Wat gebeurt er als AI niet langer een experiment is, maar onderdeel wordt van het dagelijkse werk? Test automation engineer Lars de Bruijn ervaart het van dichtbij bij een grote bancaire organisatie, waar AI inmiddels breed wordt toegepast. Als enige tester in een team met negen developers ziet hij hoeveel snelheid en efficiëntie AI kan opleveren. Maar ook wat dat betekent voor vaardigheden, werkplezier en de rol van de tester. Een persoonlijke terugblik op de belangrijkste lessen uit de praktijk.
Van experiment naar dagelijkse praktijk
Binnen de bancaire organisatie waar Lars als Test Automation Engineer werkt, is AI inmiddels verweven met het dagelijkse development- en testwerk. Voor Lars is dat extra waardevol: als enige tester in een team met zeven developers helpt AI hem het tempo bij te houden en te voorkomen dat testen een bottleneck wordt. In de praktijk zet hij AI op vijf manieren in.
-
Geautomatiseerde tests schrijven
Lars gebruikt AI-agents en chatfunctionaliteiten om geautomatiseerde testscripts sneller op te zetten en uit te werken. De testaanpak en belangrijkste scenario’s bepaalt hij zelf; AI ondersteunt vooral bij de technische uitwerking in Playwright. Zo kan hij in korte tijd meer tests realiseren.
-
Proof of concepts ontwikkelen
Ook bij het onderzoeken van nieuwe mogelijkheden levert AI tijdswinst op. Nieuwe tools verkennen, onbekende code doorgronden en oplossingen uitproberen gaat aanzienlijk sneller. Soms staat er binnen één dag al een bruikbaar proof of concept.
-
Een testautomatiseringsstrategie opstellen
AI fungeert ook als sparringpartner. Bij het ontwikkelen van een nieuwe testautomatiseringsstrategie gebruikte Lars AI om bronnen te verzamelen, informatie te structureren en inzichten uit gesprekken te combineren. Mede daardoor stond er binnen ongeveer twee weken een complete strategie die inmiddels binnen de organisatie wordt toegepast.
-
Werken met AI-agents en skills
Steeds vaker werkt Lars met agents, skills en complete AI-workflows. Daarin kan hij specifieke testkennis vastleggen en beschikbaar maken voor anderen. Zo wordt zijn kennis overdraagbaar en kunnen developers met behulp van deze agents zelfstandig verder wanneer zijn opdracht eindigt.
-
Documentatie maken
Ook het schrijven van (technische en functionele) documentatie wordt versneld. AI analyseert bestaande code en maakt een eerste opzet van documentatie, waarna een collega controleert of de uitleg klopt en begrijpelijk is. Een taak die al snel een uur kostte, kan zo in enkele minuten worden uitgevoerd.
AI bankbreed organiseren
De toepassing van AI blijft niet beperkt tot individuele medewerkers en teams. Ook bankbreed wordt geïnvesteerd in kennisdeling, herbruikbare oplossingen en verantwoord gebruik.
Zo delen medewerkers binnen een interne AI-community tijdens wekelijkse sessies nieuwe ontwikkelingen, demo’s en praktijkervaringen. Daarnaast is er een centrale repository met AI-agents en skills die teams kunnen hergebruiken. Ook wordt AI ingezet in geautomatiseerde pipelines voor controles die voorheen handmatig plaatsvonden.
Onder developers wordt AI eveneens steeds meer onderdeel van de workflow. Taken die eerder als omvangrijk werden ingeschat, blijken soms veel sneller uitvoerbaar. Dat heeft niet alleen gevolgen voor het werk zelf, maar ook voor de manier waarop teams plannen en capaciteit inschatten.
Technologie gaat sneller dan de organisatie
De mogelijkheden zijn groot, maar de praktijk kent ook hobbels. Zeker binnen een bancaire organisatie spelen compliance, regelgeving en interne processen een belangrijke rol. Niet alles wat technisch kan, mag ook.
Daarnaast gaat de technologische ontwikkeling soms sneller dan de cultuurverandering. Sommige medewerkers omarmen AI, terwijl anderen terughoudend zijn of zich zorgen maken over wat het voor hun werk betekent. Volgens Lars is het belangrijk om die zorgen serieus te nemen.
Kleine, zichtbare successen kunnen helpen. Een proof of concept dat laat zien dat een taak ineens in een fractie van de tijd kan worden uitgevoerd, maakt de waarde van AI tastbaar. Tegelijkertijd zijn duidelijke kaders nodig: welke tools mogen medewerkers gebruiken, welke gegevens mogen ze delen en hoe gaan ze verantwoord om met bijvoorbeeld kosten en tokenverbruik? Goed AI-beleid beperkt zo niet alleen risico’s, maar geeft medewerkers ook ruimte om veilig te experimenteren.
Wat doet AI met het vak van tester?
Misschien wel de interessantste verandering ziet Lars in zijn eigen werk. Waar hij voorheen veel code zelf schreef, laat hij dat inmiddels grotendeels aan AI over. Hij weet wat er moet gebeuren, kan AI gericht aansturen en de gegenereerde code beoordelen. Maar zelf vanaf nul dezelfde code schrijven gaat na intensief AI-gebruik minder vanzelfsprekend dan voorheen.
Daar staat tegenover dat andere vaardigheden belangrijker worden. Het grotere geheel overzien, verbanden leggen, de juiste context meegeven en kritisch beoordelen of een oplossing daadwerkelijk klopt: de nadruk verschuift van zelf uitvoeren naar regisseren en beoordelen. Daarvoor moet je als tester juist een stevige basiskennis van testen en techniek hebben. Alleen als je begrijpt hoe een goede oplossing eruitziet, kun je beoordelen of AI die ook daadwerkelijk levert. Daarnaast worden vaardigheden als kritisch denken, goede vragen stellen, context meegeven en risico’s herkennen steeds belangrijker.
Die ontwikkeling heeft ook gevolgen voor de samenstelling van teams. Aan het begin van zijn opdracht was het voor Lars nauwelijks haalbaar om als enige tester negen developers bij te houden. Dankzij AI is dat werk veel beter behapbaar geworden. Tegelijkertijd leren developers AI steeds vaker zelf in te zetten voor testwerkzaamheden.
Dat betekent niet dat de tester verdwijnt, maar de rol verandert wel. Het wordt belangrijker om kwaliteit over de volle breedte te overzien, developers te helpen goede testkeuzes te maken en kritisch te beoordelen waar AI wel en niet verantwoord kan worden ingezet. Naast technische kennis worden daarom ook adviseren, communiceren, kennis overdragen en samenwerken steeds belangrijker.
De keerzijde van efficiëntie
Meer snelheid en productiviteit klinken vooral positief. Toch ziet Lars ook een minder voor de hand liggend effect: AI kan een deel van de uitdaging uit het werk halen. Voor professionals die plezier halen uit het zelf oplossen van complexe technische vraagstukken, kan het wennen zijn wanneer AI dat werk grotendeels overneemt. Anderen vinden het juist prettig dat zij minder tijd kwijt zijn aan de uitvoering en zich meer op het denkwerk kunnen richten. Voor managers ontstaat daarmee een nieuw vraagstuk. Als AI steeds meer uitvoerend werk overneemt, hoe zorg je er dan voor dat medewerkers voldoende uitdaging, ontwikkeling en voldoening blijven ervaren?
De impact van AI moet daarom niet alleen worden gemeten in tijdwinst en productiviteit, maar ook in wat het met mensen en hun werk doet.
Verder kijken dan de technologie
De ervaring bij deze bancaire organisatie laat zien hoe snel AI de dagelijkse praktijk kan veranderen. Eén tester kan met behulp van AI een team van negen developers ondersteunen, werkzaamheden die voorheen uren of dagen kostten worden veel sneller uitgevoerd en kennis kan via agents en skills beschikbaar worden gemaakt voor hele teams.
Maar de belangrijkste verandering zit misschien niet in wat AI allemaal kan. AI verandert ook welke vaardigheden professionals nodig hebben, hoe teams worden samengesteld en waar mensen hun uitdaging uit halen. Daarmee wordt de belangrijkste vraag voor organisaties steeds minder óf ze AI gaan gebruiken. Veel interessanter is hoe ze ervoor zorgen dat technologie, organisatie én mensen samen blijven ontwikkelen.
Drie lessen uit de praktijk
Na intensief werken met AI zijn dit de drie belangrijkste lessen die Lars wil meegeven:
-
Geef context en blijf zelf nadenken
AI beschikt over enorm veel kennis, maar kent niet automatisch jouw organisatie, situatie en ervaring. De kwaliteit van de output staat daarom voor een groot deel met de context die je meegeeft. Wees specifiek, gebruik je eigen vakkennis en blijf de uitkomsten kritisch beoordelen. Besteed het werk uit, maar niet je eigen oordeel.
-
Toon de tijdswinst, niet de technologie
Wil je anderen overtuigen van de waarde van AI? Maak dan vooral concreet wat het oplevert. Niet hoe geavanceerd de technologie is, maar hoeveel tijd, capaciteit of kosten je ermee bespaart. Een taak terugbrengen van twee uur handmatig werk naar tien minuten spreekt vaak meer tot de verbeelding dan een technische uitleg over de oplossing.
-
Kijk verder dan efficiëntie alleen
Meer snelheid en productiviteit zijn waardevol, maar AI heeft ook invloed op hoe mensen hun werk ervaren. Als AI juist de werkzaamheden overneemt waar iemand uitdaging, plezier of ontwikkeling uit haalt, kan efficiëntiewinst ook een keerzijde hebben. Kijk daarom niet alleen naar wat AI oplevert voor de organisatie, maar blijf in gesprek met medewerkers over wat het met hun vak, ontwikkeling en werkplezier doet. De beste inzet van AI maakt niet alleen het werk efficiënter, maar zorgt er ook voor dat mensen zich kunnen blijven ontwikkelen.
