TL;DR
- Wat: Cursor biedt nu volledig configureerbare cloudomgevingen waarin AI-agents zelfstandig ontwikkeltaken kunnen uitvoeren — inclusief repo's, dependencies en credentials.
- Waarom relevant: Als je software laat bouwen of een technisch team aanstuurt, verschuift dit hoe ontwikkelcapaciteit eruitziet en wat je kunt uitbesteden aan geautomatiseerde processen.
- Wat je ermee kunt: Inventariseer of jouw ontwikkelworkflow geschikt is voor parallelle AI-agents, en bespreek met je technisch team wat dit betekent voor jullie werkwijze.
Ik viel deze week over een aankondiging van Cursor, de AI-code-editor die de laatste tijd flink aan populariteit wint. Ze maken het nu mogelijk om AI-agents te laten draaien in volledig ingerichte cloudomgevingen — compleet met gekloonde repositories, geïnstalleerde dependencies en de juiste credentials. Dat klinkt misschien technisch, maar de implicaties zijn breder dan je op het eerste gezicht denkt.
Wat heeft Cursor precies aangekondigd?
Cursor is een code-editor die AI diep integreert in het ontwikkelproces. Waar je normaal een programmeur achter een laptop zet, biedt Cursor nu de mogelijkheid om AI-agents in de cloud op te zetten alsof je een nieuwe medewerker een laptop klaarmaakt. Denk aan: de juiste codebases staan klaar, alle software-bibliotheken zijn geïnstalleerd, en de agent heeft toegang tot de systemen die hij nodig heeft.
Concreet gaat het om een aantal nieuwe mogelijkheden:
Multi-repo ondersteuning
Agents kunnen nu over meerdere codebases tegelijk werken. Stel dat je als ondernemer een webshop hebt met een losse backend, een aparte betaalmodule en een klantenportaal — elk in een eigen repository. Een AI-agent kan nu begrijpen hoe die onderdelen samenhangen en wijzigingen coördineren over al die systemen heen.
Steven Cheng, Senior Engineering Manager bij Amplitude, zegt daarover: "Multi-repo support is what makes them actually useful. An agent can investigate a reported issue, figure out which repos it touches, and open a PR with the fix."
Beveiliging en controle
Elke omgeving heeft nu een eigen versiegeschiedenis die je kunt terugdraaien, een audit-log die bijhoudt wie wat heeft gewijzigd, en gedetailleerde controle over welke netwerktoegang en geheime sleutels per omgeving beschikbaar zijn. Dat klinkt als een detail, maar voor bedrijven die met gevoelige data werken — en dat zijn er in Nederland nogal wat — is dit een voorwaarde om dit soort tools überhaupt te mogen inzetten.
Slimmere configuratie
De omgevingen worden opgezet met Dockerfiles, een standaardmethode om softwareomgevingen te definiëren. Cursor claimt dat gecachte builds tot 70% sneller zijn. En als de configuratie mislukt, draait de agent gewoon door op een basisimage in plaats van vast te lopen. Dat is een pragmatisch detail — je wilt niet dat je AI-agent stilvalt omdat er een pakketje ontbreekt.
Waarom dit meer is dan een technische update
Wat mij hier opvalt is de verschuiving in denken. Tot nu toe waren AI-coding-tools vooral assistenten: ze hielpen een ontwikkelaar sneller code schrijven, suggesties doen, fouten opsporen. Wat Cursor hier doet, is een stap verder. Ze zetten de agent neer als een zelfstandige eenheid die taken van begin tot eind kan oppakken.
Dat is een wezenlijk verschil. Het is het verschil tussen een collega die je over de schouder meekijkt en iemand die je een taak geeft en die er zelfstandig mee aan de slag gaat.
Volgens Cursor's eigen cijfers is het gebruik van autonome agents inmiddels twee keer zo groot als het gebruik van hun tab-completion (de functie die coderegels aanvult terwijl je typt). Begin 2025 was die verhouding nog precies andersom. Ik vind dat een opvallende kentering die laat zien dat ontwikkelaars steeds meer vertrouwen krijgen in agents die zelfstandig werken.
Wat betekent dit voor een Nederlands bedrijf?
Laat ik eerlijk zijn: de meeste MKB-ondernemers gaan niet zelf met Cursor aan de slag. Maar als je software laat ontwikkelen — intern of door een bureau — dan is dit wel degelijk relevant.
Meer output met hetzelfde team
Stel dat je een ontwikkelteam van drie mensen hebt. Met cloud agents kunnen zij meerdere taken parallel laten uitvoeren door AI-agents, terwijl ze zelf de complexere problemen oppakken. Dat is geen vervanging, maar vermenigvuldiging van capaciteit. Uit recent Nederlands onderzoek blijkt dat bedrijven die AI-automatisering inzetten gemiddeld 30-50% tijdsbesparing rapporteren op bepaalde taken. Die percentages gelden niet een-op-een voor softwareontwikkeling, maar de richting is duidelijk.
Beveiliging als randvoorwaarde
Cursor biedt inmiddels ook de mogelijkheid om agents te draaien op eigen infrastructuur (self-hosted). Voor bedrijven in sectoren als financiën, zorg of overheid — waar data niet zomaar naar een Amerikaanse cloud mag — is dat een belangrijke drempel die hiermee lager wordt.
De vraag die je aan je ontwikkelpartner kunt stellen
Als je samenwerkt met een softwarebureau of een freelance developer, is het de moeite waard om te vragen: "Gebruiken jullie AI-agents in het ontwikkelproces, en zo ja, hoe borgen jullie de kwaliteit en veiligheid daarvan?" Het antwoord vertelt je iets over hoe modern en efficiënt ze werken.
De bredere trend: agents als digitale collega's
Cursor is niet de enige die deze kant op beweegt. GitHub Copilot, Windsurf en andere tools ontwikkelen vergelijkbare mogelijkheden. Wat Cursor hier specifiek doet — het inrichten van volledige werkomgevingen voor agents — past in een bredere trend waarbij AI niet langer een hulpmiddeltje is, maar een zelfstandige actor in een werkproces.
Ik denk dat we over een jaar of twee terugkijken op deze periode als het moment waarop AI-agents de stap maakten van "handig" naar "structureel onderdeel van het team". Of dat te optimistisch is, weet ik niet. Maar de bouwstenen worden nu in hoog tempo gelegd.
Wat mij betreft is het belangrijkste inzicht niet de technologie zelf, maar wat het zegt over de richting. Software ontwikkelen wordt steeds meer een kwestie van taken definiëren en resultaten beoordelen, en steeds minder van elke regel code zelf tikken. Voor ondernemers die afhankelijk zijn van maatwerksoftware is dat uiteindelijk goed nieuws — het kan betekenen dat dezelfde kwaliteit sneller en tegen lagere kosten te realiseren is.
Maar het roept ook vragen op over kwaliteitscontrole, verantwoordelijkheid en het vakmanschap van de mensen die je inhuurt. Een agent die zelfstandig een pull request opent is handig, maar wie reviewt die code? Wie beslist of het goed genoeg is?
Voor mij is dit vooral een signaal dat de gereedschapskist van softwareteams fundamenteel aan het veranderen is — en dat het als ondernemer slim is om te begrijpen wat er in die kist zit, ook als je hem niet zelf opentrekt.