Flexibele automatisering vs. agente augmentatie in codering

Agente automatisering (meer algemeen bekend als ‘vibe coding’) is zeker in populariteit aan het toenemen, voorbij zelfs maar de ontwikkelaarsruimte, met Collins Dictionary dat het woord van het jaar noemt en zelfs Microsoft’s CEO die opmerkt dat tot 30% van de code van het bedrijf door AI is gegenereerd. Deze benadering van codering drijft de productiviteit ongetwijfeld, maar zoals bij elke transformatieve technologie, is het begrijpen waar en hoe deze het meest effectief toe te passen, cruciaal om de voordelen te maximaliseren.

Ontwikkelaars worden regelmatig geconfronteerd met uitdagingen zoals scope creep, onderbreking van codingsessies en inbeslagname van beperkte tijd, dus de zoektocht naar efficiëntiegrenzen via AI is begrijpelijk. Maar ontwikkelaars moeten ook de ‘mens in de lus’ filosofie overwegen die wordt aangeboden door flexibele automatisering. In plaats van automatisering in elk en elk proces te gebruiken, richt het zich op saaie taken, waardoor ontwikkelaars de beslissers zijn op elk punt in het proces. Deze benadering ondersteunt vaardigheidsontwikkeling en zorgt ervoor dat de architectonische consistentie over projecten heen behouden blijft.

De opkomst van agente automatisering

Vibe coding mag overal zijn, maar het is nog steeds een relatief nieuwe benadering, die pas begin 2025 is geïntroduceerd. Het is het proces van het gebruik van generatieve AI om softwarecode te produceren op basis van conversatieprompts, meestal met weinig tot geen manuele tussenkomst.

Het is algemeen geprezen voor het verlagen van de drempel voor niet-ingenieurs om ideeën te testen en werkende concepten te genereren. Bijvoorbeeld, CEOs en C-suite executives kunnen nu hun gewenste veranderingen demonstreren via vibe-gecodeerde prototypes, waardoor lange gesprekken met ontwikkelaars waarin ze abstracte ideeën uitleggen, vermeden worden.

Maar verder gaan dan deze ideatiefase vereist een begrip van de huidige mogelijkheden van AI. AI werkt binnen bepaalde beperkingen bij het omgaan met grote contextvensters, wat de details van codegeneratie voor grote professionele projecten beïnvloedt. Terwijl ontwikkelaars het verder kunnen instrueren om veranderingen aan te brengen als fouten worden gespot, kan AI-gegenereerde code soms functionaliteit dupliceren, wat maintainability-overwegingen kan creëren. Dit wordt vooral relevant wanneer gewerkt wordt met ingebedde systemen die vaak beperkt zijn door hardwarebeperkingen, waardoor alleen de meest strakke code nodig is om effectief te functioneren.

De wijdverbreide adoptie van AI in codering roept ook belangrijke vragen op over vaardigheidsontwikkeling. 42% van de ontwikkelaars die AI in hun processen gebruiken, zeggen dat ten minste de helft van hun codebase AI-gegenereerd is. Naarmate agente automatisering meer prevalent wordt, is het de moeite waard om te overwegen hoe juniorontwikkelaars fundamentale vaardigheden opbouwen. Het is een rite de passage voor hen om hun tanden te zetten in die routineuze codetaak die hun vaardigheden scherpt en hen in staat stelt om codervaring snel op te bouwen. Het vinden van de juiste balans, waarbij AI de juiste taken afhandelt en tegelijkertijd kansen voor hands-on leren behoudt, zal cruciaal zijn voor het koesteren van de volgende generatie ontwikkelaars.

De sentimenten van ontwikkelaars weerspiegelen ook deze periode van aanpassing. In 2024 had 70% van de ontwikkelaars een positief sentiment ten opzichte van AI, maar dit jaar daalde het tot 60%, met 46% die zich zorgen maken over de nauwkeurigheid van AI-code. Toch zien de meeste ontwikkelaars (70%) het niet als een bedreiging voor hun positie, en 59% van de seniorontwikkelaars in een andere enquête zei dat AI-hulpmiddelen hen helpen om code sneller te verzenden. Deze cijfers suggereren dat ontwikkelaars actief proberen om AI effectief te integreren in plaats van het volledig af te wijzen. De technologie verandert snel, en met het, veranderen ook de beste praktijken voor implementatie.

Dus in plaats van deze ‘alles of niets’ benadering, is het de moeite waard om een andere filosofie te overwegen die een meer gematigde aanpak van AI-gebruik hanteert, waarbij ontwikkelaars in de bestuurdersstoel blijven.

Wat is flexibele automatisering?

Waar agente automatisering AI integreert in het ontwikkelproces, neemt flexibele automatisering een strategisch standpunt in. Het adviseert om AI doelgericht in het codingsproces te integreren, waarbij één administratieve taak per keer wordt vervangen. Op deze manier behoudt de ontwikkelaar altijd de controle en toezicht over het product zonder excessieve verstoring. Het richt zich selectief op de meer repetitieve administratieve taken, zoals code-documentatie, unit-testcreatie en elke repetitieve coding.

Belangrijk is dat het de huidige mogelijkheden van AI in codering erkent – hoewel het nog geen complete software-stack kan creëren, kan het onmiddellijke voordelen opleveren in bepaalde specifieke gebieden. Dus in plaats van dat ontwikkelaars gefrustreerd raken als ze AI toepassen op de verkeerde taken, wordt de toepassing van AI gericht op gebieden waarin het uitblinkt. Na verloop van tijd kunnen ontwikkelaars zich vertrouwd maken met AI en het op een langzamer tempo adopteren, waardoor de waarde van AI in het oplossen van administratieve taken duidelijk wordt. Vervolgens kunnen ontwikkelaars terugkeren naar de meer complexe, kernredenen waarom ze de industrie zijn ingegaan in de eerste plaats, zoals het schrijven van goede, complexe software en het oplossen van uitdagende problemen – allemaal terwijl ze vertrouwen hebben in de AI die naast hen werkt.

Belangrijk is dat het ook ruimte laat voor een redelijke hoeveelheid van die routineuze taken voor juniorontwikkelaars om van te leren door hands-on ervaring, waardoor ze fundamentale kennis kunnen opbouwen met de diepe leerervaring die voortkomt uit traditionele trial en error. In plaats van te worden gezien als iets dat leerervaringen zou kunnen beperken, wordt AI ingebed als een hulpmiddel – één dat ontwikkelaars stevig in de hand houden.

De voordelen gaan verder dan individuele ontwikkelaars en omvatten hele ontwikkelteams. Door de repetitieve elementen van codering te automatiseren, kunnen teams consistentie behouden in hun documentatie- en testpraktijken, terwijl seniorontwikkelaars junior teamleden kunnen begeleiden en zich kunnen concentreren op architectonische beslissingen. Dit creëert een gezondere ontwikkelcultuur waarin AI menselijke expertise aanvult in plaats van het te proberen te vervangen.

De automatiseringskoorddans in codering

Het is de moeite waard om te herhalen dat AI de grootste verandering in codering is in decennia, en het heeft ongetwijfeld het potentieel om te transformeren hoe we coderen voor het beter, maar we moeten die balans goed krijgen. Dit is een proces dat strategisch moet worden uitgevoerd, zowel voor de industrie als voor ontwikkelaars, om eraan te wennen dat we op deze nieuwe manier werken, waarbij we bouwen op sterke fundamenten en innovatie omarmen. De sleutel is het vinden van het zoete punt waar automatisering de productiviteit verbetert zonder de diepte van begrip te compromitteren die grote ontwikkelaars maakt.

Dit alles gezegd hebbende, betekent het niet dat we flexibele automatisering en vibe coding als concurrerende filosofieën moeten zien, maar als hulpmiddelen die geschikt zijn voor twee volledig verschillende stadia van de softwarelevenscyclus. Gaande naar de toekomst, zal vibe coding essentieel zijn voor de initiële ideatiefase, evenals voor niet-technische communicatie tussen ontwikkelaars en hun bredere organisaties. En vervolgens, als we naar het productieproces gaan, moet flexibele automatisering naar voren komen, waarbij AI een hulp blijft in plaats van een hindernis. Dus, het is niet één tegen het andere – om te slagen, hebben we beide nodig.