Het werk veranderde dit jaar. Vroeger typte je code in een editor. Steeds vaker beschrijf je een doel aan een agent, zoals Claude Code, Cursor of OpenAI's Codex, en lees je daarna wat hij deed. Gartner plakte er in mei een getal op: het voorspelt dat tegen 2027 meer dan 65% van de engineeringteams die agentisch coderen gebruiken, de IDE als optioneel zal beschouwen, waarbij controle en review verschuiven naar het agentplatform zelf.

Wanneer de werkeenheid niet langer een toetsaanslagprecieze edit is maar een zin van intentie wordt, verschuift het knelpunt. Het gaat niet langer om hoe snel je in je editor typt. Het gaat om hoe snel je krijgt wat je wilt uit je hoofd en in de agent. Dat is de stille reden dat spraak in de codeerstack van 2026 belandde, en het loont de moeite precies te zijn over waar het echt helpt.

Hoe "delegeren aan agents" er nu uitziet

Een agent uit 2026 neemt een doel in natuurlijke taal en doet er meerstaps werk tegenaan: leest bestanden, schrijft code, draait tests, opent een PR. Jij houdt toezicht. Claude Code verzorgt delegatie op doelniveau vanuit de terminal, Cursor draait agents parallel binnen de editor, Codex doet zijn eigen ding, en het interessante is dat dit niet langer een of-of is.

De stack werd multi-agent en cross-vendor. OpenAI levert een officiële Codex Plugin voor Claude Code: je roept Codex aan vanuit Anthropics tool om code te reviewen of een taak over te dragen voor een second opinion. In OpenAI's eigen woorden: "het is geen aparte runtime, het is Codex, alleen aangeroepen vanuit Claude Code", met commando's als /codex:review en /codex:adversarial-review. De ene agent het werk van een andere laten controleren is nu een ingebouwde zet, geen hack.

Wat het bijeenhoudt is MCP, het Model Context Protocol. Anthropic creëerde het en bracht het in november 2024 als open source uit als een leverancierneutrale manier om agents te verbinden met de tools en data die ze nodig hebben, ter vervanging van een wirwar van eenmalige integraties. Tegen het einde van 2025 was het overgenomen door ChatGPT, Cursor, Gemini, Microsoft Copilot en VS Code, was het de 10.000 openbare servers gepasseerd, en geschonken aan een nieuwe Agentic AI Foundation onder de Linux Foundation. De kern: agents bereiken nu je echte tools via een gemeenschappelijke standaard, en dat is wat "delegeer de hele taak" realistisch maakt in plaats van een demo.

Eén eerlijke kanttekening voordat het enthousiasme op hol slaat. Diezelfde Gartner die optimistisch is over coderingsagents voorspelt ook dat meer dan 40% van de agentische AI-projecten tegen het einde van 2027 zal worden geannuleerd, met als reden kosten, onduidelijke waarde en zwakke risicocontroles. De teams die er waarde uit halen, behandelen agents als hulpmiddelen die ze aansturen, niet als automatische piloot. Dat kader telt voor waar spraak past.

Waarom spraak past bij deze specifieke verschuiving

Hier is het deel dat mensen verkeerd hebben. Spraak is geen betere manier om code te schrijven. Code zit vol leestekens en exacte symbolen, en () => {} hardop dicteren is een slechtere ervaring dan typen. Daar wint het toetsenbord, en met afstand.

Wat veranderde is dat een groeiend deel van het werk geen code meer is. Het is de prompt. "Refactor deze module naar het repository-patroon, houd de publieke API stabiel, voeg tests toe voor de foutpaden." Dat is natuurlijke taal, en natuurlijke taal is het enige waar spraak echt snel in is.

Het getal dat je moet kennen, met zijn kanttekeningen: een Stanford-studie mat spraakinvoer op ongeveer 153 woorden per minuut tegen 52 voor typen, grofweg 3x, voor alledaagse Engelse zinnen. Wees eerlijk over wat dat wel en niet bewijst. Het was een studie uit 2016, op telefoontoetsenborden, met cloudherkenning, voor korte zinnen in natuurlijke taal, niet desktoptypen en zeker geen code. Lees het dus niet als "spraak is 3x sneller dan je mechanische toetsenbord." Lees het als: een paragraaf intentie uit je hoofd krijgen gaat snel met spraak, en een goede agentprompt is precies een paragraaf intentie. (Dezelfde studie wordt soms aangehaald als bewijs dat spraak ook nauwkeuriger is. Dat is er geen betrouwbaar bewijs voor, dus dat beweren we niet.)

De workflow

De opzet is één onderdeel: systeembreed push-to-talk dictee dat typt in wat ook maar de focus heeft, of dat nu een terminal is die Claude Code draait, Cursors chatvenster of een Codex-prompt. Houd een sneltoets ingedrukt, spreek, laat los, de tekst landt bij je cursor. Geen app-specifieke integratie, want de agents nemen al gewone tekst aan.

Dan is de discipline simpel: spreek de intentie, houd het toetsenbord voor de symbolen.

  • Gebruik spraak voor het starten van een taak, het schrijven van de lange context-zettende prompt, het dicteren van een code-reviewcommentaar, het beantwoorden van een vervolgvraag van een agent, het opstellen van de commitmelding of PR-beschrijving. Allemaal natuurlijke taal, allemaal sneller gesproken.
  • Gebruik het toetsenbord voor regexes, exacte identifiers, multi-cursor-edits, alles waar één verkeerd teken het breekt. De output van de agent nakijken is leeswerk, gedaan met je ogen, en precieze fixes zijn toetsenbordwerk.

Het patroon dat werkt: spraak is het uitgaande kanaal voor intentie, het toetsenbord en het scherm blijven het kanaal voor verificatie en precisie. Je praat om richting te bepalen, je leest en typt om het te bevestigen.

Waar spraak niet helpt

Eerlijk zijn over de faalmodi is het verschil tussen een nuttig en een frustrerend hulpmiddel.

  • Leestekenzware syntaxis. Alles wat symbooldicht is, gaat sneller getypt. Vecht hier niet tegen.
  • Bibliotheek- en API-namen. Spraak-naar-tekst verstaat pnpm, tRPC, Pydantic en je interne servicenamen verkeerd. Die corrigeer je met de hand, elke keer.
  • Pauzes. Spraakengines kunnen tekst verzinnen tijdens stilte. Peer-reviewed werk over Whisper documenteerde dat het hele zinnen genereerde die nooit werden uitgesproken, geconcentreerd op niet-vocale en gepauzeerde segmenten. De praktische oplossing is om in complete gedachten te spreken en de microfoon niet open te laten staan terwijl je nadenkt.

Niets hiervan keldert de aanpak. Het begrenst hem tot de natuurlijke-taalhelft van het werk, die in 2026 een veel grotere helft is dan vroeger.

Waarom lokale spraak-naar-tekst hier telt

Er is een privacyhoek die specifiek is voor coderen en gemakkelijk over het hoofd wordt gezien. Je agentprompts zitten vol bedrijfseigen context: broncode, architectuurbeslissingen, ticketdetails, soms een verdwaald geheim. Een cloud-dicteerdienst transcribeert dat allemaal van je machine af voordat het ooit de agent bereikt. Als het je iets uitmaakt waar je code naartoe gaat, is de transcriptielaag onderdeel van je dreigingsmodel, geen bijzaak.

Lokale spraak-naar-tekst sluit die hop af. Met transcriptie op het apparaat blijven de audio en de resulterende tekst op je Mac; de prompt reist pas wanneer je hem naar de agent stuurt. Vext doet precies dit: eenmalig 49 $, systeembreed push-to-talk in elke app inclusief je terminal en editor, draaiend op lokale Whisper of Parakeet, geen cloud, geen abonnement.

De eerlijke grenzen: het werkt alleen op Apple Silicon, het precieze-codedeel blijft toetsenbordwerk, en lokale STT beheerst de transcriptiehop, niet de agent zelf. Als je agent in de cloud draait, vertrekt je prompt nog steeds naar de agent. Wat je terugkrijgt, is de garantie dat je gesproken context onderweg daarheen niet door een derde partij wordt getranscribeerd.

De conclusie

De agentische verschuiving maakte van natuurlijke taal de interface voor een groot deel van het programmeren. Spraak is gewoon de snelste manier om natuurlijke taal te produceren. Gebruik het voor de intentie, houd het toetsenbord voor de symbolen, en als de code van jou is, houd de transcriptie op je machine.