.png)
Door Arne Dierickx (software engineer)
Sneller software opgeleverd krijgen, zonder dat de kwaliteit eronder lijdt. Dat is de vraag en volledig terechte verwachting van bedrijven vandaag. AI maakt het meer dan ooit mogelijk, en de manier waarop is best interessant.
Bij we are bouwen we software op maat. Niet met een team van 100, maar met een kleiner team software engineers dat AI als een volwaardig onderdeel van het engineeringproces inzet.
Neem een platform dat we nu bouwen: een mobiele app, twee dashboards en een API, drie applicaties in één project, met meerdere agents die er tegelijk aan werken. Met onze multi-agent werkmethode konden we het project in no-time opleveren, inclusief heel wat extra features.
Concreet: aan jouw project werken meerdere AI-agents tegelijk, als een team dat parallel aan dezelfde software bouwt. En om de belangrijkste zorg meteen weg te nemen: een developer kijkt naar elk stuk werk dat eruit komt.
De agents doen het volume, onze engineers houden het oordeel in handen. De sustainability van je software is en blijft onze verantwoordelijkheid.
Een AI-codeeragent is software die zelfstandig aan code kan werken. Je geeft het een opdracht en het gaat aan de slag: het leest de bestaande code, voert aanpassingen door, test het resultaat. Denk aan een digitale collega die een taak krijgt en die zelf afhandelt, in plaats van een tool die je bij elke stap moet aansturen.
We gebruiken daarvoor vaak Claude Code van Anthropic, naast nog andere tools. Maar de tool is het verhaal niet. Het verhaal is hoe je ze inzet zodat het resultaat beter wordt, nooit slechter.
Geef een agent je code zonder context en je hebt iemand aangenomen die op dag één, zonder enige onboarding, aan de slag moet. Inconsistente code. Verkeerde keuzes. Beslissingen die niet passen bij wat er al staat. Het resultaat is middelmatig, en precies daarom denken veel mensen dat AI nog niet klaar is voor echt werk. Zoals wij zeggen: skill issue.
Elke agent die aan het project werkt, krijgt eerst de juiste context. En net zoals je tijd moet steken in het opleiden van een stagiair, moet je tijd steken in het opleiden van je AI-agents.
We bouwen context op 3 lagen: een centraal project document, een aparte handleiding per onderdeel en expliciete regels. Hieronder leggen we ze verder uit.
Eén centraal bestand dat het hele project beschrijft. Niet voor mensen geschreven, wel voor agents. De architectuur, de gebruikte technologieën, de afspraken en de huisregels. Denk aan een onboardingdocument en een technische bijbel in één.
En het is niet statisch: agents werken het zelf bij zodra ze iets missen of fout zien. Zo evolueert het mee met het project, zoals het hoort.
Als het projectdocument de kaart is, dan zijn de skills de gedetailleerde handleidingen. Voor elk onderdeel van de software is er één: voor de app, voor de dashboards, voor de technische motor erachter. Plus handleidingen voor terugkerende taken, zoals het schrijven van tests of het verwerken van feedback. Elke handleiding is geschreven alsof je een ervaren ontwikkelaar inwerkt die zijn vak kent, maar jouw project nog nooit gezien heeft.
Meerdere agents op hetzelfde project hebben grenzen nodig, anders wordt het chaos. Elke agent heeft een afgebakend terrein en blijft binnen de afspraken. Belangrijke beslissingen neemt geen enkele agent op eigen houtje: bij twijfel stoppen ze en vragen ze het.
Misschien de belangrijkste regel van allemaal: agents zijn geen jaknikkers. We zeggen ze expliciet dat ze mogen tegenpruttelen. Is een aanpak nodeloos ingewikkeld, dan willen we dat horen. Ontbreekt er info, dan stoppen ze en vragen ze het, in plaats van een aanname te verzinnen en daarop verder te bouwen.
.png)
De kern is simpel: we leveren sneller op, zonder in te boeten op kwaliteit. Projecten die vroeger maanden duurden, zijn nu in weken klaar. Niet omdat we de kantjes eraf lopen, maar omdat het repetitieve werk (standaardonderdelen, het uitschrijven van tests, het verwerken van feedback) naar agents gaat, terwijl onze engineers zich op het echt moeilijke richten.
Dat zie je terug in de totale projectkost en de extra waarde die we leveren. Niet omdat we goedkoop zijn, maar omdat we efficiënter werken. Een back-officedigitalisering die vroeger op 80k uitkwam, kan nu op 30 tot 40k landen, en sneller opgeleverd. Een business case die twee jaar geleden niet de moeite was, is dat nu wel.
En de vraag die je je terecht stelt, of de kwaliteit wel standhoudt: daar dienen die gelaagde context en die mens die altijd meekijkt net voor. De agents doen het volume. Onze engineers houden het oordeel, de scope en de verantwoordelijkheid in handen. Dat deel gaat nergens heen.
Voor ons is AI een vast onderdeel van hoe we bouwen, elk project opnieuw.
Het verschil met twee jaar geleden zit niet alleen in betere tools (die zijn er ook). Het zit erin dat we geleerd hebben hoe je ze structureel inzet. Niet als vervanging van onze engineers, wel als versterking. De bedrijven die hier nu in investeren, bouwen een voorsprong op die alleen maar groeit.
Wacht je af, dan ben je volgend jaar bezig met inhalen wat de rest al lang heeft.Voor jou komt het hierop neer: je idee sneller werkend in handen, aan een kost die klopt, gebouwd door een team dat de techniek voor je bewaakt.
Benieuwd wat dit voor jouw project kan betekenen? Let's talk.
