AI schrijft bijna de helft van alle taken in Linear

Projecttool Linear publiceerde het datarapport “How teams build”, gebaseerd op 47.900 betaalde werkruimtes. Het opvallendste cijfer staat meteen bovenaan: begin augustus maakten AI-agents en MCP-clients ongeveer 2,44 miljoen taken per week aan in Linear, tegen 2,48 miljoen van mensen en integraties samen. Twee jaar geleden kwam minder dan een op de duizend taken van een AI.

Van een op duizend naar bijna de helft

Linear volgde de eigen productdata van juni 2024 tot augustus 2026. In dat tijdvak schoof het aanmaken van taken van mensen naar software, en bij het huidige tempo passeren agents de menselijke teller binnenkort. De verschuiving blijft niet beperkt tot engineering. Tussen januari en juni 2026 verdubbelde in elke functiegroep het aandeel gebruikers dat wekelijks met AI-functies werkt. Bij product ging het van 12 naar 34 procent, bij engineering van 12 naar 30 procent, bij design van 6 naar 22 procent en bij go-to-market van 5 naar 18 procent. De grootste sprong kwam van CEO’s bij grote bedrijven: van 9 naar 36 procent.

Codeeragents en de pull request-teller

Voor het effect op geleverd werk vergeleek Linear 4.280 teams met een gekoppelde codeeragent tegen 2.607 teams zonder. De eerste groep ging in twee jaar van 21 naar 65 pull requests per week. De tweede groep bewoog nauwelijks, van 8 naar 10. Over alle werkruimtes samen ligt het aantal pull requests 111 procent hoger dan in de basismeting van juni 2024. Die curve past bij wat leveranciers zelf melden, van Cursor met cloud-agents die zelfstandig een pull request openen tot Warp, dat een hele ontwikkelstraat om agents heen bouwt.

Wat de cijfers niet zeggen

Enige nuance hoort erbij. Dit is Linear’s eigen productdata, verzameld door een bedrijf dat agents actief in het product trekt. Teams die vroeg een codeeragent koppelen zijn vermoedelijk ook de teams die toch al snel werkten, dus het verband tussen agent en output is geen bewijs van oorzaak. Een pull request zegt weinig over waarde: meer PR’s kan ook betekenen dat hetzelfde werk in kleinere stukken wordt geknipt. Linear trekt zelf een voorzichtige conclusie, namelijk dat AI tot nu toe vooral heeft veranderd hoe teams uitvoeren en veel minder hoe ze bepalen wat ze bouwen. De rekening groeit intussen mee, zoals Rippling merkte toen tokenkosten opliepen tot 40 procent van het R&D-budget.

“Als agents de helft van je taken aanmaken, verschuift het werk van typen naar beoordelen. Teams die dat niet organiseren, ruilen een schrijfachterstand in voor een leesachterstand.”

Leon Tindemans, AI-expert en Copilot- & ChatGPT-trainer. Hij verzorgt onder meer ChatGPT-training voor teams.

Wat betekent dit

Voor ontwikkelteams verschuift de flessenhals. Als agents taken aanmaken en pull requests openen, wordt reviewcapaciteit de schaarse factor, niet de hoeveelheid code. Dat vraagt om duidelijke afspraken over wie wat goedkeurt, zeker nu tools als Claude Code standaard minder om toestemming vragen en aanbieders agents als volwaardige teamgenoten positioneren. Het tweede signaal uit het rapport gaat over product- en designfuncties, waar de adoptie het snelst stijgt. De discussie over AI in softwareteams ging lang over code schrijven. De cijfers van Linear laten zien dat het gesprek nu ook over de planning zelf gaat, en dat is precies het deel waar een verkeerd aangemaakte taak weken werk kan kosten.