Van Hype naar Hands-on: Programmeerervaringen met AI

Er is veel hype rondom AI Augmented Engineering. Hebben we straks geen programmeurs meer nodig? Moeten we ons omscholen van software engineer naar prompt engineer? Worden programmeurs tweemaal zo snel?

Bij Info Support gebruiken we al langer AI-tools die helpen bij het programmeren. Omdat deze tools zich snel ontwikkelen, ging een team Info Supporters in april aan de slag om de best practice op dat moment vast te stellen. Vanuit een set requirements en een schets van de gewenste user interface bouwden ze zo goed en snel mogelijk een werkende applicatie. Wat hebben we ontdekt?

Bevindingen

Snelle productiviteit en toepasbaarheid

De tools zijn eenvoudig inzetbaar en hebben geen steile leercurve. We boeken snel resultaat, en verschillende collega’s konden dezelfde AI-tools direct de volgende dag al toepassen in hun projecten.

Behulpzaam bij user interfaces

AI maakte het mogelijk om vanuit eenvoudige inputs, zoals een screenshot, bruikbare UI’s te genereren en om interface-elementen snel te herstructureren. Ook voor proof-of-concepts zijn de tools ideaal.

Overwegingen bij de toolkeuze

Niet alle tools presteren gelijk: Cursor bleek beter te werken dan Copilot Workspace, mede dankzij de lokale IDE-opzet en hot-reload-functionaliteit. Daarnaast is het aan te raden om ook andere AI-modellen, zoals Claude en GPT-4o, te verkennen. Bij verschillende tools kun je kiezen welk onderliggend model je gebruikt.

Technische beperkingen en onderhoudsrisico’s

Het gebruik van AI bij grotere en complexere codebases brengt aanzienlijke uitdagingen met zich mee, zoals risico’s op duplicatie, verminderde leesbaarheid, kwetsbaarheden en ongecontroleerde groei van bestanden. De tools hadden de neiging om bestaande code te overschrijven bij een aanpassing of uitbreiding. Bovendien blijft de gegenereerde code vaak beperkt leesbaar als je geen specifieke eisen stelt in je prompts. In het algemeen is het aan te raden om dedicated tools te gebruiken: om een nieuw project te scaffolden, kun je bijvoorbeeld beter de officiële tooling van je programmeertaal gebruiken dan een LLM.

Noodzaak van menselijke expertise

Ondanks de kracht van de AI assistents heb je diepgaande kennis van de technologie nodig om de gegenereerde code te kunnen beoordelen, corrigeren en integreren, zeker bij het gebruik van externe componenten. Net als bij een onervaren ontwikkelaar is het belangrijk om de code goed te reviewen. Dat kan alleen als je de gebruikte technologie goed begrijpt.

Conclusie

AI Augmented Engineering kan veel betekenen voor ontwikkelaars. De tools zijn krachtig en kunnen de productiviteit verhogen. Tegelijkertijd blijven technische kennis en kritisch denken onmisbaar om de kwaliteit en betrouwbaarheid van de code te waarborgen.

De komende tijd zal de technologie ongetwijfeld verder verbeteren. Voor nu geldt: als je de tijd neemt om ervaring op te doen met AI assistants, kun je er meteen al voordeel uit halen.

Gebruikte tools

• GitHub Copilot Workspace (Web, Agent mode en geïntegreerd in Visual Studio Code)
• Cursor