AI-coderingstools falen nog steeds op saaie manieren: bugs in Claude Code, Codex en Gemini CLI
Uit een empirisch onderzoek uit maart 2026 naar AI-coderingstools bleek dat veel voor de gebruiker zichtbare fouten geen exotische modelfouten zijn. Het zijn API-fouten, terminalproblemen, opdrachtfouten, configuratieproblemen en integratieproblemen.
Het datapunt
Het arXiv-paper "Engineering Pitfalls in AI Coding Tools" bestudeert bugs in Claude Code, Codex en Gemini CLI. De gerapporteerde symptoomverdeling omvat API-fouten met 18,3%, terminalproblemen met 14% en opdrachtfouten met 12,7% onder de waargenomen gebruikersgerichte symptomen.
Waarom dit belangrijk is voor bouwers
De grootste dagelijkse verliezen bij AI-codering zijn vaak operationeel. Een model kan sterk zijn en toch een sessie verspillen door slecht omgaan met de omgeving, herhaalde shell-fouten of fragiele tool-oproepen. Teams moeten gereedschapsfrictie volgen als onderdeel van de AI-productiviteit, en niet als willekeurige ruis behandelen.
Token-afvalverbinding
Elke mislukte opdracht kan een nieuwe diagnostische lus activeren. Elke verkeerd geconfigureerde CLI kan context verbranden terwijl de agent bestanden opnieuw leest en nieuwe pogingen doet. Gereedschapsbetrouwbaarheid maakt daarom deel uit van de tokeneconomie.