Kunstmatige intelligentie zou de technische barrière voor het bouwen van software moeten wegnemen. De belofte: iedereen met een goed idee kon het in een tekstprompt typen en er met een volledig werkende startup vandaan komen. Binnen het Afrikaanse tech-ecosysteem ziet de realiteit er echter aanzienlijk anders uit. De huidige golf van AI-tools democratiseert productontwikkeling niet voor gewone mensen — het fungeert als een krachtige versterker voor experts die deployment en systeemarchitectuur al begrijpen.

Dat is de dagelijkse waarneming van Aminat Shotade, software-engineer en oprichter van IDEA8LAB. In een exclusief interview met Technext betoogde ze dat het fundamentele knelpunt voor gewone builders volledig is verschoven van het genereren van code.

“De grootste uitdaging is niet langer coderen. AI kan code schrijven, code uitleggen en zelfs grote delen van een applicatie voor je bouwen. De echte uitdaging is weten wat je moet bouwen, hoe de onderdelen in elkaar passen en hoe je een idee omzet in een werkend product,” lichtte Shotade toe. “De meeste niet-technische mensen kunnen de functies beschrijven die ze willen. Waar ze moeite mee hebben, is het begrijpen van zaken als authenticatie, databases, betalingen, hosting, beveiliging, gebruikerservaring en productontwerp.”

Voor lezers buiten de engineering wereld: die termen beschrijven de machinerie achter elke werkende app: authenticatie verifieert wie een gebruiker is, databases slaan de informatie op die een app verzamelt, hosting is waar de software daadwerkelijk draait, en betalingen en beveiliging maken echte transacties veilig. Precies die machinerie levert een chatprompt niet, en daarom is het knelpunt dat ze beschrijftoven in plaats van verdwenen.

De grote knelpunten ontstaan op architectuurniveau

Niet-technische oprichters kunnen vaak precies beschrijven welke functies ze willen, maar moderne software is een complex web van onderling verbonden systemen, en het misgaat wanneer die systemen op elkaar moeten aansluiten.

“Een app bouwen is niet één probleem. Het zijn twintig verschillende, verbonden problemen,” merkte ze op. “AI kan helpen bij individuele taken, maar je moet nog steeds het totale systeem begrijpen.”

Shotade wees op de onzichtbare infrastructuur die nodig is om een product te lanceren. Een oprichter kan een chatbot gebruiken om een verzorgde gebruikersinterface te genereren, maar moet vervolgens nog authenticatieprotocollen configureren, databases structureren, gebruikersgegevens beveiligen en hostingomgevingen routeren. Zodra een gewone builder AI-gegenereerde code probeert te deployen, loopt deze meteen tegen een muur van serverconfiguraties en beveiligingseisen aan. In haar woorden is toegang tot een chatbot daardoor niet langer de bepalende factor voor Afrikaanse builders — het draait om het kunnen draaien van wat de chatbot oplevert.

Het virale succes van Lagos Life illustreert het punt

Recente successen zoals Lagos Run en de opvolger in de vorm van een levenssimulatie, Lagos Life, lijken op het eerste gezicht te bewijzen dat de instapdrempel eindelijk is weggevallen. De browsergebaseerde ervaringen trokken enorme culturele aandacht door de dagelijkse strijd van stadsbewoners te gamificeren. Op dag vier telde Lagos Life bijna 2,5 miljoen spelers en 23 miljoen bezoeken, met een piek van meer dan 122.000 gelijktijdige gebruikers, en werd naar verluidt ongeveer ₦62.000.000 ($46.900) gegenereerd, voornamelijk via virtuele reclameborden en spelers die in-game naira kochten.

Die explosieve snelheid schept een verleidelijke illusie dat iedereen hetzelfde kan bereiken. Maar de oprichters van die games zijn geen beginners die prompts de leegte in typen. Het zijn ervaren software-engineers die precies weten hoe ze uiteenlopende technologieën aan elkaar moeten knopen. Het verwerken van massaal gelijktijdig verkeer vereist diepgaande kennis van databasearchitectuur, load balancing en realtime statusbeheer. Het integreren van advertentieverkoop met echt geld en lokale betaalgateways vereist fundamenteel begrip van financiële API's en transactiebeveiliging. AI heeft die infrastructuur niet gebouwd — de engineers deden dat, met AI.

Voor de niet-technische oprichter met een even briljant idee blijft de kloof tussen een generatieve chatinterface en een live, schaalbaar product hardnekkig groot. De vraag naar lokaal herkenbare producten is er duidelijk; wat schaars blijft, is volgens haar de operationele kennis die aandachtzet in een product dat de belasting kan dragen.

Uitvoering onderscheidt engineers van iedereen anders

Shotade gaf precies aan waarom de kloof bestaat tussen technische mensen en gewone gebruikers.

“Een succesvol product bouwen vergt veel meer dan een idee hebben. De meeste mensen hebben ideeën. Het moeilijke is de uitvoering. Engineers begrijpen hoe technologie zich gedraagt onder echte omstandigheden,” zei ze. “Ze weten hoe ze snel moeten bouwen, testen, verbeteren, schalen en problemen moeten oplossen. Wanneer zij een kans zien, kunnen ze meestal sneller handelen omdat ze de tools al begrijpen. Dat betekent niet dat niet-technische mensen geen succesvolle producten kunnen bouwen. Het betekent alleen dat engineers vaak minder barrières hebben tussen het idee en het eindproduct.”

De beperkingen van volledig leunen op consumentgerichte chat-tools worden tijdens deployment pijnlijk duidelijk. Een generatieve interface is gebouwd voor creatie, niet voor uitvoering, en Shotade gaf daarvoor een scherpe analogie.

“Een chatinterface is prima voor het creëren van dingen. Het is niet ontworpen om dingen te draaien,” zei ze. “ChatGPT kan je helpen een restaurant te ontwerpen, het menu samen te stellen en zelfs het businessplan te schrijven. Maar het wordt niet het restaurant. Je hebt nog steeds een gebouw nodig, personeel, elektriciteit, betaalsystemen en klanten. Hetzelfde geldt voor software. Een chatinterface kan code genereren. Maar je hebt nog steeds ergens nodig om het te hosten, data op te slaan, gebruikers te beheren, betalingen te verwerken en alles draaiende te houden. Daar gaan echte applicaties voorbij het chatvenster.”

De regel geldt voor de hele softwarewereld. Code genereren is slechts de eerste stap. Oprichters hebben nog steeds ergens nodig om het te hosten, data op te slaan, gebruikers te beheren, betalingen te verwerken en de infrastructuur veilig draaiende te houden. Een groot taalmodel kan een script schrijven voor een betaalpagina, maar het kan niet automatisch de datapijplijn beveiligen tussen het moment dat een gebruiker zijn kaartgegevens invoert en de bank de betaling autoriseert. Echte applicaties moeten voorbij het chatvenster gaan om te overleven.

Onderwijs moet verschuiven van syntaxis naar systemen

Volgens Shotade vereist deze realiteit een fundamentele herziening van hoe technologie op het continent wordt onderwezen. Jarenlang leerde de industrie programmeren door studenten syntaxis te laten memoriseren — werk dat generatieve modellen nu volledig overnemen. De nieuw waardevolle vaardigheid draait volledig om logica en systeemarchitectuur.

“Ik denk dat we het verkeerde onderwijzen. Jarenlang leerden mensen programmeren door syntaxis te memoriseren. AI kan dat grootste deel nu al aan,” betoogde ze. “De waardevolle vaardigheid wordt: hoe doorloop je eenem? Kun je een groot probleem opsplitsen in kleinere stukken? Kun je een workflow ontwerpen? Begrijp je hoe data door een systeem stroomt? Kun je bepalen wat eerst, tweede en derde moet gebeuren? De toekomst gaat niet over het onthouden van elke programmeeropdracht. Het gaat over het begrijpen van logica, systemen en besluitvorming.”

Om het Nigeriaanse ecosysteem daadwerkelijk te laten profiteren van de welvaartcreërende potentie van deze AI-revolutie, moet de focus verschuiven van het schrijven van code naar het ontwerpen van workflows. Builders moeten begrijpen hoe data van begin tot eind door een systeem stroomt, en bepalen wat eerst, tweede en derde moet gebeuren voordat er ook maar één regel code wordt gegenereerd. Hoe de klaslokalen en opleidingsprogramma's van het continent op die verschuiving reageren, bepaalt wie er in staat is te bouwen nu AI-tools zich verspreiden.

De ontbrekende laag tussen idee en productie

Echte democratisering vereist, aldus Shotade, een volledig nieuwe laag infrastructuur. Het huidige ecosysteem mist een cruciale brug tussen menselijke ideeën en live productieomgevingen, en visuele no-code-runtimes en op logica gebaseerde trainingsplatformen zijn essentieel om het ecosysteem echt open te stellen.

“Er ontbreekt nog steeds een laag tussen ideeën en productie. Op dit moment is er een enorme kloof. Iemand kan een applicatie beschrijven in gewone taal. AI kan code genereren. Maar die code omzetten in een betrouwbaar bedrijf is nog steeds ingewikkeld,” verklaarde ze. “Je moet nog steeds nadenken over databases, authenticatie, hosting, monitoring, beveiliging, betalingen en deployment.”

“Wat we missen, is infrastructuur die automatisch het merendeel van die beslissingen afhandelt. De dag dat iemand een bedrijfsidee in gewone taal kan beschrijven en betrouwbaar een veilig, schaalbaar product kan lanceren zonder de onderliggende technische stack te begrijpen, wordt softwarecreatie echt toegankelijk voor iedereen. We bewegen in die richting. We zijn er alleen nog niet,” besloot ze.

Tot die laag bestaat, blijft de scheidslijn in het ecosysteem waar hij vandaag ligt: tussen degenen die kunnen prompten en degenen die kunnen deployen. In haar eigen woorden is de ontwikkeling om in de gaten te houden niet een nieuwe virale lancering, maar de komst van tooling die een idee in gewone taal zelfstandig tot een veilige, schaalbare lancering kan brengen.

Dit artikel is gebaseerd op een exclusief interview dat oorspronkelijk door Technext werd gepubliceerd.