In het AI-Lab bouw ik echte apps, geen demo's. Deze keer de Niet Vergeten app: een deelbare to-do/takenlijst-app waarmee je taken samen met anderen oppakt, zoals boodschappen en verjaardagen, met als doel taken ook écht af te ronden zonder te veel hooi op je vork te nemen. Compleet met fysieke kaarten die je vanuit de app laat printen en versturen. De vraag die ik wilde beantwoorden: wat had dit gekost als ik het zelf had gebouwd, en wat kostte het nu met AI als bouwpartner?

nietvergeten.app

Even de termen (voor de niet-techneut)

Voordat we de cijfers in duiken, kort wat jargon, zodat dit verhaal voor iedereen te lezen is:

• Flutter: de gereedschapskist waarmee je één app bouwt die tegelijk op iPhone, Android én in de browser draait. Scheelt je drie keer hetzelfde maken.
• Supabase: een kant-en-klare "achterkant" voor je app: de database (waar alle gegevens staan), inlog/accounts, en bestandsopslag in één pakket. Het neemt het serverwerk uit handen dat je anders zelf moet optuigen.
• Edge functions: kleine stukjes programma die op de achtergrond een klusje doen, bijvoorbeeld een betaling afhandelen of een herinnering versturen.
• Realtime sync: verandert iemand anders iets, dan zie je dat direct op je eigen scherm, zonder te verversen.
• Mollie: de Nederlandse betaaldienst (iDEAL en zo) die het afrekenen regelt.
• Postkaart-API: een dienst die je vanuit de app een echte, fysieke ansichtkaart laat printen en op de post doet.
• Row Level Security (RLS): de regels in de database die bepalen wie wat mag zien. Cruciaal als privé- en groepsdata door elkaar lopen: jouw lijstje mag niet bij de buren belanden.

Wat er onder de motorkap zit

Geen speelgoed. Een korte inventarisatie van het project:

• ~17.000 regels Dart verdeeld over 72 bestanden: één Flutter-codebase die tegelijk Web, iOS én Android aandrijft. Geen drie losse apps, maar één keer bouwen voor alle drie.
• Een eigen Supabase-backend: 24 migraties (~1.200 regels SQL) met Row Level Security, realtime en een paar herstelmigraties.
• 7 edge functions: Mollie-betaling, postkaart-API-kaarten, push-notificaties, verjaardagsherinneringen, account verwijderen, een opschoonronde bij inactiviteit en aankoopverificatie.
• Volledige onboarding, realtime sync met gescheiden privé- en groepsdata, en een berg UI-werk.

Dit is precies het soort project waarvan mensen denken "dat bouw ik wel even", en dat vervolgens maanden duurt.

Hoe lang zelf bezig zonder AI

Eerst de tijd. Het ijkpunt is een ervaren Flutter + Supabase-ontwikkelaar die de techniek kent: 2 tot 4 maanden fulltime. Reken in de praktijk op grofweg 350 tot 500 uur, gemiddeld zo'n 400 uur werk.

Ter vergelijking ernaast: een solo-ontwikkelaar die de techniek kent maar onderweg dingen moet uitzoeken zit eerder op 4 tot 7 maanden. Dezelfde app, maar elke keer dat je vastloopt kost het jou het uitzoekwerk dat de ervaren bouwer al in de vingers heeft.

De tijd zit niet in de regels code. Die zit op de plekken waar je vastloopt:

1. De betaal-naar-print-flow (Mollie-webhook plus de postkaart-API). Vol met gemene details: een 401 op de webhook door Supabase JWT-verificatie, een crash bij terugkeer na betaling via de deep-link, en een postkaart-API die je verzoek afkeurt om formaliteiten in de body. Reken op 40 tot 80 uur uitzoekwerk.
2. Realtime plus de scheiding tussen privé en groep. Synchronisatie-bugs kosten standaard meerdere rondes: aparte realtime-kanalen, herstelmigraties, randgevallen.
3. Row Level Security goed krijgen, met invite-codes, search_path-fixes en de juiste policies.
4. Onboarding en het afwerken van de schermen. Bijna 10.000 regels van de app zit in schermen en widgets. Wordt altijd onderschat.

En in geld?

Laat je dit niet zelf bouwen maar besteed je het uit, dan reken je met gangbare Nederlandse tarieven (2026):

• Freelance Flutter-ontwikkelaar: 350 tot 500 uur à €75 tot €95 per uur, dus €26.000 tot €48.000.
• Via een bureau: dezelfde uren à €110 tot €150 per uur, dus €38.000 tot €75.000.

Doe je het zelf, dan is het "gratis", maar tegen een modaal netto-uurloon van ongeveer €60 staat 350 tot 500 uur eigen tijd gelijk aan €21.000 tot €30.000 aan werktijd die je niet aan iets anders besteedt, los van of je het kunt.

Wat kostte het met AI?

Dezelfde app, gebouwd met Claude Code als bouwpartner. De duidelijkste maatstaf is uren: waar de gemiddelde route op zo'n 400 uur ligt, kostte deze app mij ongeveer 90 tot 120 uur sturingstijd. Dat is een factor 3 à 4 keer minder, niet omdat de code minder werd, maar omdat het uitzoekwerk wegviel.

• Doorlooptijd in weken, niet in maanden, afhankelijk van hoeveel ik zelf stuurde.
• Een Claude Max-abonnement van €90 per maand.
• En de echte kostenpost: die 90 tot 120 uur eigen sturingstijd. Testen, beslissen, bijsturen wanneer het mis dreigt te gaan.

Waar de uren tóch in gaan zitten

Twee dingen die AI je níét uit handen neemt, en die niemand erbij vertelt.

Het registreren bij de app stores is de grootste bron van frustratie. Niet het bouwen, maar de administratie eromheen: accounts aanmaken, certificaten, app-beoordeling, formulieren, privacyverklaringen, schermafbeeldingen in de juiste maten. Pure administratie voor een ontwikkelaar. Daar word je niet vrolijk van. AI kan dit proces niet automatisch voor je doen, het blijft handwerk en geduld.

Er is ook veel designwerk "bespaard", maar een goede designer & copywriter is onmisbaar in het proces. AI levert nette schermen, zeker als je eenmaal een design system hebt liggen dat je kunt hergebruiken. Maar het echte werk zit in de UX: de flows vooruit plannen, weten hoe een gebruiker écht door de app beweegt. Een design system hergebruik je, maar je moet de werking van de app blijven bijsturen. AI pakt een flow soms te letterlijk over, precies zoals je het opschreef, ook als dat voor een mens niet logisch voelt. Ook een valkuil.

En de copy? Eerlijk: goede teksten schrijven kan ik zelf níét, en ik kan ze vaak niet eens goed beoordelen. Voor de woorden leun ik dus net zo hard op AI als voor de code. Dus voor alles wat je hier leest: fingers crossed dat het een beetje klopt. 🤞

De nuance die niemand erbij vertelt

AI maakt het bouwen niet gratis. Het verplaatst de kosten. Je betaalt niet meer in uren code typen, je betaalt in sturingstijd: weten wat je wilt, het resultaat testen, en ingrijpen op het juiste moment. De integraties zitten nog steeds vol valkuilen. Het verschil is dat je niet meer elke foutmelding zelf hoeft uit te pluizen.

De besparing zit dus niet in de 17.000 regels code. Die zit in het wegvallen van het eindeloze uitproberen op de moeilijke koppelingen, precies de plekken waar een solo-ontwikkelaar normaal een week verliest.

En belangrijk: simpelweg je AI "aanzetten" is niet de juiste weg. Het beste resultaat komt pas als je de juiste skills, instellingen en regels klaar hebt liggen, de configuratie die bepaalt hóe de AI werkt, de afspraken waar hij zich aan houdt en de context die hij meekrijgt. Zonder dat fundament krijg je een gretige junior zonder kaders. Mét dat fundament krijg je een bouwpartner die weet wat er van hem verwacht wordt.

Wat als uitbesteed project al snel €30.000 tot €50.000 had gekost en zelf een paar maanden fulltime, kwam neer op een paar tientjes per maand plus 90 tot 120 uur van mijn tijd. Niet omdat AI tovert, maar omdat de duurste uren in softwarebouw nooit het typen zijn. Het zijn de uren waarin je vastzit, en de uren in testen, teamcommunicatie en projectmanagement.

Want dat is wat er eigenlijk verandert: je bent nu in je eentje programmeur, product owner én projectmanager tegelijk, en je stuurt een virtueel team van zeg vijf junior developers aan. En hoewel het lijkt alsof AI simpelweg goedkoper is, kan zo'n project net zo goed uitlopen op ongeveer hetzelfde aantal uren als vroeger. Alleen zitten die uren nu in aansturen en testen, en juist dáár krijg je een beter resultaat van.

Het resultaat is te zien in de Niet Vergeten app.

Eerlijke disclaimer

Ik kon dit doen met zeer ruime ervaring. Dat maakt een groot verschil. Zou ik ditzelfde project aan een pas afgestudeerde student geven, dan gaat het als eerste mis bij UX en design. Juist daar heb je ervaring voor nodig: aanvoelen wat werkt en de gevolgen van je keuzes vooruit overzien, dat leer je pas met de jaren.

Hou je het puur bij het programmeren zelf met AI, dan zou ik de tijd die ik eraan besteed heb gerust verdubbelen voor iemand zonder die ervaring. Nog steeds een flinke vermindering in uren, maar niet zonder risico.

En dan is er product management en specs maken, een vaardigheid die we niet moeten onderschatten. Goed weten wat je wilt is goud waard. Weet je het zelf niet goed, dan weet AI het ook niet goed. Er komt volop advies uit AI, maar je moet dat blijven toetsen aan het doel van het product. AI vult de gaten in die jij openlaat, en niet altijd zoals je bedoelde.

Ik voorspel dat juist dit stuk, het bepalen van de richting en het bewaken van het doel, komend jaar ook flink door AI wordt overgenomen. En dan wordt het de vraag: wie is straks de meester, en wie de leerling?

En als je straks met meer mensen werkt?

Nu ik in mijn eentje bouw, is er één groot voordeel dat je makkelijk over het hoofd ziet: mijn AI weet werkelijk alles van mij. Mijn manier van werken, mijn voorkeuren, de afspraken die we onderweg hebben gemaakt, het zit allemaal in dezelfde context. Eén persoon, één geheugen, geen ruis.

Maar zodra je met meerdere mensen aan hetzelfde project werkt, elk met hun eigen AI, wil je eigenlijk het liefst een gezamenlijke context. Anders bouwt iedereen op een net iets ander fundament en loopt de boel uit elkaar. Er zijn verschillende manieren om dat op te lossen, maar dat is voor een andere keer.

Mijn voorzichtige conclusie: one man + AI-bouwpartner-teams zouden wel eens een uitkomst kunnen zijn. Kleine, zelfstandige eenheden die elk een stuk van het geheel bouwen, met AI als vaste partner die de context van díé eenheid door en door kent. Een soort micro AI-"teams" organisatiemodel? Ik roep maar wat. 🙂 Maar ik vermoed dat we deze kant op gaan.

Mijn mening

Een junior developer geef je met AI inderdaad superkrachten. Maar je moet nog altijd weten wát je precies wilt. Ik had toevallig bakken ervaring en de discipline om de juiste specs en regels op te stellen, en dat is geen detail. Zonder die sturing worden superkrachten vooral een manier om sneller de verkeerde kant op te rennen.

Wat wél merkbaar fijn is: AI maakt minder échte technische fouten (mits juist ingesteld met skills en md-bestanden). Daar besparen we significant op. Het gevolg is dat er meer gemaakt kan worden in dezelfde tijd, én met betere technische kwaliteit. Hoe dat vervolgens in de praktijk uitpakt, dát is de vraag.

Waar we voor moeten oppassen: verwacht niet ineens allerlei kwaliteiten van mensen alleen omdat ze nu AI hebben. Een medior IT-specialist is niet opeens een senior product manager. Een junior projectmanager wordt niet van de ene op de andere dag een senior tester. AI verschuift wat je aankunt, maar het vult geen ervaring en oordeelsvermogen aan die er nog niet zijn.

Is het dan echt een besparing, of eerder een productiviteitsverhoging? Dat hangt van je project af. Heb je simpelweg goede acceptatiecriteria waar niet van afgeweken mag worden, dan kun je cru gezegd de junior dev vervangen. Maar in de praktijk is het meestal niet zo helder. AI geeft mogelijkheden, maar die moeten wél blijven passen bij de verwachtingen en de aanwezige skills. Een multidisciplinaire skillset geeft een andere uitkomst dan een technische specialist met AI als partner. En het type project bepaalt de rest.

Maar één ding wil ik iedereen op het hart drukken: blijf aandacht geven aan het doel, en zet AI in op kwaliteit. Zorg dat je je fundament, je MVP, je milestone 1 of wat dan ook, niet opeens groter maakt alleen omdat AI het kan. Laten we het cliché "software heeft altijd wel een bug" eindelijk de nek omdraaien. De tooling ligt er nu. Wat nog moet volgen is de mindset, en de tijdsallocatie, om écht op kwaliteit te sturen in plaats van op kwantiteit.