Zo werken wij met AI bij softwareontwikkeling
AI helpt ons technische mogelijkheden te verkennen, code uit te werken en tests voor te bereiden. De opdracht, beoordeling en verantwoordelijkheid blijven bij ons.
Door Ilja Vinzenz · · Circa 5 minuten leestijd
Onze digitale collega Novi is de naam die we geven aan AI-ondersteuning in ons ontwikkelwerk. Het is geen zelfstandige medewerker: Ilja bepaalt wat gebouwd wordt, beoordeelt de uitwerking en beslist wanneer iets klaar is voor de volgende stap.
Eerst de vraag en de grenzen helder krijgen
Een bruikbare ontwikkelopdracht begint bij het bestaande systeem, het gewenste gedrag en de gevolgen voor gebruikers. We bekijken de huidige code en afspraken voordat we een oplossing kiezen. Per werkpakket maken we duidelijk wat binnen de opdracht valt, welke keuzes aandacht vragen en hoe we het resultaat controleren.
AI helpt bij de uitwerking
AI kan alternatieven verkennen, een gerichte codewijziging voorstellen en relevante testgevallen helpen formuleren. Dat versnelt het onderzoeken van mogelijkheden, maar een voorstel is nog geen bewezen oplossing. We passen het aan de architectuur en conventies van het project aan en houden wijzigingen klein genoeg om goed te kunnen beoordelen.
Een voorbeeld uit de Proflebo Data Hub
Bij het werk aan de Proflebo Data Hub hielp AI bij de uitwerking van een controle op de orderverwerking. Ilja stemde het afgebakende werkpakket af en beoordeelde de voorgestelde aanpak. De controle leest lokale gegevens, signaleert mogelijke dubbele verzendingen en onduidelijke orderidentiteiten en verandert zelf geen orders.
Daarna zijn gerichte tests uitgevoerd. Een afzonderlijke migratieoefening met fictieve orders draaide in een geïsoleerde testomgeving. Die resultaten geven vertrouwen in het geteste gedrag, maar zijn geen bewijs dat historische productiegegevens al zijn gecontroleerd of dat de volledige nieuwe orderroute live is geaccepteerd.
Review en tests horen bij het werk
We controleren de codewijziging, de relevante tests en de gevolgen voor bestaande functionaliteit. Bij een koppeling kijken we ook naar foutgevallen, herhaling en gegevens die niet dubbel verwerkt mogen worden. Als een controle niet is uitgevoerd, benoemen we dat. Een lokaal geslaagde test, een publicatie en acceptatie in productie zijn verschillende mijlpalen.
De mens blijft verantwoordelijk
AI neemt geen zelfstandig besluit over architectuur, klantafspraken of livegang. Ilja maakt die afwegingen en blijft verantwoordelijk voor de oplevering. Zo gebruiken we AI als hulpmiddel voor zorgvuldig ontwikkelwerk, met ruimte voor menselijke tegenspraak en correctie.
Veelgestelde vragen
Schrijft AI alle software van AioriQ?
Nee. AI ondersteunt bij onderdelen van het ontwikkelwerk. De inhoudelijke keuzes, codebeoordeling, tests en oplevering blijven mensenwerk.
Betekent een geslaagde test dat een oplossing live is?
Nee. Een test bevestigt alleen het gedrag in de geteste omgeving en omstandigheden. Publicatie, controle met echte gegevens en acceptatie zijn afzonderlijke stappen.
Lees de Proflebo-case voor de gerealiseerde Data Hub, of maak kennis met het team en Novi.
Van inzicht naar uitvoering
Bekijk de diensten en expertise waarmee we dit vraagstuk analyseren en realiseren.
Verder lezen
Bekijk de andere inzichten binnen dit onderwerp voor aanvullende afwegingen en praktische uitleg.
Wanneer is AI geschikt voor een bedrijfsproces?
Beoordeel taak, data, risico, kwaliteit en menselijke controle.
Lees het inzicht
RAG of een AI-model trainen: wat past bij interne kennis?
Kies tussen kennis ophalen, modelgedrag aanpassen of beide.
Lees het inzicht
Hoe meet je de kwaliteit van een AI-oplossing?
Maak technische kwaliteit, bruikbaarheid en procesrisico toetsbaar.
Lees het inzichtWaar loopt jouw organisatie vast in processen, systemen of data?
Vertel ons wat er speelt. In een eerste gesprek verkennen we de vraag, de randvoorwaarden en een passende vervolgstap.
