Bij 'systeemontwikkeling' dacht men vroeger aan uitgebreide requirementsdocumenten, werk dat per fase aan verschillende teams werd toegewezen en meerdere reviewrondes, en aan projecten die maanden tot jaren duurden.
Die aanpak is niet helemaal verdwenen, maar de praktijk van applicatieontwikkeling is al verschoven naar een werkwijze waarin AI-agents een vaste rol spelen.
AI-agents zijn niet langer alleen hulpmiddelen die code aanvullen op basis van instructies.
Ze lezen de volledige repository, plannen het werk, bewerken meerdere bestanden, voeren tests uit, passen hun aanpak aan op basis van de resultaten en bundelen de wijzigingen die ter review worden voorgelegd.
Al deze stappen verlopen inmiddels als één doorlopende stroom.
Dit is geen toekomstbeeld. AI-agents die delen van het ontwikkelproces daadwerkelijk uitvoeren, zijn al een reële keuze in de praktijk.
AI-agents evolueren van ondersteuning naar het aansturen van het ontwikkelproces
De fases 'requirements, ontwerp, implementatie en test' bestaan nog steeds. Wat is veranderd, is dat ze niet meer één voor één in een vaste volgorde worden doorlopen.
Wanneer het doel en de acceptatiecriteria zijn aangegeven, stelt een AI-agent een implementatievoorstel op en schrijft de code en tests. Als het resultaat niet klopt, herzien mensen de requirements of de UI, waarna de agent de implementatie en verificatie opnieuw uitvoert. Ontwikkeling in korte cycli van requirements, ontwerp, implementatie en verificatie is inmiddels de dagelijkse realiteit.
Mensen schrijven minder vaak regel voor regel code, maar ontwikkeling wordt daarmee niet overbodig.
Wat van mensen wordt gevraagd, is bepalen welke taken aan AI-agents worden overgelaten, het doel, de beperkingen en de acceptatiecriteria helder formuleren, en beoordelen of het resultaat deugt.
Van "bouwen na de vergadering" naar "direct bouwen en testen"
We genereren UI terwijl we naar de wensen van de klant luisteren, stemmen die af op het bestaande designsysteem en onderzoeken hoe we de koppeling met de API leggen. Op basis van feedback passen we schermen en gedrag direct aan. Wat vroeger tot het prototypestadium beperkt bleef, kan nu worden uitgewerkt met een precisie die dicht bij echte implementatie ligt.
Maar dat een scherm werkt, betekent nog niet dat het veilig is om in productie te gebruiken.
Pas wanneer datamodellering, rechtenbeheer, foutafhandeling, prestaties, monitoring, beheer en onderhoud zijn meegenomen, wordt het een applicatie die je zakelijk kunt gebruiken.
AI-agents maken het aanzienlijk sneller om iets tot stand te brengen, maar het ontwerp en de afwegingen die nodig zijn om het betrouwbaar en blijvend bruikbaar te houden, blijven onmisbaar.
Meer werk verzetten met AI-agents en een klein team
Doordat AI-agents implementatie, testen, documentatie en onderzoek achter elkaar uitvoeren, kan een klein team een veel groter werkgebied aan.
Daardoor liggen de grenzen tussen ontwerpers, frontend-ontwikkelaars, backend-ontwikkelaars en testers dichter bij elkaar dan voorheen. Rollen verdwijnen niet, maar de verschuiving gaat richting minder overdrachten tussen functies en één team dat van beslissing tot verbetering het volledige traject overziet.
In plaats van werk over veel schakels te verdelen, wordt het steeds realistischer om met een klein team dat context deelt snel te experimenteren, terwijl specialisten de kritieke punten controleren.
Nu we sneller kunnen bouwen, is beveiliging belangrijker
AI-agents stellen niet alleen code voor, maar kunnen bestanden wijzigen, externe tools aanroepen en tests of builds uitvoeren. Doordat hun handelingsruimte groter is geworden, kunnen fouten in de implementatie of gevaarlijke wijzigingen ook sneller doorgevoerd worden.
Bij ontwikkeling met AI-agents komen naast de bekende kwetsbaarheden ook nieuwe risico's kijken, zoning als voorgestelde afhankelijkheden die niet bestaan of verouderd zijn, over het hoofd geziene authenticatie- en autorisatiefouten, gelekte geheimen, te ruime rechten, prompt injection en onbedoelde wijzigingen in de CI/CD-configuratie.
Daarom moet code die door een AI-agent is gegenereerd of gewijzigd, minstens aan dezelfde, of zelfs strengere, kwaliteitscontroles worden onderworpen als code die door mensen is geschreven.
- Beperk de rechten en toegang van AI-agents tot het strikt noodzakelijke
- Voer ze uit in een omgeving die is afgeschermd van productiegeheimen
- Controleer afhankelijkheden, kwetsbaarheden en licenties geautomatiseerd
- Laat authenticatie en autorisatie, invoervalidatie en de verwerking van persoonsgegevens door een mens controleren
- Beschouw code niet als veilig op basis van alleen het feit dat de tests slagen
- Leg vast wie de wijzigingen heeft gecontroleerd en goedgekeurd
Code is niet veilig omdat een AI-agent haar heeft geschreven, en ook niet onveilig omdat een AI-agent erbij betrokken was. Belangrijk is dat er een persoon is die de eindverantwoordelijkheid draagt, en dat AI-agents worden ingezet binnen een veilig ontwikkelproces dat rechten, uitvoeringsomgeving, controles en goedkeuringen omvat.
Toegankelijkheid kan niet alleen door AI-agents worden gerealiseerd
AI-agents leveren ook op het gebied van toegankelijkheid waardevolle resultaten.
Het aantal taken dat geautomatiseerd kan worden, neemt toe: van het analyseren van HTML-structuren en het opsporen van ontbrekende labels, tot het voorstellen van alternatieve teksten, het controleren van kleurcontrast, het genereren van testcases en het implementeren van oplossingen. Zo worden problemen al in een vroeg stadium van het ontwerp of de implementatie gevonden, wat de kosten van herstelwerk verlaagt.
Tegelijkertijd kan een groot deel van de toegankelijkheid niet volledig automatisch worden beoordeeld. Ook de evaluatiemethoden van het W3C benadrukken dat evaluatietools weliswaar nuttig zijn, maar dat controle door deskundigen en, waar nodig, deelname van gebruikers met een beperking essentieel blijven.
Bepaalde aspecten vereisen ook nu nog visuele controle en handmatige tests, bijvoorbeeld:
- Kan de site uitsluitend met het toetsenbord zonder verwarring worden bediend?
- Is de volgorde van de focus logisch en is de focusindicatie duidelijk zichtbaar?
- Worden statuswijzigingen en foutmeldingen correct voorgelezen door een schermlezer?
- Blijven informatie en functies behouden bij vergroting en bij reflow van de pagina?
- Passen koppen, linkteksten en alternatieve teksten bij de context?
- Kunnen echte gebruikers de beoogde handelingen succesvol voltooien?
Kortom: geautomatiseerde controles en correcties door AI-agents gaan altijd samen met handmatige verificatie door mensen, bediening en ondersteunende technologieën. Juist nu wordt het steeds belangrijker om accessibility niet als laatste controlepunt te behandelen, maar in elke fase te integreren: bij de eisen, het ontwerp, de implementatie en het testen.
Gevraagd wordt een technicus die context en beperkingen kan aangeven
Waarop men straks wordt beoordeeld, is niet alleen wie code snel kan schrijven of prompts goed kan formuleren.
Het gaat om wie kan vaststellen "waarom bouwen we dit", "wie gebruikt het", "wanneer is het af" en "welke risico's zijn onaanvaardbaar", die AI-agents de juiste context en beperkingen kan meegeven, rechten en kwaliteitscontroles kan ontwerpen en de resultaten kan verifiëren.
Het werk van technici verschuift van zelf alles uitvoeren naar AI-agents en specialisten op de juiste manier combineren en de kwaliteit sturen. De uiteindelijke verantwoordelijkheid voor juistheid, veiligheid en gebruiksvriendelijkheid ligt nog steeds bij mensen.
Als Liberogic
Bij Liberogic is het invoeren van AI op zich niet ons hoofddoel.
Onze kennis, opgedaan bij moderne frontend-ontwikkeling, complexe API-integraties, UI/UX-ontwerp en accessibility-diensten, vertalen we naar context en beperkingen voor AI-agents, zodat we sneller kunnen verifiëren en verbeteren.
Snel vormgeven. Daadwerkelijk testen. En alles afronden tot het veilig en betrouwbaar bruikbaar is, inclusief beveiliging, accessibility en beheerbaarheid.
In plaats van te kiezen tussen snelheid en kwaliteit, richten we onze aandacht op grondiger controle en een betere gebruikerservaring. Dat is onze visie op de toekomst van ontwikkeling.
Tot slot
Applicatieontwikkeling is al veranderd.
Van een proces waarin één persoon alle werkzaamheden draagt,
naar een proces waarin een mens doel en randvoorwaarden aangeeft, een AI-agent uitvoert en een mens het resultaat controleert en verantwoordelijkheid draagt.
Het gaat er niet langer om of u AI-agents gebruikt.
Het gaat erom hoeveel u delegeert, welke bevoegdheden u toekent, waar een mens beslissingen neemt en hoe u een kwaliteit bereikt die u kunt vertrouwen.
Hoewel hij directeur is, werkt hij altijd als gesprekspartner van de klant. Hij raakt enthousiast van het begrijpen van nieuwe technologieën en van het moment dat iets handiger wordt, en duikt daar volledig in. Een echte praktijkmens die van de werkvloer houdt. Hij blijft ook op latere leeftijd graag nieuwe ervaringen opdoen en kijkt uit naar toekomstige technologieën.
Tadanori Morimoto
Projectmanager / Director / Opgericht in 2007