info@msml.nl
+31 85 4018747
AI is overal, maar wat levert het écht op? Het is in ieder geval een veelbesproken thema. We merken dat klanten, partners en collega’s er steeds meer over willen weten. Tegelijkertijd blijft de vraag hangen: hoe vertaal je die technologische belofte naar praktische meerwaarde? Ook wij stelden onszelf die vraag. Niet om achterover te leunen en te wachten tot het helder werd, maar om het actief te onderzoeken. Daarom zijn we gestart met een concreet experiment op een herkenbaar knelpunt in softwareontwikkeling: testen.
Testen van software als vertrekpunt
Onze collega Dylan Elens is hiermee aan de slag gegaan. We ontwikkelde een AI-gedreven testagent die gebruikmaakt van GPT-4o, Playwright en TypeScript. Geen klassiek scriptwerk, maar een slimme tool die teststappen uitvoert op basis van natuurlijke taal. De agent analyseert de interface, klikt door de applicatie, vult formulieren in en controleert of alles werkt zoals bedoeld.
“Doordat we AI toepasten op een concreet en technisch uitdagend probleem, werd al snel zichtbaar waar het echt waarde toevoegt en waar nog beperkingen zitten. Het was waardevol om het idee te vertalen naar een werkend prototype dat direct binnen een ontwikkelproces gebruikt kon worden” aldus Dylan.
Wat leren we van dit experiment?
De resultaten waren verrassend positief. De AI-agent wist zelfstandig door standaardflows te navigeren en ontdekte bugs die eerder onopgemerkt bleven. Tegelijkertijd zagen we ook duidelijke aandachtspunten:
De agent had moeite met dynamische onderdelen zoals kalenders met realtime updates
Bij langere testscenario’s daalde de performance merkbaar
De contextgevoeligheid van GPT-4o zorgde soms voor inconsistent gedrag bij herhaalde tests
Voor ons is de meerwaarde duidelijk, maar we zijn ook kritisch. De betrouwbaarheid en reproduceerbaarheid van traditionele CI-tests zijn voor nu nog een stevige basis. De AI-agent biedt vooral waarde als extra laag: om sneller inzichten te krijgen, bugs te spotten in vroege fases of om ad-hoc scenario’s te verkennen zonder meteen scripts te hoeven schrijven. Daarom zien wij het (nog) niet als vervanging van bestaande testmethodes, maar wél als een slimme aanvulling die het ontwikkelproces versnelt en verrijkt.
Minder hype, meer houvast
Voor ons bevestigt dit project dat AI pas echt waardevol wordt als je het koppelt aan een concrete behoefte. Niet als abstract toekomstbeeld, maar als praktisch hulpmiddel in de dagelijkse praktijk. We merken dat de interesse in AI groot is, maar dat het lastig blijft om de vertaalslag te maken naar een werkbare oplossing. Dat herkennen we. Daarom wachten we niet af, maar doen we, experimenteren we en leren we. Vanuit die aanpak denken we graag mee met organisaties die willen onderzoeken waar AI van waarde kan zijn. Door samen te verkennen welke behoefte er ligt en hoe AI daarin kan bijdragen, ontstaat stap voor stap inzicht in wat werkt en wat op dit moment nog niet geschikt is. Zo maken we de behoefte aan AI concreet en toepasbaar.
