Amazon maakt in een nieuwe richtlijn een helder onderscheid: AI gebruiken is niet hetzelfde als er waarde mee creëren. De memo van Terk Terkowitz, vicepresident en distinguished engineer bij Worldwide Amazon Stores, circuleerde in september 2026 intern en werd op 27 oktober gepubliceerd. De kern: beoordeel het werk op de uitkomst, niet op de gebruikte hulpmiddelen.
13
20
Wat is een ‘Renaissance Developer’?
Amazon beschrijft de ontwikkelaar van dit AI-tijdperk als iemand die AI-hulpmiddelen combineert met menselijk inzicht en vakkennis om nieuwe dingen te bouwen. Dat betekent niet dat AI voor elke taak nodig is. Als de huidige hulpmiddelen een klus niet verder helpen, mogen engineers uitleggen waarom. Amazon noemt dat ‘een bevinding, geen tekortkoming’.
10
20
De nadruk ligt dus op het probleem begrijpen, passende hulpmiddelen kiezen en iets bruikbaars opleveren — niet op activiteit om de activiteit. De richtlijn gaat ook over managers van softwareontwikkelingsteams en raakt daarmee aan de manier waarop teams worden ondersteund en beoordeeld.
5
31
Waarom Amazon waarschuwt voor ‘tokenmaxxing’
‘Tokenmaxxing’ is het zo hoog mogelijk opvoeren van AI-gebruik, bijvoorbeeld om te laten zien dat een team de technologie inzet. Amazon waarschuwt ervoor tokenaantallen, adoptiecijfers, codewijzigingen, reviews of regels code op zichzelf te gebruiken als maatstaf voor productiviteit. Zulke cijfers laten vooral zien hoeveel activiteit er is geweest; ze bewijzen niet vanzelf dat klanten of het bedrijf daar beter van werden.
7
11
31
De waarschuwing sluit aan bij Amazons leiderschapsprincipes. Volgens de memo staat tokenmaxxing op gespannen voet met zuinigheid (‘Frugality’), terwijl sturen op het aantal regels code botst met ‘Invent and Simplify’. Meer AI-gebruik of meer code kan immers kosten en complexiteit toevoegen zonder dat het resultaat waardevoller wordt.
11
31
Dat betekent niet dat gebruikscijfers nergens voor kunnen dienen. Volgens berichtgeving over de memo erkent Amazon dat zulke cijfers met resultaten kunnen samenhangen, maar dat ze zorgvuldig en met gezond oordeel moeten worden gebruikt.
16 Een verband kan een aanleiding zijn om verder te kijken; het maakt een cijfer nog geen goed doel op zich. Een team kan het tokengebruik verhogen zonder het werk daadwerkelijk te verbeteren.
Wat managers kunnen leren van de uitersten
De richtlijn vraagt om extra aandacht voor teams rond het 10e en 90e percentiel van AI-adoptie: de groepen die relatief weinig en relatief veel AI gebruiken.
16 Dat is geen oordeel dat de eerste achterlopen of de tweede het beste presteren. De cijfers zijn een beginpunt voor vragen, geen eindbeoordeling.
Bij teams die AI weinig gebruiken, kunnen managers nagaan of hun taken niet goed bij de huidige hulpmiddelen passen, of er praktische belemmeringen zijn, of dat kansen onbenut blijven. Bij teams die AI veel inzetten, is de vraag of dat gebruik de uitkomsten verbetert — of vooral de activiteit en kosten opvoert. Dat zijn mogelijke manieren om de uitersten te onderzoeken; de centrale maatstaf blijft de waarde van het werk.
De praktische boodschap voor ontwikkelaars
Amazon zegt niet dat engineers AI moeten mijden, en koppelt succes ook niet aan een vast minimum aan AI-gebruik. De richtlijn vraagt om vakkennis en beoordelingsvermogen in te zetten en te letten op resultaten voor klanten en het bedrijf. Managers moeten adoptiecijfers voorzichtig gebruiken, in plaats van er een scorekaart van te maken.
16
20
Kort gezegd: AI-gebruik is een middel; nuttig ontwikkelwerk is het doel. Helpt AI niet bij een bepaalde taak, dan kan uitleggen waarom het team inzicht geven in de beperkingen van de hulpmiddelen — zonder ontwikkelaars onder druk te zetten om gebruik te forceren.
10