AI Way of Working

Er wordt meer en sneller gebouwd dan ooit. Tegelijk raken kennis, code en data versnipperd, en apps die als experiment begonnen zijn inmiddels bedrijfskritisch. Door de sessies heen kwamen deze vijf inzichten steeds terug.

Tien opgenomen sessies, van een voorstelronde om 07:50 tot een gesprek over koppelingen om 14:09. De langste sessie, over AI-integratie en de toekomst van werk, duurde bijna anderhalf uur.

Het werk staat verspreid over Lovable, Bitbucket, Odoo, Pellican en losse ChatGPT- en Claude-accounts, zakelijk en persoonlijk. Prompts en kennis zijn na een week vaak niet meer terug te vinden. Fonkel en MTG werken bovendien elk op hun eigen manier, en MTG begint niet als AI-first bedrijf, maar met een bestaande ICT-omgeving en klantverantwoordelijkheden.

Tegelijk werd opgemerkt dat de technische basis op onderdelen sterk is. Het probleem zit vooral in het overzicht.

De keuze van gereedschap leverde de scherpste discussie op. Lovable is laagdrempelig, ook voor wie niet programmeert, en levert snel iets wat klanten kunnen zien en aanklikken. Claude Code levert compactere code die beter te onderhouden is. Over de rol van Lovable liepen de meningen uiteen, van ermee stoppen tot per toepassing kiezen.

Beide werelden blijken te combineren. Voor bestaande websites blijft WordPress logisch, omdat klanten het kennen.

Frameworks brengen jaren aan best practices mee. Wel werd de vraag opgeworpen of een AI die keuze straks niet net zo goed maakt.

Er werd een softwarefabriek getoond: een vaste route waarin een idee automatisch wordt uitgewerkt tot een voorstel voor code. Explainer-video's, waarin het systeem zijn eigen werk uitlegt, moeten voorkomen dat software een black box wordt. Voor websites is zo'n fabriek overkill, voor grotere systemen juist geschikt.

Richting klanten speelt verantwoordelijkheid mee. Bij serieuze systemen kun je niet zeggen dat AI het gemaakt heeft: wie de fix doet en wie de SLA draagt, blijft de bouwer.

Odoo werd het concrete voorbeeld van alles wat hierboven speelt. Invoerfouten kosten veel herstelwerk: producten worden als losse varianten aangemaakt in plaats van als één product met waarden, en giftcards worden verkeerd ingevoerd. Fouten ontstaan vooral onder tijdsdruk, zoals bij een aanbesteding, en soms bij mensen die er niet verantwoordelijk voor zijn.

Een eigen testomgeving kwam ter sprake als manier om maatwerk te ontwikkelen zonder iets kapot te maken.

Het grotere verhaal van de dag ging over waar AI naartoe beweegt. Bij bedrijven begint het met een fundament, waarna ambassadeurs en borging volgen. De vakman verschuift naar een controlerende rol, omdat alleen hij kan beoordelen of de uitkomst klopt.

De ontwikkelingen gaan zo snel dat afspraken over werkwijzen binnen enkele maanden kunnen verouderen, ook die over een softwarefabriek. Vandaar het advies om zo dun mogelijk te bouwen op de intelligentie van het model. Daar stond tegenover dat er ook vandaag iets moet staan om mee te werken, en dat sommige toepassingen een eigen scherm nodig blijven hebben.

Koppelingen spelen in dit beeld een sleutelrol. Veel softwarepakketten bieden geen of een beperkte koppeling, terwijl klanten hun data juist vanuit hun AI-omgeving willen gebruiken. Beheerde, betrouwbare koppelingen werden gezien als kans voor Fonkel en AI werkt! samen. Voor pakketten zonder officiële koppeling werden ook andere routes verkend, maar die zijn niet verkoopbaar en stuiten op juridische bezwaren.

Als bouwen bijna niets meer kost, wat betaalt een klant dan nog? Klanten zien vooral de uitkomst en begrijpen niet altijd waarom ze extra moeten betalen voor iets wat werkt. De meerwaarde verschuift daardoor naar complexe vraagstukken, beveiliging, beheer en verantwoordelijkheid.

De digitalisering van overheidsarchieven onder de Archiefwet werd genoemd als voorbeeld van zo'n complex vraagstuk, waarbij privacy om een lokale oplossing vraagt.

Het principe van de softwarefabriek werd ook toegepast op content: een agent kijkt welke video's of advertenties goed presteren en stuurt daarop bij. Met de hoeveelheid data uit Meta en Google lijkt dat bij uitstek iets voor AI, en er bestaan al platforms die dit doen.

Daarnaast speelde de afweging tussen advertentiekennis inkopen via een externe training en die zelf opbouwen door te testen. Ook werd benadrukt dat het verhaal achter een product zwaarder weegt dan de technische specificaties.

Nederlandstalige toelichting op The Bitter Lesson (ca. 3 minuten).