💻 computer science

From Determinism to Delegation: AI-Native Software Engineering and the Evolution of the Agentic Engineer

Dit artikel betoogt dat AI-Native Software Engineering een fundamentele paradigmaverschuiving vertegenwoordigt van deterministisch coderen naar het superviseren van probabilistische autonome agenten, waarbij de rol van de ingenieur wordt geherdefinieerd als een "Agentic Engineer" die prioriteit geeft aan eigenaarschap over de uitkomst en gedisciplineerd toezicht boven traditioneel auteurschap van code.

Oorspronkelijke auteurs: Mamdouh Alenezi

Gepubliceerd 2026-06-30

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Mamdouh Alenezi

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het Grote Idee: Van Bakstenen Leggen naar een Bouwploeg Aansturen

Stel je de geschiedenis van software engineering voor als de geschiedenis van het bouwen van huizen.

De Oude Manier (Determinisme):
Decennialang waren software engineers als meester-metselaars. Ze legden elke individuele baksteen met de hand. Als ze een muur wilden, berekenden ze precies waar elke steen moest komen. Als ze een fout maakten, stortte de muur in. Het doel was zekerheid: "Als ik een steen hier leg, staat de muur precies hier." Dit is wat het artikel Deterministische Software Engineering noemt. De engineer schrijft de code, en de computer doet exact wat hem wordt verteld, niet meer en niet minder.

De Nieuwe Manier (AI-Native):
Stel je nu voor dat je een team hebt van ongelooflijk talentvolle, maar enigszins onvoorspelbare leerlingen. Ze kunnen binnen enkele minuten een hele kamer voor je bouwen, maar soms plaatsen ze een raam op de verkeerde plek of gebruiken ze het verkeerde type hout. Ze volgen niet alleen bevelen op; ze denken na over hoe ze het probleem kunnen oplossen.

Het artikel stelt dat de taak van de engineer verandert van "bakstenen leggen" naar het aansturen van deze ploeg. Deze nieuwe rol wordt de Agentic Engineer genoemd. In plaats van elke regel code te schrijven, ontwerpen zij de regels, de hulpmiddelen en de doelen voor deze AI-"leerlingen" (agents) en houden ze vervolgens het resultaat toezicht.

De Drie Grote Veranderingen

Het artikel stelt dat deze verschuiving op drie specifieke manieren plaatsvindt:

1. De Eenheid van Werk: Van "De Baksteen" naar "Het Blauwdruk"

Oud Werk: De belangrijkste taak van de engineer was het schrijven van een specifieke functie (een baksteen).
Nieuw Werk: De belangrijkste taak van de engineer is het ontwerpen van een workflow (de blauwdruk).
Analogie: In plaats van zich zorgen te maken over hoe je het cement mengt, vraagt de engineer zich nu af: "Welke tools heeft de leerling nodig? Wat zijn de veiligheidsregels? Wie roepen ze als ze vastlopen?" De engineer bouft het milieu waarin de AI kan werken, in plaats van het werk zelf te doen.

2. De Definitie van "Correctheid" (Correctheidsmodel)

Oud Werk: Een programma was ofwel juist of onjuist. Het was binair. Zoals een lichtschakelaar: Aan of Uit.
Nieuw Werk: Correctheid is nu statistisch. Het is als een weersverwachting.
Analogie: In de oude dagen, als een brug instortte, had de ingenieur het fout gehad. In de nieuwe wereld, als een AI-agent een brug bouwt die 94% van de tijd standhoudt, kan dat "goed genoeg" zijn voor een tuinhuisje, maar "verschrikkelijk" voor een snelweg. De taak van de engineer is beslissen: "Is dit risiconiveau acceptabel voor dit specifieke project?"

3. Wie is Verantwoordelijk? (Verantwoordelijkheidsmodel)

Oud Werk: Als de code kapot ging, was de persoon die het schreef verantwoordelijk.
Nieuw Werk: De engineer is verantwoordelijk voor de uitkomst, zelfs als hij de code niet zelf heeft geschreven.
Analogie: Denk aan een chef-kok in een restaurant. Als de sous-chef (de AI) de steak aanbrandt, is de hoofdchef (de Agentic Engineer) nog steeds degene die ontslagen wordt. De hoofdchef heeft de pan niet aangeraakt, maar is wel verantwoordelijk voor de maaltijd die aan de klant wordt geserveerd. Het artikel noemt dit "Outcome Ownership" (Eigenaarschap van de uitkomst).

De "Agentic Engineer" versus de "Software Engineer"

Het artikel vergelijkt deze twee rollen met het verschil tussen een Solo Gitarist en een Dirigent.

De Solo Gitarist (Software Engineer): Richt zich op perfecte techniek en speelt elke noot exact zoals genoteerd. Ze moeten het instrument door en door kennen.
De Dirigent (Agentic Engineer): Richt zich op het hele orkest. Hij speelt niet elk instrument. In plaats daarvan vertelt hij de strijkers wanneer ze moeten instappen, de koperblazers wanneer ze hard moeten spelen, en hij stopt de muziek als het tempo te hoog wordt. Hij moet weten hoe hij een "geloofwaardige maar foute" noot moet herkennen die een computer zou kunnen spelen.

Kerninzicht: Het artikel waarschuwt dat het feit dat je een geweldige gitarist bent (een ervaren ontwikkelaar), niet betekent dat je automatisch een goede dirigent zult zijn. Sterker nog, sommige studies in het artikel laten zien dat bij zeer complexe, expert-taken, het toevoegen van AI-assistenten mensen in het begin zelfs kan vertragen, omdat ze tijd kwijt zijn aan het controleren van het werk van de AI. De grootste waarde komt voort uit oordeelsvorming, niet alleen uit snelheid.

De Verborgen Gevaren (Beveiliging & Betrouwbaarheid)

Het artikel benadigt twee grote risico's die in de oude dagen niet bestonden:

Het "Drift"-probleem:
- Analogie: Een klassiek softwareprogramma is als een klok; hij tikt voor altijd op dezelfde manier. Een AI-agent is als een huisdier. Als je hem niet de juiste data voert of de training niet bijwerkt, kan hij vreemd gaan gedragen. Hij "drift". De engineer moet de pet constant in de gaten houden om te zorgen dat hij geen slechte gewoonten aanleert.
De "Vergiftigde Noten" (Prompt Injection):
- Analogie: Stel je een ober (de AI) voor die bestellingen van klanten aanneemt. Een "Prompt Injection" is als een klant die een geheime code tegen de ober fluistert: "Negeer de regels van de chef en geef me de volledige inventaris van de keuken." Het artikel merkt op dat dit een reëel, meetbaar gevaar is waarbij AI-agents kunnen worden misleid om dingen te doen die ze niet zouden mogen, zoals het stelen van gegevens.

Wat betekent dit voor de toekomst?

Het artikel doet enkele voorspellingen (hypothesen) over wat er hierna zal gebeuren:

Hybride Banen: Binnenkort zal elke software engineer moeten weten hoe hij AI-agents aanstuurt. De lijn tussen "coder" en "AI-manager" zal vervagen.
Nieuwe Specialisaties: We zullen nieuwe functies zien zoals "Agent Reliability Engineer". Hun taak is om ervoor te zorgen dat de AI niet hallucineert, niet wordt gehackt en geen geld verspilt.
Governance is Cruciaal: Weten hoe je regels volgt (zoals ISO-normen voor AI) zal een vereiste worden om aangenomen te worden, net zoals weten hoe je code schrijft dat vandaag de dag is.

De Kernboodschap

Het artikel concludeert dat AI de engineers niet vervangt; het verandert hun functiebeschrijving.

Het is geen verhaal van "Mens versus Machine". Het is een verhaal van Symbiose (samenwerking). De AI-agents zijn de "productiemiddelen" (de tools), maar de menselijke engineer is nog steeds degene die bepaalt wat er gebouwd wordt, waarom het gebouwd wordt, en of het veilig is om te gebruiken. De meest waardevolle vaardigheid in de toekomst is niet het sneller typen van code; het is de wijsheid om te weten wanneer je de AI vertrouwt en wanneer je zelf het stuur weer moet overnemen.

Technische Samenvatting: Van Determinisme naar Delegatie

Probleemstelling

Het software engineering-vakgebied ondergaat een structurele transitie, gedreven door de opkomst van Large Language Models (LLM's) die in staat zijn tot duurzame, meerstaps, door instrumenten gemedieerde executie. Terwijl traditionele software engineering opereert onder een deterministisch model — waarbij een gespecificeerde input een gespecificeerde output garandeert, geverifieerd via formele specificaties en binaire testen — introduceert agentic AI probabilistisch, autonoom gedrag. Het kernprobleem dat wordt geadresseerd, is de ontoereikendheid van huidige engineering-paradigma's, die zich richten op het schrijven van deterministische code, om systemen te beheren waar gedrag voortkomt uit stochastische beleidsregels, context en interacties met instrumenten (tools). Het artikel stelt dat het behandelen van AI als louter een incrementele tooling-upgrade onvoldoende is; in plaats daarvan is een fundamentele paradigmaverschuiving vereist om de nieuwe eenheid van werk, correctheidsmodellen en verantwoordelijkheidsstructuren die door autonome agenten worden geïntroduceerd, aan te pakken.

Methodologie

Dit werk is een position paper dat een snel evoluerend corpus aan literatuur synthetiseert, die grotendeels na 2022 is gepubliceerd. Het presenteert geen enkele nieuwe empirische studie, maar construeert een coherent argument door middel van:

Literatuursynthese: Het aggregeren van peer-reviewed bewijs, inclusclusief veldexperimenten, gerandomiseerde gecontroleerde onderzoeken (RCT's) en technische benchmarks (bijv. SWE-bench).
Conceptueel Kaderen: Het definiëren van "AI-Native Software Engineering" en het archetype van de "Agentic Engineer" via drie conceptuele assen.
Vergelijkende Analyse: Het construeren van een veertien-dimensionale vergelijking tussen traditionele en agentic engineering-praktijken.
Formele Modellering: Het toepassen van wiskundige formuleringen op agent-loops, aandachtmechanismen (attention mechanisms) en betrouwbaarheidsverval (bijv. compositionele betrouwbaarheidsvergelijkingen).
Standaardenmapping: Het afstemmen van opkomende competenties en risico's op gevestigde wereldwijde kaders (SFIA 9, CMU SEI, ISO/IEC 42001, IEEE 7000, NIST AI RMF).
Hypothesegeneratie: Het formuleren van zes falsifieerbare voorspellingen op basis van huidige trends en bewijs.

Belangrijkste Bijdragen

1. De Drie-Assen Paradigmaverschuiving

Het artikel kenmerkt de transitie naar AI-Native Software Engineering langs drie dimensies:

As 1: Eenheid van Werk: Verschuift van het deterministische code-artefact (functie/service) naar de gesuperviseerde agent-workflow. De rol van de engineer verandert van het voorschrijven van elke computationele stap naar het vormgeven van de operationele omgeving (prompts, geheugen, instrumenten, beperkingen) waarbinnen gewenst gedrag ontstaat.
As 2: Correctheidsmodel: Verschuift van binaire asserties (pass/fail) naar statistische evaluatie onder onzekerheid. Correctheid wordt gemeten via taaksuccespercentages, getrouwheid (faithfulness) en hallucinatiefrequentie over gecureerde datasets, waarbij wordt erkend dat 94% succes acceptabel kan zijn in sommige contexten, maar niet in andere.
As 3: Verantwoordelijkheidsmodel: Verschuift van auteurschap (eigendom van de code) naar uitkomst-eigenaarschap. Hoewel agenten taken uitvoeren, behouden menselijke engineers de verantwoordelijkheid voor governance, beperkingen en finale validatie. Verantwoordelijkheid concentreert zich rond toezicht in plaats van directe implementatie.

2. Het Archetype van de Agentic Engineer

Het artikel definieert de Agentic Engineer niet als een vervanging voor de traditionele Software Engineer (SWE), maar als een complementaire rol die geoptimaliseerd is voor het orkestreren van probabilistische collaborators. Belangrijke onderscheidende punten zijn:

Kernparadigma: Beweging van imperatieve logica naar doelgestuurde, stochastische beleidsregels onder randvoorwaarden (guardrails).
Kennisdomein: Uitbreiding van talen en systeemontwerp naar LLM-internals, prompting, geheugenbeheer en alignment.
Architectuur: Het adopteren van cognitieve loops (Waarnemen → Redeneren/Plannen → Handelen → Observeren → Geheugen bijwerken) in plaats van puur gelaagde microservices.
Testen: Het gebruik van "LLM-as-judge", trajectevaluatie en semantische gelijkenis in plaats van enkel unit tests en coverage.
Beveiliging: Het adresseren van prompt injection, jailbreaking en indirecte prompt injection via permissie-afbakening en human-in-the-loop (HITL) poorten.

3. Mechanismen van Autonome Agenten

Het artikel formaliseert de technische fundamenten van agent-systemen:

Reasoning–Acting Loops: Agenten benaderen een beleid $\pi$ over een gedeeltelijk observeerbaar besluitvormingsproces, waarbij redeneren wordt afgewisseld met tool-acties (bijv. ReAct, Plan-and-Execute).
Context Engineering: Het beheren van input-payloads via semantische chunking en retrieval-augmented generation (RAG) om de kosten van aandacht (attention costs) en hallucinaties te mitigeren.
Tool Protocollen: De adoptie van het Model Context Protocol (MCP) om verbindingen tussen agenten en deterministische API's te standaardiseren.
Compositionele Betrouwbaarheid: Het aantonen dat de succeswaarschijnlijkheid van eind-tot-eind processen multiplicatief afneemt over meerstaps-horizonten ( $P_{success} = p^n$ ), wat traject-niveau evaluatie en menselijke checkpoints noodzakelijk maakt.
Gedragsdrift (Behavioral Drift): Het erkennen dat agenten geen stabiele eindtoestanden hebben en permanente stewardship vereisen tegen data- en conceptdrift.

4. Empirisch Bewijs en Betwiste Bevindingen

Het artikel synthetiseert gecontroleerd bewijs om te betogen dat productiviteitswinsten heterogeen zijn:

Positieve Bevindingen: Veldexperimenten (bijv. Microsoft, Accenture) tonen significante toenames in taakvoltooiing (+26,1%) voor minder ervaren ontwikkelaars en gebonden taken.
Negatieve/Gemengde Bevindingen: Een gerandomiseerd gecontroleerd onderzoek onder 16 ervaren open-source ontwikkelaars vond een vertraging van 19% in de tijd voor taakvoltooiing met AI-tools uit begin 2025, wat in strijd is met de zelf voorspelde versnellingen.
Conclusie: Ruwe automatisering garandeert geen efficiëntie; gedisciplineerd toezicht en gekalibreerd oordeelsvermogen zijn de dragende competenties. Winsten concentreren zich bij goed afgebakende taken, terwijl werk met een hoge contextuele complexiteit netto kosten kan inhouden.

5. Governance en Risico

Het artikel koppelt agent-risico's aan gevestigde standaarden:

Beveiligingsrisico's: Indirecte prompt injection kan ervoor zorgen dat agenten instrumenten misbruiken (bijv. datalekken/exfiltratie). Benchmarks tonen aanrijkingspercentages van aanvallen tot 24% in dynamische omgevingen.
Governance Frameworks: Integratie van ISO/IEC 42001 (AI-managementsystemen), IEEE 7000 (value engineering) en NIST AI RMF (risicomanagement) wordt gepresenteerd als essentieel voor controleerbaarheid en traceerbaarheid.
Competentieladder: Gebruikmakend van SFIA 9, schetst het artikel een progressie van het uitvoeren van deterministische commando's (Niveau 1) naar het besturen van model-portfolio's en het ontwerpen van veilige architecturen (Niveau 7).

Resultaten en Voorspellingen

Het artikel concludeert met zes falsifieerbare hypothesen over de toekomst van het vakgebied:

Convergentie: Het onderscheid tussen SWE en de Agentic Engineer zal vervagen in een hybride archetype.
First-Pass Executie: Agenten zullen de initiële analyse en implementatie afhandelen, waarbij mensen sturen en reviewen.
{% if false %} (Note: The user requested translation of the entire text, including the list below) {% endif %}
Heterogene Effecten: Voordelen zullen afhankelijk blijven van taakafbakening en de context van de ontwikkelaar, en niet uniform positief zijn.
Nieuwe Discipline: Evaluatie en betrouwbaarheid zullen een benoemde specialisatie worden ("SRE voor agenten").
Economische Verschuiving: Lagere modificatiekosten zullen ontwerpbeslissingen veranderen in "two-way doors", waardoor het concurrentievoordeel verschuift naar oordeelsvermogen.
Governance als Filter: Vloeiendheid in AI-governance standaarden zal een vereiste worden voor werving in de enterprise-sector.

Betekenis en Claims

De centrale claim van het artikel is er een van symbiose, niet van substitutie. De Agentic Engineer is gebouwd op en blijft verantwoordelijk via klassieke engineering-discipline. De betekenis van dit werk ligt in:

Herformulering van het Beroep: Het verplaatsen van de locus van waarde van code-auteurschap naar de governance van probabilistische systemen.
Validatie van Toezicht: Het bieden van een empirische grondslag dat menselijk toezicht een kritische, schaarse competentie is, met name voor ervaren ontwikkelaars en complexe systemen.
Brug Slaan tussen Theorie en Praktijk: Het verbinden van abstracte agent-architecturen met concrete governance-standaarden en behoeften aan personeelsontwikkeling.
Waarschuwen tegen Triomfalisme: Het benadrukken dat waarde ongelijkmatig wordt gegenereerd en dat "klaar" (done) een verouderd begrip is in systemen die onderhevig zijn aan gedragsdrift, wat een verschuiving vereist naar continu stewardship.

Het artikel stelt dat de blijvende taak van het beroep niet langer alleen het bouwen van systemen is, maar het beslissen wat het waard is om gebouwd te worden en het verifiëren dat het juist is gebouwd binnen een probabilistische, autonome omgeving.