Wat een AI coding agent wel en niet oplost in marketing

Je backlog telt deze week drie tickets: een landingspagina-variant testen, een CRM-veldsync die telkens breekt, en een dashboard waar niemand in Looker aan wil beginnen. Een AI coding agent, denk aan Cursor, Claude Code of de agent-modus van GitHub Copilot, schrijft voor twee van die drie in een middag werkende code. De derde hangt af van wat er gebeurt zodra de campagne voorbij is. Dit stuk zet op een rij waar een AI coding agent daadwerkelijk voor is gebouwd, wat een no-code agent builder in plaats daarvan doet, en waar het verschil je een productie-incident kost.

Een AI coding agent en een no-code agent builder zijn geen zelfde tool

Zoek vandaag op "AI coding agent" en de resultaten vermengen twee categorieën op één pagina. Cursor, Claude Code, de agent-modus van GitHub Copilot en Devin schrijven en draaien échte code: ze openen een repository, draaien een testsuite, committen een wijziging. Gumloop, Lindy en Metaflow bouwen in plaats daarvan workflows: ze koppelen API-calls achter een drag-and-drop canvas, geen repository te bekennen.

Beide worden aan marketing- en groeiteams verkocht als "bouw je eigen automatisering, sla de developer over". Maar slechts één van de twee raakt versiebeheer, en dat verschil bepaalt wie de fix regelt zodra iets breekt.

Een workflow gebouwd in een no-code agent builder faalt binnen zijn eigen sandbox: een kapotte stap, een herstart, een supportticket bij de leverancier. Een script dat een AI coding agent schreef, en dat jij zelf hebt gedeployed, faalt overal waar je het hebt neergezet: een scheduled function, een webhook waar een betaalde tool vroeger op draaide, een cron job op een gedeelde server waar niemand sinds 2024 het SSL-certificaat heeft vernieuwd. Compass routeert een campagne op dezelfde manier als een engineer met wachtdienst naar een deploy kijkt: wat faalt als eerste, en wat vangt het op.

Twee praktijkvoorbeelden waarbij groeiteams naar een coding agent grijpen in plaats van een workflow-bouwer: een UTM-parser die de edge cases opvangt die de native tagging van het advertentieplatform laat vallen, of een intern Slack-commando dat attributiecijfers rechtstreeks uit de warehouse trekt in plaats van te wachten op een BI-ticket. Beide zijn vijf regels bedrijfslogica verpakt in dertig regels authenticatie-boilerplate: precies waar een agent goed in is, en waar een mens twee keer op tikken beu wordt.

Wegic zit tussen de twee categorieën in. Je beschrijft een pagina of kleine site in de chat, en de tool schrijft de werkelijke code erachter in plaats van een sjabloon in te vullen. Voor een team dat de output van een coding agent wil zonder een terminal te openen, is dat de betere vergelijking, niet een pure workflow-bouwer.

Wat groeiteams écht naar een coding agent routeren

Drie patronen komen steeds terug bij de teams die dit oppakken: interne dashboards die twee API's aan elkaar knopen die de BI-tool niet standaard verbindt, eenmalige data-pulls die anders een middag van een analist kosten, en lijmscripts die een trackingpixel correct laten vuren over een redirect-keten die een platformupdate net heeft verbroken.

Geen van deze is "bouw onze hele martech-stack". Ze zijn afgebakend, hebben één duidelijke eigenaar, en falen luid zodra ze falen. Dat laatste weegt zwaarder dan het klinkt: een stille storing in een attributiescript is erger dan geen script, want het team blijft beslissingen nemen op cijfers die al fout staan.

Gartners lezing van deze verschuiving is bot: tegen eind 2026 wordt 80% van de technologieproducten en diensten gebouwd door mensen buiten traditionele IT-rollen. Dat is geen marketingcijfer over AI-agents specifiek, het is een structurele voorspelling over wie nu software schrijft. Een marketeer die Claude Code vraagt een webhook te fixen, valt al binnen dat cijfer.

Sla het verzoek over dat meer klinkt als een functieomschrijving dan een taak: "bouw ons een attributiemodel". Een AI coding agent kan een script schrijven dat twee tabellen koppelt. Die agent moet niet degene zijn die jouw attributiemethodologie bepaalt.

Een vierde patroon is kleiner, maar duikt overal op zodra een team erop gaat letten: een broze Zapier-keten herschrijven als één script zodra de per-taak prijzen van het automatiseringsplatform stilletjes de duurste regel op de martech-begroting zijn geworden. De coding agent vervangt de orkestratielogica niet, hij vervangt alleen de leveranciersmarge op het draaien van vijf voorwaardelijke stappen.

Waar het blast radius risico begint

Dit is het deel dat het advies "prompt het gewoon" overslaat. De coding agent zelf is niet het risico. Wat hij aanraakt, is dat wel.

Een script dat campagne-uitgaven uitleest via een read-only API van een advertentieplatform is laag risico: in het slechtste geval een verkeerd getal in een rapport dat iemand toch dubbelcheckt voor een boardmeeting. Een script dat naar je CRM schrijft, een API-sleutel roteert, of een segmentupdate rechtstreeks naar je e-mailplatform pusht, is een ander beestje. Als de agent een veldnaam verzint of een rate limit overslaat, landt die fout in productiedata waar je salesteam morgenochtend al mee belt.

Credentials zijn het deel dat het snelst wordt overgeslagen. Een agent die een CRM-API-sleutel nodig heeft om zijn eigen script te testen, plakt die sleutel net zo makkelijk in een configbestand dat uiteindelijk gecommit wordt, of in een chatlog dat het project overleeft. Niets daarvan is de agent die zich misdraagt, hij doet precies wat gevraagd is. De waarborg moet van de mens komen die beslist waar die sleutel leeft, vóór de eerste testrun, niet nadat een security-review het vindt.

De adoptiecijfers bevestigen waar dit daadwerkelijk landt. Marketing- en SDR-outboundfuncties laten ongeveer 41% adoptie van AI-agents zien, met een terugverdientijd van gemiddeld 3,4 maanden, de snelste van elke gemeten functie, en marketingoperators rapporteren bijna 5,4 uur per week besparing zodra een script draait. Een snelle terugverdientijd is een goed signaal voor de business case. Het zegt niets over wie wachtdienst heeft als het script stilletjes stopt met vuren tijdens een lanceerweek.

De oplossing is geen beleidsdocument dat niemand leest. Het zijn drie vragen voordat een door een AI coding agent gebouwd script iets anders raakt dan een read-only feed: wie is eigenaar zodra de campagne stopt, waar leeft het (niet "op mijn laptop"), en wat gebeurt er als het faalt om twee uur 's nachts op een dinsdag. Als je die drie niet in één zin per stuk kunt beantwoorden, blijft het script in de sandbox tot je dat wel kunt.

De extra vijftien minuten setup zijn het waard zodra het script klantdata, een live campagnebudget, of iets raakt waar een compliance-review later naar zou vragen. Sla de plechtigheid over als het een eenmalige pull is die na het rapport wordt weggegooid.

De citizen-developer cijfers die iedereen aanhaalt, en wat ze niet vertellen

Gartners cijfer van 80% wordt in elke "AI democratiseert code" post herhaald zonder de kanttekening die het pas bruikbaar maakt: het telt interne tools, prototypes en afdelingsutilities. Het betekent niet dat 80% van de productie-marketinginfrastructuur tegen dezelfde datum door niet-engineers wordt onderhouden.

Er zit een echt gat tussen "een marketeer gebruikte een AI coding agent om een werkend script te leveren" en "dat script is nu infrastructuur waar het bedrijf op leunt". Het eerste gebeurt vandaag, constant. Het tweede vereist dezelfde dingen als altijd: versiebeheer, een eigenaar, en een manier om terug te draaien. Een agent die de code schrijft heft die vereiste niet op, hij verschuift hem alleen naar eerder in de tijdlijn, vóór het ding draait in plaats van nadat het breekt.

Behandel het citizen-developer cijfer als een beschrijving van wie nu in staat is iets te bouwen, niet als een oordeel over wat onbewaakt mag draaien.

Sla het advies over om zomaar je dashboard te laten bouwen

De meeste "zo gebruik je een AI coding agent voor marketing" posts adviseren te beginnen met een volledige interne tool: een campagne-commandocentrum, een uniform rapportagedashboard, de hele reutemeteut. Dat is het verkeerde eerste project.

De teams die er echt iets aan hebben, beginnen kleiner: één script, één duidelijke input, één duidelijke output, gereviewd door iemand die code kan lezen, ook al schrijft die het niet dagelijks. Een dashboard is tien scripts met een jasje. Lever eerst dat ene script goed af, voordat je er tien aan elkaar knoopt en het infrastructuur noemt.

Als het team al verzuipt in vergadernotities en follow-up taken voordat het zelfs maar bij het coden komt, is dat een ander, kleiner probleem dat eerst om een oplossing vraagt. Een AI meeting agent lost dat op zonder ook maar één regel campagnecode aan te raken.

Hoe dit past in een georkestreerde campagnestack

Een AI coding agent schrijft de functie. Een orkestratielaag beslist wanneer die functie draait, wat hem triggert, en wat er daarna gebeurt over e-mail, ads en CRM heen. Die twee door elkaar halen is hoe teams eindigen met een briljant script dat niemand ergens op heeft aangesloten, ergens in een repo, nooit getriggerd door de campagne waarvoor het gebouwd is.

Compass' positie hierin is direct: orkestratie is de laag die een campagne over kanalen routeert op basis van live signaal, niet de laag die de code schrijft waar die kanalen op draaien. De twee zijn aanvullend, geen concurrenten. Een door een coding agent gebouwd script dat een vastgelopen e-mailreeks signaleert, is alleen nuttig als iets stroomafwaarts de verzending dezelfde dag omleidt naar ads, niet volgende sprint.

Voor teams die de commerciekant van een lancering draaien, reikt die routing verder dan marketingtools alleen: een winkelplatform met een eigen automatiseringslaag verdient dezelfde vraag als elk script dat een agent bouwt, namelijk wie het exception-pad beheert als een sync midden in de lancering faalt.

Waar je dit kwartaal op moet routeren

Een AI coding agent verdient een plek in de stack van een groeiteam voor afgebakende, toewijsbare, luid-falende taken: de UTM-parser, de warehouse-pull, de webhook-fix. Hij verdient geen plek in het schrijven van je attributiemethodologie of het onbewaakt draaien tegen productie-CRM-data op dag één.

Begin met het kleinste script dat iemand een echte middag bespaart. Wijs een eigenaar aan voordat het live gaat, niet nadat het breekt. Route de grotere campagnebeslissingen door de laag die daarvoor gebouwd is, niet door wat de coding agent toevallig als eerste aanraakte.

Drie cijfers vertellen je of de opzet werkt na een kwartaal: hoeveel van die scripts nog onbewaakt draaien, hoe vaak er eentje stilletjes faalde voordat een mens het merkte, en hoe lang de fix duurde zodra iemand het wel merkte. Als dat derde cijfer blijft krimpen, heeft de coding agent zijn plek in de stack verdiend. Als het eerste cijfer sneller groeit dan het team eigenaren kan aanwijzen, heb je onderhoudsschuld gebouwd in plaats van efficiëntiewinst.