Een tijdje geleden bouwden we bij Blis een MVP van een intern platform. Eén engineer, twee weken tijd, 30.000 regels volledig geteste C#-code. Dat klinkt onmogelijk — totdat je meerekent dat een groot deel van die code gegenereerd werd door een AI-agent. Wat normaal maanden zou duren, gebeurde nu in dagen.
Was het allemaal perfect? Zeker niet. Maar het werkte, het was getest, en we wisten: dit is het omslagpunt. We waren niet meer gewoon AI aan het gebruiken. We waren AI-first gaan werken.
Van losse prompts naar agentic workflow
Een jaar eerder zat ik zelf nog te prompten in ChatGPT. Prima voor kleine taken, maar met uiteindelijk weinig impact op het echte werk. Het verschil kwam toen we gingen denken in workflows. Niet: hoe kan ik AI even inzetten om iets sneller te doen? Maar: hoe richt ik het werk zo in dat AI structureel een deel overneemt? Daar begon de transformatie.
We leerden hoe je werk moet opdelen in stukken die je aan een AI kunt geven. Hoe je duidelijke constraints meegeeft. Hoe je AI laat bouwen binnen de ‘vangrails’ die je zelf ontwerpt. En vooral: hoe je de output controleert en integreert in een groter geheel.
We bouwden ook interne agents die taken konden uitvoeren: testgeneratie, documentatie, logging-modules… Geen losstaande tooltjes meer, maar onderdelen van ons ontwikkelproces. Daarmee gingen we van Level 2 naar Level 3 in ons AI-adoptieraamwerk. En sommige collega’s zelfs naar Level 4.
Praktijkvoorbeeld: een component slim opsplitsen
In een klantproject werkten we, met een krappe deadline, aan een complexe feature. De hoofdontwikkelaar — een Level 3 engineer — besloot het werk op te splitsen: het kernalgoritme hield hij zelf, maar alles eromheen liet hij door een AI-agent bouwen. Hij hield zich dus bezig met de unieke, waardevolle businesslogica. De agent bouwde validatie, UI, foutafhandeling en andere zaken. In anderhalve dag stond er een werkende versie.
Dat is geen trucje. Dat is een andere manier van denken. AI-first betekent dat je niet begint met code, maar met de vraag: “Wat kan de AI doen en waar moet ik het overnemen?” Die manier van werken vereist ervaring, scherpte en lef. Maar het betaalt zich uit in snelheid én kwaliteit.
Testen versnellen met AI-ondersteuning
Ook in software testen hebben we flinke stappen gezet. Eén van onze test-leads gebruikt een LLM-agent als automatische tester. Die simuleert gebruikersgedrag, draait honderden testscenario’s en analyseert logs op afwijkingen. Het scheelt uren repetitief werk én levert sneller inzicht.
Natuurlijk blijft menselijke validatie nodig, maar de rol van tester verandert fundamenteel: van zelf testen naar testprocessen ontwerpen en bewaken. En dat past perfect bij het AI-first denken: je ontwerpt de samenwerking met AI, in plaats van het werk zelf te doen.
Productmanagement met AI als sparringpartner
Niet alleen development en testers profiteren. Onlangs werkte een van onze productmanagers aan een idee voor credential lifecycle automation bij een grote klant. In plaats van te whiteboarden en wireframen vroeg hij met één Deep Research-prompt aan een LLM om een volledig ontwerpvoorstel te maken.
Een half uur later had hij een compleet document met user stories, flowdiagrammen, API-designs, security-overwegingen en een vergelijking van oplossingsrichtingen. Natuurlijk moest er nog aan worden gesleuteld. Maar de basis lag er. Veel sneller en breder doordacht dan wanneer hij het zelf had uitgewerkt. Vanaf zo’n startpunt kun je als menselijke specialist dan met een grote voorsprong verder werken. AI is dus niet alleen uitvoerend. Het is ook conceptueel sterk, als je weet hoe je hem goed aanstuurt.
Leren door te doen — en door fouten
We hebben onderweg natuurlijk ook onze fouten gemaakt. Soms zat dat in de kosten en verbruikten engineers ongemerkt honderden euro’s aan AI-tokens, zonder dat dat iets opleverde. Soms zat het in de kwaliteit en bleek AI-code onbruikbaar omdat de context niet goed was meegegeven. Maar dat hoort erbij. Juist door te proberen, leer je hoe je het de volgende keer beter organiseert. AI-first werken leer je niet uit een boekje. Je moet erdoorheen. Met alle verwarring en frustratie die daarbij horen.
Maar ook de wow-momenten.
Dit is het laatste deel in een vijfdelige serie over AI-first werken in software development. In de whitepaper ‘Het fundament van een AI-first bedrijf’ lees je over het framework dat wij gebruikten om Blis Digital AI-first te maken en wat we nu toepassen bij het AI-first maken van onze klanten.
