Insights AI

Bouwen voor het tijdperk van programmerende AI-agenten: hoe infrastructuur zich aanpast aan autonome ontwikkelaars

Podcast · Luister (19 min)

Supabase Says 70% of Its New Users Aren't Human | AI Explained

Inhoud
  1. Het knelpunt: infrastructuur ontworpen voor mensen in een door agenten aangedreven wereld
  2. Hoe agentgerichte infrastructuur werkt: een stapsgewijze blauwdruk
  3. Stap 1: Programmatische beschikbaarstelling
  4. Stap 2: Voor agenten geoptimaliseerde interfaces
  5. Stap 3: Geautomatiseerd levenscyclusbeheer
  6. Intuïtieve analogie: bouwen volgens een blauwdruk tegenover geautomatiseerd printen van microappartementen
  7. Wat werkelijk nieuw is: de verschuiving van ‘hoe te bouwen’ naar ‘wat te bouwen’
  8. Economische en strategische gevolgen: producten, sector en eindgebruikers
  9. Voor productteams
  10. Voor de sector voor kunstmatige intelligentie en clouddiensten
  11. Voor alledaagse gebruikers
  12. Beperkingen, risico's en openstaande technische vragen
  13. Kerncijfers
  14. Wat dit beeld zou veranderen
  15. Geraadpleegde bronnen

Nu agenten op basis van kunstmatige intelligentie steeds vaker de primaire uitvoering van softwareontwikkeling overnemen, ondergaat de fundamentele ontwikkelaarsinfrastructuur een structurele transformatie om autonome, niet-menselijke bouwers te ondersteunen. Supabase, een opensourceplatform voor PostgreSQL (Postgres), heeft zijn infrastructuur actief opnieuw ontworpen rond deze agenten, die inmiddels ongeveer 70% van alle nieuwe activiteit op het platform genereren. Deze grootschalige verschuiving naar softwareontwikkeling door autonome agenten maakt op maat gemaakte, uiterst specifieke persoonlijke software even gangbaar en wegwerpbaar als persoonlijke tekstdocumenten of spreadsheets. Tegelijkertijd verschuift de belangrijkste waardebepalende factor bij softwareontwikkeling van technische uitvoering (‘weten hoe je iets bouwt’) naar domeinkennis en productvisie (‘weten wat je moet bouwen’).

Het knelpunt: infrastructuur ontworpen voor mensen in een door agenten aangedreven wereld#

Traditionele infrastructuur voor softwareontwikkelaars is ontworpen rond de fysieke snelheid en cognitieve beperkingen van mensen. Bestaande databaseplatforms, beheerpanelen voor de cloud en ontwikkelgereedschappen gingen uit van een menselijke gebruiker achter een beeldscherm, die handmatig omgevingen configureerde, databaseschema's opstelde, opdrachtregelscripts uitvoerde en applicatieprogrammeerinterfaces inspecteerde. Deze mensgerichte werkprocessen verliepen inherent in een beheerst tempo, gekenmerkt door handmatige foutcorrectie, navigatie door visuele interfaces en ontwikkelcycli van meerdere weken.

Het aanpassen van bestaande infrastructuur aan autonome agenten op basis van kunstmatige intelligentie brengt grote technische uitdagingen met zich mee. Anders dan menselijke ontwikkelaars, die platforms bedienen via grafische beheerinterfaces of bewuste scriptuitvoering, starten, bevragen, wijzigen en ontmantelen deze agenten achterliggende diensten programmatisch, in extreme volumes en vrijwel onmiddellijk. Traditionele databaseplatforms krijgen te maken met operationele knelpunten wanneer ze aan deze niet-menselijke werklasten worden blootgesteld: handmatige configuratieprocessen lopen vast, op mensen afgestemde gebruikslimieten worden voortijdig geactiveerd en visuele beheerpanelen worden irrelevant wanneer geen mens door de gebruikersinterface navigeert.

Tijdens een optreden in de Y Combinator Startup Podcast van 30 oktober 2026 (uitgezonden op het Lightcone-kanaal met Garry, Harj en Jared) beschreef Paul Copplestone, medeoprichter en algemeen directeur van Supabase, hoe zijn platform deze ingrijpende operationele omslag herkende. Terwijl autonome softwareagenten snel uitgroeiden tot het primaire gebruikersprofiel binnen het ecosysteem, merkte Supabase dat het niet langer werkbaar was om interacties met agenten als eenvoudige geautomatiseerde scripts te behandelen. Vanuit analytisch perspectief wijzen deze empirische gegevens op een bredere structurele realiteit: achterliggende technologiesystemen moeten fundamenteel opnieuw worden ontworpen om programmatische, niet-menselijke uitvoering te optimaliseren in plaats van handmatige invoer.

Hoe agentgerichte infrastructuur werkt: een stapsgewijze blauwdruk#

Om agenten op basis van kunstmatige intelligentie als volwaardige gebruikers te bedienen, herontwerpen ontwikkelaarsplatforms hun architectuur rond een operationele blauwdruk met drie lagen, gericht op autonome uitvoering.

Stap 1: Programmatische beschikbaarstelling#

In een agentgericht model is de inrichting van databases volledig losgekoppeld van menselijke gebruikersinterfaces. Agenten initialiseren volledig geconfigureerde database-instanties programmatisch via machineleesbare eindpunten. In plaats van dat een menselijke ontwikkelaar door webformulieren navigeert om cloudregio's te selecteren, opslag toe te wijzen en omgevingsvariabelen in te stellen, geeft een agent geautomatiseerde instructies via applicatieprogrammeerinterfaces die binnen milliseconden complete Postgres-instanties beschikbaar stellen.

Stap 2: Voor agenten geoptimaliseerde interfaces#

Zodra achterliggende diensten beschikbaar zijn gesteld, moet de databaselaag interfaces aanbieden die specifiek zijn geoptimaliseerd voor grote taalmodellen en autonome agenten. Platforms implementeren servers voor het modelcontextprotocol, zelfbeschrijvende OpenAPI/Swagger-schema's en gestructureerde systemen voor logregistratie in JSON, naast traditionele applicatieprogrammeerinterfaces. Deze op machines afgestemde abstracties stellen agenten in staat om rechtstreeks schema-architecturen te inspecteren, geldige querylogica te schrijven, schemamigraties uit te voeren en foutlogboeken tijdens de uitvoering te interpreteren, zonder visuele hulpmiddelen of menselijke begeleiding.

Stap 3: Geautomatiseerd levenscyclusbeheer#

Autonome programmeerprocessen genereren sterk wisselende infrastructuurpatronen, gekenmerkt door kortstondige, taakspecifieke werklasten. Agentgerichte infrastructuur moet hoogfrequente levenscyclusgebeurtenissen kunnen verwerken, waaronder geautomatiseerde schaalvergroting en -verkleining, het onmiddellijk klonen van tijdelijke databases voor het geïsoleerd testen van functionaliteiten en snelle ontmanteling zodra een agent een taak heeft voltooid. Infrastructuurplatforms moeten de systeemstabiliteit en rekenefficiëntie behouden terwijl ze voortdurende aanmaak- en verwijderingscycli verwerken die door geautomatiseerde systemen worden aangedreven.

Intuïtieve analogie: bouwen volgens een blauwdruk tegenover geautomatiseerd printen van microappartementen

Om deze structurele ontwikkeling inzichtelijk te maken, kunt u denken aan het verschil tussen conventionele woningbouw en geautomatiseerde modulaire productie: * Traditioneel databasebeheer lijkt op het op maat bouwen van een woonhuis. Architecten tekenen fysieke bouwplannen voor menselijke bewoners, en aannemers monteren gedurende maanden handmatig de draagconstructie, leidingen en elektrische bekabeling. Elke stap is afhankelijk van menselijke fysieke snelheid en handmatige inspectie. * Beschikbaarstelling door autonome agenten werkt als een geautomatiseerde fabriek die op verzoek direct modulaire microappartementen print zodra een algoritme ruimte aanvraagt. De eenheden worden voortdurend geproduceerd, onmiddellijk aangepast zonder menselijke handarbeid en naadloos ontmanteld zodra de ruimte niet meer nodig is.

Wat werkelijk nieuw is: de verschuiving van ‘hoe te bouwen’ naar ‘wat te bouwen’#

De overgang naar programmeren met autonome agenten vormt een kwalitatieve breuk met eerdere bewegingen om softwareontwikkeling toegankelijker te maken, zoals platforms die weinig of geen programmeerwerk vereisen. Eerdere hulpmiddelen die weinig programmeerwerk vereisten, richtten zich op het abstraheren van complexe syntaxis door menselijke gebruikers visuele sleepinterfaces of vereenvoudigde grafische bediening te bieden. Het operationele knelpunt bleef echter bestaan: mensen moesten nog steeds handmatig logische werkprocessen uittekenen, visuele componenten verbinden en toepassingen stap voor stap samenstellen.

De fundamentele doorbraak van het tijdperk van autonome agenten ligt in de volledige delegatie van de uitvoering. Softwareontwikkeling is verschoven van mensen die code typen of visuele bouwgereedschappen bedienen naar autonome agenten die de volledige technische ontwikkeling uitvoeren op basis van een in natuurlijke taal geformuleerde bedoeling.

+-----------------------------------------------------------------------+
|                       EVOLUTION OF BUILDING                           |
+-----------------------------------------------------------------------+
| TRADITIONAL CODING | Low-Code / No-Code  | AGENTIC CODING ERA         |
| Human writes code  | Human uses drag-and-| Agent executes end-to-end  |
| line-by-line.      | drop interfaces.    | development autonomously.  |
+--------------------+---------------------+----------------------------+
| Focus:             | Focus:              | Focus:                     |
| "How to build"     | "How to build"      | "What to build"            |
| (Syntax & Code)    | (Visual Workflows)  | (Domain Vision & Intent)   |
+-----------------------------------------------------------------------+

Deze structurele verschuiving vormt de basis van Paul Copplestones visie op ‘persoonlijke software’. Historisch gezien vereiste softwareontwikkeling aanzienlijk kapitaal of gespecialiseerde technische arbeid, waardoor het maken van toepassingen beperkt bleef tot brede, gestandaardiseerde producten voor grote doelmarkten. In het tijdperk van autonome agenten naderen de marginale kosten en de tijd die nodig zijn om functionele software te genereren nul.

Daardoor worden sterk op maat gemaakte toepassingen even alomtegenwoordig, tijdelijk en wegwerpbaar als persoonlijke tekstdocumenten of spreadsheets. Een financieel analist die een kwartaalcontrole voorbereidt, kan bijvoorbeeld een agent vragen om een toepassing voor eenmalige gegevensafstemming te bouwen, ondersteund door een kortstondige Postgres-instantie. De agent stelt de database beschikbaar, leest uiteenlopende leveranciersfacturen in, voert afstemmingsscripts uit en presenteert het controlerapport. Zodra de analyse is voltooid, verwijderen de volledige toepassingsomgeving en de achterliggende instantie zichzelf, nadat ze hun specifieke doel hebben vervuld.

Hierdoor vindt een strategische herverdeling plaats van de waarde van menselijke arbeid binnen softwareontwikkeling. Technische implementatiedetails — het ‘hoe te bouwen’ — worden overgenomen door voor agenten geoptimaliseerde infrastructuur en modellen voor kunstmatige intelligentie. De doorslaggevende onderscheidende concurrentiefactor verschuift volledig naar domeinkennis, probleemdefinitie, productintuïtie en het ontwerp van de gebruikerservaring — het ‘wat te bouwen’.

Economische en strategische gevolgen: producten, sector en eindgebruikers#

De heroriëntatie van infrastructuur op autonome bouwers veroorzaakt systemische doorwerking bij drie belangrijke groepen belanghebbenden in de technologiesector:

Voor productteams#

Productiteratiecycli worden teruggebracht van ontwikkelsprints van meerdere weken naar operationele cycli van enkele minuten. Ontwikkelteams besteden veel minder capaciteit aan het handmatig schrijven van standaardcode voor achterliggende systemen, het uitvoeren van schemamigraties of het configureren van routinematige applicatieprogrammeerinterfaces. In plaats daarvan zetten productmanagers en ontwikkelaars agenten in om snel prototypes te maken, functionaliteiten te testen en deze in gebruik te nemen. Dit maakt uiterst gepersonaliseerde gebruikerservaringen mogelijk, waarbij softwarefunctionaliteiten direct op maat kunnen worden gegenereerd om individuele gebruikersprocessen te ondersteunen.

Voor de sector voor kunstmatige intelligentie en clouddiensten#

Voor cloudaanbieders en databaseplatforms verschuiven de gebruikspatronen van achterliggende systemen ingrijpend van door mensen geïnitieerde handelingen naar grootschalige geautomatiseerde bewerkingen. Wanneer agenten het grootste deel van de beschikbaarstelling van databases aandrijven, ervaren infrastructuurplatforms enorme, geautomatiseerde gebruikspieken, waarbij miljoenen microdatabases voortdurend worden opgestart, bevraagd en ontmanteld.

Vanuit het perspectief van beleggingen en de economische rendabiliteit per eenheid verandert deze verschuiving de margeprofielen van cloudaanbieders. Traditionele, voorspelbare abonnementsmodellen voor software als dienst op basis van het aantal gebruikers maken plaats voor gebruiksafhankelijke meting, afgestemd op voortdurend, snel verbruik van middelen. Cloudaanbieders die hun infrastructuur optimaliseren voor agentinterfaces met lage vertraging, geautomatiseerd schemabeheer en onmiddellijke beschikbaarstelling van instanties, zijn goed gepositioneerd om het dominante marktaandeel in de niet-menselijke vraag naar rekencapaciteit te veroveren.

Voor alledaagse gebruikers#

Niet-technische professionals en operationele vakdeskundigen veranderen in rechtstreekse softwaremakers. Door in natuurlijke taal geformuleerde bedoelingen te combineren met achterliggende platforms voor autonome agenten, kunnen mensen op maat gemaakte praktische toepassingen bouwen zonder formele opleiding in informatica. Domeinexperts kunnen specifieke productiviteitsproblemen onmiddellijk oplossen door aangepaste softwarehulpmiddelen te genereren die nauwkeurig aansluiten op hun directe operationele behoeften.

Beperkingen, risico's en openstaande technische vragen#

Hoewel de verschuiving naar infrastructuur voor autonome agenten enorme operationele mogelijkheden biedt, brengt het beheer van platforms waarop autonome agenten het merendeel van de activiteit genereren technische risico's en onopgeloste beheervraagstukken met zich mee.

  • Platformbetrouwbaarheid en gegevensintegriteit: Zoals vastgelegd in de platformgegevens van Supabase, genereren agenten op basis van kunstmatige intelligentie inmiddels ongeveer 70% van de nieuwe activiteit. Dit grote volume aan niet-menselijke bewerkingen brengt systemische risico's met zich mee rond beschadiging van schema's, onbedoelde queryuitvoering en prestatieverlies. Autonome agenten die zonder menselijk toezicht werken, kunnen inefficiënte querystructuren of gebrekkige migratiescripts snel en gelijktijdig verspreiden over duizenden cloudomgevingen.
  • Beheer- en privacycontroles: Het beheren van beveiligingsparameters, toegangscontrolelijsten en naleving van regels voor gegevensprivacy wordt veel complexer wanneer databases automatisch op grote schaal beschikbaar worden gesteld (meer dan 1 miljoen nieuwe instanties per week). Het instellen van robuuste waarborgen om te voorkomen dat agenten per ongeluk gevoelige gegevens blootstellen of beveiligingsbeleid op rijniveau verkeerd configureren, blijft een grote technische uitdaging.
  • Kostenbeheer en toewijzing van middelen: Het met hoge frequentie aanmaken en ontmantelen van achterliggende diensten kan problemen veroorzaken bij de toewijzing van middelen, zowel voor infrastructuuraanbieders als voor platformklanten. Zonder geautomatiseerde levenscyclusregels en voortvarende terugwinning van middelen uit inactieve instanties kunnen verlaten, door agenten aangemaakte databases leiden tot verspilling van cloudmiddelen en onverwachte kostenoverschrijdingen.
  • Volwassenheid tegenover hype: Infrastructuuranalisten moeten onderscheid maken tussen gedocumenteerde operationele platformcijfers en speculatieve sectorprognoses. Hoewel de grote hoeveelheid door agenten geïnitieerde databasebeschikbaarstelling een vaststaand gegeven is bij platforms zoals Supabase, blijven de economische stabiliteit op lange termijn en de zakelijke toepassing van modellen voor wegwerpbare ‘persoonlijke software’ zich ontwikkelen. Deze modellen vereisen voortdurende evaluatie onder operationele belasting in de praktijk.

Om uw inzicht in deze structurele verschuivingen te verdiepen, nodigen wij u uit meer vrij toegankelijk onderzoek op de website van DeepValues Research te bekijken of de DeepValues-app te proberen.

Kerncijfers#

De volgende basisgegevens beschrijven de schaal van het platform, het operationele volume en de activiteit van agenten, rechtstreeks ontleend aan de broncontext:

  • Totale gebruikersbasis van Supabase: 13 miljoen gebruikers (per 30 oktober 2026).
  • Wekelijks tempo van databaseaanmaak: Elke week worden meer dan 1 miljoen databases opgestart (per 30 oktober 2026).
  • Aandeel van activiteit door autonome agenten: Ongeveer 70% van de nieuwe activiteit op Supabase is afkomstig van agenten op basis van kunstmatige intelligentie (per 30 oktober 2026).
  • Duur van de podcastaflevering: 49 minuten (gepubliceerd op 30 oktober 2026).

Wat dit beeld zou veranderen#

Het analytische traject van agentinfrastructuur op lange termijn hangt af van verschillende technologische, regelgevende en economische variabelen die zich blijven ontwikkelen. Deze strategische beoordeling zou wezenlijk veranderen door de volgende waarneembare ontwikkelingen:

  1. Schommelingen in het aandeel agentactiviteit: Een aanhoudende daling of sterke stijging van het aandeel van ~70% van de platformactiviteit dat door AI-agenten wordt gegenereerd, zou wijzen op verschuivingen in de adoptie door ontwikkelaars, de betrouwbaarheid van modellen of de grenzen aan de autonomie van agenten.
  2. Opkomst van agentspecifieke beveiligingsregelgeving: De invoering van regelgevingskaders of nalevingsvereisten die de toegang van autonome AI-agenten tot clouddatabases specifiek beperken, zou infrastructuuraanbieders kunnen dwingen geautomatiseerde werkstromen voor het beschikbaar stellen van middelen in te perken.
  3. Verschuiving in de economische kenmerken per cloudeenheid: Als het op grote schaal opzetten en weer afbreken van kortstondige databases leidt tot negatieve margeprofielen of netwerkinstabiliteit, kunnen cloudplatforms gedwongen worden hun prijsmodellen voor geautomatiseerde agentwerklasten te herstructureren.
  4. Standaardisering van protocollen tussen agenten en databases: De brede invoering binnen de sector van gestandaardiseerde, cloudoverschrijdende protocollen voor interactie tussen agenten en databases—die verder reiken dan Postgres en ook bedrijfseigen cloudecosystemen voor ondernemingen omvatten—zou de integratie van infrastructuur in het bredere technologielandschap kunnen versnellen.

Geraadpleegde bronnen#

  • "What Happens When Everyone Can Build Software," Y Combinator Startup Podcast (featuring Paul Copplestone, hosted by Garry, Harj, and Jared on the Lightcone), published October 30, 2026.

Kijken

Bronlinks

  • What Happens When Everyone Can… - Y Combinator Startup Podcast - Apple Podcasts

Kijken & luisteren

Onderzoekstekst onder CC BY 4.0, citeer als: DeepValues Research, Bouwen voor het tijdperk van programmerende AI-agenten: hoe infrastructuur zich aanpast aan autonome ontwikkelaars, https://research.deepvalues.ai/insights/2026-11-01-what-happens-when-everyone-can-build-software-nl/

Gratis wekelijkse e-mail

Margin of Safety Weekly

Elke zaterdag een e-mail: de temperatuur van de markt, wat grote beleggers kochten en verkochten (13F-meldingen), het nieuwe onderzoek van de week en onze video's en podcasts — gratis, geen account nodig.

Send me the DeepValues Margin of Safety Weekly, one email every Saturday. I can unsubscribe at any time. Information only, not investment advice. Privacy

Ga verder

Voer deze analyse in 2 minuten uit voor elk aandeel

Deep Value Intelligence, de AI-analist met meerdere AI-agenten achter dit rapport, maakt op verzoek hetzelfde rapport voor elk beursgenoteerd bedrijf.

Open Deep Value Intelligence

Volg 300+ aandelen in de DeepValues-app

Visies, intrinsieke waarde en de nieuwste rapporten op je telefoon.

Ontwikkelaars: visies en rapporten via de API

De fundamentele gegevens, intrinsieke waarden, visies en rapportlinks achter deze pagina's, als JSON.

API-documentatie

Meepraten