Veel mensen hebben AI-tools geprobeerd en waren niet onder de indruk. Ik begrijp het: veel demo’s beloven wonderen, maar in de praktijk kunnen de resultaten teleurstellend aanvoelen.
Daarom wilde ik dit niet schrijven als een futuristische voorspelling, maar vanuit levenservaring. De afgelopen zes maanden heb ik AI op de eerste plaats gezet in mijn technische organisatie. Ik heb eerder verteld over de systemen achter die transformatie: hoe we workflows, statistieken en vangrails hebben gebouwd. Vandaag wil ik uitzoomen op de mechanismen en praten over wat ik heb bestudeerd vanuit die ervaring – over waar ons beroep naartoe gaat als de softwareontwikkeling zelf op zijn kop wordt gezet.
Voordat ik dat doe, enkele 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 ontwikkelt. Het totale personeelsbestand van ons engineeringteam is gestegen van 36 aan het begin van het jaar naar 30. U krijgt dus ~170% doorvoer bij ~80% personeelsbestand, wat subjectief overeenkomt met ~2x.
Toen ik beter keek, heb ik een aantal van onze senior engineers uitgekozen die het jaar begonnen met een meer traditioneel software-engineeringproces en dit op een AI-first-manier hebben afgesloten. (Deze daling is te wijten aan vakanties en off-site):
Houd er rekening mee dat onze PR’s gekoppeld zijn aan JIRA-tickets en dat de gemiddelde dekking van die tickets in de loop van het jaar niet veel verandert. Dit is dus een goede indicatie voor de gegevens die we kunnen verstrekken.
Kwalitatief gezien zie ik, als we naar de bedrijfswaarde kijken, een grotere stijging. Eén reden is dat toen we vorig jaar begonnen, ons kwaliteitsborgingsteam (QA) de snelheid van onze ingenieurs niet kon bijhouden. Als bedrijfsleider was ik ontevreden over de kwaliteit van sommige van onze vroege releases. Terwijl we het hele jaar door vooruitgang boeken en ons uitrusten AI-workflow Door auteurs- en end-to-end unit-tests op te nemen, nam onze dekking toe, werd het aantal bugs geëlimineerd, werden gebruikers enthousiast en vermenigvuldigde de zakelijke waarde van technisch werk.
Van grootse ontwerpen tot snelle experimenten
Vóór AI waren we wekenlang bezig met het perfectioneren van gebruikersstromen voordat we code schreven. Het is logisch dat verandering duur is. Agile helpt, maar meerdere productideeën testen is te duur.
Zodra we prioriteit geven aan AI, verdwijnen deze afwegingen. Kosten test instorten. Een idee kan in één dag van whiteboard naar werkend prototype gaan: van idee tot door AI gegenereerd productvereistendocument (PRD), door AI gegenereerde technologiespecificatie tot door AI ondersteunde implementatie.
Dit manifesteert zich in een aantal verbazingwekkende transformaties. Onze website, cruciaal voor de acquisitie en de inkomende vraag, is nu een systeem op productschaal met honderden op maat gemaakte componenten, allemaal rechtstreeks door ons in code ontworpen, ontwikkeld en onderhouden 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 om de maand 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 functies te bespotten, hebben onze UX-ontwerpers en projectmanagers ze gecodeerd. En toen iedereen te maken kreeg met de releasetijd, kwamen ze in actie en repareerden tientallen kleine details met productieklare PR’s om ons te helpen een geweldig product te leveren. Dit omvat een wijziging in de lay-out van de gebruikersinterface van de ene op de andere dag.
Van coderen tot validatie
De volgende dienst vond plaats waar ik het het minst verwachtte: Validatie.
In traditionele organisaties schrijven de meeste mensen code en testen kleinere groepen deze. Maar omdat AI het merendeel van de implementaties genereert, verandert het beïnvloedingspunt. De echte waarde ligt in het definiëren van hoe ‘goed’ eruit ziet – in het expliciet maken van de waarheid.
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 gecodificeerde AI-workflows waarmee we met behulp van een systeem voorspelbare technische resultaten kunnen bereiken.
Dit is de ware betekenis van “naar links verschuiven”. Validatie is geen op zichzelf staande functie, maar eerder 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 belangrijke katalysator en versneller van vooruitgang wordt. AI-adoptie.
Productmanagers, technische leiders en data-ingenieurs delen nu ook deze verantwoordelijkheid, omdat het definiëren van de waarheid 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 ‘diamant’: een klein productteam werd overgedragen aan een groot technisch team, dat vervolgens via QA weer werd ingeperkt.
Op dit moment wordt die geometrie omgekeerd. Mensen zijn er in het begin nauwer bij betrokken – het stellen van intenties, het verkennen van opties – en aan het eind het valideren van de resultaten. Het midden, waar de AI uitvoert, is sneller en smaller.
Dit is niet zomaar 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 regelt de uitvoering snel en mensen doen een stap terug om de resultaten te valideren voordat er beslissingen worden genomen in de productie.
Engineering op een hoger abstractieniveau
Elke grote sprong in software verhoogt ons abstractieniveau – van ponskaarten tot programmeertalen op hoog niveau, van hardware tot de cloud. AI is de volgende stap. Onze engineers werken nu op de metalaag: het orkestreren van AI-workflows, het aanpassen van de instructies en vaardigheden van agenten, en het definiëren van vangrails. De machines werden gebouwd; mensen beslissen Wat En Waarom.
Teams beslissen nu routinematig wanneer AI-outputs veilig kunnen worden opgenomen zonder beoordeling, hoe strak de autonomie van agenten is gebonden binnen productiesystemen en welke signalen werkelijk duiden op correctheid op schaal, beslissingen die nooit eerder mogelijk waren.
En dat is de paradox van AI-first-engineering: het voelt minder als coderen en meer als denken. Welkom in een nieuw tijdperk van menselijke intelligentie, mogelijk gemaakt door AI.
Andrew Filev is de oprichter en CEO van Zencoder
Welkom bij de VentureBeat-community!
In ons gastenprogramma delen technische experts inzichten en geven ze onpartijdige, diepgaande uitleg over AI, data-infrastructuur, cyberbeveiliging en andere geavanceerde technologieën die de toekomst van ondernemingen vormgeven.
Lees meer uit ons gastenpostprogramma — en bekijk het eens richtlijnen als u geïnteresseerd bent om uw eigen artikel bij te dragen!
