Engineer in ai-tijdperk is dirigent én architect
In dit artikel:
Generatieve AI verandert de spelregels van softwareontwikkeling: code schrijven wordt sneller en grotendeels geautomatiseerd, waardoor de rol van ontwikkelaars doorschuift naar coördinatie, validatie en systeemontwerp. Uit onderzoek gebruikt inmiddels zo’n zeventig procent van de ontwikkelaars AI-tools of is dat van plan; Bain & Company rapporteert efficiencywinst van circa 10–15 procent bij ontwikkeltaken. Gartner verwacht dat tegen 2028 driekwart van enterprise-ontwikkelaars AI-codeassistenten inzet (tegen minder dan 10% begin 2023).
In praktijk betekent dit dat CI/CD-pijplijnen en deployment steeds AI-gedrevener worden: automatisering van taken, code-optimalisatie en testen staan bovenaan de investeringslijst. Bots kunnen tests schrijven, pull requests voorstellen en code naar staging pushen. Daardoor verschuift developerswerk van het uitvoeren van routineklussen naar het monitoren en bijsturen van geautomatiseerde processen.
Die verschuiving brengt extra verantwoordelijkheden met zich mee. Modellen kun je niet zomaar blind doorplaatsen naar productie; ontwikkelteams moeten zorgen voor adequate tests, betrouwbare datapijplijnen, kostenbewaking en naleving van regelgeving. Ontwikkelaars opereren steeds vaker als bewakers van betrouwbaarheid en ethiek over de hele levenscyclus van software, niet alleen als feature-leveranciers.
AI dwingt vroege architectuuroriëntatie: ontwikkelaars — ook junioren — moeten ontwerpkeuzes maken, omdat veel implementatiedetails door AI worden afgehandeld. GitHub-onderzoek laat zien dat de door AI vrijgemaakte tijd vaak naar systeemontwerp en samenwerking gaat. Projecten zouden moeten starten met heldere zakelijke doelen en organisatiewaarde, niet louter met API-calls.
Nieuwe kernvaardigheden rijzen op: prompt-engineering is essentieel, datageletterdheid onmisbaar om vooringenomenheden en kwaliteitsproblemen te herkennen, en uitlegbaarheid vereist om het gedrag van modellen te verantwoorden. Daarnaast groeit de vraag naar kennis van gedistribueerde systemen, serverless-architecturen, streamingplatforms en state-management, omdat denken in systeemcompositie belangrijker wordt dan in losse regels code.
De grenzen tussen software-, data- en machine learning-engineering vervagen. Succesvolle AI-gedreven producten vragen multidisciplinaire samenwerking en permanente bij- en omscholing; teams reserveren bijvoorbeeld elk kwartaal tijd om nieuwe tools te leren. Wie zich aanpast, krijgt volgens de auteur niet alleen meer verantwoordelijkheid maar ook een interessanter vak: de ontwikkelaar wordt zowel dirigent als architect van systemen die bedrijfsprocessen en -waardes bepalen.