KAIZEN | AI-codingagents structureel inzetten binnen softwareteams

Praktische methodes om kwaliteit, veiligheid en controle over softwareontwikkeling te behouden

AI-codingagents worden steeds vaker ingezet bij softwareontwikkeling. De stap van individuele experimenten naar betrouwbare werkwijzen voor het hele team blijft echter een uitdaging. KAIZEN helpt Vlaamse softwarebedrijven om deze tools op een verantwoorde en gestructureerde manier te gebruiken. Het project ontwikkelt praktische frameworks, goede praktijken en demonstrators om AI-codingagents te integreren in de dagelijkse softwareontwikkeling, met behoud van kwaliteit, veiligheid en productiviteit op lange termijn. 
 

Doelgroep

Het project richt zich voornamelijk op:

• Softwareproductbedrijven die AI-codingagents introduceren in hun ontwikkelprocessen
• Softwareontwikkelingsteams die AI-ondersteunde ontwikkeling willen opschalen en verder willen gaan dan individuele experimenten
• Bedrijven die hun productiviteit willen verhogen met behoud van softwarekwaliteit en veiligheid
• Technologieaanbieders die AI-codingtools en bijbehorende diensten ontwikkelen 

Context

AI-codingagents zoals Copilot, Cursor en Claude Code krijgen een steeds grotere rol in softwareontwikkeling. Ontwikkelaars experimenteren volop met deze tools en stellen soms aanzienlijke productiviteitswinsten op korte termijn vast. In de praktijk verloopt de adoptie echter vaak ad hoc en weinig gecoördineerd. Bedrijven moeten bepalen welke taken ze aan AI-agents kunnen toevertrouwen en hoe ze de architectuur, kwaliteit en veiligheid van hun software kunnen bewaken. Daarnaast moeten ze nagaan of de productiviteitswinst duurzaam is, of dat de inspanning gewoon verschuift van ontwikkeling naar controle.

Het gebruik van AI-codingagents opschalen binnen een softwareorganisatie brengt bijkomende uitdagingen met zich mee. Om betrouwbare resultaten te leveren, hebben deze agents voldoende context, consistente kwaliteitsregels en snelle feedback nodig. Bedrijven moeten ook duidelijke afspraken maken over veiligheid, privacy en intellectuele eigendom. 

Zonder vaste werkwijzen en betrouwbare methodes om de impact te meten, blijft de stap van individuele experimenten naar een bredere toepassing binnen de organisatie moeilijk. 
 

Doelstelling & resultaten 

KAIZEN helpt Vlaamse softwarebedrijven om AI-codingagents op een gestructureerde en verantwoorde manier te gebruiken. Het project ondersteunt hen bij elke stap, van het selecteren van geschikte toepassingen tot de integratie in dagelijkse ontwikkelprocessen.

Het project heeft als doel:

• Bedrijven helpen om hun maturiteit voor AI-codingagents te beoordelen en relevante use cases te identificeren
• Praktische methodes ontwikkelen om AI-agents in softwareontwikkelingsprocessen te integreren
• Goede praktijken vastleggen voor kwaliteit, veiligheid en samenwerking tussen mensen en AI-agents
• De impact van AI-codingagents op ontwikkelprocessen en productiviteit evalueren
• De organisatorische veranderingen ondersteunen die nodig zijn voor een bredere toepassing

Belangrijkste verwachte resultaten

• Een adoptiekader en maturiteitsmodel om de maturiteit te beoordelen, relevante use cases te identificeren en van experimenten naar een bredere toepassing te evolueren
• Praktische handleidingen voor AI-ondersteunde softwareontwikkeling, met aandacht voor integratie in de ontwikkelomgeving en samenwerking tussen mensen en AI-agents
• Demonstrators voor representatieve use cases, waaronder ontwikkeling op basis van specificaties en werken met bestaande codebases
• Praktisch opleidings- en sensibiliseringsmateriaal, waaronder oefeningen, cases, video's, artikels, workshops en een gids voor softwareondernemers 
   

Aanpak

KAIZEN combineert toegepast onderzoek met rechtstreekse input van softwarebedrijven in drie complementaire werkstromen.

1. Inzicht krijgen in de behoeften rond adoptie
   Interviews met bedrijven en een analyse van de huidige praktijken brengen bestaande werkwijzen, obstakels en veelbelovende toepassingen in kaart. Deze inzichten vormen de basis voor het adoptiekader en het maturiteitsmodel.
2. Praktische richtlijnen ontwikkelen
   Het project onderzoekt belangrijke aspecten van AI-ondersteunde ontwikkeling, waaronder kwaliteit, veiligheid, integratie van tools, feedbackcycli en samenwerking tussen mensen en AI-agents. De inzichten worden vertaald naar praktische handleidingen.
3. Testen in realistische softwareomgevingen
   Voor representatieve use cases worden demonstrators ontwikkeld, geselecteerd samen met de begeleidingsgroep. Hiermee kunnen de partners de voorgestelde aanpak valideren en praktische lessen en goede praktijken verzamelen. 
    

Financiering

• Financieringsinstantie: VLAIO
• Projecttype: COOCK+-project