AI in softwareontwikkeling

AI is vooral een nieuw type gereedschap. En net als bij elk gereedschap geldt: je bouwt geen huis omdat je een hamer hebt. Je bouwt een huis omdat je iets nodig hebt dat werkt, veilig is en jaren meegaat. De hamer maakt het vervolgens een stuk makkelijker.

In deze blog kijken we nuchter naar AI in softwareontwikkeling. Wat verandert er echt? Wat blijft hetzelfde? En waar ontstaan risico’s wanneer organisaties te snel willen gaan?

Begin met het probleem, niet met AI

Veel organisaties starten met de vraag: “We willen iets met AI.” Dat klinkt vooruitstrevend, maar het is bijna nooit de echte uitdaging. De echte vraag achter de vraag is meestal één van deze:

• processen sneller laten verlopen

• fouten verminderen

• betere inzichten krijgen

• capaciteit vrijspelen

• schaalbaar kunnen groeien

AI kan daar een rol in spelen, maar alleen wanneer het gekoppeld wordt aan een concreet doel. Anders ontstaan er vooral experimenteren zonder duidelijke uitkomst. AI om de AI levert zelden duurzame oplossingen op.

AI versnelt ontwikkeling, maar kan ook kwaliteit verbeteren

AI wordt vaak gezien als een productiviteitsboost. Ontwikkelaars kunnen sneller code schrijven, testen en documentatie maken. Maar minstens zo interessant is de invloed op kwaliteit. AI kan bijvoorbeeld helpen bij, consistentere code, snellere feedback op wijzigingen, betere documentatie en overdraagbaarheid en het vroeg signaleren van risico’s in security of performance.

De winst zit dus niet alleen in meer output per uur, maar ook in beter werk met minder ruis. Die kwaliteitsverbetering ontstaat echter niet vanzelf. Het vraagt om duidelijke afspraken, reviewprocessen en controle.

Vibecoding: snel resultaat, maar niet altijd productieklaar

Met de opkomst van AI-tools ontstaat ook een nieuwe manier van software maken: vaak aangeduid als vibecoding. Met prompts en tooling kan relatief snel iets werkends worden gebouwd.

Voor prototypes of interne tools kan dat prima werken. Maar productieomgevingen stellen andere eisen. Zodra software door veel gebruikers wordt gebruikt of onderdeel wordt van kritische processen, komen andere vragen naar voren:

• Hoe hosten we dit veilig?

• Hoe blijft dit stabiel bij groeiend gebruik?

• Hoe beheren we dit over twee jaar nog?

• Hoe borgen we compliance, logging en security?

• Hoe publiceren we dit in een enterprise omgeving of appstore?

Daar ontstaat een nieuwe realiteit: er komt steeds meer “snelle software” bij. Tegelijk groeit de behoefte aan partijen die die software professioneel kunnen doorontwikkelen of overnemen.

Developers worden steeds meer regisseurs

AI verandert het vak van softwareontwikkeling, maar vervangt het niet. De rol van developers verschuift. Minder focus op het handmatig schrijven van code, meer op regie en kwaliteit. Denk aan:

• functionaliteit opdelen in duidelijke bouwblokken

• AI inzetten om onderdelen te genereren

• output reviewen en verbeteren

• integreren in een groter geheel

• bewaken dat oplossingen veilig, beheersbaar en onderhoudbaar blijven

De developer wordt daarmee steeds meer een regisseur van code. En dat is essentieel. Want één procent fout blijft nog steeds fout wanneer software kritische processen ondersteunt.

Het grootste misverstand: AI vervangt het proces

Rond AI zie je vaak twee uitersten. Aan de ene kant organisaties die AI hebben geprobeerd en teleurgesteld zijn. Vaak omdat ze er niet diep genoeg mee hebben gewerkt. Aan de andere kant organisaties die denken dat AI het hele ontwikkelproces kan vervangen. 

Beide aannames zijn te kort door de bocht. De fundamenten van goede softwareontwikkeling blijven namelijk hetzelfde. Duidelijke requirements, code reviews, testen, security checks, monitoring, onderhoud en doorontwikkeling blijven van levensbelang.

AI kan deze stappen versnellen en soms verbeteren, maar haalt ze niet weg. Wie AI inzet zonder proces, loopt het risico dat problemen pas zichtbaar worden wanneer de software al in gebruik is.

Ontwerp AI oplossingen model-onafhankelijk

AI-modellen ontwikkelen zich razendsnel. Wat vandaag de beste keuze is, kan over enkele maanden alweer ingehaald zijn. Daarom is één ontwerpprincipe cruciaal: bouw oplossingen zo dat ze niet afhankelijk zijn van één specifiek model of leverancier.

Wanneer prompts, regels en logica strak gekoppeld zijn aan één model, ontstaat er een afhankelijkheid die innovatie kwetsbaar kan maken. Door een tussenlaag te bouwen waarin AI-logica wordt beheerd, blijft het mogelijk om relatief eenvoudig van model te wisselen zonder de hele oplossing opnieuw te ontwikkelen.

Data en security: van “alles bewaren” naar “alleen wat nodig is”

AI maakt data waardevoller, maar ook gevoeliger. De reflex om alles op te slaan “voor later” past steeds minder bij organisaties die verantwoord met data willen omgaan, zeker in sectoren met gevoelige informatie. Steeds vaker wordt het uitgangspunt daarom: bewaar alleen wat nodig is.

Data die wel wordt opgeslagen, wordt bij voorkeur versleuteld, voorzien van duidelijke bewaartermijnen en transparant vastgelegd: welke informatie slaan we op en waarom? Dat is geen rem op innovatie, maar een randvoorwaarde om AI duurzaam te kunnen inzetten.

AI verschuift het speelveld tussen maatwerk en standaardsoftware

Jarenlang was de keuze vaak duidelijk:

• standaardsoftware voor stabiliteit

• low-code voor snelheid

• maatwerk voor specifieke processen

AI verandert dat speelveld.

Wanneer maatwerk sneller en betaalbaarder wordt om te ontwikkelen, gaan organisaties opnieuw afwegen wat de beste keuze is. In sommige situaties kan maatwerk ineens logischer zijn dan standaardsoftware of complexe integraties tussen verschillende systemen.

Dat betekent niet dat standaardsoftware verdwijnt. Maar het zorgt er wel voor dat maatwerk in meer situaties een serieuze optie wordt.

AI vraagt niet minder betrokkenheid, maar meer

Een interessant neveneffect van AI is dat de ontwikkelcyclus korter wordt. Ideeën kunnen sneller worden uitgewerkt en getest. Maar dat betekent ook dat organisaties sneller keuzes moeten maken.

AI versnelt ontwikkeling, maar daarmee wordt samenwerking met de business juist belangrijker. Feedback moet sneller worden opgehaald, prioriteiten vaker worden herzien en oplossingen continu worden bijgestuurd. AI is dus geen afstandelijke automatisering. Het is vooral een versneller van samenwerking, feedback en doorontwikkeling.