Hoe tech lead Mick meebouwde aan de AI-versnelling bij Cube.

Een overstap die om meer draaide dan reistijd.

Toen ik Mick vroeg waarom hij voor Cube koos, begon hij lachend over de kortere reistijd. Natuurlijk speelde mee dat Oldenzaal dichter bij huis ligt dan zijn vorige werkgever, maar dat was vooral de aanleiding om eens een gesprek aan te gaan. De echte reden lag ergens anders. Bij zijn vorige werkgever werkte hij al dagelijks met AI-agents en ook buiten werktijd bleef hij experimenteren. Verschillende modellen vergelijken, uitzoeken welke het beste past bij een bepaald type vraagstuk en ontdekken waar de grenzen liggen. Niet als hobbyproject, maar omdat hij ervan overtuigd was dat AI softwareontwikkeling fundamenteel zou veranderen. Die kennis wilde hij graag delen: "Ik denk dat de kennis die ik heb goed gebruikt kan worden voor andere teams en andere mensen."

Tijdens de gesprekken hoorde hij dat Cube dezelfde kant op wilde. Geen losse AI-experimenten, maar een organisatiebrede verandering. Bovendien zag hij een cultuur waarin collega's gemakkelijk bij elkaar aankloppen en kennis niet binnen één team blijft hangen. "Leuke cultuur, leuke collega's, enthousiast team," vat hij het zelf nuchter samen. Juist die combinatie gaf voor hem de doorslag. Niet alleen werken mét AI, maar ook bouwen aan hoe een hele organisatie ermee leert werken.

Op het juiste moment ingestapt.

De timing had nauwelijks beter kunnen zijn. In 2024 zette Cube de eerste stappen met AI in softwareontwikkeling. Begin dit jaar lag er een concreet plan om AI structureel onderdeel te maken van het ontwikkelproces. Dat plan was al in uitvoering toen Mick op zijn eerste werkdag binnenstapte. Dat maakte zijn ervaring direct waardevol. De vraag was namelijk niet meer óf coding agents een plek zouden krijgen binnen development. Die keuze was al gemaakt. De uitdaging lag ergens anders: hoe zorg je ervoor dat vier developmentteams er dagelijks mee kunnen werken, zonder dat iedereen zijn eigen werkwijze ontwikkelt? Mick had dat proces al eens meegemaakt.

Hij wist welke modellen sterk zijn in verschillende soorten werk, wanneer een agent juist níét de beste keuze is en hoe je voorkomt dat verschillende tools langs elkaar heen werken. Voor collega's die nieuwsgierig waren, maar nog weinig ervaring hadden, bleek praktijkervaring overtuigender dan welke presentatie ook. Er zat iemand naast hen die het simpelweg al deed. Toch zit volgens Mick de grootste winst niet in de tooling zelf."Een AI-model doet precies wat je vraagt. Dus je moet weten hoe je hem dingen laat doen en hoe je hem meer kennis en context geeft." Juist dat blijkt in de praktijk het verschil te maken. Niet het model bepaalt de kwaliteit van het resultaat, maar de manier waarop je ermee samenwerkt.

Een vliegende start.

Zijn eerste werkdag voelde eigenlijk niet als een eerste werkdag. Nog voordat hij officieel in dienst kwam, schoof Mick aan bij een teamavond. Pizza op tafel, kennismaken met collega's en de eerste gesprekken over projecten en AI. "Het ijs was al gebroken. Dan kom je op je eerste dag niet helemaal onbekend binnen."

De eerste maanden werkte hij mee als developer. Daarna groeide hij door naar de rol van tech lead. Hoe hij het team ervaart, blijkt misschien wel uit iets wat helemaal niets met software te maken heeft. Toen Mick trouwde, nodigde hij zijn collega's uit voor de bruiloft. "En wat een feest was het," zeg ik lachend terug. Juist dat typeert de sfeer binnen Cube. Samenwerken stopt niet bij de grenzen van een project of team. Mensen kennen elkaar, helpen elkaar en gunnen elkaar iets. Die open cultuur bleek later misschien wel de belangrijkste voorwaarde om AI zo snel onderdeel van het dagelijkse werk te maken.

Zo werd AI onderdeel van het dagelijkse werk.

Het begon met een kleine groep tech leads. Zij gingen als eersten met coding agents aan de slag. Niet om meteen de hele organisatie om te gooien, maar om te ontdekken hoe AI écht waarde toevoegt aan het ontwikkelproces. Veel tijd had dat niet nodig. Binnen een paar weken werkten vrijwel alle developers dagelijks met een AI-agent. Opvallend genoeg ontstond die versnelling niet vanuit één strak plan. Overal binnen de organisatie waren collega's op hun eigen manier aan het uitzoeken wat werkte. De één testte thuis verschillende modellen, de ander bouwde een slim hulpmiddel voor een lopend project. Iedereen ontdekte nét iets anders. De echte stap vooruit kwam toen die losse inzichten elkaar begonnen te versterken.

Zo ontstonden de eerste skills: vaste instructies die bepalen hoe een agent zich binnen Cube gedraagt, welke standaarden gelden en welke taken hij zelfstandig mag uitvoeren. Wat begon als een handige oplossing voor één developer, groeide uit tot een gedeelde werkwijze waar iedereen op kon voortbouwen. Hetzelfde gebeurde met de eerste MCP-servers. Daarmee krijgt een AI-model toegang tot de systemen, documentatie en databronnen die bij een project horen. Geen losse chatbot meer die moet gokken, maar een agent die de context van een project begrijpt en daar ook naar handelt.

Keuzes maken die niet alleen vandaag, maar ook over een jaar overeind staan.

Voor Mick voelde die ontwikkeling vertrouwd. Hij had eerder gezien hoe snel zoiets kan groeien, mits mensen hun kennis blijven delen. Zijn ervaring hielp om ideeën sneller samen te brengen en keuzes te maken die niet alleen vandaag werken, maar ook over een jaar nog overeind staan. Toch zit de grootste kracht volgens hem niet in de techniek. "Iemand uit het ene team verzint iets en iemand uit een ander team had hetzelfde idee. Dan gaan die twee samen zitten en kijken of ze van hun twee ideeën één goed idee kunnen maken." Dat typeert de manier waarop er bij Cube wordt samengewerkt. Nieuwe ideeën verdwijnen niet op een eigen laptop, maar worden besproken tijdens kennissessies, verder ontwikkeld tijdens hackathons en steeds weer verbeterd doordat collega's erop voortbouwen.

"Iedereen heeft hier die mentaliteit van elkaar helpen." Je merkt het vooral in de kleine momenten. Twee collega's die spontaan achter hetzelfde scherm kruipen. Een bericht op vrijdagmiddag waarin iemand laat zien wat hij net werkend heeft gekregen. Of een oplossing die maandag alweer onderdeel is van de werkwijze van een ander team. Wat begon bij een paar tech leads, is inmiddels simpelweg de manier waarop software wordt ontwikkeld.

Van programmeren naar richting geven.

Vraag je Mick wat AI met zijn werkdag heeft gedaan, dan begint hij niet over sneller programmeren. De grootste verandering zit volgens hem in alles wat eraan voorafgaat. "Vroeger was je heel veel aan het nadenken hoe je iets moest bouwen, en dan moest je het zelf nog bouwen en zelf testen." Dat denkwerk is niet verdwenen. Het heeft alleen een andere plek gekregen. Waar developers vroeger vooral bezig waren met de implementatie, ligt de nadruk nu veel eerder in het proces. Wat moet er precies gebouwd worden? Hoe past een oplossing binnen de bestaande architectuur? En welke context heeft een agent nodig om zelfstandig aan de slag te kunnen? Pas als die basis staat, neemt een AI-agent een groot deel van het uitvoerende werk over. "Je werkt een issue zo goed uit dat je het zo aan de agent kan geven en kan zeggen: bouw maar."

Dat betekent niet dat de developer achterover kan leunen.

Integendeel. Mick werkt bewust volgens het human-in-the-loop-principe. De agent voert taken uit, maar iedere belangrijke stap wordt beoordeeld voordat het proces verdergaat. De verantwoordelijkheid blijft daarmee waar die hoort: bij de ontwikkelaar.  Ook het uitzoekwerk aan het begin van een issue ziet er tegenwoordig anders uit. Waar hij vroeger zelf door een onbekende codebase zocht om te achterhalen waar een probleem zat, laat hij een agent eerst analyseren hoe onderdelen met elkaar samenhangen, waar afhankelijkheden zitten en waar de oorzaak waarschijnlijk ligt. Dat bespaart tijd, maar belangrijker nog: het geeft ruimte voor het werk waarin menselijke ervaring het verschil maakt: architectuur, randgevallen, onderhoudbaarheid. Juist de keuzes die bepalen of software over een jaar nog steeds prettig te onderhouden is.

Waarom de kwaliteit juist omhoog gaat.

Dit was de vraag waar ik het meest naar uitkeek. Sneller werken snapt iedereen, maar waarom gaat de kwaliteit mee omhoog in plaats van omlaag? Als software sneller wordt gebouwd, gaat dat dan niet ten koste van de kwaliteit? Volgens hem is juist het tegenovergestelde waar. Niet omdat AI minder fouten maakt dan mensen, maar omdat het ontwikkelproces op veel meer momenten wordt gecontroleerd. "Je krijgt veel meer merge requests en veel meer nakijkwerk. Dat werd de blokkerende factor."

Daarom wordt iedere merge request eerst automatisch beoordeeld. Niet alleen op stijl of syntax, maar juist op verbanden die je als developer gemakkelijk over het hoofd ziet. "Hij zegt gewoon: je hebt hier deze code aangepast, maar in dat andere bestand staat dezelfde constructie. Kijk daar ook even of het nog goed is." Die eerste ronde vervangt de review niet, maar maakt hem gerichter. Een developer bepaalt nog altijd of iets wordt samengevoegd.

Nog voordat code wordt gecommit, draait bovendien een securityscan op basis van de OWASP-richtlijnen. Kwetsbaarheden worden direct gesignaleerd en vaak ook meteen van een voorstel voorzien. Of die oplossing daadwerkelijk klopt, beoordeelt een developer. Controles die vroeger pas later in het proces plaatsvonden, zijn nu onderdeel van iedere wijziging.

Niet alleen de happy flow testen.

Toch ziet Mick de grootste kwaliteitswinst ergens anders. Vrijwel iedere developer schrijft onbewust testscenario's vanuit de situatie waarin alles goed gaat. Totdat AI met de scenario's komt waar je zelf niet aan had gedacht. "Als jij een testplan schrijft, schrijf je onbewust alleen de happy flow."  Een agent kijkt juist ook naar situaties waarin iets misgaat. Wat gebeurt er als een gebruiker niet de juiste rechten heeft? Als verplichte invoer ontbreekt? Of wanneer een proces onverwacht wordt onderbroken? Zijn conclusie is daarom opvallend eenvoudig. "Ik denk juist dat je code veiliger wordt als je AI goed toepast. Meer tests, meer edge cases, een security scan voordat je commit."

De developer blijft aan het roer.

Ondanks alle mogelijkheden van AI is Mick over één ding heel duidelijk: goed toepassen vraagt nog altijd vakmanschap. Een agent kan veel werk uit handen nemen, maar alleen als je hem precies vertelt wat de bedoeling is. "Als je alleen zegt: maak issues van dit design, dan gaat het mis. Je moet echt goed zeggen wát hij moet doen, hoe en wanneer." 

Juist daar zit volgens hem tegenwoordig een groot deel van het ontwikkelwerk. Niet in het schrijven van code, maar in het scherp formuleren van een opdracht, het meegeven van de juiste context en het beoordelen van de uitkomst. Is een issue uitgewerkt, dan genereert de agent bijvoorbeeld een testplan. Dat neemt Mick vervolgens zelf functioneel door. Pas als alles klopt, gaat het live. Ook de keuzes onder de motorkap blijven mensenwerk. Welk model gebruik je? Welke skills geef je mee? Welke systemen en databronnen mag een agent raadplegen? Dat zijn geen technische details, maar bewuste afwegingen die bepalen hoe betrouwbaar de uitkomst is. AI verandert de rol van de developer dus wel, maar neemt die niet over.

Vier lessen voor developers die met AI-agents willen beginnen.

Wat zou Mick adviseren aan developers die nieuwsgierig zijn naar AI, maar nu niet verder komen dan af en toe een vraag aan een chatbot? Zijn antwoord begint niet bij tooling, maar bij het doel. "Kijk vooral hoe je het wil toepassen. Als je het voor development wil inzetten, zoek dan eerst uit welk model je wil gebruiken. Zorg daarna dat dat model de goede context heeft voor jouw project."

Daaruit komen eigenlijk vier praktische lessen.

1. Kies bewust een model. De grote taalmodellen lijken veel op elkaar, maar hebben ieder hun eigen sterke punten. Welke het beste werkt, hangt af van het type werk dat je wilt automatiseren.

2. Leg afspraken vast in skills. Zo weet een agent hoe jullie werken en voorkom je dat iedere developer opnieuw het wiel uitvindt.

3. Zorg voor context. Via MCP-servers en koppelingen met de systemen en documentatie van een project. Zonder context blijft een agent gokken.

4. Blijf zelf aan het roer. Kijk mee, controleer de uitkomsten en leer begrijpen waarom een agent bepaalde keuzes maakt.

Vooral dat laatste ziet hij vaak misgaan. "Je moet het niet zien als vervanging, maar als hulpmiddel. Je blijft zelf aan het roer. Jij bepaalt wat het doet."

Het blijft niet bij development.

Aan het einde van ons gesprek maakt Mick nog één opmerking die me aan het denken zet. AI verandert volgens hem niet alleen de manier waarop developers werken. "Projectmanagers die user stories en tickets zitten over te typen, dat kun je automatiseren. En kijk je naar business: je neemt een meeting op, zet het om naar actiepunten, maakt er een presentatie van en de mails staan klaar. Het wordt in elke tak van de organisatie gebruikt."

Daar herken ik veel in. Ook binnen marketing merk ik hoeveel specialistische kennis ineens binnen handbereik ligt. Dankzij agents en goed ingerichte skills kan ik dingen oppakken waarvoor ik vroeger afhankelijk was van collega's. En als ik ergens niet uitkom, is er altijd iemand die even meedenkt. Misschien is dat wel het grootste verschil dat ik de afgelopen maanden heb gezien. Niet de technologie, maar de manier waarop mensen ermee omgaan. Ontwikkelaars, projectmanagers, designers en marketeers delen voortdurend wat ze ontdekken. Vragen stellen is normaal. Niet alles weten ook. Nieuwe inzichten blijven niet op één bureau liggen, maar worden onderdeel van hoe iedereen werkt. Juist daardoor blijft de ontwikkeling doorgaan.

Meer dan een nieuwe tool.

Toen Mick bij Cube binnenkwam, stapte hij een organisatie binnen die net een nieuwe fase inging. De eerste stappen met AI waren gezet, de ambitie lag er en de vraag was niet langer óf coding agents onderdeel zouden worden van softwareontwikkeling, maar hoe je ze op een manier inzet die teams echt verder helpt. Zijn ervaring kwam precies op het juiste moment. Niet om de richting te bepalen, maar om snelheid te brengen in een verandering die al was ingezet.

Wat mij na dit gesprek vooral bijblijft, is dat die verandering nergens draait om één persoon of één slimme tool. Je ziet tech leads die ideeën uitwisselen. Collega's die 's avonds iets uitzoeken en het de volgende ochtend met de rest delen. Teams die elkaars oplossingen verbeteren in plaats van opnieuw beginnen. Die nieuwsgierigheid werkt aanstekelijk. Zodra iemand laat zien wat er mogelijk is, wil de volgende weten hoe hij dat in zijn eigen vakgebied kan toepassen. Misschien is dat uiteindelijk wel de belangrijkste les uit dit verhaal: het verschil zit niet in het gebruik van AI maar in een organisatie waarin mensen voortdurend van elkaar blijven leren.