Waarom AI-codeertools één programmeertaal onverwacht domineerden
Sophie Jansen ·
Luister naar dit artikel~5 min AI-codeertools zouden programmeertalen minder belangrijk maken, maar het tegenovergestelde gebeurde. TypeScript werd de populairste taal op GitHub tijdens de grootste AI-adoptiegolf. Ontdek hoe AI onverwacht één taalfamilie domineert.
In augustus 2025 gebeurde er iets opvallends op GitHub. TypeScript werd de meest gebruikte programmeertaal op het platform. Dat was de grootste verschuiving in tien jaar tijd, en het gebeurde precies tijdens de periode waarin AI-codeerassistenten het snelst werden geadopteerd.
Interessant genoeg voorspelden experts eerder iets heel anders. Ze dachten dat AI-tools de keuze voor een programmeertaal juist minder belangrijk zouden maken. Organisaties zouden 'stack-agnostisch' worden en puur kiezen wat technisch het beste paste bij hun probleem. De beschikbaarheid van developers zou er minder toe doen.
Maar de realiteit bleek anders. Slechts twee jaar na de wijdverbreide adoptie van AI-codeertools lijkt de markt juist beperkter. Er is een snelle vernauwing zichtbaar naar minder programmeertalen, en de focus ligt grotendeels op één enkele taalfamilie.
### De cijfers achter de verschuiving
Het GitHub Octoverse-rapport van oktober 2025 telde 2,64 miljoen maandelijkse TypeScript-bijdragers. Dat is een jaar-op-jaar stijging van maar liefst 66%. In 2025 alleen al schreven meer dan een miljoen developers voor het eerst TypeScript-code op GitHub.
Dit groeitempo is extra opmerkelijk omdat JavaScript en zijn varianten al een dominante positie hadden. Een Stack Overflow-enquête uit 2025 onder bijna 49.000 developers toonde aan dat 66% JavaScript gebruikte. Sinds 2011 domineert JavaScript deze lijst bijna elk jaar.
Kortom: de JavaScript-familie is zowel de meest gebruikte als de snelst groeiende op GitHub.
Nu moeten we wel een kleine kanttekening plaatsen bij GitHub's telmethode. Activiteit op hun eigen platform tellen is natuurlijk niet helemaal objectief. Ook modegrillen beïnvloeden wat er in publieke repositories verschijnt. Maar de trend wordt wel bevestigd door onafhankelijke enquêtes, dus het signaal is duidelijk.
### AI-modellen schrijven het best wat ze het meest zien
Het mechanisme is eigenlijk heel simpel. AI-modellen leren van gepubliceerde code, en het overgrote deel van die code is geschreven in JavaScript en TypeScript. Sterker nog, een groot deel draait om React.
Dit creëert een enorm verschil in outputkwaliteit. Vraag je een AI-assistent om een getypeerde React-component te genereren, dan compileert het resultaat meestal direct. Het voldoet aan de standaarden van je codebase en heeft minimale aanpassingen nodig.
Vraag je hetzelfde voor een Svelte- of Solid-component, of een minder populair backend-framework, dan is de output vaak dunner. Je ziet meer verzonnen API's en het scaffolding heeft meer correcties nodig voordat het uitvoerbaar is.
Zoals een ontwikkelaar het onlangs zei: *"Het voelt alsof je met React een ervaren collega naast je hebt, en met andere frameworks een stagiair die het nog moet leren."*
### Hoe dit de keuze voor je tech stack verandert
Dit verandert fundamenteel hoe teams hun technologie kiezen. Het gaat niet langer alleen om welke framework het meest efficiënt of prettig werkt. De vraag is nu: welk framework werkt het beste met onze AI-tools?
Want dat productiviteitsverschil tikt hard aan tijdens een lang bouwtraject. En wanneer teams output produceren, wordt die gepubliceerd, gescraped en meegenomen in volgende trainingsrondes van de AI. Zo wordt de kloof alleen maar groter.
Dit zegt overigens niets over de technische kwaliteit. Solid en Svelte zijn uitstekende frameworks, en verschillende modernere frameworks presteren beter dan React op rauwe snelheid. Maar de markt beloonde simpelweg de keuze die de modellen al kenden.
### De paradox: Python bouwt, JavaScript levert
Een terechte tegenwerping is dat AI-ontwikkeling zelf vooral in Python gebeurt. Modeltraining, evaluatie en onderzoektooling draaien op Python, en dat is niet veranderd.
Maar wat de eindgebruiker ziet en gebruikt, is bijna nooit in Python geschreven. De front-end van een AI-product is eigenlijk 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.
En dat alles? Dat wordt bijna altijd in JavaScript geleverd. De kern mag dan in Python draaien, maar de gebruikersinterface waar je mee praat is JavaScript.
### Wat betekent dit voor jou als developer of teamleider?
- **Voor bestaande projecten:** Blijf je huidige stack kritisch evalueren, maar wees je bewust van het AI-productiviteitsvoordeel bij JavaScript/TypeScript.
- **Voor nieuwe projecten:** Overweeg expliciet hoe goed je AI-tools zijn in je gekozen stack. Dat kan een doorslaggevende factor worden.
- **Voor je carrière:** Specialisatie in de JavaScript-ecosysteem lijkt veiliger dan ooit, maar blijf experimenteren met nieuwe talen voor specifieke use cases.
De komende jaren zullen we zien of deze concentratie standhoudt, of dat AI-tools uiteindelijk toch taal-agnostischer worden. Maar voor nu heeft AI onverwacht één programmeertaalfamilie een stevige boost gegeven.