Blog
Apps bouwen met AI-hulp in OutSystems: wat je aan het stuur houdt
· 4 min leestijd
Je opdrachtgever wil een nieuwe app: een onboardingtraject voor medewerkers, een aanvraagproces voor dealers, een goedkeuringsflow voor facturen. Vroeger begon dat met een lange lijst schermen en weken bouwtijd. Steeds vaker hoor je nu: laat de AI toch een eerste versie bouwen, dat scheelt weken. OutSystems speelt daar publiek stevig op in met AI die meebouwt aan de app zelf, niet alleen AI die in de app draait. Voor een MKB-bedrijf dat overweegt zo'n platform te gebruiken, is de vraag niet of dat kan, maar wat er dan nog bij een mens ligt.
Wat OutSystems publiek aanbiedt aan AI-hulp bij het bouwen
OutSystems noemt zijn belangrijkste AI-functie voor het bouwen zelf Mentor. Je typt een verzoek in gewone taal, zoals het bouwen van een onboardingapp, en Mentor levert eerst een blauwdruk: een overzicht van wat het gaat maken voordat er daadwerkelijk iets gebouwd wordt. Pas daarna genereert het de basisstructuur, schermen en datamodellen waarmee een team verder werkt. Dat staat zo beschreven op de productpagina van Mentor: je kunt "een complexe wijziging aanvragen, het implementatieplan van Mentor bekijken en pas daarna definitief akkoord geven voordat de update wordt toegepast."
Naast het bouwen van schermen biedt het platform ook AI-agents als bouwsteen binnen een app: functionaliteit die zelfstandig taken uitvoert, bijvoorbeeld gegevens ophalen, samenvatten of een besluit voorbereiden, en die je als onderdeel van een groter bedrijfsproces inzet. Die agents worden gecombineerd met workflows die de structuur, status en het overzicht van het hele proces bewaken, zo staat in de documentatie over agentic workflows in OutSystems Developer Cloud. Kortom: AI helpt niet alleen bij het typen van code, maar ook bij het ontwerpen van de app en bij het uitvoeren van taken zodra de app draait.
Waar de mens de laatste stap houdt
Het interessante is dat OutSystems in zijn eigen documentatie expliciet momenten inbouwt waarop de AI stopt en op een mens wacht. In de ontwikkelomgeving Mentor Studio werkt dat volgens de documentatie zo: bij een complexe wijziging stelt Mentor Studio eerst voor welke aanpassingen het gaat doen, en wacht het tot jij die accepteert voordat er iets wordt toegepast. Achteraf kun je via een vergelijkingsweergave precies zien wat er is veranderd, voordat je verder gaat. De AI werkt dus niet stilletjes door, ze legt eerst het plan voor.
Voor agents die tijdens het gebruik van een app zelfstandig taken uitvoeren, bestaat een vergelijkbaar mechanisme, alleen dan tijdens de uitvoering zelf. De documentatie over agentic workflows beschrijft het zogeheten menselijke-activiteitblok: een onderdeel dat de workflow laat pauzeren totdat een specifieke gebruiker of groep een taak heeft uitgevoerd. De toelichting is helder over wanneer dat hoort: agents kunnen menselijk toezicht nodig hebben bij besluiten met veel impact, of wanneer de agent zelf weinig zekerheid heeft over zijn antwoord. In de praktijk betekent dit dat je zelf bepaalt bij welke stap in een proces een mens moet meekijken voordat een agent verdergaat, bijvoorbeeld voordat een aanvraag definitief wordt goedgekeurd of een e-mail de deur uitgaat.
Dat is precies het onderscheid dat het platform zelf maakt tussen wat AI voorstelt en wat een mens beslist: AI genereert een plan of een resultaat, maar het toepassen ervan is een aparte, zichtbare stap die jij zet.
Wat we hiervan herkennen in eigen bouwwerk
Die twee gewoonten, eerst een plan laten zien en pas daarna toepassen, en op het juiste moment een mens laten meekijken, komen overeen met hoe wij zelf werken bij het bouwen van applicaties, ook los van OutSystems. Bij het MEA Certificeringsplatform verliep het beheer van installaties eerder handmatig via e-mail, met chaos en vertraging als gevolg voor tientallen dealers en honderden voertuigen per jaar. De oplossing die daar staat, een volledig geautomatiseerd platform waar dealers zelf hun installaties beheren en certificaten automatisch worden gegenereerd, werkt alleen betrouwbaar als de automatisering op de juiste plekken een controlemoment inbouwt in plaats van overal zelfstandig door te denderen.
Een les die daaruit blijft hangen: vraag een AI-tool altijd om een gemeten uitkomst, nooit alleen om een bevestiging dat iets werkt. AI-hulpmiddelen bevestigen makkelijk dat een functie klopt zonder haar echt getest te hebben, en dat geldt evengoed voor een AI die een app bouwt als voor een AI-agent die binnen die app een taak uitvoert. Zolang er een concreet plan te bekijken is en een duidelijk moment waarop iemand het resultaat controleert of goedkeurt, blijft AI-hulp een versnelling van het werk in plaats van een risico.
Wat betekent dit voor jouw bedrijf?
Overweeg je AI-hulp bij het bouwen of laten draaien van een bedrijfsapplicatie, dan helpt het om vooraf een paar dingen scherp te hebben:
- Laat je nooit een plan of resultaat automatisch doorzetten zonder dat iemand het eerst bekijkt, zeker niet bij stappen die geld, klantgegevens of onomkeerbare acties raken.
- Bepaal per proces waar een agent zelfstandig mag handelen en waar een mens verplicht moet meekijken voordat de volgende stap plaatsvindt, in plaats van dat overal hetzelfde tempo aan te houden.
- Vraag altijd om een controleerbaar resultaat in plaats van een geruststelling: een gegenereerd scherm test je zelf, een agent-antwoord verifieer je zelf, ook als de AI zegt dat het klopt.
- Begin klein: een eerste app of een eerste agent met een beperkt doel, zodat je ziet hoe de reviewmomenten in de praktijk werken voordat je het uitbreidt naar een groter proces.
AI die meebouwt aan software verandert vooral het tempo, niet de vraag wie er verantwoordelijk is voor wat er uiteindelijk live gaat. Wil je bespreken hoe dat er voor jouw proces uitziet, neem gerust contact op.