De meest productieve spanning in product teams is niet tussen engineering en design. Het is tussen maximizers en focusers.

Maximizers neigen naar snelheid, optionaliteit, parallelle bets. Focusers naar diepte, coherentie, minder doen voor meer.

Geen van beide heeft gelijk. Beide creëren waarde en risico.

Dit verklaart waarom sommige conflicten onoplosbaar voelen. Een maximizer ziet een focuser momentum doden. Een focuser ziet een maximizer vertrouwen verbranden voor korte termijn winst. Verschillende talen over wat “goed” betekent.

Ik ben een maximizer. Mijn instinct is “waarom niet beide?” Parallelle bets brengen kansen aan het licht die je mist met pure focus. Maar maximizen zonder beperking creëert ondiepe vooruitgang overal en diepe vooruitgang nergens. De kunst zit in weten wanneer je schakelt.

De slimste persoon in de kamer is niet altijd de meest waardevolle. De persoon die daadwerkelijk iets doet wel.

High agency is het geloof dat je kunt handelen, gecombineerd met de wil om door te zetten. Een probleem zien en besluiten: ik los dit op. Zonder te wachten op instructies, zonder toestemming te vragen voor elk detail.

Intelligentie zonder actie is potentiële energie die nooit converteert naar beweging. Je kunt briljant zijn en niks bereiken. Je kunt gemiddeld intelligent zijn en enorm veel voor elkaar krijgen.

Waarom is agency zo zeldzaam? We hebben decennia geoptimaliseerd voor compliance. Scholen belonen goede antwoorden op gestelde vragen, niet het stellen van interessante vragen. Bedrijven kochten gehoorzaamheid per kilo. Volg het proces, doe wat je gezegd wordt, wijk niet af.

Dat trainde agency eruit.

De mensen die vooruitkomen zijn degenen die het terug trainen. Die bias naar actie boven analyse kiezen. Die shippen en dan verbeteren in plaats van eindeloos plannen.

Er is een verschil tussen prompten tot iets werkt en engineering met AI-assistentie.

De eerste is hacken. Je probeert dingen tot het lukt, kopieert code die je niet begrijpt, en hoopt dat het blijft werken. Dat is prima voor experimenten en prototypes. Het is niet hoe je productiesoftware bouwt.

De tweede is wat Willison “vibe engineering” noemt. Je gebruikt AI als tool, maar de engineering fundamentals blijven. Tests schrijven. Code reviewen. Begrijpen wat je shipt. Verantwoordelijkheid nemen voor het resultaat.

De ironie: AI-tools maken engineering fundamentals belangrijker, niet minder. Als je code sneller kunt genereren, wordt de bottleneck het valideren van die code. En valideren vereist begrip.

Engineers die hun vak kennen krijgen leverage van AI. Ze kunnen meer doen, sneller. Engineers die alleen op AI leunen zonder de fundamentals, bouwen kaarthuizen.

AI coding tools beloven 10x snelheid. Wat ze vaak leveren is 10x meer code om te begrijpen en te onderhouden.

De valkuil zit niet in de AI. Het zit in hoe we het gebruiken. Als je AI behandelt als een code-generator die output produceert, krijg je precies dat: meer output. Meer bestanden, meer functies, meer regels. Maar meer code is niet hetzelfde als betere software.

Het probleem verschuift. In plaats van code schrijven, ben je nu code reviewen. Code die je niet zelf schreef, die patronen volgt die je niet koos, die aannames maakt die je niet valideerde.

De paradox: hoe sneller je code genereert, hoe meer tijd je kwijt bent aan begrijpen wat er gegenereerd is.

Wat werkt is AI gebruiken als denkpartner, niet als typist. Laat het meedenken over architectuur, edge cases, alternatieve aanpakken. De waarde zit in de dialoog, niet in de output.

Het verschil tussen managen en leiden wordt zichtbaar onder druk.

Managers trekken zich terug in controlemodus. Meer regels, meer checkpoints, meer rapportages. Het voelt productief maar het signaleert wantrouwen.

Leiders stappen in vertrouwensmodus. Ze leggen de situatie uit, vragen om input, en geven mensen ruimte om te handelen. Het voelt kwetsbaar maar het bouwt eigenaarschap.

Het scherpste contrast: informatie. Managers behandelen details als machtsmiddel. Hoe minder anderen weten, hoe afhankelijker ze zijn. Leiders doen het omgekeerde. Ze delen alles wat relevant is en vertrouwen erop dat mensen er goed mee omgaan.

Waar het echt op aankomt is ongemak. Moeilijke gesprekken, slecht nieuws, conflicten. Managers vermijden ze of verpakken ze in processen. Leiders leunen erin, direct maar met zorg. “Dit is moeilijk, maar ik geef om je, dus laten we praten.”

Waar het op neerkomt: de moeilijke dingen niet uit de weg gaan.

ChatGPT onthoudt dingen over je. Het bouwt een profiel op basis van je gesprekken en past toekomstige antwoorden daarop aan. Handig, maar ook een beetje ongemakkelijk als je niet precies weet wat het onthoudt.

Claude doet het anders. Elke conversatie start vers. Geen automatisch profiel, geen onzichtbare personalisatie. Als je wilt dat Claude iets onthoudt, moet je het expliciet vragen.

De designkeuze is interessant. De meeste AI-bedrijven optimaliseren voor gemak. Anthropic lijkt te optimaliseren voor voorspelbaarheid en controle.

In professionele context is dat waardevoller dan het klinkt. Je wilt weten wat het model weet. Je wilt niet verrast worden door aannames gebaseerd op een gesprek van drie weken geleden dat je vergeten bent.

Het is een trade-off. Minder magische personalisatie, meer transparantie. Voor casual gebruik is ChatGPT’s aanpak prettiger. Voor werk waar consistentie en controle ertoe doen, voelt Claude’s aanpak beter.