Deze publicatie maakt deel uit van een serie over hoe kunstmatige intelligentie het testvak opnieuw uitvindt.
Origineel artikel staat op de Praegus Substack: https://buggedorblessed.substack.com/p/voorbij-automatisering-de-nieuwe
Een nieuwe transformatie in softwaretesten
De wereld van softwaretesten ondergaat opnieuw een radicale transformatie. Van handmatig testen, naar automatisering, naar AI-gedreven kwaliteit. Waar vroeger scripts en herhaling de norm waren, draait het nu om intelligentie en aanpasbaarheid.
AI versnelt niet alleen het testen, het herdefinieert wat kwaliteit en vertrouwen in software betekenen. Kwaliteit wordt een continu en slim proces, geen statische controle aan het einde.
De twee grootste AI-risico’s voor testers
- AI verkeerd gebruiken.
- AI helemaal niet gebruiken.
In beide gevallen verliezen we.
Gebruik je AI ondoordacht, dan vergroot je de kwetsbaarheid van je systeem.
Negeer je AI, dan loop je achter.
De toekomst is aan testers die leren samenwerken met AI – die niet blind vertrouwen, maar bevragen, sturen en verbeteren.
Wat bedoelen we eigenlijk met AI
Generative AI (GenAI) maakt nieuwe content – tekst, code, beelden, audio – en analyseert niet alleen.
Large Language Models (LLM’s) begrijpen en genereren mensachtige taal op basis van enorme hoeveelheden tekst.
AI-agents combineren die modellen met doelen, geheugen en hulpmiddelen om zelfstandig taken uit te voeren.
Het Model Context Protocol (MCP) maakt het mogelijk dat LLM’s veilig toegang krijgen tot tools, API’s en bedrijfsdata.
De tester van morgen
AI vervangt testers niet, maar transformeert ze.
De tester van morgen is een AI-versterkte kwaliteitscoach: iemand die technische kennis, databewustzijn en menselijke creativiteit combineert om betrouwbare systemen te bouwen.
De vaardigheden van de tester verschuiven van uitvoeren naar begrijpen, en van controleren naar coachen.
Acht nieuwe kernvaardigheden voor testers
- AI-geletterdheid en tooling
De moderne tester begrijpt de basis van AI.
Wie met LLM’s en agents werkt, hoeft geen data scientist te zijn, maar moet wel weten hoe ze functioneren, waar ze sterk in zijn en waar ze tekortschieten.
Alleen met dat inzicht kun je modellen beoordelen op betrouwbaarheid, effectiviteit en risico’s.
Een tester die AI begrijpt, weet wanneer menselijk toezicht onmisbaar blijft.
- Prompt engineering en CI/CD
Automatisering verschuift van code naar taal.
De tester van morgen formuleert effectieve prompts waarmee AI tests kan genereren, samenvatten of herstellen.
Die prompts worden onderdeel van de CI/CD-pijplijn, waar agents zelfstandig testen uitvoeren of verbeteren.Het doel: niet alleen sneller, maar slimmer testen.
Een voorbeeld van een agent in Gitlab die testgevallen genereert aan de hand van een PR:
- Kritisch denken en bias-detectie
Een goede tester accepteert nooit zomaar wat AI zegt.
Modellen kunnen hallucineren, verkeerde verbanden leggen of vooroordelen versterken.
Daarom wordt kritisch denken een kerncompetentie.Testers moeten leren herkennen waar AI de plank misslaat – en zorgen dat het niet optimaliseert voor snelheid of dekking, maar voor echte kwaliteit.
- Data-vaardigheid
AI is slechts zo goed als de data die het voedt.
Daarom moet de tester leren omgaan met data-kwaliteit, representativiteit en privacy.Begrijp hoe datasets worden opgebouwd, hoe je ze anonimiseert en hoe observability en analytics ruwe data omzetten in waardevolle inzichten.
Kwaliteit begint bij de kwaliteit van je data.
- Ethiek en risicobewustzijn
AI brengt niet alleen technologische, maar ook morele uitdagingen. Wanneer mag AI beslissen, en wanneer hoort een mens in te grijpen?
De tester wordt de kwaliteitsgewetensstem van het team.
Hij of zij herkent risico’s rond bias, beveiliging en compliance en zorgt dat AI op een verantwoorde manier wordt toegepast.
- Exploratief en creatief testen
AI is krachtig, maar mist nieuwsgierigheid en intuïtie.
De exploratieve tester benut juist die kwaliteiten om scenario’s te ontdekken die AI niet verzint – de unknown unknowns.
Door storytelling te gebruiken, maak je risico’s tastbaar en inzichtelijk voor het team.
Menselijke creativiteit blijft de bron van verrassende inzichten.
- Samenwerking en communicatie
AI verandert ook hoe teams samenwerken.
De tester van morgen vertaalt AI-inzichten naar waarde voor de organisatie. Goede communicatie wordt cruciaal: ontwikkelaars helpen begrijpen waar AI-testen wél waarde toevoegt, en stakeholders uitleggen wat de resultaten betekenen.
Zo wordt kwaliteit een gedeelde verantwoordelijkheid.
- Metatesten: het testen van AI zelf
De tester van morgen test niet alleen met AI, maar test ook de AI zelf. Dat vraagt nieuwe strategieën: beoordelen van betrouwbaarheid, uitlegbaarheid en veerkracht van modellen.
Je kijkt niet alleen naar functioneel gedrag, maar naar nauwkeurigheid, eerlijkheid en consistentie over tijd.
De tester wordt zo de hoeder van vertrouwen in intelligente systemen.
Een voorbeeld van deze testen met de tool promptfoo:
Van traditionele tester naar AI-versterkte tester
AI maakt testers niet overbodig, maar onmisbaar op een andere manier.
Waar vroeger de kracht van kwaliteitsborging lag in procedures en documentatie, ligt die nu in inzicht, aanpassingsvermogen en kritisch denken.
De traditionele QA-rol verandert in die van een AI-versterkte kwaliteitscoach: iemand die begrijpt hoe algoritmes werken, risico’s durft te benoemen en data vertaalt naar businesswaarde.
Dat vraagt groei.
Wie relevant wil blijven, moet leren omgaan met AI-systemen, leren prompten en leren redeneren over bias, risico’s en betrouwbaarheid.
AI zal veel testtaken automatiseren, maar het menselijk oordeel – het vermogen om context te begrijpen en de juiste vragen te stellen – blijft de kern van echte kwaliteit.
De toekomst van QA draait niet om vinkjes zetten, maar om het bouwen van vertrouwde intelligentie: systemen die niet alleen werken, maar waarin we ook durven te vertrouwen.
De vraag is niet of AI jouw werk verandert, maar hoe jij de verandering vormgeeft.
Over deze serie
Deze publicatie maakt deel uit van de reeks Voorbij automatisering: de nieuwe rol van de tester in het AI-tijdperk — een serie over hoe kunstmatige intelligentie het testvak opnieuw uitvindt.
In elke aflevering verken ik een ander facet van deze verschuiving: van AI-geletterdheid en nieuwe testvaardigheden tot ethiek, data en de rol van menselijke intuïtie in een steeds slimmer ecosysteem.
De komende edities gaan een stap verder, met praktische demo’s van AI-gedreven testautomatisering, real-world voorbeelden van Mastra-agents in GitLab-pipelines en evaluatie-frameworks zoals Promptfoo.
Verwacht geen theorie alleen, maar concrete experimenten die laten zien hoe testers AI kunnen inzetten om kwaliteit tastbaar te maken.
De serie nodigt testers, ontwikkelaars en kwaliteitscoaches uit om na te denken over één centrale vraag:
Wat betekent kwaliteit nog in een wereld waarin AI meedenkt?
Nieuwsgierig geworden en wil je meer weten over testen? Neem dan contact op met Praegus – 085-1305977 / info@praegus.nl of kijk op www.praegus.nl