De straat is de prompt.

We hebben de straat. En AI. Maar samen leveren ze weinig op.

Wijzigingen worden automatisch gebouwd, getest en uitgerold. Ontwikkelaars gebruiken een AI-assistent. Toch staat AI los van het proces: een slim hulpmiddel aan iemands bureau, geen vaste plek in de straat.

Een agent die op vage criteria bouwt, raadt maar wat.

Acceptatiecriteria zijn vaak een formaliteit: half ingevuld, en zelden gebruikt. Een ontwikkelaar vult de gaten zelf in, met kennis uit de wandelgangen. Een agent kan dat niet. Die bouwt wat er staat, en mist wat er niet staat.

Deze case combineert ervaringen uit twee organisaties: een organisatie in de gezondheidszorg met een platform voor online behandeling, waar een eigen buildstraat werd opgezet, en een SaaS-platform, waar AI en agents een vaste plek kregen in het proces.

Het criterium is de opdracht.

Wat ooit als discipline voor mensen werd ingevoerd, wordt voor AI de besturing. Het acceptatiecriterium is de opdracht. De pipeline is de toets. De review is de mens. Een agent schrijft het item uit, bouwt het en test het tegen díe criteria.

Dan blijkt waar het verschil zit: niet in het AI-model, dat heeft iedereen. Maar in hoe scherp je vooraf zegt wat iets moet doen, en in het gereedschap dat je de agent meegeeft.

Probeer het zelf: stuur een wens door de straat, met en zonder straat, met en zonder agents.

AI doet werk, mensen houden de regie.

Agents werken via pull requests, niets gaat zonder review naar productie, en de straat zelf bewaakt de kwaliteit. Zo wordt AI geen experiment naast het proces, maar een vaste plek erin.

Agents met het gereedschap van het huis.

Bij het SaaS-platform:

• AI die wensen uitschrijft tot backlogitems met acceptatiecriteria
• agents die items oppakken, ze implementeren tot en met een pull request, en testen tegen de acceptatiecriteria
• een MCP-server die agents toegang geeft tot de eigen vertaaltool van het platform

Die vertaaltool is een goed voorbeeld. Labels, knopteksten en meldingen staan als vertalingen onder een sleutel. Via de MCP-server kan een agent bestaande vertalingen opzoeken, nieuwe sleutels aanmaken en vertalingen toevoegen of wijzigen, in de termen die het platform al gebruikt. Zo bouwt de agent niet generiek, maar zoals het huis het doet. Aan die MCP-server en de inzet van AI heb ik meegewerkt.

Het fundament kwam uit de zorg. Daar bedacht ik de applicatiestructuur, en daarmee welke projecten en straten er kwamen. Backlog, versiebeheer en uitrol hebben we met z'n tweeën ingericht, per applicatie in het landschap.

Zo goed als de criteria.

De agents waren zo goed als de criteria die ze kregen. Een scherp item met heldere acceptatiecriteria leverde een pull request op dat je kon beoordelen. Een vaag item leverde giswerk op. Goede criteria maken het verschil.

En ze werden pas echt nuttig met het eigen gereedschap van de organisatie. Generieke AI heeft iedereen. Het verschil zit in wat je de agent laat gebruiken.

De straat zelf is gangbare praktijk. Wat anders is: haar zien als de besturing van AI, en daarom scherp zijn op wat er vooraf in staat. Dat is de rode draad in het klein: vooraf bepalen wat iets moet bereiken, en toetsen of dat lukt.

Signalen dat AI nog naast je proces staat.

• AI is een hulpmiddel van losse ontwikkelaars, geen stap in de straat.
• Acceptatiecriteria zijn een formaliteit, of ontbreken.
• Agents kennen je eigen termen, regels en tools niet.
• Niemand kan zeggen wat AI het team oplevert.