Ik heb vorig maand drie client MVPs uitgeleverd. Twee jaar geleden zou dat een team van zes en ongeveer twaalf weken per project hebben gekost. Nu ben ik het, één senior designer die ik inhuurt, en Claude Code die wat ik alleen maar kan beschrijven als de meest productieve -- en af en toe frustrerend irritante -- engineeringworkflow waar ik ooit mee heb gewerkt.

Dit is niet een enthousiast stuk over hoe AI alle ontwikkelaars zal vervangen. Ik heb die posts gelezen. Sommige daarvan hebben goede punten. De meeste slaan over de delen waar dingen kapot gaan. Ik wil praten over wat echt werkt wanneer je Claude Code inbouwt in een echte agencyworkflow, wat nog steeds een menselijk brein vereist, en waarom de economie van dit model fundamenteel anders is dan alles wat ik in vijftien jaar software-development heb gezien.

Inhoudsopgave

De One-Person Agency Hype versus Realiteit

Laten we de olifant in de kamer aanspreken. Er is een golf van stellingnames geweest over "one-person miljardenbedrijven" -- het idee dat een enkele oprichter gewapend met AI-tools op de schaal van een traditioneel bedrijf kan opereren. Evartology's Substack-artikel "How to Run a Company Alone in 2026" schetst een stap-voor-stap playbook voor engineering, marketing, sales en operations, allemaal afgehandeld door één persoon met een AI-stack. Het is goed gestructureerd, en de tool-aanbevelingen zijn solide. Maar de framing overspeelt de autonomie.

Dit is wat ik heb ontdekt na achttien maanden op deze manier te opereren: je wordt geen one-person bedrijf. Je wordt een one-person coördinatielaag die boven op AI-systemen en een klein team van menselijke specialisten zit. Het verschil is belangrijk omdat het verandert wat je goed in moet zijn.

Henry Shi's artikel op Substack -- "How a Solo Founder Cloned Himself" -- ligt dichter bij de waarheid. Hij beschrijft het bouwen van AI-agenten die specifieke functies afhandelen, en creëert eigenlijk digitale werknemers. Ik ben het meer eens met zijn framing dan met het "miljard-dollar solo founder"-verhaal, omdat het erkent dat de rol van de oprichter verschuift naar orchestratie, niet executie van alles. Je bent een dirigent, niet een one-man-band.

Nate's Executive Briefing over de solo founder trend verwijst naar Carta-data die aantoont dat door solo founders opgerichte startups significant zijn gegroeid als percentage van nieuwe inschrijvingen. Dit klopt met wat ik zie. Maar de Carta-data maakt geen onderscheid tussen solo founders die werkelijk alleen opereren en diegenen die -- zoals ik -- lean opereren maar nog steeds vertrouwen op contractanten en specialisten. Het koppelingnummer is spannend. De realiteit is genuanceerder.

De eerlijke versie: ik draai Social Animal met ongeveer 2,5 FTE aan output terwijl ik voor ongeveer 0,3 FTE aan menselijke contractanten plus AI-kosten betaal. Dat is een echt structureel voordeel. Het is alleen niet hetzelfde als "één persoon die alles doet."

Onze Claude Code Workflow, Stap voor Stap

Laat me doorlopen hoe een typisch clientproject werkelijk door onze winkel stroomt. Ik zal een recent Next.js e-commerce rebuild als voorbeeld gebruiken -- een project dat van ondertekend contract naar productie-implementatie in elf dagen ging.

Fase 1: Discovery en Architectuur (Dag 1-2)

Dit gedeelte is nog steeds bijna volledig menselijk. Ik ga in gesprek met de client, begrijp hun zakelijke beperkingen, schets het gegevensmodel en beslis over de stack. Voor de meeste van onze projecten betekent dit Next.js of Astro op de frontend, een headless CMS zoals Sanity of Payload, en welke backend-services ook bij het use case passen.

Wat Claude Code hier doet: ik plak de bestaande codebase van de client (of de huidige site's HTML) erin en vraag om een architectuuraudit. Claude is werkelijk goed in het identificeren van patronen, anti-patronen en potentiële migratiegevallen. Het bespaart me ongeveer drie uur handmatige code review per project.

# Typische startvraag in Claude Code
claude "Analyze the codebase in /client-repo. Identify: 
1. Component architecture patterns
2. State management approach
3. API integration points
4. Performance bottlenecks
5. Migration risks if moving to Next.js App Router
Output as a markdown report."

Fase 2: Scaffolding en Component Generatie (Dag 2-4)

Dit is waar Claude Code zijn geld verdient. Ik schrijf een gedetailleerd CLAUDE.md-bestand -- beschouw het als een project-grondwet -- dat onze codeerconventies, component-patronen en architectuurbeslissingen specificeert. Dan begin ik te bouwen.

Mijn workflow ziet er als volgt uit:

  1. Ik definieer een component of functie in gewone taal met acceptatiecriteria
  2. Claude Code genereert de eerste implementatie
  3. Ik review, verfijn en test
  4. Claude Code schrijft de tests op basis van mijn feedback
  5. Herhaal

De snelheidsverhoging is ongeveer 3-4x vergeleken met alles met de hand schrijven. Voor een typische page-component met het fetchen van gegevens, formuleafhandeling en responsieve layout, wat vroeger 2-3 uur duurde, kost nu ongeveer 40 minuten mijn actieve tijd.

// Voorbeeld: Claude Code genereert een product listing-component
// Nadat ik heb gespecificeerd: "Server component, fetches from Sanity, 
// displays in responsive grid, supports filtering by category,
// uses our design tokens from tailwind config"

import { sanityFetch } from '@/lib/sanity'
import { ProductCard } from '@/components/product-card'
import { CategoryFilter } from '@/components/category-filter'
import type { Product } from '@/types/product'

interface ProductListingProps {
  initialCategory?: string
}

export async function ProductListing({ initialCategory }: ProductListingProps) {
  const products = await sanityFetch<Product[]>({
    query: `*[_type == "product" && (!defined($category) || category->slug.current == $category)] | order(publishedAt desc)`,
    params: { category: initialCategory ?? null },
  })

  return (
    <section className="container-wide py-16">
      <CategoryFilter activeCategory={initialCategory} />
      <div className="grid grid-cols-1 gap-6 sm:grid-cols-2 lg:grid-cols-3">
        {products.map((product) => (
          <ProductCard key={product._id} product={product} />
        ))}
      </div>
    </section>
  )
}

Dat is een vereenvoudigde versie, maar je snapt het idee. Claude genereert dit in seconden. Het echte werk zit in de review -- zorgen dat het onze patronen volgt, edge cases afhandelt en niet hallucinert over API-vormen.

Fase 3: Integratie en Polish (Dag 5-8)

Dit is waar de workflow interessant wordt. Claude Code handelt een enorm deel van het integratiewerk af -- CMS-schema's verbinden met frontend-componenten, API-routes opzetten, auth-flows configureren. Maar het begint ook te worstelen met nuance. Meer daarover in de sectie "dingen die niet werken."

Fase 4: Testen, QA en Deploy (Dag 9-11)

Claude Code schrijft ongeveer 80% van onze testsuites. Ik specificeer wat getest moet worden, het schrijft de tests. Voor end-to-end tests met Playwright is het bijzonder sterk -- het kan naar een component kijken en betekenisvolle user-flow tests genereren zonder veel begeleiding.

Deploy wordt afgehandeld via onze standaard CI/CD-pipeline. Niets bijzonders daar -- Vercel voor Next.js-projecten, Netlify of Cloudflare voor Astro-builds.

Wat AI Aankan versus Wat Mensen nog Eigenaar van zijn

Dit is de sectie die ik wens dat meer "AI agency"-artikelen zouden schrijven. Hier is een eerlijke uitsplitsing van wat Claude Code en andere AI-tools afhandelen in onze workflow versus wat nog steeds een menselijke inzet vereist.

Taak Wie Handelt Het Af AI-Bijdrage Opmerkingen
Code generatie Claude Code (70%) + Ik (30%) Hoog Ik review en verfijn alles
Architectuurbeslissingen Ik (100%) Laag Claude kan suggereren, maar ik beslis
Code audits / reviews Claude Code (80%) + Ik (20%) Hoog Vangt problemen op die ik zou missen
Test schrijven Claude Code (80%) + Ik (20%) Hoog Uitstekend in Playwright, goed in unit tests
CMS-schema ontwerp Ik (60%) + Claude Code (40%) Gemiddeld Goed in het genereren van schema's, slecht in informatiearchitectuur
Design / UI Menselijke designer (90%) + Claude (10%) Laag AI-gegenereerde UI ziet er nog steeds generiek uit
Brand-strategie Menselijke contractant (100%) Geen Niet eens dicht in de buurt van automatiseren
Schrijfrichting kopij Menselijke contractant (100%) Geen AI kan concepten uitwerken, maar richting vereist een strateeg
Contentconcepten Claude / GPT (70%) + Menselijk (30%) Hoog Eerste concepten, dan intensieve menselijke bewerking
RFP-antwoorden Claude (60%) + Ik (40%) Gemiddeld Goed in structuur, vereist mijn specifieke inhoud
Contractgeneratie Claude (50%) + Ik (50%) Gemiddeld Templates werken, custom clausules vereisen review
Clientgesprekken / sales Ik (100%) Geen Mensen huren mensen in, niet AI
DevOps / infrastructuur Claude Code (40%) + Ik (60%) Gemiddeld Goed in config, slecht in debuggen deploy-problemen
Accessibility audits Claude Code (60%) + Ik (40%) Gemiddeld Vangt meeste WCAG-problemen, mist contextuele
Performanceoptimalisatie Ik (60%) + Claude Code (40%) Gemiddeld Goed in het identificeren van problemen, soms fout over oplossingen

Het patroon is duidelijk: Claude Code blinkt uit in generatie en analyse van code. Het is middelmatig in alles wat oordeelsvermogen over bedrijfscontext vereist. En het is praktisch nutteloos voor de menselijke-relatie-delen van een agency runnen -- de verkoopaanroepen, de strategische gesprekken, de momenten waarop een client zich gehoord moet voelen.

Ik contract nog steeds regelmatig met drie personen:

  • Een senior designer (ongeveer 15 uur/maand) voor UI/UX-werk dat werkelijk onderscheidend is
  • Een brand/copy strategist (ongeveer 8 uur/maand) voor positionering, messaging en contentrichting
  • Een boekhoudster (ongeveer 4 uur/maand) omdat ik weiger AI in de buurt van mijn financiële administratie te laten

Echte Cijfers: Kosten, Tijd en Output

Laat me echte cijfers uit de afgelopen zes maanden delen. Dit zijn werkelijke getallen, geen projecties.

Kosten per MVP

Model Gemiddelde Kosten Gemiddelde Tijdlijn Typische Omvang
Traditionele agency (ons 2023-model) €40.000 - €65.000 8-14 weken Marketing site + CMS + integraties
Ons hudig AI-aangevuld model €11.000 - €25.000 1-3 weken Dezelfde omvang, soms meer
Solo developer (geen AI) €13.000 - €27.000 6-10 weken Iets verminderde omvang

De kostenreductie komt uit twee plaatsen: ik heb minder factureerbare menselijke uren per project nodig, en die uren gaan sneller voorbij omdat Claude Code de saaie onderdelen elimineert.

Wekelijke Tijdsverdeling

Mijn gemiddelde week in 2026 ziet er als volgt uit:

  • Coderen met Claude Code: 15-20 uur
  • Clientcommunicatie: 6-8 uur
  • Architectuur en planning: 4-6 uur
  • Bedrijfsoperaties: 3-4 uur
  • Content en marketing: 2-3 uur

Totaal: ongeveer 32-40 uur. Vergelijk dit met 2023 toen ik 55-60 uur per week werkte om minder uit te leveren.

AI-toolkosten

Mijn maandelijkse AI-besteding valt uiteen in:

  • Claude Pro / API-gebruik: ~€180/maand
  • Cursor Pro: €18/maand (ik schakel af en toe tussen Cursor en Claude Code afhankelijk van de taak)
  • Verschillende andere AI-tools (Granola voor vergaderaantekeningen, AI-ondersteunde designtools): ~€70/maand

Totale AI-kosten: ruwweg €270/maand. Voor context: een enkele junior developer zou minimaal €4.500-6.000/maand kosten. De wiskunde is absurd.

De Dingen Die nog niet Werken

Dit is de anti-hype sectie. Dit zijn echte problemen waar ik regelmatig mee botsen.

Complexe State Management

Claude Code kan Redux-slices en Zustand-stores prima genereren in isolatie. Maar wanneer je een complexe applicatie hebt met onderling afhankelijke state -- zeg, een e-commerce checkout-flow waarbij voorraadbeheer, prijzen, kortingscodes en verzending allemaal interacteren -- begint het fouten te maken. Niet voor de hand liggende. Subtiele race conditions en edge cases die alleen oppervlakken onder specifieke user paths.

Ik heb geleerd om complexe state-logica zelf te schrijven en Claude Code voor de eenvoudigere, meer geïsoleerde onderdelen te gebruiken.

Multi-File Refactoring met Context

Claude Code is aanzienlijk beter geworden in het begrijpen van projectcontext, maar grootschalige refactors in veel bestanden produceren nog steeds inconsistenties. Het zal een type-definitie in één bestand updaten en drie andere bestanden die ervan afhangen missen. Het CLAUDE.md projectbestand helpt, maar het is geen wondermiddel.

Designimplementatie Trouwheid

Wanneer ik Claude Code een Figma-design geef (via screenshot of omschrijving), komt het ongeveer 75% van het wezen daar. De layout is meestal correct, de afstand is dicht. Maar de subtiele dingen -- de specifieke animatietiming, de manier waarop een hover state zou moeten voelen, de micro-interacties die een design glanzend voelen -- die hebben nog steeds handmatige verfijning nodig. Elke keer.

Debugging Productiegevallen

Claude Code is geweldig in debuggen wanneer je het een duidelijk foutbericht en de relevante code kunt geven. Het is slecht in debuggen wanneer het probleem omgevingsgerelateerd is -- een Vercel-implementatie die in preview werkt maar niet in productie, een mysterieus CORS-probleem dat alleen met bepaalde CDN-configuraties gebeurt, een databaseverbindingspool die onder bepaalde belastingpatronen uitgeput raakt. Deze vereisen ervaringskennis die AI niet betrouwbaar heeft.

Bedrijfscontext Begrijpen

De grootste kloof: Claude Code begrijpt niet waarom je iets bouwt. Het kan je niet vertellen dat de functie die je client aanvraagt werkelijk hun conversiepercentage zal schaden. Het kan niet terugdringen op een slechte productbeslissing. Het bouwt wat je het zegt te bouwen, efficiënt en zonder oordeel. Dat oordeel is het waardevolste wat een senior developer naar een project brengt.

Claude Code Instellen voor Agencywerk

Als je een klein kantoor runt en Claude Code in je workflow wilt integreren, is hier wat ik heb geleerd over instelling.

Het CLAUDE.md-Bestand is Alles

Je CLAUDE.md-bestand is het enkel meest belangrijke artefact in deze workflow. Het onze bevat:

# Project: [Clientnaam]

## Stack
- Next.js 15 (App Router)
- TypeScript (strict mode)
- Tailwind CSS v4
- Sanity v3
- Vercel deployment

## Codeerconventies
- Gebruik standaard server componenten. Voeg 'use client' alleen toe wanneer nodig.
- Geef voorkeur aan named exports boven default exports.
- Gebruik de cn() utility voor voorwaardelijke classes (geïmporteerd uit @/lib/utils).
- Alle API-aanroepen gaan door server actions of route handlers. Geen client-side fetching.
- Foutafhandeling: gebruik error boundaries, niet try/catch in componenten.

## Componentpatronen
- Atomair design: atoms → molecules → organisms → templates
- Elke component krijgt zijn eigen directory: ComponentName/index.tsx + ComponentName.test.tsx
- Props interfaces worden in het componentbestand gedefinieerd, niet in een apart types-bestand.

## NIET Doen
- Geen CSS-in-JS libraries gebruiken
- Geen barrel export-bestanden maken
- Het 'any' type niet gebruiken
- Nieuwe afhankelijkheden niet installeren zonder expliciete goedkeuring

Dit bestand voorkomt ongeveer 60% van de "Claude deed het fout"-momenten. Zonder het besteed je meer tijd aan het corrigeren dan je bespaart.

Gebruik Sub-Agents voor Grote Functies

Voor grotere functies ben ik gaan gebruikmaken van Claude Code's vermogen om sub-agenten te spawnen. Ik zal de hoofdagent de functie plannen laten, deze in taken verdelen, en dan gerichte agenten voor elke taak spawnen. Het is geen echte parallellisme -- ik review nog steeds sequentieel -- maar het houdt elke agent's contextvenster gericht en reduceert de drift die in lange gesprekken plaatsvindt.

Versiebeheer Discipline

Claude Code maakt frequent commits, wat geweldig is. Maar zijn commit-berichten zijn vaak te generiek. Ik heb een regel aan ons CLAUDE.md toegevoegd:

## Git-conventies
- Commit-berichten volgen Conventional Commits: feat:, fix:, refactor:, test:, docs:
- Elke commit moet ONE logische verandering vertegenwoordigen
- Nummering van ticket/issue altijd opnemen indien van toepassing
- Schrijf commit-berichten alsof een developer zes maanden later WAAROM moet begrijpen

Dit helpt, hoewel ik nog steeds ongeveer een derde van de commit-berichten herschrijf.

Hoe Dit Clientrelaties Verandert

De meest onverwachte impact van deze workflow is niet de snelheid of de kostenbesparingen -- het is hoe het de clientrelatie verandert.

Wanneer je een werkend prototype in twee dagen kunt uitleveren in plaats van twee weken, verschuift het hele gesprek. Clients stoppen met het debatteren over wireframes en beginnen te reageren op echte, functionele software. Feedbacklussen comprimeren van biweekse sprintreviews naar dagelijkse iteraties. Beslissingen die vroeger drie vergaderingen kostten gebeuren nu in een Loom-video en een Slack-thread.

Dit is werkelijk beter voor clients. Ze krijgen meer voor minder, en ze krijgen het sneller. Als je benieuwd bent hoe dit model in de praktijk werkt, bekijk dan onze prijspagina of neem direct contact op -- ik help graag door specifieke projectvoorbeelden te lopen.

Maar er is hier ook een spanning. Wanneer dingen snel en goedkoop zijn, beginnen sommige clients ontwikkeling te behandelen alsof het gratis is. "Kun je dit ene ding er gewoon bij doen?" wordt een constant refrein wanneer ze weten dat het maar een paar uur kost. Scope-management wordt meer, niet minder belangrijk in een AI-aangevulde workflow.

De andere verschuiving: clients interesseren zich steeds minder voor hoe je dingen bouwt. Ze vragen niet naar je tech stack of je teamgrootte. Ze interesseren zich voor resultaten -- snelheid, kwaliteit, betrouwbaarheid. Of Claude Code 70% van de codebase schreef, is voor hen irrelevant. Zoals het zou moeten zijn.

Veelgestelde Vragen

Schrijft Claude Code werkelijk productie-kwaliteitcode? In mijn ervaring is ongeveer 70% van wat Claude Code genereert productie-ready met kleine aanpassingen. Nog eens 20% vereist betekenisvolle refactoring. En ongeveer 10% moet compleet worden herschreven. De sleutel is sterke conventies in je CLAUDE.md-bestand en alles reviewen voordat het wordt uitgeleverd. Ik push AI-gegenereerde code nooit naar productie zonder review -- dat is de snelste weg naar technische schuld.

Hoe verhoudt Claude Code zich tot GitHub Copilot of Cursor voor agencywerk? Ze dienen verschillende doeleinden. Copilot en Cursor zijn geweldig voor inline code-aanvulling -- ze versnellen het schrijven van code. Claude Code werkt op een hoger niveau: het kan functies plannen, hele bestanden genereren, refactoriseren in een project en over architectuur redeneren. Ik gebruik Cursor voor dagelijkse codering en Claude Code voor grotere taken zoals het bouwen van nieuwe functies, het schrijven van testsuites of het auditen van codebases. Ze vullen elkaar aan, niet competitief.

Wat zijn de werkelijke kosten van het draaien van een AI-aangevulde agency in 2026? Mijn all-in maandelijkse kosten: ongeveer €270 voor AI-tools, €3.150-4.500 voor menselijke contractanten (designer, copy strategist, boekhoudster), en standaard bedrijfsoverhead (softwareabonnementen, verzekering, boekhouding). Totale operationele kosten lopen ongeveer €4.500-6.300/maand. Met gemiddeld maandelijkse inkomsten van €22.500-36.000, zijn de marges aanzienlijk beter dan een traditioneel agencymodel waarin alleen lonen 60-70% van de inkomsten zou opeten.

Kan een solo founder werkelijk een agency runnen met alleen AI-tools? Ja en nee. Je kunt de technische output van een kleine agency afhandelen. Maar je kunt sales, strategie, design en development niet tegelijk afhandelen zonder wat menselijke ondersteuning. Het "one-person miljard-dollar bedrijf"-verhaal, zoals beschreven in stukken als Evartology's Substack playbook, is aspiratief. De realiteit is meer zoals een one-person coördinatielaag met AI en enkele contractanten. Nog steeds ongelooflijk krachtig -- gewoon niet magisch.

Welke soorten projecten werken het beste met een Claude Code workflow? Content-gestuurde websites, e-commerce frontends, SaaS dashboards en marketingsites zijn ons sweet spot. Deze projecten hebben goed begrepen patronen die Claude Code uitstekend afhandelt. Projecten die moeilijker zijn: alles met nieuwe algoritmes, complexe real-time systemen of zware hardware-integratie. Hoe uniker het probleem, hoe minder nuttig AI-gegenereerde code wordt. We richten ons op Next.js development en headless CMS builds omdat de patroonbibliotheek diep is.

Hoe gaan jullie om met clientvertrouwelijkheid bij het gebruik van AI-tools? Dit is een legitiem bezorgdheid. We plakken geen clientgeheimen, API-sleutels of gevoelige zakelijke gegevens in AI-tools. Onze CLAUDE.md-bestanden bevatten architectuurbeslissingen en codeerconventies -- niet bedrijfsgebonden bedrijfslogica. Voor codebases wordt Claude Code lokaal uitgevoerd en verwerkt code op je machine met Anthropic's privacy-toezeggingen. We nemen AI-gebruiksopenbaarmakingen op in onze contracten, en geen client heeft er tot nu toe bezwaar tegen gemaakt.

Welke vaardigheden worden belangrijker wanneer AI het meeste codering afhandelt? Architectuurdenken, code review en clientcommunicatie. Wanneer Claude Code de code schrijft, verschuift je taak naar evalueren van code-kwaliteit, het nemen van ontwerpen die het niet kan maken, en het vertalen tussen clientbehoeften en technische oplossingen. De developers die in dit model gedijen zijn seniors-level denkers die subtiele bugs kunnen opspotten, prestatieimplicaties begrijpen en tegen slechte vereisten kunnen tegenwerpen. Junior developers die AI gebruiken zonder te begrijpen wat het genereert, zullen fragiele, buggy software produceren.

Zal dit model traditionele dev agencies onbruikbaar maken? Niet onbruikbaar, maar het zal een herstructurering afdwingen. Agencies die rekenen op basis van gewerkte uren zullen moeite hebben omdat AI uren drastisch reduceert. Agencies die rekenen op basis van geleverde waarde -- bedrijfsresultaten, time-to-market, kwaliteit van het eindproduct -- zullen gedijen. De agencies die overleven, zullen kleiner, sneller en gespecialiseerder zijn. Degenen die zich niet aanpassen, zullen verliezen in zowel prijs als snelheid tegen shops zoals de onze die AI diep in de workflow hebben geïntegreerd.