Evaren developers halen het meeste uit AI
Bij Blis hebben we gezien dat juist onze meest ervaren engineers het meeste uit AI halen. Ze gebruiken het niet om werk uit handen te geven, maar om hun denkproces te versnellen. Zelf gebruik ik AI vooral als sparringpartner, als second opinion, of gewoon om even snel een testscenario te genereren dat ik zelf al in mijn hoofd had.
Ik gebruik AI niet om beter te worden — ik gebruik het om sneller te doen wat ik al goed kan.
Tegelijkertijd moet je oppassen dat ervaring geen valkuil wordt. Wie te vast zit in oude patronen ziet AI misschien als een gimmick. Een ‘add-on’ of, erger nog, als iets wat “de juniors mogen uitzoeken”. Terwijl het juist senioriteit vraagt om AI goed te laten werken. De echte bottleneck bij AI is namelijk niet de technologie, maar het oordeel en de contextkennis van degene die hem gebruikt.
Growth mindset
Daarom staat mindset centraal in onze AI-trainingen. We stimuleren een growth mindset: het geloof dat je jezelf continu kunt ontwikkelen door te oefenen. Wie denkt dat AI zijn vak overneemt of overbodig maakt, raakt gefrustreerd. Wie denkt “ik kan hier iets nieuws leren” groeit sneller dan ooit.
Die houding maakt het verschil tussen teams die AI een keertje proberen en teams die ermee transformeren. AI-first werken vraagt om nieuwsgierigheid, durf en de wil om het anders te doen dan je gewend bent. Dat zie je ook in hoe we mensen opleiden binnen Blis: je kunt niet blijven hangen op Level 1 of 2. Als je door wilt groeien, moet je leren loslaten, durven delegeren aan AI en kritisch blijven op de output.
Onze trainingen zijn daar ook op ingericht. We leren teams niet alleen tools gebruiken, maar ook denken in AI-workflows. Bijvoorbeeld: laat een AI een oplossingsaanpak schrijven vóór je code vraagt. Laat de AI eerst tests schrijven, check dat ze falen en bouw dan pas de functie. Zo stuur je de AI, in plaats van dat je je door de AI laat leiden.
Geen zoekmachine maar een stagiair
Veel mensen gebruiken AI als zoekmachine. Alsof het Google is. Maar dat is geen optimaal gebruik van AI. Voor mij voelt het eerder als een stagiair: het kan heel veel, maar je moet duidelijke opdrachten geven, je moet het werk controleren en soms moet je het helemaal over doen. We trainen mensen dus niet alleen op het gebruik van tools, maar vooral op het maken van goede prompts, het stellen van grenzen en het controleren van resultaten.
En het gaat verder dan code. Onze testers gebruiken AI inmiddels om honderden tests te genereren en om automatisch afwijkingen te signaleren in logbestanden. Maar ook daar geldt: het werkt alleen met kritisch menselijk toezicht. Het is het samenspel tussen mens en AI dat het verschil maakt. De AI versnelt het werk, de mens bepaalt de richting.
Hoe developers zichzelf zien
Deze manier van werken verandert ook hoe developers zichzelf zien. Ze worden minder uitvoerder en meer ontwerper van hun eigen proces. In plaats van riedeltjes code afwerken, denken ze na over hoe een oplossing eruit moet zien en hoe ze die met hulp van AI kunnen realiseren. Dat zorgt niet alleen voor betere software en snellere voortgang, maar ook voor meer werkplezier en eigenaarschap.
We merken het in onze projecten: ontwikkelaars die zo werken, leveren sneller, consistenter en met minder bugs. Ze werken testgedreven, iteratief en bovenal: bewust. Ze weten wat ze AI kunnen vragen, en wat ze beter zelf kunnen doen.
AI is geen vervanger van goede developers. Maar goede developers die met AI kunnen werken, zijn wél de toekomst. En hoe sneller je dat organiseert, hoe groter je voorsprong.
Verder lezen?
Dit is deel 3 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.
Lees ook:
Blog 1: Waarom veel softwarebedrijven de AI-boot missen
Blog 2: Het 4-level framework; zo bevorder je AI-readiness in je team
FAQ
Veelgestelde vragen
Die beantwoorden we graag alvast. Staat je vraag er niet tussen, neem dan gerust contact op.
AI genereert met gemak code die ogenschijnlijk werkt maar een beveiligingslek of antipattern bevat. Bij Blis halen de meest ervaren engineers het meeste uit AI, omdat ze het gebruiken om hun denkproces te versnellen in plaats van werk uit handen te geven. Zonder die ervaring krijg je tech debt op AI-snelheid.
Een teamlid liet in twee uur een werkende app bouwen met AI-hulp, maar de API-key stond onbeschermd in de frontend en er zat een groot SQL injection-lek in. Het voorbeeld laat zien dat AI met evenveel gemak een kwetsbaarheid genereert als een werkende functie. Wie de output niet kritisch bekijkt, ziet dat verschil niet.
Een growth mindset is het geloof dat je jezelf continu kunt ontwikkelen door te oefenen. Blis merkt dat teams met die houding sneller groeien dan teams die AI eenmalig uitproberen en er dan mee stoppen. Wie denkt 'ik kan hier iets nieuws leren' groeit sneller dan wie zich bedreigd voelt.
Een zoekmachine geef je een losse vraag, een stagiair geef je een duidelijke opdracht die je controleert en soms laat overdoen. Blis traint mensen daarom vooral op goede prompts schrijven, grenzen stellen en resultaten checken. Dat geldt voor developers, en ook voor testers die met AI honderden tests genereren en logbestanden controleren.
Developers worden minder uitvoerder en meer ontwerper van hun eigen proces: ze bedenken eerst hoe een oplossing eruit moet zien en pas daarna hoe AI daarbij helpt. Bij Blis levert dat snellere, consistentere software op en meer werkplezier voor het team. Wie zo werkt, weet precies wat hij aan AI overlaat.
