Amazon stuurt softwareteams op klantresultaat

Velocity Labs komt voor het eerst in beeld als nieuw AWS-team voor agentische AI; Amazon stelt via AWS-vicepresident Marc Brooker dat agents voor het merendeel van Amazons ontwikkelaars vrijwel alle implementatiecode schrijven.

De inzet voor Nederlandse softwareteams is de meetlat: tokenverbruik of codevolume zegt niet vanzelf of een release sneller klanten bereikt, minder herstelwerk vraagt of klantproblemen oplost. Amazon wil engineers en teams beoordelen op uitkomsten voor klanten en bedrijf; gebruiksdata blijven hooguit een signaal dat zorgvuldig moet worden gelezen.

Velocity Labs brengt een model in minder dan een week uit

GeekWire meldt dat Velocity Labs in april is opgericht en ongeveer 35 mensen telt, merendeels in Seattle. Brooker leidt de groep, die prototypes bouwt rond gebieden in agentische AI die AWS nog onvoldoende verkend vindt. Veel werk in AWS’ agentische AI-divisie verloopt via groepen van zes tot acht mensen.

De vacature beschrijft Velocity Labs als een team dat AI-hulpmiddelen door de hele productcyclus inzet. De rol loopt van concept en ontwerp tot uitrol en ondersteuning, met AI-bouwstenen en klantdiensten als resultaat.

Op 1 oktober bracht het team Strands Decider 2B uit, een open beslismodel met twee miljard parameters. Het kiest bijvoorbeeld een agenttool of routeert een verzoek, maar genereert geen algemene code. Amazon zegt dat het lokaal op CPU of GPU draait en kleine taken in mediaan 115 milliseconden afhandelt op een NVIDIA RTX 3090, of circa 153 milliseconden op een M3 MacBook. Dat zijn metingen voor specifieke taken en hardware, geen belofte over een bedrijfsproces.

Brooker zegt dat het team in minder dan een week van concept tot publieke release ging. Hij schrijft dat toe aan kleine teams, eigenaarschap en snel hulp vragen. De doorlooptijd toont een snelle release, geen gemeten productiviteit of klantimpact.

Amazon verlegt de meetlat naar uitkomsten

Amazon publiceerde op 27 oktober een brief waarin de engineeringleiding de veranderde rol van softwareontwikkelaars toelicht. De brief stelt langetermijnresultaten voor klanten, bedrijf en teams centraal en erkent dat AI de dagelijkse werkwijze snel verandert. Amazon heeft de onderliggende bijgewerkte rolrichtlijn niet openbaar gemaakt; de brief is de publieke toelichting.

De brief noemt tokengebruik, AI-adoptie, codewijzigingen en reviews als input- of doorvoermaten. Volgens Amazon hangen zulke cijfers voorlopig goed samen met uitkomsten, maar als targets kunnen ze kosten en codecomplexiteit opdrijven. Daarom moeten managers ze met zorg gebruiken.

Amazon zegt managers twee groepen te laten onderzoeken: teams rond het 10e percentiel van AI-adoptie om te begrijpen waarom gebruik achterblijft, en rond het 90e percentiel om te zien of intensief gebruik ook meer oplevert. Brooker zegt dat AI-gebruik geen rechtstreeks prestatie- of promotiepunt is, maar wel kan meewegen als het iemands werk verbetert.

Amazon had al een concreet voorbeeld van die resultaatframing gepubliceerd. Amazon zegt dat de Indiase fintech Dhan met Kiro en één softwareontwikkelaar een platform voor grafieken in acht weken bouwde, tegenover een eerste inschatting van twaalf mensen en twaalf tot 24 maanden. Dat is een door Amazon gerapporteerde vergelijking met een oorspronkelijke planning, geen onafhankelijk gemeten productiviteitswinst.

In juni maakte AWS AgentCore algemeen beschikbaar en hield het beveiligingstool Continuum in beperkte preview met menselijke controle. De nieuwe richtlijn verschuift dezelfde vraag naar de softwaremakers zelf: welk werk mag een agent versnellen, en welke uitkomst blijft bij de engineer liggen?

Andere teams meten wat uit de code komt

GitHub koppelt Copilot-adoptie aan pull-requestdoorvoer. Het dashboard groepeert ontwikkelaars naar AI-gebruik en vergelijkt het maandelijkse aantal samengevoegde pull requests per agentische en niet-agentische gebruiker. GitHub noemt de ROI-cijfers richtinggevend en adviseert ze naast codelevering en tijd tot samenvoegen te lezen. Een merge zegt echter niet of de wijziging klantproblemen oplost of extra herstelwerk veroorzaakt.

Organisaties kiezen ook verschillende manieren om agentgebruik te organiseren. Rabobank bundelde codegeneratie, reviews en tests voor ongeveer 1.100 engineeringteams in een centrale Agentic Hub. Amazon noemt een gespecialiseerde groep van ongeveer 35 mensen als experimenteerteam. Het zijn verschillende schalen, maar in beide gevallen krijgt agentische softwareontwikkeling een vaste plek in de organisatie in plaats van alleen een licentie per ontwikkelaar.

Sierra's Hyper-τ-Bench laat een codeeragent een klantservice-agent bouwen uit bedrijfsdocumenten en een klant-API. De beste zelfstandige configuratie slaagde voor 23,9 procent van verborgen taken; met een engineer met diepe context en een model uit dezelfde klasse liep dat op tot 82,2 procent, meldt Sierra. Dat verschil onderstreept hoe ver code schrijven afstaat van requirements uit bedrijfsdocumenten halen, klanten bevragen en API-gedrag in de agentbouw verwerken.

De schaalclaim mist uitkomstcijfers

De claim van Brooker blijft Amazons eigen uitspraak. De reportage noemt geen telling, definitie van vrijwel alle code of vergelijking van release-tempo, fouten en herstelwerk. Amazon deelde de herziene rolrichtlijn niet, zodat ook niet zichtbaar is hoe managers de uitkomstmaat dagelijks toepassen.

Amazon erkent dat langetermijnresultaten moeilijk toe te schrijven en soms vertraagd zijn. Het bedrijf zegt richtlijnen de komende jaren te blijven ontwikkelen. Voor Nederlandse teams zijn een prototype in minder dan een week en een lokaal model tastbare resultaten; de bron toont nog niet of ze betere klantuitkomsten of minder herstelwerk opleveren. Die uitkomsten maken de zakelijke waarde van codeeragenten zichtbaar.