🎧 Luister hier naar de volledige aflevering.
Software-ideeën bespreken is het eenvoudige gedeelte. Je legt het probleem uit, beschrijft wat het product moet doen en wordt het eens over de vereisten. Maar totdat er iets is dat je daadwerkelijk kunt zien en waarmee je kunt interageren, is het moeilijk om te weten of een idee dat op papier goed klinkt, in de praktijk ook echt zal werken.
Door AI begint dit proces te veranderen. In plaats van te wachten tot het ontwerp- en ontwikkelingswerk is gedaan, kunnen teams beginnen met experimenteren met iets dat ze daadwerkelijk kunnen zien, aanklikken en waarop ze kunnen reageren.
In een recente aflevering van The Open Podcast spreekt Sander Mangel met Radu Barbu, Senior Software Engineer en Tech Lead, over hoe dit hun benadering van prototyping (het ontwerpen en testen van software) verandert, van het eerste gesprek met een klant tot het verzamelen van feedback op een werkend prototype.
De verandering voor het prototyping-proces
Radu beschrijft het traditionele prototypen als een proces met "veel documenten, veel tekst en veel over en weer gepraat." Zoals Radu uitlegt: "Er werd veel tijd besteed voordat de klant daadwerkelijk een beeld kon krijgen van hoe het geleverde eruit zou zien," laat staan iets waarmee ze konden interageren.
Hoe langer het duurde om de klant iets tastbaars voor te leggen, hoe langer iedereen bezig was met het bespreken van iets hypothetisch. Radu herinnert zich dat het proces weken van planning, prototyping en het definiëren van vereisten kon omvatten voordat de ontwikkeling echt goed begon.
Vervolgens werden de echte problemen pas zichtbaar als de ontwikkeling al volop aan de gang was. Klanten zagen het product tot leven komen en realiseerden zich dat een bepaald onderdeel niet werkte of dat ze iets anders wilden. Op dat moment was het wijzigen van de vereisten wel mogelijk, maar duur en onvoorspelbaar.
AI maakt het mogelijk om die feedbackloop veel dichter naar het begin van het proces te verplaatsen. "Code is nu goedkoop, dus we kunnen prototyping veel eerder in het proces plaatsen, zelfs voordat een contract is getekend," zegt Sander.
Radu's ervaring weerspiegelt die verandering. Iets dat voorheen ongeveer een week in beslag nam, kan nu resulteren in "iets betekenisvollers in een middag" wanneer de tools op de juiste manier worden gebruikt.
Hierdoor kan een idee sneller aan een klant worden gepresenteerd, krijg je een onmiddellijke reactie en besluit je of het product daadwerkelijk in de juiste richting beweegt voordat je je vastlegt op de ontwikkeling. Prototyping is een manier geworden om een beter gesprek over het product zelf te voeren.
Hoe prototypen met AI er daadwerkelijk uitziet
AI is erg goed in het invullen van de gaten wanneer instructies vaag zijn. Dit kan zowel nuttig als problematisch zijn. Als je een AI-tool het verzoek geeft om een customer management grid te maken, kan het besluiten dat het product een zoekfunctie, inline bewerking en vele andere functies nodig heeft. Het resultaat ziet er gepolijst uit, maar AI is ook begonnen met het nemen van productbeslissingen waar niemand om heeft gevraagd.
Voor Radu is een effectief prototype meer gefocust. "Je moet gewoon de nadruk leggen op de fundamentele business flows," legt hij uit. Het doel is om te demonstreren hoe een bepaald proces werkt, in plaats van een miniatuurversie van het eindproduct te maken waarin elke mogelijke functie is opgenomen.
Sander beschrijft het als een manier om een bepaald proces of specifieke taak te bewijzen, in plaats van te proberen "te pronken met alle functies, alle toeters en bellen die we later kunnen bouwen."
Dit wordt vooral belangrijk bij het werken met AI, omdat het toevoegen van functionaliteit zo eenvoudig is. Een menselijke developer moet natuurlijk nadenken over de tijd die het kost om iets te bouwen. Een AI-tool heeft niet diezelfde beperking bij het genereren van een prototype, dus voegt het dingen toe die nuttig lijken, zonder te overwegen of het ook echt nodig is.
Radu's aanpak is om expliciet te zijn over wat AI wel en niet moet doen door te prompten: "Hé, blijf gewoon bij de basis. Neem niets aan, voeg geen onnodige dingen toe. Die voegen we later wel toe." Het doel is om net genoeg te produceren om de vraag te beantwoorden die je daadwerkelijk hebt.
De waarde van iets echt zien
Klanten begrijpen een product vaak anders zodra ze het kunnen zien en ermee kunnen interageren. Een geschreven vereiste kan volkomen duidelijk lijken, totdat het een scherm wordt. Klanten die ernaar kijken, merken dan dat het proces onlogisch is of dat er informatie ontbreekt.
Radu beschrijft dit als het "aha-moment" dat kan optreden wanneer een klant het prototype ziet. "Niemand weet precies wat ze willen," zegt hij, waarna hij deze uitspraak nuanceert door uit te leggen dat mensen kunnen denken dat ze weten wat ze willen, totdat ze iets tot leven zien komen.
Het prototype geeft hen iets om hun verwachtingen mee te vergelijken. Dit kan met name waardevol zijn voor agencies. In plaats van een klant te vragen een specificatie goed te keuren op basis van beschrijvingen van toekomstige functionaliteit, kan het team hen een versie van de ervaring laten zien en vragen of het het zakelijke probleem weerspiegelt dat ze proberen op te lossen.
Het geeft ook het ontwikkelteam meer duidelijkheid. Zodra het prototype is besproken en aangepast, is er een gedeeld referentiepunt voor wat er daadwerkelijk wordt gebouwd.
Radu beschrijft dit als het verduidelijken van de zaken voor beide partijen door te weten: "Dit is waar we naartoe gaan. Dit is wat je gaat krijgen. Dit is wat wij moeten leveren."
AI heeft nog steeds sturing nodig
De snelheid van het proces mag niet worden verward met een gebrek aan expertise. Sterker nog, de ervaring van Radu suggereert bijna het tegenovergestelde. Zijn eerste pogingen tot AI-prototyping waren niet bijzonder succesvol. De tool deed aannames, wijzigingen waren soms moeilijk te communiceren en langere conversaties konden ervoor zorgen dat de AI de draad kwijtraakte van wat er eerder al was vastgesteld.
Zoals hij het verwoordt: "Je begint de controle een beetje te verliezen" wanneer de context te ingewikkeld wordt of instructies niet precies genoeg zijn.
Na aan verschillende prototypes te hebben gewerkt, werd het proces echter veel voorspelbaarder. Radu leerde wat de tool waarschijnlijk zou produceren en hoe hij zijn instructies daarop kon afstemmen. Die leercurve is een belangrijk onderdeel van het werken met AI. AI is niet zomaar iets dat je aanzet en meteen effectief weet te gebruiken. Begrijpen hoe het zich gedraagt, wordt een onderdeel van de vaardigheid.
Zijn workflow begint al vóór de AI-tool zelf. Hij grijpt terug op pen en papier en neemt het klantgesprek, de beschikbare documentatie en zijn eigen begrip van het probleem door. Ervaring speelt een belangrijke rol, omdat het een interne logica moet hebben en iets moet vertegenwoordigen dat daadwerkelijk zou kunnen werken.
Pas daarna stapt hij over op de AI-workflow, te beginnen met de zakelijke context en de gewenste flow, voordat hij de implementatie in kleinere fasen opdeelt. "Het is een goede gewoonte om AI-tools taken te geven in kleine, precieze, goed gedefinieerde blokken," legt hij uit.
Elke stap kan dan worden gecontroleerd voordat naar de volgende wordt gegaan. Als er iets mis is, is het veel eenvoudiger om één klein onderdeel te corrigeren dan om een volledig prototype te repareren dat is gegenereerd vanuit één enkele instructie.
Hoe dit er in de praktijk uitziet bij Open Commerce
Deze aanpak werd onlangs in de praktijk gebracht toen Open Commerce in gesprek was met een fabrikant van landbouwmachines. Radu had geen uitgebreide kennis van de landbouw of een gedetailleerd begrip van de klant. Wat hij wel had, was inzicht in de zakelijke vereisten en het feit dat de klant op zoek was naar iets standaards in plaats van een volledige maatwerkoplossing. In dit geval was de klantwens in wezen een dealerportaal, iets dat niet geheel nieuw was vanuit een b2b-perspectief.
Het prototype zette dat begrip snel om in iets tastbaars. Radu schat dat de initiële discussie, het prototype en de aanpassingen ongeveer 3-4 uur in beslag namen. De briefing werd opgesteld op basis van het gesprek van het team met de klant, het prototype werd ontwikkeld en vervolgens verfijnd via Slack. In plaats van voor elke wijziging een nieuwe vergadering te plannen, kon het team naar het prototype kijken, een aanpassing voorstellen en herhalen.
Dezelfde aanpak kan ook werken wanneer het project is gebaseerd op een bestaand commerce platform in plaats van helemaal opnieuw te worden gebouwd. Voor één prototype gebruikte Radu Shopware als referentiepunt voor de look and feel, waarbij hij opzettelijk de behoefte aan een echte server, database of productieomgeving vermeed. De AI was in staat om de visuele taal van het platform nauwkeurig te reproduceren, maar het liet ook precies zien waarom menselijke sturing noodzakelijk blijft. Omdat Radu had gevraagd om het prototype als Shopware te laten aanvoelen, voegde het in eerste instantie het hele standaardmenu toe in plaats van alleen de secties die nodig waren voor het prototype. Dit illustreert hoe AI doet wat het denkt dat logisch is op basis van de informatie die het heeft. De mens erachter moet nog steeds het verschil herkennen tussen wat de tool heeft gegenereerd en wat het project daadwerkelijk vereist.
Een andere manier van werken met AI
AI-prototyping kan veranderen wanneer en hoe teams beslissingen nemen. Radu ziet potentie voor deze aanpak binnen rollen zoals business analysis, waar het teams kan helpen bij het definiëren van zakelijke taken en het overdenken van de implicaties daarvan. Sander wijst ook op de waarde voor sales. Je kunt een live, klikbare ervaring presenteren die nuttiger is in een klantgesprek dan een PowerPoint-presentatie.
Uiteindelijk moeten mensen echter het proces sturen. Radu benadrukt dat "je AI nog steeds als een tool moet zien."
De vergelijking van Sander is: "Jij bent nog steeds de regisseur, de AI is je orkest. Het is als het gebruik van de zelfrijdende functie van een auto, maar uiteindelijk ben jij de bestuurder. Je moet het een beetje in de juiste richting sturen."
Dit is hoe we vandaag de dag over AI-prototyping zouden moeten nadenken. Het is geen shortcut van idee naar productie. Het is een snellere route van een zakelijk probleem naar iets dat concreet genoeg is om te bespreken, te testen en te veranderen. Zodra iedereen kan zien waar het product naartoe gaat, wordt de belangrijkste vraag veel makkelijker te beantwoorden. Is dit daadwerkelijk waar we naartoe willen?
