Een kassa vibe-coderen: Hoe ver kunt u nu echt komen?

Verrassend ver, om vervolgens hard tegen een muur te lopen. Het vibe-coderen van een kassa levert u in een middag een overtuigend afrekenscherm, een productcatalogus en een werkende winkelwagenlogica op, zonder dat er codeerkennis voor nodig is. Wat het u niet oplevert, is een POS waar u daadwerkelijk een bedrijf op kunt runnen. De afstand tussen die twee dingen is het onderwerp van deze post, omdat de demo de kloof veel kleiner doet lijken dan deze in werkelijkheid is.

Eén kanttekening vooraf: AI-tools veranderen maandelijks, dus beschouw de details hier als een momentopname, accuraat op het moment van publicatie.

Wat kunt u daadwerkelijk bouwen met vibe-coding?

Meer dan de sceptici beweren. Geef een tool als Lovable, Replit of v0 de prompt "bouw een POS voor mijn koffiebar" en u krijgt een echte interface terug: een menu-grid, modifiers, een winkelwagen, een totaalbedrag en misschien een gesimuleerde betaalstap. Het ziet er goed uit, het klikt goed en u kunt het dezelfde dag nog aan mensen laten zien.

Dat is geen trucje. Voor de zichtbare laag van een POS is AI-generatie simpelweg heel goed, en het blijft verbeteren. Als u een prototype, een pitch-demo of een manier om over uw eigen checkout-flow na te denken nodig heeft, levert vibe-coding dat.

Waar loopt een via vibe-coding gemaakte POS vast?

Bij de onderdelen die elke keer correct moeten zijn, zonder dat er iemand toezicht op houdt.

• Voorraadbeheer onder gelijktijdigheid (twee verkopen die op exact hetzelfde moment plaatsvinden): door AI gegenereerde voorraadlogica leest doorgaans een aantal, trekt er één vanaf en schrijft dit terug. Twee gelijktijdige verkopen van de laatste eenheid slagen dan allebei, waardoor u voorraad heeft verkocht die u niet heeft.

• Rapporten die aansluiten (totalen die overeenkomen met het geld dat daadwerkelijk is binnengekomen): een demorapport telt simpelweg een tabel op. Een echt rapport overleeft terugbetalingen, annuleringen, gedeeltelijke betalingen en prijswijzigingen gedurende de dag, zonder af te wijken van de cijfers van uw betalingsverwerker.

• Belastingen: tarieven per regio, regels per productcategorie, afronding op regelniveau versus het totaalbedrag. Foute antwoorden hier zijn geen bugs, het zijn risico's.

• Beveiliging: in een onderzoek van Veracode uit 2025 onder meer dan 100 AI-modellen zakte 45% van de gegenereerde codevoorbeelden voor beveiligingstests tegen de OWASP Top 10, en het foutpercentage verbeterde niet bij nieuwere of grotere modellen¹.

Geen van deze fouten komt naar voren in een demo. Ze verschijnen allemaal in de tweede maand dat u een winkel runt.

Hoe zit het met het accepteren van echte betalingen?

Dit is het hardste breekpunt. Online kaartbetalingen vereisen PCI-compliance (beveiligingsregels voor kaartgegevens), en fysieke betalingen vereisen daarnaast gecertificeerde terminalhardware gekoppeld aan een betalingsverwerker. Er is geen prompt die een hardwarecertificering kan genereren.

Apple en Google handhaven dit streng aan de poort: we hebben besproken waarom via vibe-coding gemaakte betaalapps worden geweigerd in de App Store, en de korte versie is dat reviewteams controleren wie de betalingen routeert lang voordat ze kijken hoe mooi uw interface is.

Kunt u zien of de AI het fout heeft gedaan?

Deze vraag bepaalt of vibe-coding veilig is voor een specifiek deel van uw POS. U kunt een afrekenscherm beoordelen door ernaar te kijken. U kunt code voor voorraadvergrendeling of aansluiting niet beoordelen door ernaar te kijken, en de meeste winkeliers zouden niet eens weten waar ze op moeten letten.

Het standaard verweer is "laat een ontwikkelaar de output van de AI controleren." Dat is prima, maar dan betaalt u alsnog voor ontwikkeling, en het controleren van de onbekende code van iemand anders (mens of AI) is vaak langzamer dan het zelf opnieuw schrijven. De voordelen die vibe-coding aantrekkelijk maakten, zijn dan verdwenen.

Dus, hoe ver kunt u nu echt komen?

Helemaal tot een overtuigende demo, en vrijwel nergens bij de onderdelen die van een POS een echt bedrijfssysteem maken. De zichtbare laag is een opgelost probleem voor AI; de geldlaag is dat niet, en die faalt geruisloos. De praktische vuistregel: voordat u AI iets laat bouwen, vraag uzelf af of u zou kunnen zien of het fout is gegaan. Zo ja, prompt er gerust op los. Zo nee, dan hoort dat onderdeel thuis op geteste infrastructuur.

Die splitsing is precies hoe AI-POS-bouwers zoals die van Final zijn gestructureerd: de AI ontwerpt uw checkout-flows, terwijl voorraad, rapportage en betalingen draaien op vooraf gebouwde rails die de AI niet kapot kan maken. Als u wilt zien hoe dat er in de praktijk uitziet, begin dan met het bouwen van uw eerste flow of onze handleiding over het gebruik van ChatGPT om een custom POS te bouwen.