Veel mensen hebben AI-tools geprobeerd en waren niet onder de indruk. Ik begrijp het: veel demo’s beloven magie, maar in de praktijk kunnen de resultaten teleurstellend aanvoelen.
Daarom schrijf ik dit niet als een voorspelling van de toekomst, maar vanuit geleefde ervaring. De afgelopen zes maanden heb ik mijn technische organisatie AI-first gemaakt. Ik heb eerder verteld over het systeem achter deze transformatie – hoe we de workflows, de statistieken en de vangrail hebben gebouwd. Vandaag ga ik uitzoomen op de mechanica en praten over wat ik heb geleerd vanuit die ervaring – over waar ons vak naartoe gaat als de softwareontwikkeling zelf binnenstebuiten keert.
Voordat ik dat doe, een paar cijfers om de omvang van de verandering te illustreren. Subjectief gezien voelt het alsof we twee keer zo snel bewegen. Objectief gezien is dit hoe de doorvoer zich ontwikkelde. Het totale personeelsbestand bij ons engineeringteam is gestegen van 36 aan het begin van het jaar naar 30. U krijgt dus ~170% doorvoer op ~80% personeelsbestand, wat overeenkomt met de subjectieve ~2x.
Toen ik inzoomde, koos ik een paar van onze senior engineers die het jaar begonnen met een meer traditioneel softwareontwikkelingsproces en het op de AI-first-manier beëindigden. (De duikers komen overeen met vakanties en off-sites):
Houd er rekening mee dat onze PR’s gekoppeld zijn aan JIRA-tickets, en dat het gemiddelde volume van die tickets in de loop van het jaar niet veel is veranderd, dus dat is een zo goed mogelijke indicatie als de gegevens ons kunnen geven.
Kwalitatief gezien, als ik naar de bedrijfswaarde kijk, zie ik zelfs een nog hogere lift. Eén reden is dat toen we vorig jaar begonnen, ons kwaliteitsborgingsteam (QA) de snelheid van onze ingenieurs niet kon bijhouden. Als bedrijfsmanager was ik niet blij met de kwaliteit van sommige van onze vroege releases. Naarmate we vorderden door het jaar, en ons gereedschap AI-workflows Door schrijfeenheden en end-to-end-testen op te nemen, verbeterde onze dekking, nam het aantal bugs af, werden gebruikers fans en vermenigvuldigde de zakelijke waarde van engineering.
Van groot ontwerp tot snelle experimenten
Vóór AI waren we wekenlang bezig met het perfectioneren van gebruikersstromen voordat we code schreven. Dat was logisch, want de verandering was duur. Agile hielp, maar zelfs toen was het te duur om meerdere productideeën te testen.
Toen we eenmaal AI-first gingen, verdween die afweging. De kosten van experimenteren ingestort. Een idee kan in één dag van whiteboard naar werkend prototype gaan: van idee naar door AI gegenereerd productvereistendocument (PRD), naar door AI gegenereerde technische specificaties, naar door AI ondersteunde implementatie.
Het kwam tot uiting in een aantal verbazingwekkende transformaties. Onze site – centraal in onze acquisitie en inkomende vraag – is nu een systeem op productschaal met honderden op maat gemaakte componenten, allemaal rechtstreeks in code ontworpen, ontwikkeld en onderhouden door onze creatief directeur.
In plaats van te valideren met dia’s of statische prototypes, valideren we nu met werkende producten. We testen ideeën live, leren sneller en brengen elke twee maanden grote updates uit, een tempo dat ik drie jaar geleden niet had kunnen bedenken.
Zen CLI werd bijvoorbeeld eerst in Kotlin geschreven, maar daarna veranderden we van gedachten en verplaatsten we het naar TypeScript zonder de releasesnelheid te verliezen.
IIn plaats van de features te bespotten, coderen onze UX-ontwerpers en projectmanagers ze. En toen iedereen de tijd kreeg om het product uit te brengen, gingen ze aan de slag en repareerden tientallen kleine details met productieklare PR’s om ons te helpen een geweldig product te leveren. Dit omvatte onder meer het veranderen van de UI-indeling van de ene op de andere dag.
Van coderen tot validatie
De volgende shift kwam waar ik die het minst verwachtte: Validatie.
In een traditionele organisatie schrijven de meeste mensen code en test een kleinere groep deze. Maar wanneer AI een groot deel van de implementatie genereert, verschuift het hefboompunt. De echte waarde ligt in het definiëren van hoe ‘goed’ eruit ziet – in het expliciet maken van correctheid.
Wij ondersteunt meer dan 70 programmeertalen en talloze integraties. Onze QA engineers zijn uitgegroeid tot systeemarchitecten. Ze bouwen AI-agents die acceptatietests rechtstreeks vanuit vereisten genereren en onderhouden. En deze agenten zijn ingebed in de gecodificeerde AI-workflows waarmee we voorspelbare technische resultaten kunnen bereiken door een systeem te gebruiken.
Dit is wat ‘naar links verschuiven’ werkelijk betekent. Validatie is geen zelfstandige functie, maar een integraal onderdeel van het productieproces. Als de agent zijn werk niet kan valideren, kan hij niet worden vertrouwd om productiecode te genereren. Voor QA-professionals is dit een moment van heruitvinding, waarbij hun werk met de juiste bijscholing een cruciale factor wordt en versneller AI-adoptie.
Productmanagers, technische leiders en data-ingenieurs delen nu ook deze verantwoordelijkheid, omdat het definiëren van correctheid een cross-functionele vaardigheid is geworden, en niet een rol die beperkt is tot QA.
Van diamant tot dubbele trechter
Decennia lang had de softwareontwikkeling de vorm van een ‘ruit’: een klein productteam werd overgedragen aan een groot technisch team, en vervolgens teruggebracht via QA.
Tegenwoordig is die geometrie omgekeerd. Mensen zijn in het begin dieper betrokken (het definiëren van de intentie, het verkennen van opties) en aan het eind, bij het valideren van de resultaten. Het centrum waar AI wordt uitgevoerd is sneller en smaller.
Het is niet alleen een nieuwe workflow; het is een structurele inversie.
Het model lijkt minder op een lopende band en meer op een verkeerstoren. Mensen bepalen de richting en beperkingen, AI zorgt voor snelle uitvoering en mensen doen een stap terug om de resultaten te valideren voordat beslissingen in productie worden genomen.
Engineering op een hoger abstractieniveau
Elke grote sprong in de software bracht ons abstractieniveau omhoog: van ponskaarten tot programmeertalen op hoog niveau, van hardware tot de cloud. AI is de volgende stap. Onze ingenieurs werken nu aan een metalaag: het orkestreren van AI-workflows, het afstemmen van instructies en vaardigheden van agenten, en het definiëren van vangrails. De machines bouwen; mensen beslissen Wat En Waarom.
Teams beslissen nu routinematig wanneer AI-output veilig kan worden samengevoegd zonder beoordeling, hoe strak de autonomie van agenten aan productiesystemen moet worden gekoppeld en welke signalen daadwerkelijk op juistheid op schaal duiden; beslissingen die voorheen eenvoudigweg niet bestonden.
En dat is de paradox van AI-first engineering: het voelt minder als coderen en meer als denken. Welkom in het nieuwe tijdperk van menselijke intelligentie, mogelijk gemaakt door AI.
Andrew Filev is de oprichter en CEO van Zencoder
Welkom bij de VentureBeat-community!
In ons gastpostprogramma delen technische experts inzichten en bieden ze neutrale, onbevooroordeelde diepgaande inzichten in AI, data-infrastructuur, cyberbeveiliging en andere geavanceerde technologieën die de toekomst van het bedrijfsleven vormgeven.
Lees meer uit ons gastpostprogramma – en bekijk ons richtlijnen als u geïnteresseerd bent om uw eigen artikel bij te dragen!
