.Plan - Dev Summit 2026 met Max Tkacz: 'Een llm is soms een vlammenwerper'

In dit artikel:

Max Tkacz laat tijdens de Tweakers Developers Summit 2026 in Utrecht zien waarom ontwikkelaars niet voor elke eenvoudige AI-beslissing een groot taalmodel nodig hebben. In zijn talk vergelijkt hij een llm met Jev, een nieuw model van TypeSafe dat is ontworpen voor snelle, afgebakende en gestructureerde beslissingen.

Tkacz begon ooit met het bouwen van websites, nadat dj-apparatuur voor hem als tiener te duur bleek. Via productontwerp kwam hij terecht bij n8n, waar hij als derde medewerker en eerste productmedewerker zes jaar werkte. Daar zag hij hoe bedrijven automatiseringen in de praktijk toepasten en tegen welke technische beperkingen engineers aanliepen. Ook maakte hij de groei van generatieve AI en AI-agents van dichtbij mee.

Bij n8n richtte Tkacz zich later op groei en communicatie. Hij ontwikkelde onder meer Agentic Arena, een programma waarin AI-agents het tegen elkaar opnemen. Het project droeg bij aan de groei van het YouTube-kanaal van n8n naar 215.000 volgers. Inmiddels runt hij vanuit Berlijn Flowgramming Studios, een productiebedrijf voor technische content. In een verbouwd magazijn van 357 vierkante meter bouwt hij aan een grotendeels geautomatiseerde videostudio met onder meer ESP32-controllers en zelfgeschreven software.

Zijn presentatie draait om de vraag of grote taalmodellen wel geschikt zijn voor taken als het classificeren van supporttickets, het bepalen van urgentie of het doorsturen van aanvragen. Zulke modellen genereren doorgaans tekst, waarna extra instructies en programmacontroles nodig zijn om daar bijvoorbeeld een categorie, ja-neewaarde of JSON-uitvoer van te maken. Volgens Tkacz is dat onnodig omslachtig wanneer de mogelijke uitkomsten vooraf vaststaan.

Jev werkt anders. Het model krijgt ongestructureerde menselijke input en een vooraf bepaalde set vragen en antwoordmogelijkheden. De uitvoer is een getypeerde beslissing, bijvoorbeeld een categorie, score of waarschijnlijkheid. Een boze klantmail kan zo worden ingedeeld bij facturatie, technische ondersteuning of accountbeheer. De waarschijnlijkheid helpt vervolgens bepalen of de uitkomst automatisch wordt verwerkt of door een medewerker moet worden gecontroleerd.

Het model kan nog steeds fouten maken, maar kan geen nieuwe categorie verzinnen of een lang tekstantwoord geven waar de software een vaste waarde verwacht. Gewone programmalogica blijft verantwoordelijk voor voorspelbare regels; Jev behandelt alleen het ongestructureerde deel. Daarmee is de aanpak geen vervanging voor generatieve modellen. Voor tekstproductie, open gesprekken en complexe redeneringen blijven llm’s geschikter. System One-modellen zijn vooral bedoeld voor situaties waarin de mogelijke uitkomsten beperkt zijn, maar klassieke regels moeite hebben met vrije tekst.

Tijdens de sessie laat Tkacz dezelfde toepassing door een llm en Jev uitvoeren. Hij vergelijkt de modellen op snelheid, kosten en nauwkeurigheid en bespreekt wanneer een llm, een System One-model of gewone code de beste keuze is. De demonstratie moet vooral praktisch inzicht geven aan developers die AI via een API in software en bedrijfsprocessen verwerken. Daarbij zijn voorspelbaarheid, kosten, snelheid en de omgang met onzekerheid belangrijker dan de omvang van een model.

Tkacz benadrukt dat Jev nog jonge technologie is en niet ieder AI-probleem oplost. De presentatie is daarom bedoeld als startpunt voor verdere technische discussie, niet als bewijs dat één model de voorkeur verdient. Ook ontwikkelaars die terughoudend zijn met AI-agents kunnen volgens hem beginnen met zo’n klein, duidelijk begrensd beslismoment.