AI schrijft code sneller, maar de release-pipeline is de nieuwe bottleneck Uit een gezamenlijk onderzoek van MIT en de Wharton School blijkt dat asynchrone AI-agents tot 741% meer code genereren, terwijl het aantal daadwerkelijke software-releases met slechts 20% is gestegen. De bottleneck zit niet langer in het schrijven van code, maar in het reviewen en testen ervan. Dat is een belangrijk signaal voor organisaties die nu investeren in AI-codeerassistenten. Meer code betekent niet automatisch meer waarde als je review- en testprocessen niet meeschalen. AI werkt als een vermenigvuldiger van je bestaande knelpunten. Is je reviewproces al traag, dan wordt het met AI-gegenereerde code alleen maar trager. Kijk waar in jouw software-ontwikkelcyclus de wachtrijen zich ophopen. Investeer daar als eerste in automatisering, bijvoorbeeld geautomatiseerde testsuites of AI-ondersteunde code review, voordat je nog meer codegeneratie toevoegt.

AT&T behaalt 40% efficiencywinst in callcenters dankzij AI op grote schaal AT&T-CEO John Stankey heeft bekendgemaakt dat het bedrijf een verbetering van bijna 40% in efficiëntie en effectiviteit ziet in callcenters, klantenservice en softwareontwikkeling. AT&T telt 135.000 medewerkers, 50.000 voertuigen in het wagenpark en 120 miljoen draadloze abonnees. Wat dit interessant maakt voor bedrijfsleiders, is de schaal waarop AT&T dit heeft gerealiseerd. Het bedrijf bouwt voort op decennia aan eigen data, verzameld via elke netwerkstoring, klantinteractie en gespreksregistratie. Die datavoorsprong laat zich moeilijk kopiëren. Organisaties zonder vergelijkbare datahistorie zullen die 40% niet zomaar halen. De aanpak is wel overdraagbaar: AI inbedden in bestaande operationele processen in plaats van er een losse laag naast te zetten. Kijk welke van je bedrijfsprocessen nu al rijke historische data opleveren. Daar liggen de meest realistische startpunten voor AI-toepassingen met meetbaar rendement.

Spreken blijkt sneller prompten dan typen Tools als Wispr Flow claimen dat gesproken prompts ruwweg 10 keer meer context bevatten dan getypte, simpelweg omdat spreken sneller gaat dan typen en je daardoor minder weglaat. De tool zet gesproken input om naar gestructureerde tekst die je plakt in ChatGPT, Claude of een andere AI. Dat sluit aan bij een bredere trend waarbij de kwaliteit van AI-output steeds meer afhangt van de rijkheid van de input. Dunne prompts leveren dunne antwoorden. Dit is geen productaanbeveling voor Wispr Flow specifiek, maar het principe is de moeite waard om te testen. Probeer deze week één complexe taak te prompten via spraak in plaats van tekst en vergelijk de uitkomst met je gebruikelijke aanpak. wisprflow