Artikel · Meebouwen met AI

Samen bouwen met AI: je team bouwt mee, ik stuur

Hoe medewerkers met Cursor en GitHub zelf bijdragen aan hun eigen bedrijfssoftware, en waarom dat beter werkt dan uren inhuren.

Philip SteenlandPhilip Steenland · technisch bedrijfskundige

De meeste organisaties gebruiken AI als een slimme chat. Je stelt een vraag, krijgt een antwoord, kopieert iets naar Excel of een e-mail. Handig, maar de software waar je bedrijf op draait verandert er niet door.

Het kan veel verder. In mijn laatste opdracht passen collega's die nog nooit een regel code schreven nu zelf onderdelen aan van het platform waar honderden mensen dagelijks mee werken. Niet stiekem en niet risicovol, maar in een vaste werkwijze waarin ik elke wijziging controleer en bijstuur.

In dit artikel leg ik uit hoe dat werkt, met twee gereedschappen die iedereen kan aanschaffen: Cursor en GitHub Team.

De twee bouwstenen

Cursor

Een code-editor met AI erin. Je beschrijft in gewone taal wat je wilt, bijvoorbeeld "voeg een kolom leverdatum toe aan het orderoverzicht". De AI zoekt de juiste bestanden en doet een voorstel dat je meteen kunt bekijken en testen.

GitHub Team

De gedeelde plek waar alle code staat, met de volledige geschiedenis. Iedereen werkt op een eigen kopie (een branch). Niets komt in de echte software zonder dat iemand het heeft beoordeeld en goedgekeurd.

Samen geven ze precies wat je nodig hebt: de snelheid van AI voor iedereen, en de controle van een ervaren bouwer over het eindresultaat.

Zo ziet een wijziging eruit

Een voorbeeld. Stel: Sandra van de klantenservice ergert zich er al maanden aan dat ze voor de leverstatus van een order drie schermen door moet.

  1. Idee MedewerkerSandra opent Cursor en schrijft: "Toon op de orderpagina direct de track-and-trace-status en de verwachte leverdatum."
  2. Voorstel AICursor zoekt uit waar de orderpagina en de vervoerderskoppeling zitten en maakt een voorstel op Sandra's eigen branch. Het staat dus nog nergens live.
  3. Uitproberen MedewerkerSandra bekijkt het resultaat in een testomgeving. Klopt het nog niet helemaal, dan vraagt ze de AI om bij te sturen. Zij weet als geen ander wat er op dat scherm moet staan.
  4. Pull request MedewerkerMet één klik biedt ze de wijziging aan ter beoordeling: "Leverstatus op orderpagina".
  5. Controleren en sturen PhilipIk kijk mee: is het veilig, past het in het geheel, kan het slimmer? Soms keur ik direct goed, soms geef ik een tip zodat Sandra (en de AI) het verbetert.
  6. Live PhilipNa goedkeuring gaat de wijziging live. Alles is vastgelegd: wie, wat, waarom. En terugdraaien kan altijd.

Het verschil met vroeger: Sandra hoeft geen ticket in te schieten en weken te wachten. Ze lost haar eigen ergernis op, en leert ondertussen hoe de software in elkaar zit.

Waarom dit werkt

Goed prompten, het juiste model en zuinig met tokens

Cursor en GitHub zijn het gereedschap. Of je er ook goede resultaten mee haalt, hangt af van hoe je AI aanstuurt. Juist daar maak ik het verschil voor teams.

Prompten is een vak

  • Geef context, een duidelijk doel en de randvoorwaarden.
  • Werk in kleine, toetsbare stappen in plaats van één grote opdracht.
  • Leg vaste afspraken over jullie code één keer vast in een regelsbestand, zodat niemand ze steeds opnieuw hoeft uit te leggen.

Het juiste model voor de klus

  • Snelle, voordelige modellen voor kleine aanpassingen.
  • De sterkste modellen voor architectuur, lastige fouten en grote verbouwingen.
  • Het aanbod verandert bijna maandelijks. Ik volg welk model nu het beste presteert en stel dat in als standaard.

Tokens zijn geld, zeker in grote projecten

Elke vraag aan AI kost tokens, en dus geld. In een bedrijfsbreed platform met tientallen domeinen, van warehouse tot finance, loopt dat snel op als de AI telkens het hele project moet doorlezen of rondjes blijft draaien. Daarom zorg ik voor:

Het resultaat: betere uitkomsten tegen lagere kosten. Je team leert niet alleen dát het met AI kan, maar ook hoe het slim en zuinig kan.

Mijn rol: architect en poortwachter

Mijn doel is niet om zoveel mogelijk uren te maken. Mijn doel is je organisatie een zetje in de rug te geven, zodat ze zelf beter met AI leert werken. Ik:

Hoe beter je team wordt, hoe minder ik nodig ben. Dat is precies de bedoeling.

Zo begin je

  1. Eén plek voor je code. Een GitHub Team-omgeving met beschermde hoofdbranch: niets live zonder review.
  2. Cursor voor de meebouwers. Begin met een paar enthousiaste medewerkers, niet met iedereen tegelijk.
  3. Spelregels voor de AI. Een kort document in de code met afspraken: hoe jullie werken, wat wel en niet mag.
  4. Een eerste kleine klus samen. Een ergernis van de werkvloer, binnen een dag op te lossen. Succes motiveert.
  5. Vast ritme. Wekelijks samen de pull requests doorlopen, en zo de lat steeds iets hoger leggen.

Waar je op moet letten

Je organisatie een zetje geven?

Ik help je het fundament te leggen en je team op weg, en blijf sturen tot het zelf loopt. Benieuwd wat dit voor jouw organisatie betekent? Laten we een kop koffie drinken.

Neem contact op