De AI Software Factory: slimmer ontwikkelen zonder de menselijke maat te verliezen

De opkomst van AI zorgt voor veel vragen binnen softwareontwikkeling. Wordt de ontwikkelaar vervangen? Ontstaat straks software volledig automatisch? En wat betekent dit voor kwaliteit, beveiliging en verantwoordelijkheid?

Bij Bergler kijken we daar nuchter naar. AI verandert de manier waarop we software ontwikkelen ingrijpend, maar niet de verantwoordelijkheid van de mensen die eraan werken. Juist daarom spreken wij over een AI Software Factory: een moderne DevSecOps-aanpak waarin AI ondersteunt, versnelt en automatiseert, terwijl mensen de belangrijke beslissingen blijven nemen.

De AI Software Factory is geen los hulpmiddel of een slimme chatbot naast het ontwikkelproces. AI wordt geïntegreerd in de volledige levenscyclus van softwareontwikkeling: van het eerste idee tot monitoring in productie. Daarbij geldt steeds hetzelfde uitgangspunt: AI ondersteunt, mensen beslissen.

AI als onderdeel van de volledige DevSecOps-cyclus

Softwareontwikkeling bestaat al lang niet meer alleen uit programmeren. Moderne teams werken volgens DevSecOps-principes waarbij ontwikkeling, security en operations nauw samenwerken. Binnen de AI Software Factory wordt AI op iedere stap ingezet om werkzaamheden te versnellen, inzichten te leveren en repetitieve taken te automatiseren.

Tegelijkertijd blijft menselijke expertise essentieel. Architectuurkeuzes, ontwerpbeslissingen, acceptatie van wijzigingen en vrijgave naar productie blijven de verantwoordelijkheid van ervaren professionals.

Laten we de verschillende stappen in de AI Software Factory bekijken.

1. Requirements: van wens naar duidelijke vraag

Veel softwareprojecten lopen vertraging op doordat requirements onvolledig, tegenstrijdig of ambigu zijn. AI kan hier al in een zeer vroeg stadium waarde toevoegen.

AI helpt bij het verzamelen, structureren en prioriteren van requirements. Grote hoeveelheden documentatie, procesbeschrijvingen en stakeholderinput kunnen automatisch worden geanalyseerd en samengevat. Daardoor ontstaat sneller inzicht in wat werkelijk nodig is.

De rol van de businessanalist verandert hiermee niet. Integendeel. Omdat AI veel voorbereidende werkzaamheden overneemt, ontstaat meer ruimte voor gesprekken met gebruikers en het scherp krijgen van de daadwerkelijke behoefte.

2. AI-Assisted Analysis: inzicht in risico’s en afhankelijkheden

Wanneer requirements beschikbaar zijn, volgt de analysefase. Hier onderzoekt het team welke impact een wijziging heeft op bestaande systemen, processen en architecturen.

AI kan grote hoeveelheden informatie analyseren die voor mensen lastig volledig te overzien zijn. Denk aan:

• afhankelijkheden tussen applicaties;
• bestaande functionaliteit;
• technische schuld;
• compliance-eisen;
• potentiële risico’s.

Waar een analist vroeger dagen bezig was met het doorspitten van documentatie, kan AI in minuten relevante verbanden blootleggen.

Dat betekent overigens niet dat de analyse automatisch correct is. De uitkomsten vormen een advies dat door ervaren professionals wordt beoordeeld en gevalideerd.

3. Architecture Decisions: de mens blijft aan het roer

Misschien wel de belangrijkste stap in de hele AI Software Factory is de architectuurfase.

AI kan alternatieven voorstellen, bestaande patronen herkennen en technische consequenties inzichtelijk maken. Het systeem kan bijvoorbeeld aanbevelen om een bestaande applicatie op te splitsen, een cloud-native architectuur toe te passen of bepaalde integratiepatronen te gebruiken.

Maar hier stopt de autonomie van AI. Architectuurbeslissingen hebben gevolgen voor jaren. Ze raken onderhoudbaarheid, kosten, beveiliging, schaalbaarheid en organisatieprocessen. Dat vraagt om afwegingen die verder gaan dan technische optimalisatie alleen.

Daarom blijven architecten verantwoordelijk voor de uiteindelijke keuzes. AI levert informatie en suggesties, maar de beslissing ligt bij de mens.

4. AI-Supported Development: de moderne programmeerpartner

De bekendste toepassing van AI bevindt zich in de ontwikkelfase.

AI-assistenten ondersteunen ontwikkelaars met:

• codegeneratie;
• uitleg van bestaande code;
• refactoringvoorstellen;
• documentatie;
• unit tests;
• voorbeeldimplementaties.

Hierdoor kunnen ontwikkelaars sneller werken en meer aandacht besteden aan complexe vraagstukken.

Belangrijk is wel dat de rol van de ontwikkelaar niet verdwijnt. Integendeel. Wie met AI werkt, moet juist goed begrijpen hoe software werkt. Slechte prompts leveren slechte resultaten op en gegenereerde code moet altijd worden beoordeeld op kwaliteit, onderhoudbaarheid en veiligheid.

De productiviteit stijgt, maar professionele expertise blijft noodzakelijk.

5. Automated Testing: kwaliteit op snelheid

Testen is een gebied waar AI bijzonder veel waarde toevoegt.

AI kan automatisch testscenario’s genereren op basis van requirements of broncode. Daarnaast kan AI helpen bij het opstellen van regressietests, integratietests en zelfs acceptatietests.

Hierdoor ontstaan meerdere voordelen:

• grotere testdekking;
• snellere feedback;
• minder handmatig werk;
• hogere softwarekwaliteit.

Testautomatiseerders en QA-specialisten blijven echter verantwoordelijk voor de teststrategie. Zij bepalen welke risico’s belangrijk zijn en welke kwaliteitscriteria gelden voor de applicatie.

AI automatiseert de uitvoering, maar niet het kwaliteitsbeleid.

6. Human Code Review: controle blijft mensenwerk

Hoewel AI steeds beter code kan genereren, blijft code review een cruciale kwaliteitsstap.

Binnen de AI Software Factory worden wijzigingen altijd beoordeeld door engineers. Zij controleren onder meer:

• architectuurconformiteit;
• onderhoudbaarheid;
• performance-impact;
• beveiligingsaspecten;
• functionele juistheid.

AI kan reviewers ondersteunen door potentiële problemen te markeren of inconsistenties aan te wijzen, maar het uiteindelijke akkoord komt van een mens.

Dit principe voorkomt dat fouten van AI ongecontroleerd doorstromen naar productie.

7. Security Validation: DevSecOps vanaf de eerste regel code

Security is geen losse fase aan het einde van een project. Binnen de AI Software Factory is beveiliging geïntegreerd in het volledige ontwikkelproces.

AI ondersteunt hier met:

• kwetsbaarheidsscans;
• dependency-analyse;
• controle op beveiligingsstandaarden;
• detectie van bekende beveiligingsrisico’s;
• compliance-checks.

Doordat deze controles continu plaatsvinden, worden problemen veel eerder ontdekt.

Ook hier geldt dat securityspecialisten verantwoordelijk blijven voor de uiteindelijke beoordeling van de risico’s en het bepalen van passende maatregelen.

8. Release: gecontroleerd naar productie

De laatste stap is de release naar productie.

AI ondersteunt deployment pipelines, infrastructuurautomatisering en rollout-strategieën. Veel handmatige werkzaamheden verdwijnen hierdoor uit het proces.

Denk aan:

• automatische kwaliteitscontroles;
• deployment-validaties;
• infrastructuurconfiguratie;
• gecontroleerde releases;
• rollback-mechanismen.

Daardoor kunnen organisaties sneller releasen met minder risico.

De beslissing om daadwerkelijk live te gaan blijft echter een menselijke verantwoordelijkheid. AI kan adviseren, maar niet beslissen.

Operate, Monitor en Continuous Improvement

De AI Software Factory stopt niet na een succesvolle release.

In productie helpt AI bij:

• monitoring;
• anomaliedetectie;
• capaciteitsplanning;
• incidentanalyse;
• operationele optimalisatie.

Patronen die voor mensen moeilijk zichtbaar zijn, worden vroegtijdig gesignaleerd. Hierdoor kunnen problemen vaak worden opgelost voordat gebruikers er last van krijgen.

Daarnaast ontstaat een continue feedbacklus. Informatie uit productie wordt gebruikt om requirements, architectuur en ontwikkeling verder te verbeteren. Zo wordt de softwarefabriek steeds slimmer.

De belangrijkste les: AI ondersteunt, mensen blijven verantwoordelijk

Wie naar de AI Software Factory kijkt, ziet al snel veel automatisering. Toch draait het model juist om de balans tussen technologie en menselijk vakmanschap.

AI versnelt analyses, ondersteunt ontwikkelaars, automatiseert testen en helpt bij monitoring. Daardoor kunnen teams zich richten op activiteiten waar menselijke expertise het verschil maakt.

Architectuurbeslissingen, code reviews, security-afwegingen en productiereleases blijven in handen van professionals.

Daarmee verandert AI softwareontwikkeling fundamenteel, maar niet het principe van verantwoordelijkheid. De organisatie die software bouwt, blijft eigenaar van de keuzes die worden gemaakt.

Dat is precies waar de AI Software Factory voor staat: sneller ontwikkelen met behulp van AI, zonder concessies te doen aan kwaliteit, veiligheid en menselijke verantwoordelijkheid.