Van ad-hoc prompting naar Agentic Engineering

CTO Michael haalde zijn inspiratie voor deze blogpost bij de paper The New SDLC With Vibe Coding: From ad-hoc prompting to Agentic Engineering, geschreven door Addy Osmani, Shubham Saboo en Sokratis Kartakis (Google, mei 2026).

‍

Van syntaxis naar intentie

De meest ingrijpende verandering in software engineering is niet de opkomst van een nieuwe taal of cloudservice, maar de transitie van het schrijven van code naar het uitdrukken van een intentie. Waar programmeren historisch gezien een handmatige vertaling was van een menselijk probleem naar strikte syntaxis (zoals puntkomma's en accolades), neemt de machine nu de implementatie over. De mens verschuift naar een rol waarin intentie, architectuur en oordeelsvorming centraal staan.

Deze transformatie is begin 2026 een dagelijkse realiteit:

• 85% van de professionele ontwikkelaars gebruikt regelmatig AI Coding Agents.
• 51% gebruikt deze tools dagelijks.
• Naar schatting is 41% van alle nieuwe code AI-gegenereerd.

De evolutie bewoog zich van simpele tokenvoorspelling (autocomplete rond 2021), naar inline codesuggesties (2022), chat-interfaces (2023), en uiteindelijk naar autonome agenten (2025-2026) die zelfstandig repositories kunnen clonen, code testen en pull-requests indienen zonder dat er een menselijke toetsaanslag aan te pas komt.

‍

Het spectrum: Vibe Coding versus Agentic Engineering

De impact van AI is niet uniform en bevindt zich op een spectrum tussen twee uitersten:

Vibe Coding is een informele werkwijze waarbij een ontwikkelaar via natuurlijke taal prompts typt en de output van de AI blindelings accepteert. Wanneer er iets breekt, wordt de foutmelding simpelweg terug in de prompt geplakt. Dit is bruikbaar voor prototypes, scripts en hackathons, maar brengt grote risico's met zich mee voor productiesystemen.

Agentic Engineering is de gedisciplineerde tegenhanger. AI fungeert hier als een krachtige implementatiemotor binnen een systeem van strikte restricties, tests en feedbackloops, waarbij de mens de controle behoudt over de architectuur en kwaliteit.

Het cruciale verschil tussen beide ligt in de verificatie:

• Vibe Coding: Verificatie is optioneel. De ontwikkelaar kijkt of het "ongeveer lijkt te werken".
• Agentic Engineering: Gebruik makend van tests (voor deterministische code) en evaluaties (evals). Evals controleren niet-deterministische aspecten (zoals de gekozen stappen en de kwaliteit van de AI-reactie) middels gelabelde datasets en AI-judges.

‍

De echte vaardigheid: Context Engineering

De kwaliteit van AI-gegenereerde code hangt minder af van slimme prompts en des te meer van de kwaliteit van de meegegeven context. Dit heeft geleid tot Context Engineering, wat is opgebouwd uit zes basiselementen:

1. Instructions: De kernrol en operationele grenzen van de agent.
2. Knowledge: Documenten, diagrammen en domeindata.
3. Memory: Sessielogs (kortetermijn) en persistente projectstatus (langetermijn).
4. Examples: Voorbeelden van gewenst gedrag en referentiepatronen.
5. Tools: Definities van API's en scripts die de agent kan aanroepen.
6. Guardrails: Harde restricties en veiligheidsregels.

Een cruciale architectonische afweging is het verdelen van die elementen:

• Statische context: Altijd geladen (bijv. systeeminstructies en regelbestanden zoals AGENTS.md). Dit is betrouwbaar maar duur, omdat elk token bij elke interactie geld kost.
• Dynamische context: Wordt alleen op aanvraag geladen via Agent Skills (gestructureerde pakketjes procedurele kennis). Dit houdt de agent een lichtgewicht en minimaliseert de tokenkosten.

‍

De nieuwe Software Development Life Cycle (SDLC)

De traditionele, iteratieve SDLC (sprints van weken) staat onder druk. Waar de daadwerkelijke implementatie door AI wordt gereduceerd van weken naar uren of minuten, blijven menselijke processen zoals planning en verificatie in een menselijk tempo verlopen. Dit verlegt de bottlenecks:

• Requirements & Planning: Specificatiekwaliteit is de nieuwe bottleneck. Eisen worden niet langer statisch overgedragen, maar ontstaan via een interactieve dialoog met AI, die direct prototypes en user stories genereert.
• Design & Architectuur: Dit blijft een menselijke taak omdat het draait om strategische bedrijfsafwegingen (bijv. complexiteit vs. flexibiliteit). AI blinkt wel uit in het steigeren (scaffolden) van applicaties zodra de keuzes vaststaan.
• Implementation: AI verhoogt de productiviteit met 25% tot 39%. Uit onderzoek (o.a. door METR) blijkt echter dat ervaren ontwikkelaars soms 19% langer over taken doen, omdat ze veel tijd besteden aan het controleren en corrigeren van AI-fouten. Het werk verschuift van schrijven naar reviewen en sturen.
• Testing & QA: Er ontstaat een kwaliteitsvliegwiel waarin geautomatiseerde tests en evals de AI continu bijsturen.
• Maintenance: AI kan legacy-codebases doorgronden, waardoor technisch schuldbeheer (zoals framework-migraties) drastisch eenvoudiger en minder riskant wordt.

‍

Fabrieksmodel & Harness Engineering

Binnen het zogeheten Fabrieksmodel is de primaire output van een ontwikkelaar niet langer code, maar het systeem dat code produceert (de lopende band). De ontwikkelaar fungeert als de fabrieksmanager die de kwaliteitscontroles en restricties ontwerpt.

De centrale machine op deze fabrieksvloer is de Harness (het harnas/de omhulding). Het AI-model zelf is slechts de motor; de harness vormt de auto, de weg en de verkeersregels. Er geldt een heldere formule:

$$\text{Agent} = \text{Model} + \text{Harness}$$


De Harness beslaat ongeveer 90% van het uiteindelijke systeemgedrag en omvat de prompts, sandboxes, tools, orkestratielogica en observatietools. Wanneer een agent faalt, ligt dit in de praktijk bijna altijd aan een configuratiefout in de harness (zoals een missende tool of vage regel) en niet aan het onderliggende model.

‍

De rol van de ontwikkelaar: dirigent versus orkestrator

Ontwikkelaars bewegen zich vloeiend tussen twee modi:

1. The conductor (dirigent): Werkt in real-time en synchroon samen met de AI in de IDE (fijnmazige controle op regel- of bestandniveau). Dit is ideaal voor complexe logica of het verkennen van nieuwe API's.
2. The orchestrator (orkestrator): Delegeert taken asynchroon op een hoog abstractieniveau (doelgerichte controle over meerdere bestanden). De ontwikkelaar beoordeelt achteraf het resultaat. Dit vereist sterke vaardigheden in taakdecompositie, specificatie en evaluatie.

Dit vangt tevens het 80%-probleem op: AI schrijft snel de eerste 80% van een feature, maar de kritieke laatste 20% (foutafhandeling, edge cases) vereist scherpe menselijke expertise.

‍

De economie van AI-ontwikkeling

De introductie van AI verschuift de balans tussen de dimensies Capital Expenditure (CapEx - investering vooraf) en Operational Expenditure (OpEx - lopende kosten):

Vibe Coding

• CapEx: Verwaarloosbaar laag > Geen platformontwerp nodig, direct starten met prompts.
• OpEx: Extreem hoog (Token Burn) > Constante trial-and-error loops waarbij volledige bestanden herhaaldelijk worden meegestuurd. Hoge onderhoudskosten achteraf ("spaghetti code").

Agentic Engineering

• CapEx: Hoog > Vereist vooraf tijdsstoring in testsuites, API-schema's en context-structuur.
• OpEx: Laag > Hoge succesratio bij de eerste poging dankzij gerichte context. Geautomatiseerde kwaliteitsbewaking voorkomt dure productiefouten.

‍

Daarnaast maakt Agentic Engineering Intelligent Model Routing mogelijk: zware, dure modellen worden ingezet voor complexe architectuurtaken, terwijl lichte, goedkope modellen automatisch worden aangestuurd voor routineklussen zoals testgeneratie.

‍

Maar nu, waar te beginnen?

Voor ontwikkelaars

• Richt een AGENTS.md op voor je project met daarin de stack, conventies en harde regels.
• Schrijf je tests en evals voordat je code genereert; dit vormt het contract met de AI.
• Blijf je eigen programmeer- en debugvaardigheden scherpen; AI vervangt expertise niet, maar schaalt het.

Voor engineering leaders

• Behandel context engineering (prompts, evals, regelbestanden) als code: neem het op in versiebeheer en review het via PR's.
• Leg de lat bij een sluitende evaluatie-suite met expliciete beoordelingsrubrieken, niet bij een eenmalige demonstratie (demo).
• Maak in de teamnormen een glashelder onderscheid tussen vrijblijvend prototypen (vibe coding) en productiewerk (agentic engineering).

‍

Conclusie

De toekomst van software engineering draait niet om de keuze tussen menselijke expertise of AI, maar om het ontwerpen van systemen waarin beide optimaal samenwerken. Code genereren is in feite opgelost; verificatie, richting geven en oordeelsvorming vormen het nieuwe ambacht.

‍