GitLab wil banen schrappen om zich sneller te richten op AI‑agenten in softwareontwikkeling. Het bedrijf stuurt zijn organisatie bij en verschuift budget naar kunstmatige intelligentie. De veranderingen gelden wereldwijd en starten naar verwachting op korte termijn. Voor Europese klanten, ook overheden onder de Europese AI‑verordening, kan dit gevolgen hebben voor inkoop en gegevensverwerking.
GitLab richt zich op agents
GitLab verlegt de focus van losse AI‑hulpen naar zogenoemde AI‑agenten. Dat zijn systemen die niet alleen suggesties geven, maar ook zelfstandig stappen in een werkproces uitvoeren. Het bedrijf koppelt deze koers aan GitLab Duo, de bestaande AI‑functie voor ontwikkelaars.
AI‑agenten zijn softwaresystemen die zelfstandig doelen omzetten in taken en acties, met beperkte tussenkomst van mensen.
De agenten moeten taken in de hele DevSecOps‑keten overnemen. DevSecOps is de manier waarop teams plannen, coderen, testen, beveiligen en software uitrollen in één doorlopend proces. Denk aan het aanmaken van taken, het schrijven van testcode en het klaarzetten van releases.
GitLab zegt hiermee ontwikkeltijd te verkorten en kosten te verlagen. Voor Europese organisaties is vooral relevant of dit ook werkt in een eigen datacenter of met strikte data‑afspraken. Veel klanten in de EU vragen om functies die on‑premises draaien en om duidelijke auditlogs.
Banen verdwijnen en verschuiven
Het bedrijf bereidt een reorganisatie voor waarbij functies verdwijnen of veranderen. Op het moment van schrijven is geen exact aantal bekendgemaakt. De vrijgekomen middelen gaan naar onderzoek, productontwikkeling en integratie van AI‑agenten.
Functies die sterk leunen op herhaalbaar werk lopen het meeste risico. Tegelijk wil het bedrijf medewerkers omscholen voor rollen rond datakwaliteit, modelbeheer en productintegratie. Zo probeert het kennis in huis te houden terwijl processen meer worden geautomatiseerd.
Voor klanten kan zo’n ingreep vragen oproepen over ondersteuning en doorontwikkeling. Bedrijven letten op stabiliteit van de roadmap en de snelheid van bugfixes. Contracten over service‑niveaus en beveiliging worden daardoor extra belangrijk.
AI‑verordening stuurt implementatie
De Europese AI‑verordening treedt gefaseerd in werking tot en met 2026‑2027. Organisaties die AI inzetten, zoals overheden en zorginstellingen, moeten risico’s vastleggen en beheersen. Dit raakt ook AI in ontwikkelomgevingen en heeft dus Europese AI‑verordening gevolgen overheid en andere publieke diensten.
Code‑generatie valt onder algemene AI‑modellen die breed inzetbaar zijn. In softwareontwikkeling is het risico vaak lager, maar transparantie en documentatie blijven verplicht. Teams moeten kunnen uitleggen hoe een agent tot een voorstel of wijziging is gekomen.
Daarnaast geldt de AVG voor alle gegevens die modellen trainen of gebruiken. Dataminimalisatie en versleuteling zijn hierbij basisregels. Voor veel Nederlandse en Belgische organisaties is daarom belangrijk of GitLab AI lokaal kan draaien en welke data het platform opslaat.
Druk van sterke concurrenten
GitLab concurreert met Microsoft en GitHub, die Copilot diep in hun ontwikkeltools hebben ingebouwd. Ook Atlassian biedt AI‑functies in zijn werkpakketten, en JetBrains en Amazon hebben eigen assistenten voor code. Deze partijen experimenteren ook met agent‑achtige workflows die taken zelfstandig afronden.
De rivaliteit vergroot de druk op functies, prijs en integratie. Een onderscheid voor GitLab is het alles‑in‑één DevSecOps‑platform en de optie voor zelfbeheer. Voor Europese klanten tellen datalocatie, portabiliteit en beperking van vendor lock‑in zwaar mee.
Keuzes voor onderliggende modellen bepalen de kwaliteit van code en beveiliging. Bedrijven vragen daarom om transparantie over trainingsdata, evaluaties en foutmarges. Zonder die informatie wordt vergelijken en inkopen moeilijk.
Gevolgen voor ontwikkelteams
Op korte termijn zullen agenten routinewerk versnellen. Denk aan het schrijven van tests, het bijwerken van documentatie en het voorstellen van beveiligingspatches. De mens blijft in de eindcontrole om fouten en ongewenst gedrag te voorkomen.
Teams hebben duidelijke regels nodig voor gebruik en controle. Loggen van AI‑beslissingen helpt bij audits en post‑mortems. Toegang tot gevoelige code en geheimen moet strikt worden afgedekt.
De gevraagde vaardigheden verschuiven richting systeemontwerp, probleemafbakening en reviewen van AI‑output. Prompttechnieken worden dagelijkse praktijk, maar goede eisen en testen blijven leidend. Omscholing en interne richtlijnen maken het verschil tussen winst en risico.