in JavaScript-land wordt gebouwd. De AI-magie gebeurt op de achtergrond in Python, maar de tastbare producten worden geleverd in JavaScript. Het is een fascinerende ontwikkeling die ons laat zien hoe technologie soms onverwachte paden bewandelt. In plaats van diversiteit te creëren, versterken AI-tools momenteel de positie van bestaande dominante talen. En dat heeft gevolgen voor hoe we in de toekomst software gaan bouwen.