Het versnellen van het professionele ontwikkelproces met AI gedreven Agentic SDLC
Van losse AI-hulp naar agentic development
Een paar jaar geleden maakten we op grote schaal kennis met Large Language Models. Ineens konden we in gewone taal een vraag stellen aan AI en daar een verrassend bruikbaar antwoord op krijgen.
Al snel bleek dat hetzelfde principe ook uitstekend werkt voor softwareontwikkeling. Want programmeercode is uiteindelijk ook taal. Je beschrijft wat je wilt maken en AI helpt je om de bijbehorende code te schrijven.
Van vragen stellen naar software bouwen
Dit wordt ook wel vibe coding genoemd. Je vertelt een AI wat voor applicatie je wilt hebben, laat code genereren, bekijkt het resultaat en geeft vervolgens nieuwe instructies.
Daarmee is software bouwen ineens toegankelijk geworden voor mensen die zelf geen professionele softwareontwikkelaar zijn. Een soort nieuwe generatie citizen development: met behulp van AI kun je in korte tijd een website, app of prototype bouwen.
Maar daarmee ben je er bij professionele softwareontwikkeling nog niet.
Bij een bedrijfskritisch applicatie draait het niet alleen om zichtbare functionaltieit. Er moet ook worden nagedacht over onder andere:
-
security en privacy;
-
architectuur en schaalbaarheid;
-
performance en betrouwbaarheid;
-
testen en kwaliteit;
-
onderhoudbaarheid van de code;
-
monitoring en logging;
-
deployment en beheer.
En precies daar zien we nu een volgende stap ontstaan.
AI komt de hele software lifecycle binnen
Softwarebedrijven gebruiken AI namelijk niet alleen om sneller code te schrijven. AI-agents kunnen steeds meer taken binnen de complete Software Development Lifecycle (SDLC) uitvoeren.
De ene agent kan bijvoorbeeld code implementeren, terwijl andere agents of geautomatiseerde controles tests uitvoeren, code reviewen, securityproblemen zoeken of controleren of software aan afgesproken standaarden voldoet.
Zo ontstaat een omgeving waarin verschillende AI-agents en tools samenwerken rond het ontwikkelen van software.
Een agent krijgt een taak, gebruikt de beschikbare code, documentatie en regels als context, voert zijn werk uit en kan het resultaat vervolgens weer laten controleren. Bevindingen uit eerdere stappen kunnen bovendien opnieuw als context worden gebruikt bij volgende stappen.
De engineer verdwijnt daarmee niet
Dat betekent niet dat de professionele software engineer overbodig wordt. Integendeel.
Er moeten nog steeds keuzes worden gemaakt over architectuur, risico's, uitzonderingen en wat überhaupt een goede oplossing is. Daarom blijft een human in the loop belangrijk.
De rol verandert alleen.
Waar een engineer vroeger veel van het uitvoerende werk zelf deed, kan hij of zij steeds meer richting geven, randvoorwaarden bepalen, resultaten beoordelen en ingrijpen wanneer dat nodig is.
Agentic Software Development Lifecycle
En daarmee komen we bij Agentic Software Development Lifecycle, oftewel Agentic SDLC.
Het uitgangspunt is eigenlijk heel eenvoudig:
laat AI zoveel mogelijk van het uitvoerende werk binnen de softwareontwikkeling uitvoeren, maar organiseer daaromheen de kennis, regels, controles en menselijke besluitvorming die nodig zijn om professionele software te bouwen.
Het gaat dus om veel meer dan AI die code schrijft.
Agents kunnen actief worden in vrijwel de hele lifecycle: van requirements en ontwerp tot development, testen, security, deployment en beheer.
Daarmee verschuift softwareontwikkeling stap voor stap van een grotendeels handmatig proces naar een proces waarin mens en AI samenwerken en waarin steeds meer werkzaamheden automatisch kunnen worden uitgevoerd en gecontroleerd.
En precies daarin zit de kracht van Agentic SDLC: niet alleen sneller code produceren, maar het volledige proces van professionele softwareontwikkeling versnellen.