Het antwoord: AI gaat engineers niet overbodig maken, maar hun werk radicaal veranderen. Een twee decennia oude veteraan van Microsoft, Google en Snap voorspelt dat de volgende generatie engineers minder tijd besteedt aan het typen van code en meer tijd aan het aansturen van AI. Voor MKB-bedrijven betekent dit dat je nu moet beginnen met het omscholen van je huidige engineers naar AI-supervisors.

Wat er aan de hand is

De techindustrie staat aan de vooravond van een verschuiving in de rol van de engineer. Volgens een ervaren veteraan van Microsoft, Google en Snap, die anoniem blijft in het artikel van Fastcompany, zal de nadruk verschuiven van het zelf schrijven van code naar het beheren en controleren van AI-systemen die de code genereren. Dit is geen toekomstmuziek; de eerste tekenen zijn al zichtbaar. Grote techbedrijven experimenteren met AI-tools die ontwikkelaars ondersteunen, en de volgende stap is dat engineers de regie nemen over meerdere AI-agenten die parallel aan taken werken. De kern van de boodschap is dat AI niet leidt tot minder engineers, maar tot een ander type engineer: een supervisor die de kwaliteit en veiligheid van AI-gegenereerde code bewaakt.

Wat dit betekent

Voor MKB-bedrijven met een klein team van engineers is dit zowel een kans als een uitdaging. De kans is dat je met dezelfde mensen meer werk kunt verzetten, omdat AI de productie van code versnelt. De uitdaging is dat je engineers nieuwe vaardigheden moeten leren. Ze moeten niet alleen kunnen programmeren, maar ook AI-output kunnen beoordelen, fouten herkennen die AI maakt, en weten hoe ze de juiste instructies (prompts) geven. Dit vraagt om een andere mindset en andere competenties. Vooral in sectoren waar maatwerksoftware essentieel is, zoals logistiek, productie of financiële dienstverlening, kan dit het verschil maken tussen achterblijven en vooroplopen. Het betekent ook dat de waarde van een engineer niet langer zit in het aantal regels code dat hij of zij schrijft, maar in het vermogen om AI effectief in te zetten en te controleren.

Hoe je dit kunt toepassen

Als je een klein team van twee of drie engineers hebt, kun je overwegen om een wekelijkse ‘AI-supervisie-sessie’ in te plannen. Laat een van je engineers experimenteren met het genereren van code via een AI-tool en bespreek vervolgens als team wat er goed ging en waar de valkuilen lagen. Dit kost weinig tijd, maar bouwt direct ervaring op. Je zou kunnen beginnen met een eenvoudige, repetitieve taak, zoals het genereren van een standaard API-koppeling, en de output laten reviewen door een collega.

Als je een engineer hebt die vastloopt in routinewerk, kun je hem of haar de rol van ‘AI-trainer’ geven. Deze persoon leert hoe je de AI de juiste context geeft, hoe je de output test op fouten, en hoe je de AI bijstuurt. Dit is een natuurlijke volgende stap voor iemand die het vak al beheerst. Een mogelijkheid is om een interne ‘prompt-bibliotheek’ op te zetten met bewezen instructies voor veelvoorkomende taken, zodat het hele team ervan profiteert.

Als je een project hebt met een krappe deadline, kun je de AI inzetten om de eerste versie van code te genereren, terwijl je engineers zich concentreren op het reviewen en optimaliseren. Dit verkort de doorlooptijd aanzienlijk. Overweeg om een van je engineers vrij te spelen van operationele taken om zich volledig te richten op het opzetten van dit proces. De investering is vooral tijd, niet geld, omdat veel AI-tools een gratis of goedkope instap hebben.

Als je je team wilt voorbereiden op de toekomst, kun je een maandelijks ‘AI-leeruur’ introduceren waarin jullie samen nieuwe ontwikkelingen bespreken en oefenen met het aansturen van AI. Dit hoeft niet formeel; een half uurtje na de lunch is al voldoende. Het belangrijkste is dat je engineers de kans krijgen om te experimenteren zonder druk. Je zou kunnen afspreken dat elke engineer één taak per week identificeert die door AI kan worden overgenomen, en dat jullie die de week erop samen testen.

Bron: Fastcompany