Een beheerder van een kleine parserbibliotheek, een man met een gewone baan en een repository die hij op zondagavond onderhoudt. Hij is verzonnen, samengesteld naar het soort persoon dat de enquêtes beschrijven. Hij opent zijn inbox en verwacht twee of drie meldingen. Het zijn er negentien. Elf zijn pull requests, netjes vormgegeven, elk met een zelfverzekerde beschrijving en een groen vinkje. Drie zijn meldingen van kwetsbaarheden die alleen bestaan als iemand zes opties doorgeeft in een volgorde die niemand ooit heeft gebruikt. Hij beantwoordt het eerste verzoek zorgvuldig, beseft halverwege dat de auteur de code niet heeft uitgevoerd en sluit de laptop terwijl nog zestien items wachten.
Zijn avond is verzonnen, maar de cijfers die erbij passen verschenen deze week. Op 20 oktober publiceerde de Linux Foundation Navigating Open Source Software Development in the Generative AI Era, een enquête over hoe beheerders en bijdragers met AI-tools leven. Het onderzoek werd gesponsord door Red Hat, met steun van Futurewei, OpenSSF en LF AI & Data. Diezelfde dag vertelde de beheerder van curl zijn gebruikers dat het project zijn grens nadert. Vier dagen eerder had een databaseproject uitgelegd waarom zijn volgende release te laat komt. Samen beschrijven ze een ruil: AI heeft code schrijven goedkoop gemaakt en de rekening voor controle is terechtgekomen bij mensen die al gratis werkten.
Wat de enquête vond
De stichting meldt dat 59 procent van de beheerders sinds de opkomst van generatieve AI meer bijdragen ziet, en 69 procent bij grote projecten. Respondenten schatten dat een kwart van de inkomende pull requests “AI-rommel” van lage kwaliteit is, oplopend tot 31 procent bij grote projecten. Ze schatten ook dat AI de tijd voor code schrijven gemiddeld met 52 procent verkortte; de samenvatting van de stichting noemt tijdsbesparingen van 19 tot 52 procent over de gemeten taken. Zesenzestig procent zei de bespaarde tijd in technische schuld te steken en 63 procent in nieuwe functies.
De stemming is verdeeld. Eenenzeventig procent van de beheerders vindt dat generatieve AI de drempel tot deelname verlaagt, maar 53 procent is het oneens met de stelling dat het vertrouwen in de gemeenschap is verbeterd. Bij zeer complex werk zei 21 procent van de respondenten dat AI de taak langer liet duren. Regels lopen achter op gebruik: slechts 35 procent van de projecten heeft een formeel beleid dat generatieve AI toestaat en 32 procent heeft geen beleid en ook geen plannen daarvoor. Van de bijdragers zegt 61 procent door AI gegenereerde code te beoordelen en volledig te testen vóór indiening; het melden van AI-hulp gebeurt niet consequent. Volgens de stichting is burn-out onder beheerders de voornaamste zorg van grote projecten.
Dit zijn zelfgerapporteerde schattingen. Het persbericht en de rapportpagina geven geen steekproefgrootte, dus de percentages beschrijven wat respondenten denken, geen telling van pull requests. De eigen conclusie van de stichting is organisatorisch. Hilary Carter, senior vicepresident onderzoek, zei dat projecten “de verantwoordelijkheid voor testen en openbaarmaking bij bijdragers” moeten leggen en beheerders “betere tools moeten geven om inkomende pull requests te beheren”.
Curl raakt door zijn ruimte heen
Daniel Stenberg, beheerder van curl, volgt de druk sinds 2024. In een bericht van 26 januari beëindigde hij de bugbounty van het project per 31 januari. Het programma, sinds 2019 via HackerOne, had 87 kwetsbaarheden bevestigd en meer dan 100.000 dollar uitgekeerd. Hij schreef dat vóór 2025 meer dan 15 procent van de inzendingen bevestigde kwetsbaarheden waren en dat het percentage vanaf begin 2025 “kelderde tot onder 5 procent”. Hij voegde toe dat volgens HackerOnes cijfers curls inkomende volume sterk steeg terwijl dat van Ruby, Node en Rails gelijk bleef of daalde, en vermoedde dat geld een deel van de reden was. Over pull requests was hij rustiger: curl kon die met automatische controles filteren, zodat niemand menselijke tijd besteedt voordat een wijziging “groene vinkjes van 200 CI-taken” heeft.
Meldingen waren een andere kwestie en hielden niet op toen het geld stopte. Op 20 oktober kondigde Stenberg aan dat vanaf 26 oktober kwetsbaarheidsmeldingen met een lage of middelhoge ernst als openbare issues op GitHub moeten worden ingediend. Alleen hoge en kritieke gevallen blijven privé. In de afgelopen jaren, schreef hij, kon meer dan 90 procent van de inzendingen snel als minder dan hoog worden beoordeeld. Zijn reden was onomwonden: “We hebben het als project moeilijk, omdat alle kernbeheerders zich gespannen en overbelast voelen en tot de grens van hun kunnen zijn gebracht.”
Zijn beschrijving van de last is concreet. Hij beschrijft AI-modellen die “krankzinnige reeksen of optiecombinaties” produceren die iets onverwachts doen, maar waarschijnlijk nooit in een echte toepassing voorkomen. Hij beschrijft ook een leger onderzoekers dat nieuwe oplossingen zodra die zijn aangekondigd aan modellen voert om vergelijkbare fouten te zoeken. Openbare afhandeling vermindert het werk per melding niet, erkent hij, en geeft aanvallers iets langer de tijd bij nog niet opgeloste bugs. Hij hoopt dat meer mensen de beoordeling en het schrijven van beveiligingsadviezen kunnen delen. Hij noemde de verandering “onze volgende stap in een overlevingsstrategie” en voegde toe: “Het is misschien niet onze laatste.”
Wanneer de beoordelaar gelijk heeft
Niet alle nieuwe belasting is ruis, en het PostgreSQL-project toont de moeilijke variant. Op 9 oktober publiceerde kernontwikkelaar Peter Eisentraut van EDB een blogbericht over waarom tijdens de bèta een ongebruikelijk groot aantal functies, ongeveer acht tot tien afhankelijk van de telling, uit PostgreSQL 19 was teruggedraaid. The Register meldde op 16 oktober dat de release naar ongeveer 19 november is verschoven en de teruggedraaide functies waarschijnlijk in PostgreSQL 20 verschijnen.
Eisentraut geeft meerdere oorzaken en zegt dat de code misschien gewoon niet goed genoeg was. Eén oorzaak zijn de reviewtools. Sommige teruggedraaide functies hadden architectuurfouten die tijdens de bèta niet snel konden worden opgelost. Maar review met LLM-hulp bracht ook een lange reeks uitzonderingsgevallen aan het licht die vroeger over vijf jaar aan reparaties zouden zijn opgedoken. Met zulke review, schreef hij, “zit je naar een lijst van zo’n veertig defectmeldingen te kijken”, en “zelfs als elk gemiddeld maar een oplossing van drie regels vergt, is er vaste overhead om elk ervan af te handelen, en dan raakt de tijd op”. De functies waren geschreven voordat zulke review bruikbaar was, dus de lat ging omhoog nadat de code was vastgelegd. Volgens hem is dit geen vibe coding, dat nog niet beschikbaar was toen de code werd geschreven.
Hij merkt ook op dat senior ontwikkelaars van april tot augustus maanden aan beveiligingsoplossingen werkten in wat hij de “Vulnpocalypse” noemt, waardoor de gebruikelijke review tijdens de bèta werd ingeperkt. Als reviewtools in het huidige tempo blijven verbeteren, verwacht hij dat de situatie zich in toekomstige cycli oplost en stelt hij voor AI-ondersteunde fuzzing onderdeel van functieontwikkeling te maken. Het project overweegt ook een “experimentele” status voor nieuwe functies. Niets in zijn relaas is rommel. De bevindingen zijn echt en kosten dezelfde uren om te herstellen.
Waar de kosten terechtkomen
De drie verhalen verschillen in wat de tools produceren. De enquête telt bijdragen van lage kwaliteit. Curl ontvangt meldingen die technisch geldig zijn maar in de praktijk onbeduidend. Postgres ontvangt defecten die echt zijn en bij een vaste releasedatum onbetaalbaar. In elk geval is het genereren van tekst en bevindingen goedkoop geworden en bleef oordeelsvorming duur: beslissen wat belangrijk is, het reproduceren, de oplossing schrijven en de auteur antwoorden.
Geen van de bronnen toont dat de ruil per saldo slecht is. De bijdragers in de enquête melden echte besparingen en echte herinvestering in technische schuld, en Eisentraut verwacht een robuustere database. De bronnen tonen wel wie de kosten draagt. Stenbergs stappen, van betalingen beëindigen tot kleinere bugs publiceren, lezen als pogingen om een deel terug te leggen bij de afzenders of naar de gemeenschap te verplaatsen. Het advies van de stichting om bijdragers verantwoordelijk te maken voor testen en openbaarmaking wijst dezelfde kant op.
Op maandag leest de verzonnen beheerder zijn negentien items opnieuw. Hij schrijft één korte notitie aan de auteur van de pull request, zet die boven de andere vast en voegt aan het bijdragenbestand een regel toe dat iedereen die code instuurt moet zeggen hoe die is getest. Het kost vier minuten. Of die regel wordt gelezen, of alleen met gegenereerde tekst wordt omzeild, is de vraag die de drie projecten nu in het openbaar testen.
Referenties
- Boysel, S., & Lai, A. (2026). Navigating Open Source Software Development in the Generative AI Era: Challenges and Opportunities for Project Communities. Linux Foundation Research. linuxfoundation.org
- Clark, L. (2026). Postgres 19 delayed after AI reviewers find more bugs than humans can fix. The Register. theregister.com
- Eisentraut, P. (2026). The reverts will continue until morale improves. peter.eisentraut.org
- Kunert, P. (2026). Swamped curl maintainers take low-level flaws public to survive vulnerability ‘avalanche’. The Register. theregister.com
- Linux Foundation (2026). New LF Research survey shows generative AI cuts open source coding time in half, but 25% of incoming pull requests are considered AI slop. PR Newswire. prnewswire.com
- Speed, R. (2026). AI cuts coding time, but it’s also filling open source’s inbox with crap. The Register. theregister.com
- Stenberg, D. (2026). Do minor curl vulnerabilities in the open. daniel.haxx.se
- Stenberg, D. (2026). The end of the curl bug-bounty. daniel.haxx.se