Van AI-assistent naar collega: de volgende stap ligt rond de code

Een kleine update, steeds opnieuw aandacht

Hoe dat eruit kan zien, beschrijft onze collega Daniël Stegeman in zijn blog From copilot to coworker: The next step in agentic automation. Hij hielp team Boldt van BNG Bank bij het bouwen van een agent voor precies dit soort werk. Het idee kwam van onze collega Ben Weyler, die ook een grote rol speelde in de realisatie en organisatie. Het team onderhoudt ruim twintig .NET-repositories, waarin de broncode van hun software wordt beheerd. Renovate signaleert verouderde softwarepakketten en maakt automatisch wijzigingsvoorstellen aan. Updates die alle controles doorstaan, kunnen automatisch worden verwerkt. Toch bleef bijna de helft van de voorstellen steken op fouten bij het bouwen van de software of op falende tests.

AI kon die fouten vaak met één opdracht oplossen. Maar de ontwikkelaar moest de sessies nog starten, de voortgang volgen en de review afstemmen met collega’s. Wie meerdere updates tegelijk oppakt, schakelt voortdurend tussen AI-sessies, testresultaten en berichten. Daniël beschrijft hoe dat begeleiden uiteindelijk meer concentratie kan kosten dan zelf de aanpassingen maken. Ook hij ervaart daardoor ‘AI fatigue’.

Dat maakt deze onderhoudstaak een interessant startpunt voor verdere automatisering. Het werk keert vaak terug en heeft een herkenbaar resultaat: een wijzigingsvoorstel dat klaarstaat voor beoordeling. Tegelijk blijft vakkennis nodig, omdat ook een kleine pakketupdate gevolgen kan hebben voor de rest van een applicatie.

Geef de agent een vaste taak in het proces

Samen met Daniël en Ben bouwde het team daarom een agent die vastgelopen Renovate-updates zelfstandig oppakt en een gerepareerd wijzigingsvoorstel klaarzet voor menselijke review. Renovate blijft doen waar het goed in is. De agent handelt het werk af dat anders bij een ontwikkelaar terechtkomt, tot aan het moment van beoordelen en samenvoegen.

Daarmee krijgt de agent een vaste plek in het ontwikkelproces. Een ontwikkelaar hoeft niet voor iedere update opnieuw een losse AI-sessie te begeleiden. De menselijke controle vindt plaats op een bestaand beslismoment: de review van het wijzigingsvoorstel.

Dat is een concrete invulling van de stap waar veel organisaties nog voor staan. Uit ons Agentic Engineering-onderzoek 2026, uitgevoerd met Markteffect onder 330 Nederlandse IT-beslissers, blijkt dat 84 procent van de onderzochte organisaties AI inzet tijdens het ontwikkelproces. Slechts 16 procent bevindt zich in de integratie- of optimalisatiefase.

Het voorbeeld van team Boldt laat zien wat verdere integratie praktisch vraagt: vastleggen wanneer een agent aan het werk gaat, welke informatie en hulpmiddelen hij nodig heeft en op welk moment het team het overneemt.

Zelfstandigheid moet je organiseren

Daniël noemt drie eisen aan de oplossing. De agent moet werken zonder dat een ontwikkelaar hem begeleidt, voldoende mogelijkheden bieden voor controle en aansluiten op de bestaande IT-omgeving. Het team koos daarvoor een zelfgebouwde agent binnen Azure en .NET. Die keuze past bij hun omgeving; de drie eisen zijn ook voor andere teams bruikbaar.

Zelfstandig werken betekent allereerst dat de agent beschikbaar blijft als een ontwikkelaar zijn laptop sluit of het team verlaat. De uitvoering en het beheer moeten daarom bij het team zijn belegd. Anders blijft de automatisering afhankelijk van degene die haar heeft ingericht.

Daarnaast vraagt autonomie om concrete grenzen. Welke code mag de agent aanpassen? Welke controles moet hij uitvoeren? Wanneer moet hij stoppen of hulp vragen? Bij een update die een ingrijpende wijziging in de applicatie vereist, kan menselijke tussenkomst verstandiger zijn dan nog een automatische herstelpoging.

Zulke afspraken horen ook in de technische inrichting thuis. Beperk toegangsrechten tot wat de taak vereist, leg acties vast en laat de bestaande kwaliteitscontroles gelden. Stel ook grenzen aan het aantal pogingen of de looptijd. Een agent die tijdig meldt waarom hij niet verder komt, levert het team meer op dan een proces dat onbeperkt blijft proberen.

Maak het resultaat goed te beoordelen

Een geslaagde build en groene tests zijn belangrijke signalen, maar geven geen volledig beeld van de gevolgen van een wijziging. Een aanpassing kan alle bestaande tests doorstaan en toch ongewenst gedrag introduceren dat die tests niet afdekken. De reviewer moet daarom kunnen beoordelen of de oplossing inhoudelijk past bij de applicatie.

Dat vraagt om meer dan alleen aangepaste code. Laat de agent bij ieder voorstel toelichten welk probleem hij heeft aangepakt, wat hij heeft gewijzigd en welke controles hij heeft uitgevoerd. Ook onzekerheden en mislukte controles moeten zichtbaar zijn. Die toelichting helpt de reviewer gericht te controleren; ze is zelf geen bewijs dat de oplossing klopt.

Als een ontwikkelaar eerst moet reconstrueren wat de agent heeft gedaan, komt een deel van het bespaarde werk alsnog terug. De kwaliteit van de overdracht bepaalt dus mede hoeveel tijd de automatisering werkelijk oplevert.

Meet hoeveel werk er voor het team overblijft

Voor teams die hiermee willen beginnen, is een terugkerende onderhoudstaak een bruikbaar vertrekpunt. Kies werk met een duidelijk begin en einde, een beoordeelbaar resultaat en wijzigingen die je kunt terugdraaien. Spreek vooraf af wie de voorstellen reviewt en wie een taak overneemt wanneer de agent vastloopt.

Meet vervolgens wat er in het hele proces verandert. Hoeveel begeleiding blijft nodig? Hoeveel tijd kosten review en herstel? En hoe lang duurt het voordat een update daadwerkelijk is verwerkt? Vergelijk die uitkomsten met de eerdere werkwijze, zodat zichtbaar wordt of het team er daadwerkelijk op vooruitgaat.

Het aantal afgehandelde taken alleen zegt onvoldoende. Een agent die veel wijzigingsvoorstellen produceert, kan ook een nieuwe wachtrij voor reviewers veroorzaken. De winst ontstaat wanneer onderhoud minder aandacht vraagt en betrouwbaar door het proces komt. Zo houdt het team meer ruimte voor werk dat zijn expertise nodig heeft.

Wil je ervaren hoe die verdeling van werk en verantwoordelijkheid voor jouw team uitpakt? Tijdens onze Agentic software experience werk je één dag onder begeleiding aan een echte backlog. Je oefent met het aansturen en beoordelen van AI-agents en ontdekt welke teamafspraken nodig zijn om er effectief mee samen te werken.