Virgin Atlantic met Codex: wat MKB leert van AI-deadlines
Inhoud
Virgin Atlantic lanceerde deze week hun vernieuwde mobiele app, precies op tijd voor het drukke vakantieseizoen. Niets bijzonders, zou je denken, behalve dat ze het deden met hulp van OpenAI Codex en daarbij bijna volledige unit-testdekking haalden plus nul P1-defects bij livegang.
Dat is interessant. Niet omdat een grote luchtvaartmaatschappij iets met AI doet, dat doen ze allemaal, maar omdat de werkwijze pijnlijk goed te kopiëren is voor een MKB-bedrijf met een klein dev-team en een harde deadline.
Ik lees zulke cases altijd met één vraag: wat hiervan werkt ook als je geen budget van miljoenen hebt? Hieronder de eerlijke vertaling naar de Nederlandse MKB-realiteit.
Wat Virgin Atlantic precies deed
Virgin Atlantic stond voor een typisch dilemma: een nieuwe app moest af voor de kerstvakantie, anders verbrand je het belangrijkste boekingsmoment van het jaar. In plaats van ontwikkelaars bij te huren, zetten ze OpenAI Codex in als coding-assistent voor hun bestaande team.
Het resultaat: bijna volledige unit-testdekking, wat in de praktijk betekent dat vrijwel elk stuk code automatisch werd gecontroleerd op fouten. En nul P1-bugs bij livegang. P1 is de hoogste prioriteit, dus dat zijn de fouten waar de helpdesk om half drie 's nachts voor gebeld wordt.
Belangrijker dan de cijfers is de werkwijze. Codex werd niet ingezet om code te schrijven die niemand snapt, maar om saaie maar cruciale taken weg te nemen: tests genereren, boilerplate maken, refactoren. Dat versnelt zonder de controle te verliezen.
Waarom dit relevant is voor jouw MKB-team
De meeste Nederlandse MKB-bedrijven hebben geen 50-koppig dev-team. Vaak is het een interne developer plus een extern bureau, of een freelancer die af en toe iets bouwt. Juist daar maakt AI-coding het verschil, omdat één persoon met goede tools nu output haalt waarvoor je vorig jaar drie mensen nodig had.
Wat ik zie bij klanten in Enschede en omgeving: deadlines worden vaak gemist omdat het laatste deel van een project, het testen en opruimen, blijft liggen. Precies daar zit de winst van tools als Codex en Claude Code. Niet bij het scheppende werk, maar bij het afmakende werk.
Voorbeeld: een webshop met een eigen ordersysteem. De ontwikkelaar bouwt nieuwe features snel, maar tests schrijven ervoor is een dag werk dat nooit gepland wordt. Met een AI-coding-tool is dat een uurtje. En dan heb je wel die vangrail die voorkomt dat een update bij de drukste maand van het jaar de boel sloopt.
De drie lessen die direct toepasbaar zijn
Les 1: gebruik AI voor het saaie werk, niet voor het denkwerk. Virgin Atlantic liet de architectuur en kritieke beslissingen bij mensen. Codex schreef tests, hielp met repetitieve patronen en deed code-review-suggesties. Dat is de juiste verdeling.
Les 2: harde deadline is een feature, geen bug. Een vaste einddatum dwingt prioriteiten af. Veel MKB-projecten zwerven jaren door omdat er geen externe druk is. Stel jezelf een onverplaatsbare datum, dan wordt AI-inzet ineens veel scherper.
Les 3: testdekking is geen luxe, het is je verzekering. Voor MKB-bedrijven is dit het meest onderschatte voordeel. Zonder tests durft niemand iets te veranderen aan een werkend systeem. Met AI-gegenereerde tests krijg je die durf terug, en dat is goud waard als je site of app moet meegroeien.
Wat je niet moet doen
Niet alle hype is even bruikbaar. Anthropic liet deze week op hun Code with Claude-event zien hoe ver autonome AI-agents al gaan, en Demis Hassabis van Google DeepMind sprak over de "foothills of the singularity". Mooie praatjes, maar voor een MKB-bedrijf zonder dev-cultuur is dat geen startpunt.
Wat je niet moet doen: een AI-tool kopen, je junior eraan zetten en hopen dat het goedkomt. Codex en vergelijkbare tools versnellen iemand die al weet wat goede code is. Ze maken een beginner niet ineens senior. Sterker, ze maken slechte code sneller, en dat is duurder dan langzaam zelf nadenken.
Houd ook rekening met de AVG en de EU AI Act. Als je AI-tools code laat genereren die met klantdata werkt, blijf jij verantwoordelijk voor wat dat ding doet. Lees mee, review mee, test mee. Dat geldt voor Virgin Atlantic en het geldt net zo voor een Twents bedrijf met 30 klanten in een database.
Wat dit betekent voor jou
De Virgin Atlantic case is geen reclame voor AI-tools, het is een werkwijze. Combineer een harde deadline, een ervaren team, AI als versneller voor saai werk en strenge tests als vangrail. Dat patroon werkt voor een internationale luchtvaartmaatschappij en het werkt voor een MKB-bedrijf met één developer.
Mijn take: 2026 wordt het jaar waarin AI-coding voor MKB-Nederland normaal wordt, niet uitzonderlijk. Niet omdat de tools magisch zijn, maar omdat ze precies dat saaie 20 procent overnemen waar je projecten op stuklopen. Begin klein, kies één pijnpunt, en meet of het werkt. De rest komt vanzelf.
Werkt deze AI-ontwikkeling door in jouw bedrijf? maatwerk website laten maken.
Wat is OpenAI Codex precies?
Codex is de coding-assistent van OpenAI, gebouwd om ontwikkelaars te helpen met code schrijven, tests genereren en refactoren. Het draait naast je editor en stelt code voor op basis van wat je aan het bouwen bent. Anders dan ChatGPT is het specifiek getraind op programmeerwerk.
Kan een klein MKB-team ook met AI-coding-tools werken?
Ja, juist. Hoe kleiner je team, hoe groter de hefboom van AI-tools. Een eenmans-developer met Codex of Claude Code haalt makkelijk twee tot drie keer de output, mits diegene al weet wat goede code is. Voor pure beginners is het risico op slechte code juist groter.
Hoe begin ik met AI-coding in mijn bedrijf?
Pak één concreet pijnpunt: bijvoorbeeld een functie waar vaak bugs in zitten, of een test-suite die incompleet is. Laat daar AI-hulp op los en meet of het sneller en beter gaat. Begin nooit met je hele codebase tegelijk, dat wordt een chaos.
Is AI-gegenereerde code wel veilig genoeg voor klantdata?
Alleen als je het reviewt zoals je elke andere code reviewt. De AVG en EU AI Act maken jou als eigenaar verantwoordelijk, niet de tool. Stel duidelijke regels: AI schrijft, mens reviewt, tests bewijzen. Datalekken via slordige code zijn voor MKB-bedrijven vaak schadelijker dan voor multinationals.
Wat kost zoiets als Codex voor een MKB-bedrijf?
De licentiekosten zijn meestal tientjes per ontwikkelaar per maand, dus verwaarloosbaar in vergelijking met een uurloon. De echte kosten zitten in tijd: iemand moet leren ermee te werken, en je moet je proces aanpassen. Reken op twee tot vier weken inwerken voor het echt rendement oplevert.
Werkt dit ook voor WordPress-sites en webshops?
Zeker. WordPress, WooCommerce, custom plugins, allemaal gewoon code. AI-coding-tools helpen ook hier met tests, beveiligingschecks en het opruimen van rommelige code. Voor MKB-webshops is dit vaak het laagdrempeligste startpunt.