Naar de inhoud
Alle afdelingen

AI voor IT en development

In een webshop met 2 tot 10 techmensen, vaak aangevuld met een bureau of freelancers, gaat IT over wijzigingen aan de shop, koppelingen en storingen. AI verkort het schrijven, reviewen en testen van code, en het zoeken naar de oorzaak van een fout.

IT en development: code, tandwielen en een uitrolpijplijn naar de live site.

Processen en waar AI past

Feature- en bugwerk op shop en koppelingenAssisteren, bewezen
Inzet
3-5 dagen
Trigger
Een goedgekeurd ticket voor een nieuwe functie, een gewijzigde koppeling of een gemelde bug
Eigenaar
Senior developer of lead developer
Volume
Typisch (schatting): 15 tot 40 tickets per maand bij een team van 2 tot 10 mensen
Handmatige tijd (schatting)
4 tot 12 uur per ticket. Aanname: gemiddelde doorlooptijd van start tot oplevering zonder AI. Meet 20 recente tickets in het ticketsysteem tussen status 'in behandeling' en 'klaar voor review'.
Invoer
Ticket met wens of bugmelding; Broncode van shop en koppelingen; Documentatie van het platform
Uitvoer
Codewijziging op een eigen branch; Toelichting met testinstructie

Stappen

  1. De developer leest het ticket en schrijft in twee zinnen op wat er moet veranderen en wat niet.
  2. Hij start de AI-assistent vanuit de projectmap en vraagt om een voorstel voor de aanpak en een eerste versie van de code.
  3. Hij haalt de officiële documentatie van het platform erbij, bijvoorbeeld via een MCP-koppeling, in plaats van op het geheugen van het model te vertrouwen.
  4. Hij loopt de wijziging regel voor regel na, past aan en draait de bestaande tests.
  5. Hij zet de wijziging op een eigen branch met een korte toelichting over wat hij veranderde en hoe je het test.
Waar AI past
AI versnelt het schrijven en uitzoeken van code. De developer blijft verantwoordelijk voor de wijziging. Bij checkout, prijzen en voorraad kijkt altijd iemand mee die het systeem kent.
Risico
De code ziet er goed uit en veroorzaakt een fout in winkelwagen, voorraadberekening of prijsweergave.
Controlestap
Human-in-the-loop: elke wijziging draait eerst op een testomgeving. Voor checkout, prijzen en voorraad is een tweede persoon die het systeem kent verplicht.
KPI: Doorlooptijd per ticket en herstelwijzigingen na livegang
Meet de dagen tussen start en livegang, en het aandeel tickets dat binnen 7 dagen na livegang een herstelwijziging nodig had. Meet 20 tickets voor invoering en 20 erna.
Code review voor livegangAssisteren, bewezen
Inzet
1-2 dagen
Trigger
Een developer, freelancer of bureau dient een wijziging in om samen te voegen met de hoofdcode
Eigenaar
Lead developer
Volume
Typisch (schatting): 20 tot 60 ingediende wijzigingen per maand
Handmatige tijd (schatting)
30 tot 60 minuten per wijziging. Aanname: een reviewer leest de diff en test lokaal. Laat twee weken lang elke reviewer de tijd per review noteren.
Invoer
Ingediende wijziging van eigen team, freelancer of bureau; Afspraken over codekwaliteit en veiligheid
Uitvoer
Reviewrapport van de tool; Menselijk akkoord of afwijzing met reden

Stappen

  1. Een AI-reviewtool leest de wijziging direct na het indienen en plaatst opmerkingen bij fouten, onveilige patronen en onduidelijke code.
  2. De indiener verwerkt de opmerkingen die terecht zijn en noteert waarom hij een opmerking negeert.
  3. De reviewer controleert of de wijziging checkout, prijzen, voorraad of een kritieke koppeling raakt.
  4. Een tweede developer beoordeelt logica en randgevallen handmatig.
  5. Na akkoord gaat de wijziging naar de testomgeving en daarna naar productie.
Waar AI past
De tool vangt standaardfouten en stijlpunten vooraf af, zodat de senior zijn tijd besteedt aan bedrijfslogica en risico. De tool geeft nooit het definitieve akkoord.
Risico
Het team vertrouwt op een groen vinkje van de tool en zet een foute wijziging door. Op 5 maart 2026 konden klanten van Amazon volgens CNBC ongeveer zes uur niet afrekenen na een software code deployment. Of AI-code de oorzaak was, is omstreden: Amazon zegt van niet. Het voorval laat zien wat een foute livegang op het afrekenen kost.
Controlestap
Guardrail: een mens geeft het akkoord. Bij checkout, prijzen en voorraad is een tweede reviewer die het systeem kent verplicht, en de test op de testomgeving gaat altijd vooraf.
KPI: Wachttijd tot eerste review en fouten gevonden voor livegang
Meet de uren tussen indienen en eerste inhoudelijke reactie, en tel de fouten die voor livegang zijn hersteld. Meet vier weken voor invoering en vier weken erna.
Testen in de browser voor vrijgaveAutomatiseren, opkomend
Inzet
5-10 dagen
Trigger
Een wijziging staat op de testomgeving en moet voor livegang worden gecontroleerd
Eigenaar
Developer of QA-verantwoordelijke
Volume
Typisch (schatting): 10 tot 30 testrondes per maand
Handmatige tijd (schatting)
1 tot 3 uur handmatig klikwerk per vrijgave. Aanname: een teamlid loopt alle standaard klantreizen na. Meet met een stopwatch drie vrijgaven.
Invoer
Testomgeving met de wijziging; Vaste lijst met testscenario's
Uitvoer
Testverslag met geslaagde en mislukte stappen; Vrijgave of terugkoppeling aan de developer

Stappen

  1. De developer zet de wijziging op een testomgeving met testdata en testaccounts.
  2. De AI opent via een browser-koppeling de aangepaste pagina's en doorloopt de vaste klantreizen: zoeken, productpagina, winkelwagen, prijs, voorraadmelding, afrekenen.
  3. De AI legt per stap vast of het werkte en bewaart schermafbeeldingen bij het ticket.
  4. Een teamlid leest het verslag en test de checkout bij kritieke wijzigingen zelf met een testbetaling.
  5. Bij een fout gaat het verslag terug naar de developer; bij een geslaagde ronde volgt de vrijgave.
Waar AI past
Met Playwright MCP geef je de AI een browser, zodat hij zijn eigen werk controleert en foutmeldingen zelf ziet. In de training van onze club liet Tachmy Dilmy dit zien. Herhalend klikwerk is geschikt, de eindcontrole van de checkout blijft mensenwerk.
Risico
De test mist een visuele afwijking, of draait met te veel rechten op een echte omgeving.
Controlestap
Guardrail: de browser-tests draaien alleen op een testomgeving met testaccounts en testbetalingen. Bij wijzigingen aan checkout kijkt een mens mee.
KPI: Aandeel releases met geteste klantreis en klantmeldingen na livegang
Tel per maand de releases waarvoor de standaardreis is doorlopen, en de bugs die klanten of klantenservice na livegang meldden.
Storingen analyserenAssisteren, opkomend
Inzet
2-4 dagen
Trigger
Een foutmelding in de shop, een vastgelopen koppeling of een daling in geslaagde bestellingen
Eigenaar
Developer van dienst of tech lead
Volume
Typisch (schatting): 5 tot 15 relevante storingen per maand
Handmatige tijd (schatting)
1 tot 4 uur zoekwerk per storing. Aanname: loggen doorlezen en wijzigingen vergelijken. Leg bij elk incident het moment van melding en het moment van bekende oorzaak vast, gedurende drie maanden.
Invoer
Foutmeldingen en logs; Overzicht van recente wijzigingen
Uitvoer
Oorzaakanalyse; Herstelde functie en notitie om herhaling te voorkomen

Stappen

  1. De monitoringtool vangt de fout op en groepeert gelijke meldingen.
  2. De AI-functie van de tool doet een eerste analyse van de oorzaak op basis van de foutcontext.
  3. De developer van dienst beoordeelt die analyse en reproduceert de fout op de testomgeving.
  4. Het team kiest tussen een gerichte herstelwijziging en het terugdraaien van de laatste deployment.
  5. Het herstel wordt eerst getest en daarna gecontroleerd live gezet, met een korte notitie over de oorzaak.
Waar AI past
Sentry biedt een AI-agent voor foutanalyse (Seer) in de betaalde plannen. De agent verkort het zoeken; de developer beslist hoe je veilig herstelt.
Risico
Een snelle fix zonder controle gaat live en legt het afrekenen plat. Op 5 maart 2026 konden klanten van Amazon volgens CNBC ongeveer zes uur niet afrekenen na een software code deployment. Of AI-code de oorzaak was, is omstreden: Amazon zegt van niet.
Controlestap
Ook bij spoed: eerst testomgeving en een tweede persoon die het systeem kent. Bij twijfel draai je de laatste wijziging terug.
KPI: Hersteltijd bij storingen
Gemiddeld aantal minuten tussen de eerste melding en het moment dat de storing op productie is verholpen, over minimaal 10 incidenten voor en na.
Veilig werken met AI-tools en toegangsrechtenNiet doen, bewezen
Inzet
2-4 dagen
Trigger
Een nieuwe developer, freelancer of bureau start, of je koppelt een nieuwe AI-tool of MCP-server
Eigenaar
Tech lead of IT-verantwoordelijke
Volume
Typisch (schatting): 2 tot 6 controles of wijzigingen per maand
Handmatige tijd (schatting)
1 tot 2 uur per controle. Aanname: een nieuwe medewerker of koppeling inrichten en nalopen. Klok drie keer de tijd bij een nieuwe aansluiting.
Invoer
Lijst van ontwikkeltools, MCP-servers en sleutels; Overzicht van mensen met toegang, inclusief bureau en freelancers
Uitvoer
Projectmappen zonder blootliggende sleutels; Goedgekeurde lijst met MCP-servers en hun rechten

Stappen

  1. Je spreekt af dat de AI-assistent altijd vanuit de projectmap start en nooit vanuit de homemap.
  2. Je haalt .env-bestanden met API-sleutels en echte klantdata uit de werkmap en werkt lokaal met testdata.
  3. Je laat elke MCP-server van internet eerst nakijken voordat iemand hem koppelt.
  4. Je geeft gekoppelde systemen minimale rechten, bijvoorbeeld alleen concepten maken en niet versturen.
  5. Je gebruikt de optie die alle toestemmingsvragen uitzet alleen in een geïsoleerde container of VM.
Waar AI past
Rechten en afscherming stel je met vaste regels in. In de clip over veilig werken legt Tachmy Dilmy uit dat Claude Code standaard leest wat in de startmap staat, waaronder .env-bestanden en CSV-bestanden met klantdata, en dat Anthropic MCP-servers niet op veiligheid controleert.
Risico
Sleutels of klantdata lekken doordat een tool vanuit de homemap meeleest, of een ongecontroleerde MCP-server voert acties uit op live systemen.
Controlestap
Vaste spelregels voor team en bureau, plus een maandelijkse steekproef op vijf werkplekken of projecten.
KPI: Naleving van de AI-veiligheidsregels
Percentage gecontroleerde projecten dat aan alle vijf de regels voldoet, en het aantal blootliggende sleutels in de steekproef (doel: 0).
Kopen of zelf bouwen, en koppelingenAssisteren, bewezen
Inzet
1-3 dagen
Trigger
Een verzoek van operatie of commercie voor een nieuwe tool, maatwerkfunctie of koppeling
Eigenaar
Eigenaar of e-commercemanager samen met de tech lead
Volume
Typisch (schatting): 1 tot 3 grotere keuzes per kwartaal
Handmatige tijd (schatting)
4 tot 8 uur voorbereiding per vraagstuk. Aanname: onderzoek en overleg per keuze. Noteer de uren bij de eerstvolgende drie keuzes.
Invoer
Wens met gewenst resultaat; Overzicht van bestaande software en koppelingen; Inschatting van bouwtijd en jaarlijkse onderhoudsuren
Uitvoer
Besluitnotitie van een pagina; Eigenaar voor onderhoud en beveiliging

Stappen

  1. Je toetst de wens aan een regel: bouw alleen zelf wat jouw webshop voor de klant verdedigbaar anders maakt.
  2. Voor standaardfuncties kies je bestaande software of een standaardkoppeling.
  3. Voor het koppelen van systemen aan AI gebruik je MCP als open standaard.
  4. Je rekent vooraf de blijvende uren voor onderhoud en beveiliging uit, want dat zijn volgens de sessie de grootste kosten van zelfbouw.
  5. Eigenaar en tech lead leggen het besluit vast: kopen, koppelen of bouwen, met een benoemde eigenaar voor het onderhoud.
Waar AI past
Met een AI-assistent bouw je snel een klein prototype om een idee te toetsen. In onze sessie met Optiply was de stelling dat je de meeste SaaS zelf kunt bouwen; het antwoord was dat je dat alleen doet voor wat je onderscheidt. De afweging over onderhoud blijft mensenwerk.
Risico
Omdat de eerste versie snel klaar is, bouwt het team tools die daarna veel onderhoud en beveiliging kosten.
Controlestap
Geen zelfbouw zonder berekening van onderhoud en beveiliging over twee jaar, en een benoemde eigenaar.
KPI: Aandeel onderhoud in de ontwikkeluren
Percentage van de totale ontwikkeluren per maand dat naar beheer, updates en beveiliging van zelfgebouwde software gaat.

Tools per proces

Elke regel komt van de eigen pagina van de leverancier. Prijs, Nederlandse taal en verwerking in de EU staan erin zoals die pagina ze noemt. Wat de pagina niet zegt, staat als onbekend.

Tools met rol, Nederlandse taal, EU-verwerking, prijs, bron en controledatum
ToolRol in het procesNederlandsEU-verwerkingPrijsBron
GitHub CopilotGitHub (Microsoft)Code schrijven en uitleggen in de editor, en AI-review van pull requests.beperktDe FAQ zegt dat Copilot 'will likely work less well' met niet-Engelse prompts; Nederlands wordt niet genoemd.jaAlleen met GitHub Enterprise Cloud met data residency: regio 'EU (includes Azure regions in EFTA countries, currently Norway and Switzerland)'. Copilot Business of Enterprise is nodig; sommige Copilot-functies zijn daar niet beschikbaar.Pro $10USD per gebruiker per maand; Pro+ $39USD; Max $100USD; Free $0USD; Business en Enterprise zonder prijs op de paginaabonnement per gebruiker per maand. Codereview zit in Pro en hoger, niet in Free.github.com/features/copilot/plansgecontroleerd op 2026-11-11
Claude CodeAnthropicAI-assistent in de terminal die code leest, schrijft en commando's uitvoert in je projectmap.Koppelingen: MCPonbekendGecontroleerd: code.claude.com/docs (overview, data-usage) en claude.com/pricing; geen Nederlandse interface of ondersteuning genoemd, de documentatie is in het Engels.onbekendGecontroleerd: code.claude.com/docs/en/data-usage en docs.claude.com data-residency. Daar bestaan alleen inference_geo 'global' (standaard) en 'us' en alleen workspace geo 'us'; een EU-regio wordt niet genoemd.Pro $17 per maand bij jaarbetaling ($20 maandelijks); Max $100 per maand; Team $20 per gebruiker per maand bij jaarbetaling ($25 maandelijks); Enterprise US$20 per gebruiker per maand, minimaal 20 gebruikers, plus gebruik tegen API-tariefabonnement per gebruiker per maand. Claude Code zit niet in het gratis plan. De pagina toont bij de meeste prijzen '$' zonder valutacode.claude.com/pricinggecontroleerd op 2026-11-11
CodeRabbitCodeRabbitAI-review van pull requests met samenvatting en opmerkingen bij de wijziging.Koppelingen: PR, CLI, IDEonbekendGecontroleerd: /pricing, docs.coderabbit.ai/faq en /trust-center; geen Nederlandse interface of ondersteuning genoemd.onbekendGecontroleerd: /pricing, /trust-center en /privacy-policy. Het privacybeleid zegt over gegevens van prospects: 'The servers which process your personal data are located in the United States'; voor code staat geen EU-regio genoemd, 'company-selected SaaS regions' staan alleen bij Enterprise.Essentials $30 per gebruiker per maand ($24 bij jaarbetaling); Team $60 ($48); Advanced $90 ($72); Enterprise op aanvraagabonnement per gebruiker per maand. De pagina toont '$' zonder valutacode. Zelf hosten kan alleen bij Enterprise.coderabbit.ai/pricinggecontroleerd op 2026-11-11
Sentry met SeerSentryFoutmonitoring met een AI-agent voor oorzaakanalyse.onbekendGecontroleerd: sentry.io/pricing, /security, /trust/privacy en docs.sentry.io; geen Nederlandse interface of ondersteuning genoemd.jaPagina: 'Sentry supports data storage in both the US and the EU. You can choose where to store your data when you're setting up your Sentry account'. Voor Seer wordt geen aparte regio genoemd.Team $29 per maand ($26 bij jaarbetaling); Business $89 ($80); Developer gratis; Enterprise op maat; Seer vraagt een apart abonnement en de prijs is nog niet gepubliceerdabonnement per maand. De pagina zegt: 'New credit-based pricing for Seer is coming December 8.' Valuta staat niet op de pagina.sentry.io/pricinggecontroleerd op 2026-11-11
Playwright MCPMicrosoftMCP-server die de AI een browser geeft om pagina's te openen en klantreizen te doorlopen.Koppelingen: Claude CodeonbekendGecontroleerd: github.com/microsoft/playwright-mcp en playwright.dev/mcp; geen Nederlandse documentatie of ondersteuning genoemd.onbekendGecontroleerd: github.com/microsoft/playwright-mcp en playwright.dev/mcp; geen verwerkingsregio of privacyverklaring over gegevensverwerking genoemd.geen prijs vermeld; licentie Apache-2.0open source (Apache-2.0). Je betaalt wel voor het AI-model dat je ermee verbindt.github.com/microsoft/playwright-mcpgecontroleerd op 2026-11-11
Shopify Dev MCPShopifyMCP-server die een AI-tool toegang geeft tot de ontwikkelaarsbronnen van Shopify.Koppelingen: Claude Code, Codex CLI, Cursor, VS CodeonbekendGecontroleerd: shopify.dev/docs/apps/build/devmcp; geen Nederlandse documentatie of ondersteuning genoemd.onbekendGecontroleerd: shopify.dev/docs/apps/build/devmcp; geen verwerkingsregio genoemd.onbekendgeen prijs vermeld. Gecontroleerd: shopify.dev/docs/apps/build/devmcp; de pagina noemt een lokaal draaiende server zonder authenticatie, maar geen prijs of licentie.shopify.dev/docs/apps/build/devmcpgecontroleerd op 2026-11-11

Bewijs uit onze cases en sessies

De clips tonen werkwijzen, risico's en een incident bij Amazon, geen gemeten tijdwinst van een webshop. In onze casebibliotheek staat geen case over development, dus deze pagina bevat geen gemeten uitkomst.

Plan voor 90 dagen

Dag 1 tot 30: pilot

Een veilige basis en een nulmeting voordat AI-code live gaat.

  • Voer de veiligheidsregels in voor team en bureau: start de AI-assistent alleen vanuit de projectmap, haal .env-bestanden en klantdata uit de werkmap en zet rechten minimaal.
  • Meet vier weken lang de doorlooptijd per ticket, de wachttijd op review en het aantal herstelwijzigingen na livegang.
  • Geef twee developers een AI-assistent voor dagelijks werk en zet een AI-reviewtool aan op alle nieuwe wijzigingen.
  • Leg vast dat checkout, prijzen en voorraad altijd eerst op een testomgeving draaien met een tweede kijker die het systeem kent.

Dag 31 tot 60: meten

Browser-tests en snellere storingsanalyse op de testomgeving.

  • Laat elke MCP-server nakijken voordat je hem koppelt, en sluit dan de browser-koppeling en de documentatiekoppeling van je platform aan.
  • Laat de AI bij elke wijziging de vaste klantreis op de testomgeving doorlopen, te beginnen bij winkelwagen, prijs en voorraad.
  • Zet de AI-analyse van je monitoringtool aan en vergelijk bij 10 storingen de oorzaak die de tool noemde met de oorzaak die de developer vond.

Dag 61 tot 90: opschalen

De werkwijze vastleggen, het bureau erbij betrekken en kiezen wat je zelf bouwt.

  • Vergelijk de gemeten doorlooptijd, reviewwachttijd en fouten na livegang met de nulmeting van dag 30.
  • Eis van bureaus en freelancers dezelfde reviewcontrole, dezelfde testronde en dezelfde veiligheidsregels bij oplevering.
  • Voer het afwegingskader voor kopen of bouwen in en bereken bij elke zelfbouw de onderhoudsuren over twee jaar.

Stoppen

Pauzeer AI-code voor een onderdeel direct bij een storing op checkout, prijzen of voorraad door een AI-wijziging, of als het aantal herstelwijzigingen na livegang over 30 dagen meer dan 20 procent boven de nulmeting ligt, of bij een blootgelegde sleutel of klantdata.

Doorgaan

Ga door als de doorlooptijd per ticket of review na 60 dagen minstens 15 procent lager ligt dan in de nulmeting, het aantal herstelwijzigingen gelijk blijft of daalt, en 100 procent van de wijzigingen aan checkout, prijzen en voorraad op de testomgeving is gecontroleerd door een kenner.

Veelgemaakte fouten

  • Een wijziging zonder test of tweede kijker gaat live op de checkout en kost uren omzet.
  • Een developer start de assistent vanuit de homemap en laat sleutels en klantdata leesbaar staan.
  • Iemand zet de optie zonder toestemmingsvragen aan op een eigen laptop of koppelt een ongecontroleerde MCP-server met schrijfrechten aan een live systeem.
  • Het team bouwt eigen tools voor zaken die je niet onderscheiden en loopt later vast op onderhoud en beveiliging.
  • Het team klikt opmerkingen van de reviewtool blind weg en slaat de menselijke controle over.

Veelgestelde vragen

Kan AI-code mijn checkout platleggen?

Elke wijziging zonder test kan dat. Op 5 maart 2026 konden klanten van Amazon volgens CNBC ongeveer zes uur niet afrekenen na een software code deployment. Of AI-code de oorzaak was, is omstreden: Amazon zegt van niet. Daarom begin je bij checkout, prijzen en voorraad: eerst een testomgeving, daarna een tweede persoon die het systeem kent.

Hoe gebruik ik Claude Code zonder dat sleutels en klantdata op straat liggen?

Start hem vanuit de projectmap en niet vanuit je homemap, haal .env-bestanden en klantdata uit de werkmap en gebruik de optie die toestemmingsvragen uitzet alleen in een geïsoleerde container of VM. De documentatie zegt dat Anthropic MCP-servers niet op veiligheid controleert; laat servers van internet dus eerst nakijken (Claude Code, datagebruik).

Kan ik in plaats van software kopen beter zelf bouwen met AI?

Alleen wat jouw webshop onderscheidt. Onderhoud en beveiliging blijven de grootste kosten van zelfbouw. Voor standaardprocessen kies je een bestaand pakket of een standaardkoppeling.

Wat is MCP en wat doet het voor een klein team?

MCP is een open standaard om een AI-tool aan andere systemen te koppelen. Shopify biedt een Dev MCP-server die lokaal draait en geen authenticatie vraagt (Shopify). Playwright MCP geeft de AI een browser om zijn eigen werk te testen (GitHub).

Heb ik met deze tools minder developers of minder bureau-uren nodig?

Dat kunnen we niet uit onze bronnen afleiden: we hebben geen gemeten case over development. Meet het zelf met een nulmeting van vier weken op doorlooptijd, reviewtijd en herstelwijzigingen, en besluit pas daarna.

Verder in deze afdeling

Gidsen

5

Cases

12

Video’s uit het archief

136

Nieuws over Agentic commerce

Alle berichten over Agentic commerce

Achtergrond en bronnen

De schade zit aan de andere kant: een foute wijziging in checkout, prijzen of voorraad kost direct omzet. Begin daarom bij de controle en daarna pas bij de snelheid.

Bijgewerkt 2026-11-11. Handmatige tijd is een schatting, tenzij er een bron bij staat. 6 processen en 6 tools, elke toolregel met bron en controledatum.