Wat AI echt verandert aan een softwareproject

Elke week vraagt een ondernemer ons hetzelfde: als AI nu code schrijft, waarom kost software dan nog steeds geld? Terechte vraag. Het eerlijke antwoord is dat AI verandert waar de tijd in een project naartoe gaat, niet of je mensen nodig hebt die weten wat ze doen.

In onze projecten maakt AI-tooling een duidelijk verschil op een paar specifieke plekken:

• Bestaande code lezen en documenteren. Een oude codebase van 100.000 regels begrijpen kostte vroeger weken. Nu brengen we modules, datastromen en verborgen bedrijfsregels in een paar dagen in kaart.
• Het saaie werk. Formulieren, beheerschermen, API-koppelingen en de basis voor tests kosten een fractie van de tijd.
• Tests. Een eerste set tests rond bestaand gedrag is snel gemaakt, en dat maakt migraties veel veiliger.
• Prototypes. Een klikbaar prototype met echte data kan al in de blueprint-week klaar zijn in plaats van na een maand.

Sommige onderdelen zijn nog net zo lastig als vijf jaar geleden:

• Bepalen wat je bouwt. AI kan niet in je magazijn staan en zien dat planners een papieren lijstje naast het scherm hebben liggen.
• Datakwaliteit. Zijn je klantgegevens een rommeltje, dan komt een snellere developer daar alleen eerder achter.
• Koppelingen met oude systemen. Het trage deel is meestal toegang, inloggegevens en een testomgeving regelen, niet de code schrijven.
• Controle en verantwoordelijkheid. Elke regel die live gaat, heeft nog steeds een senior engineer nodig die hem begrijpt.

Bij een gemiddelde webapp voor het mkb zien we de bouwfase met 30 tot 50 procent krimpen ten opzichte van een paar jaar geleden. Onderzoek, ontwerp en testen met echte gebruikers blijven ongeveer gelijk. Het totale project wordt dus goedkoper en sneller, maar niet met de 90 procent die sommige koppen beloven.

De grotere verandering is wat betaalbaar wordt. Projecten die vroeger te duur waren voor een bedrijf met 30 mensen, zoals een verouderde ERP-module vervangen of een echt klantportaal bouwen, passen nu in een normaal budget.

Praat je met een ontwikkelpartner, vraag dan:

• Voor welke delen van het project gebruiken jullie AI, en voor welke niet?
• Wie controleert door AI geschreven code voordat die live gaat?
• Zie ik de besparing terug in de offerte, of alleen in jullie marge?
• Van wie zijn de code en de prompts als het project klaar is?

Een goede partner beantwoordt dit zonder aarzelen. Is het antwoord vaag, dan is de besparing dat waarschijnlijk ook.

We noemen onszelf AI-native omdat we elk project rond deze tools inrichten, niet omdat de tools het werk doen. Het resultaat: kleinere teams, kortere doorlooptijden en meer budget voor wat echt bepaalt of software gebruikt wordt, namelijk het probleem goed begrijpen en het vroeg bij echte gebruikers neerleggen.