AI augmented engineering en context engineering in de praktijk

Eind 2022 klonk met de komst van ChatGPT het startschot voor een ingrijpende verandering in de IT-wereld. Voor studenten die destijds aan hun IT-opleiding begonnen, ziet het werkveld er nu, nog geen vier jaar later, compleet anders uit. AI is niet langer een slimme zoekmachine naast je code-editor, maar een volwaardige partner in je workflow. Bij Info Support noemen we deze evolutie AI Augmented Engineering. Daniël Stegeman, software engineer bij Info Support, rolde precies tijdens deze omslag het vak in. Hoe ziet zijn dagelijkse werk eruit? Wat is het verschil met ‘vibe coding’? En waarom hebben juist startende IT’ers nu een grote voorsprong?

Hoe heb jij de AI-revolutie sinds je start bij Info Support ervaren?

Toen ik aan mijn laatste studiejaar begon, was ChatGPT er net. Ik kan me nog herinneren dat een collega aan mij vroeg: ‘Heb je dat wel eens gezien? Die kan gewoon ook code voor je schrijven.’ Je kopieerde en plakte toen een stukje, maar meestal was het toch net niet wat je zocht. Niemand besefte op dat moment hoeveel impact het zou hebben.

Lange tijd bleef die impact ook beperkt. Je stelde af en toe een programmeervraag, maar wezenlijk veranderde er weinig. De echte omslag vond pas een jaar geleden plaats, toen de AI-tools naadloos in onze ontwikkelomgeving werden geïntegreerd.

Was dat een abrupte overstap naar een nieuwe manier van werken?

Nee, dat is heel geleidelijk gegaan. Ik ben er stap voor stap in meegegroeid. Het begon met simpele taken, zoals het genereren van een SQL-query via een losse chat. Al snel konden de modellen ook rechtstreeks aanpassingen doen in mijn bestanden. Inmiddels maken we gebruik van geavanceerde agents die zelfstandig informatie opzoeken. Het was dus echt een natuurlijke evolutie tot de werkwijze van vandaag. Zelf werk ik nu voornamelijk met GitHub Copilot in combinatie met Claude-modellen.

Vind je het jammer dat je zelf minder code schrijft?

Dat vind ik persoonlijk geen nadeel, want ik ben altijd al resultaatgericht geweest. Mijn werkplezier haal ik vooral uit het zien van een werkend eindproduct en dat resultaat bereik ik nu veel sneller. In die zin vind ik mijn werk nu zelfs leuker dan voorheen. Ik ben onlangs ook weer voor het eerst in mijn vrije tijd gaan programmeren.

Er is op dat vlak wel een duidelijk verschil per developer. Mensen die juist enorm veel voldoening halen uit het uitschrijven van complexe functies op detailniveau, ervaren deze verandering heel anders. Voor de ‘puzzelaars’ onder ons is dit een behoorlijke omschakeling, waar niet iedereen direct op zit te wachten.

Vormt 'vibe coding' door non-IT'ers een bedreiging voor de software engineer?

Dat zie ik momenteel absoluut niet als een bedreiging. Het bedient eigenlijk een heel andere markt. Vibe coding is ideaal voor business professionals die snel een proof of concept willen neerzetten of een idee willen valideren. Daar is deze methode uitermate geschikt voor, omdat de onderliggende architectuur op dat moment nog niet perfect hoeft te zijn.

Software engineers bouwen echter complexe, bedrijfskritische systemen. Zodra je een applicatie naar de markt wilt brengen die door klanten gebruikt wordt, blijf je software engineers nodig hebben. Het grote verschil tussen vibe coding en AI Augmented Engineering zit in de controle en het ownership. Voor een hobbyproject is de structuur minder relevant, maar als ik software voor een bank ontwikkel, moet je 100% zeker weten dat het veilig en stabiel is. Ik laat AI de code genereren, maar ik ben nog steeds degene die de pull request goedkeurt en garant staat voor de kwaliteit.

Verlies je als ontwikkelaar niet je fundamentele kennis als AI alles genereert?

Veel IT’ers maken zich daar zorgen over, maar ik ervaar in de praktijk juist het tegenovergestelde: AI is een uitstekende leermeester. Als de tool een verrassende oplossing aandraagt, vraag ik simpelweg: ‘Waarom doe je dit zo? Waar is dit op gebaseerd?’.

Je verliest je kennis niet, de focus verschuift alleen. Ik programmeer in C#, maar ik weet dat er onder de motorkap nog een abstractielaag zit, en daaronder machine code. Die kennis heb ik wel op globaal niveau, maar ik hoef de machine code niet zelf te schrijven. Zo kun je de inzet van AI ook zien: je schuift op naar een hoger abstractieniveau. Je behoudt de helikopterview en bouwt verder op de fundamentele vaardigheden die jou tot een goede software engineer maken. Dat principe verandert niet met de komst van AI.

Hoe ziet het gebruik van AI er in de praktijk uit?

De grootste sprong voorwaarts is het werken met ‘Agents’: AI-modellen die zelfstandig keuzes maken. Voorheen was je veel tijd kwijt aan het schrijven van uitgebreide prompts. Deed je dat niet, dan werd de ontbrekende informatie door de AI zelf verzonnen. Tegenwoordig leggen we al die context vast in instructies en templates. Dat noemen we context engineering.

Ik gebruik bijvoorbeeld een specifieke agent voor het verfijnen van backlog-items en user stories. Via het Model Context Protocol (MCP) haalt deze agent zelfstandig de benodigde projectinformatie uit Azure DevOps. Ik geef de agent de opdracht om een item uit te werken, waarbij de AI verplicht is om ons Info Support-template te volgen en mij gerichte vragen te stellen. Door de agent op die manier sturing te geven, krijg je consistente resultaten.

Wat wordt volgens jou de volgende grote stap hierin?

Op dit moment zie je al dat multi-agent-systemen, waarbij groepen agents met elkaar communiceren om problemen op te lossen, hun intrede doen in code-editors. Maar de echte volgende stap ligt in het beheer van die context.

Nu is het bijsturen van agents nog vaak handwerk voor de gebruiker via instructies en ‘skills’. Ik verwacht dat agents in de nabije toekomst zelf hun eigen context gaan bijhouden via een autonoom geheugen. Zonder tussenkomst van de gebruiker ‘onthouden’ ze dan feedback uit chatsessies, waardoor het systeem als geheel leert en verbetert. Taalmodellen kunnen dit van zichzelf nog niet, maar tools zoals GitHub Copilot heeft hier nu een allereerste experimentele feature voor.

Hoe zorg je dat je als team bijblijft in een wereld die zo snel verandert?

Om als team niet achterop te raken, draait alles om continue kennisdeling. Omdat de ontwikkelingen zich in zo’n hoog tempo opvolgen, is wachten op een formele training vaak geen optie. Je moet letterlijk bij elkaar over de schouder meekijken, aan pair programming doen, workshops organiseren en gewoon in de praktijk samen aan de slag gaan.

Tijdens dat proces loop je binnen je team weleens tegen boeiende discussies aan. Je leert als team onderscheid te maken tussen een ‘persoonlijke workflow’, waar eigenlijk geen goed of fout in zit, en afspraken die we als fundamentele proces- of teamafspraak moeten vastleggen.

Hebben we door deze tijdwinst straks minder IT-ers nodig?

Organisaties hopen vaak dat projecten door deze efficiëntieslag sneller en goedkoper worden afgerond. Ik vergelijk de huidige ontwikkelingen vaak met de industriële revolutie. Automatisering maakte alles sneller, maar dat leidde er niet toe dat we minder gingen werken; we gingen de vrijgekomen tijd juist benutten om meer en complexere producten te maken. Datzelfde geldt voor de IT: doordat AI het repetitieve werk overneemt, krijgen we de capaciteit om veel complexere systemen te bouwen. Ik verwacht dan ook dat het vakgebied alleen maar verder zal groeien.

Wat wil je IT-studenten en sceptische ontwikkelaars meegeven?

Er zullen ongetwijfeld bedrijven blijven vasthouden aan de methoden van tien jaar geleden. Het zal nog even duren voordat iedereen inziet dat deze manier van werken de nieuwe standaard is.

Aan de huidige IT-studenten wil ik vooral meegeven: je hebt nu een enorme voorsprong. Je bent nog flexibel en zit niet vast in een oude routine. De vaardigheden die je tijdens je hbo-studie opdoet, zoals samenwerken, complexe projecten overzien en nadenken over architectuur, zijn cruciaal. Juist die vaardigheden, en niet per se het pure programmeren, maken in dit nieuwe tijdperk echt het verschil.