Hoe gebruik jij Copilot op het werk?

:unsure:

:unsure:

Well-known member
Crowdfunder FE
Supporter
Hoe gebruiken jullie copilot op het werk?

Bij ons is het recent uitgerold. Heb alleen nog niet echt een 'use-case' gevonden.
Enkele keren geprobeerd om copilot te gebruiken om mails te draften, maar dat werkt ook maar half en soms buiten de kwesite. Copilot is ook vaak veel te formeel in communicatie ("dear mister unsure, hope this e-mail finds you well,... please... please... please... "


Ben vooral benieuwd naar hoe anderen het gebruiken in Word of excel eigenlijk. Ook daar nog geen echte usecase voor gevonden maar misschien mis ik iets.


De trainings die we krijgen zijn dan weer super generisch à la "schrijf document van 1000 woorden voor presentatie over italië + reisschema. Leuk om te zien, maar compleet irrelevant eigenlijk.
 
Ik heb ChatGPT Pro via mijn vennootschap en omdat ik nu vooral theoretisch werk en structuren, organisaties moet aanpassen is het erg nuttig. Heel veel documentatie online wordt samengevat. Het helpt me om informatie sneller te verwerken en in een duidelijk document te gieten. Dit tezamen met mijn eigen ervaring zorgt er voor dat ik veel meer gedaan krijg. Ik veronderstel dat CoPilot me gelijkaardige resultaten kan geven.
 
Hier gebruik ik het vooral om mijn theoretische gedachtegang over hoe ik bepaalde data te zien wil krijgen in bv Excel of PBI, exact in formules neer te krijgen. Vooral als er al geen vaste dashboards of templates bestaan dan uiteraard.
Vaak heeft het mij dan wel tot de oplossing gebracht en ook al veel praktische kennis bijgeleerd.
 
Github Copilot voor het schrijven van C# & Web classes, functies, bestaande code analyseren en verbeteringsvoorstellen laten doen, documenteren en beschrijven van bestaande en nieuwe code projecten,... Ook zeer handig voor Powershell scripting. Copilot speelt als het ware de tolk.
 
Ik had er in de andere LLM thread ook al iets over gepost: https://www.beyondgaming.be/threads...ge-language-models.19749/page-46#post-1550264

Ondanks verwoede pogingen gebruik ik copilot eigenlijk niet meer want ik vind er geen goede use cases voor. Er wordt veel beloofd maar het resultaat is meestal een ontgoocheling. Ik gebruik soms nog LLM's voor excelformules of om af en toe eens om een excelmacro te genereren maar verder is het eigenlijk vooral een verspilling van mijn tijd, ik kan sneller en efficiënter werken zonder dat ik steeds copilot probeer te integreren in mijn werk.

En ik kan er ook niet op vertrouwen dat de informatie die ik krijg van een LLM (bv een samenvatting of een executive summary van iets) correct is dus dan kan ik er al helemaal niets mee, in de tijd die ik dan nodig heb om het gegenereerde in detail te overlopen en te corrigeren kon ik het ook gewoon zelf gemaakt hebben.
 
Ik loop er voorlopig ook niet warm van. Op het werk werd voor co-pilot gekozen omwille van integratie met het office 365 netwerk. In mailverkeer vind ik er niets aan omdat die een heel andere stijl gebruikt. Ook duurt het geven van de prompt tot het schrijven van het bericht al even lang (als je het goed wil hebben) dan wanneer ik het zelf zou doen.

Binnen Word en Excel wat hetzelfde verhaal. Je kan er in Excel wel dingen aan vragen, maar het mist de integratie om dit ook effectief voor je uit te voeren. Het zegt eerder wat je zou moeten doen.

Mijn vrouw heeft de uitgebreide Chatgpt en die is precies wel beter in het samenvatten van documenten en het aanleveren van antwoorden in het algemeen. Zij gebruikt het wel wat (staat in onderwijs).

Dus ja, ook hier voorlopig niet echt een meerwaarde die ik erin ontdekt heb...
 
Testcases maken, pythonscriptjes maken om bepaalde taakjes te vereenvoudigen, SQL (ik schrijf een basisquery uit en laat die dan uitbreiden voor andere situaties of herformatteren voor betere leesbaarheid ), it-problemen oplossen, logs laten analyseren, Powershell scriptjes, screenshots converteren naar tekst,...

Soms vertalingen maar minder ideaal. AI/vertalingen kennen de exacte context en omgeving niet waar iets gebruikt wordt.

Ik probeer ook NotebookLLM te gebruiken maar nog niet echt productief ermee.


Ik heb nog iets nodig voor flowdiagrammen op te schonen want dat zelf mooi maken, dat kost nogal tijd. :p.
 
:unsure: zei:
Hoe gebruiken jullie copilot op het werk?

Bij ons is het recent uitgerold. Heb alleen nog niet echt een 'use-case' gevonden.
Enkele keren geprobeerd om copilot te gebruiken om mails te draften, maar dat werkt ook maar half en soms buiten de kwesite. Copilot is ook vaak veel te formeel in communicatie ("dear mister unsure, hope this e-mail finds you well,... please... please... please... "


Ben vooral benieuwd naar hoe anderen het gebruiken in Word of excel eigenlijk. Ook daar nog geen echte usecase voor gevonden maar misschien mis ik iets.


De trainings die we krijgen zijn dan weer super generisch à la "schrijf document van 1000 woorden voor presentatie over italië + reisschema. Leuk om te zien, maar compleet irrelevant eigenlijk.
Klik om te vergroten...
Ik heb een paar keer aan copilot iets gevraagd en kon niet snappen dat "dit" basically een chatgpt spinoff is. Copilot is echt bagger gewoon.

Maar waar ik chatgpt dan gebruik: ik heb verschillende versies die ik elk limiteer tot een aantal bronnen, meestal een resem pdf's met 1000'en pagina's aan info in en ik gebruik dat dus als een soort van veredelde zoekmachine en laat hem helpen bij het opstellen van teksten.
Dus dan heb ik een bot die ik gebruik puur enkel voor netwerkarchitectuur, eentje die helpt bij specifiek soorten policies, etc...
 
DogFacedGod zei:
Testcases maken, pythonscriptjes maken om bepaalde taakjes te vereenvoudigen, SQL (ik schrijf een basisquery uit en laat die dan uitbreiden voor andere situaties of herformatteren voor betere leesbaarheid ), it-problemen oplossen, logs laten analyseren, Powershell scriptjes, screenshots converteren naar tekst,...

Soms vertalingen maar minder ideaal. AI/vertalingen kennen de exacte context en omgeving niet waar iets gebruikt wordt.

Ik probeer ook NotebookLLM te gebruiken maar nog niet echt productief ermee.


Ik heb nog iets nodig voor flowdiagrammen op te schonen want dat zelf mooi maken, dat kost nogal tijd. :p.
Klik om te vergroten...
Ik gebruik plantuml vooral. Daar kan een LLM wel deftig mee overweg. De tijd dat ik veel werk spendeerde in echt schone diagrammen zijn ook al lang voorbij hoor. KISS.
 
Hier gebruik ik de laatste tijd regelmatig Copilot/ChatGPT om code te schrijven (ooit een basis programmeren gehad, maar geen full time developer). Voornamelijk voor zaken waar ik wel noties van heb, maar geen grondige kennis, is het handig om snel een proof of concept uit te werken, bv:
- paar geavanceerde power-queries om data van een hoop verschillende bronnen snel samen te krijgen en statistieken in BI te krijgen
- op een uurtje tijd een lokale whisper-ai instance gecreëerd om een hoop interviews te laten uitschrijven en automatisch vertalen
- op een avondje een docker compose script gemaakt voor een multilangual mediawiki met verschillende extensions (revisions, ldap integratie, custom theme,...)
- momenteel ben ik bezig om een document AI assistent te bouwen, die een file-server met 20jaar historische data kan indexeren om een semantische search mogelijk te maken op basis van een aantal goed gekozen parameters (bv. voor tekstdocumenten eerst filteren op bestandsformaat en steekwoorden, dan inhoud analyseren, voor foto's enkel wanneer deze zich in specifieke servermappen bevinden,...).

Chatgpt is verdomd goed om hiervoor een aanzet voor de nodige scripts te geven, debugging te doen in functie van de specifeke hardware etc. Basicly dingen die ik zelf ook wel kan, maar waar ik eerst x-aantal uur mag zitten googlen om mijn eigen research te doen.
 
Ik zit nu in een Copilot pilot op het werk.
Ik gebruikte chatgpt ook zoals de meeste hier als een "zoekmachine op een zoekmachine" voor concrete zaken als code opmaak, scripting, etc.

Maar die pilot dat ik krijg. Holly shit wat een cultuurshock.
Elke voorbeeld dat die geven is als volgt samen te vatten.
1/ Persoon X werkt in de media/hr afdeling.
2/ Deze persoon krijgt tonnen documenten. (van mensen die uren bezig zijn om die dat samen te vatten natuurlijk)
3/ Ze hebben geen tijd en willen een ppt om de data waar ze niet veel van kennen om te zetten in een campagne.
4/ Laat copilot een unieke afbeelding maken van "een rustgevend beek met veel zonneschijn" om de vergadering positief af te sluiten.
4/ Ze laten copilot ook nog een agenda maken voor een meeting.
5/ Na de meeting maakt copilot automatisch een verslag en stuurt het door.

Jos van de hr talent acquisition merkte op dat hij dit volop gebruikt bij het maken van zijn vacatures.
Nee Jos, uw vacatures waar je 10+ ervaring vraagt aan universitairen die +150k verdienen en vraagt om communicatief en organisatorisch sterk te zijn zijn kut. Dat waren ze vroeger al en met de extra overdreven content van copilot nog meer...

Ik zie wel een kleine toepassing voor zaken die ik eerder omschrijf als luiheid. Maar als dat het grootste deel van je werk is dan moet je toch al bang beginnen worden dat binnen 5-10 jaar je job volledig door AI wordt gedaan.
 
Ik vraag me af hoe de andere IT'ers hier Copilot en aanverwanten gebruiken en wat de recente ervaringen hiermee zijn.

Ik ben nu enkele jaren aan de slag als developer en merk dat er op die paar jaar toch al serieus veel veranderd is en dat het de komende tijd alleen maar gaat versnellen. Tot een paar jaar terug werd alles manueel geschreven en was het vooral de autocomplete van de IDE die voor sneller code schrijven zorgde. Als je een probleem tegenkwam was het vaak te hopen dat er via documentatie en plaatsen zoals Stackoverflow de nodige kruimels te vinden waren om je verder te helpen.

Dan kwam ChatGPT. Opeens was er voor de massa een tool waar je iets aan kon vragen en waar vrij vaak al goede dingen uitkwamen. Op het werk mogen we enkel toegelaten tools gebruiken dus op het vlak van AI zijn we (sinds daar een crackdown op kwam) vooral beperkt tot Copilot en integraties daarvan.

Fast-forward een beetje en de volgende evolutie was er; directie integratie in de IDE's zoals VS en intelliJ waardoor je niet meer naar een website hoefde. Opeens kon je ook hele files als context toevoegen en een beetje later hadden die tools er een "edit mode" bij waardoor je niet meer zelf moest copy & pasten maar dat de edits rechtstreeks op één of meerdere files gedaan worden.

Sinds de kerstvakantie ben ik dan beginnen experimenteren met Copilot agents. Eigenlijk weer de volgende mijlpaal. Opeens heb je niet alleen meer een veredelde auto-complete maar een systeem dat zelfstandig beslissingen gaat nemen. Ik zeg wat er moet gebeuren en de komende minuten blijft dat ding allerlei zaken proberen. Het gaat files aanmaken, files (door)zoeken om meer context te krijgen, allerlei IDE tools gebruiken, en bv de command line gebruiken om zaken uit te voeren of om feedback te krijgen zoals of de boel compileert en of testen slagen.

De afgelopen weken begint het mij toch wel duidelijk te worden dat we over een eenwegsbrug zijn gegaan en dat er binnen een paar jaar niet veel code meer met de hand geschreven zal worden. Dat is gewoon te traag tegenover wat er mogelijk is (en gaat worden). En dat ik (en de meeste andere developers) op dat vlak nog hele groene juniors zijn tegenover wat er met de huidige tools al mogelijk is.

Bij elke stap heb ik opeens het gevoel dingen te kunnen opleveren die voordien ofwel buiten mijn expertise lagen en/of veel meer tijd vergden. Om nu een voorbeeld te geven; een tijdje geleden moest ik voor een productieprobleem weten of bepaalde entries uit dataset A afwezig waren in dataset B. Ik had twee CSV files. Ik geef dat aan Copilot en in een mum van tijd rolt daar een script uit dat de juiste output geeft. Tijdswinst moeilijk te zeggen maar ik denk niet dat ik dit vroeger op minder dan een uur kon.
 
Laatst bewerkt:
Ik deel die mening eigenlijk helemaal niet. Ik gebruikte Copilot op het werk om te helpen met Powershell scripting en daar kwam eigenlijk niks foutloos uit, zelfs voor oneline commands om kalenderrechten aan te passen, kan ik nooit blind copy pasten want er sluipt af en toe zelfs daar een fout in.

In mijn vrije tijd studeer ik voor Toegepaste Informatica bachelor en ik gebruikte ChatGPT en Google Gemini om te helpen studeren van Java, Javascript, en Bash. En ook daar zijn toch veel te veel fouten in de output. Ik gebruik die tegenwoordig toch ook enkel maar voor simpele vragen te beantwoorden en om oefeningen te simuleren.

Goed, met jouw Agents e.d. heb ik dan geen ervaring, maar zowel Copilot als Gemini zijn wel met het Pro-abonnement dus niet een mindere publieke versie.
 
LSDsmurf zei:
Ik vraag me af hoe de andere IT'ers hier Copilot en aanverwanten gebruiken en wat de recente ervaringen hiermee zijn.

Ik ben nu enkele jaren aan de slag als developer en merk dat er op die paar jaar toch al serieus veel veranderd is en dat het de komende tijd alleen maar gaat versnellen. Tot een paar jaar terug werd alles manueel geschreven en was het vooral de autocomplete van de IDE die voor sneller code schrijven zorgde. Als je een probleem tegenkwam was het vaak te hopen dat er via documentatie en plaatsen zoals Stackoverflow de nodige kruimels te vinden waren om je verder te helpen.

Dan kwam ChatGPT. Opeens was er voor de massa een tool waar je iets aan kon vragen en waar vrij vaak al goede dingen uitkwamen. Op het werk mogen we enkel toegelaten tools gebruiken dus op het vlak van AI zijn we (sinds daar een crackdown op kwam) vooral beperkt tot Copilot en integraties daarvan.

Fast-forward een beetje en de volgende evolutie was er; directie integratie in de IDE's zoals VS en intelliJ waardoor je niet meer naar een website hoefde. Opeens kon je ook hele files als context toevoegen en een beetje later hadden die tools er een "edit mode" bij waardoor je niet meer zelf moest copy & pasten maar dat de edits rechtstreeks op één of meerdere files gedaan worden.

Sinds de kerstvakantie ben ik dan beginnen experimenteren met Copilot agents. Eigenlijk weer de volgende mijlpaal. Opeens heb je niet alleen meer een veredelde auto-complete maar een systeem dat zelfstandig beslissingen gaat nemen. Ik zeg wat er moet gebeuren en de komende minuten blijft dat ding allerlei zaken proberen. Het gaat files aanmaken, files (door)zoeken om meer context te krijgen, allerlei IDE tools gebruiken, en bv de command line gebruiken om zaken uit te voeren of om feedback te krijgen zoals of de boel compileert en of testen slagen.

De afgelopen weken begint het mij toch wel duidelijk te worden dat we over een eenwegsbrug zijn gegaan en dat er binnen een paar jaar niet veel code meer met de hand geschreven zal worden. Dat is gewoon te traag tegenover wat er mogelijk is (en gaat worden). En dat ik (en de meeste andere developers) op dat vlak nog hele groene juniors zijn tegenover wat er met de huidige tools al mogelijk is.

Bij elke stap heb ik opeens het gevoel dingen te kunnen opleveren die voordien ofwel buiten mijn expertise lagen en/of veel meer tijd vergden. Om nu een voorbeeld te geven; een tijdje geleden moest ik voor een productieprobleem weten of bepaalde entries uit dataset A afwezig waren in dataset B. Ik had twee CSV files. Ik geef dat aan Copilot en in een mum van tijd rolt daar een script uit dat de juiste output geeft. Tijdswinst moeilijk te zeggen maar ik denk niet dat ik dit vroeger op minder dan een uur kon.
Klik om te vergroten...
Ik gebruik Claude Code en die kan echt verdomd goed programmeren. Ik ben nu hele tijd bezig met alle code na te kijken en te valideren. Want voor proof of concept maakt het niet uit, maar voor enterprise grade code wil ik wel zelf weten wat er precies in die code zit.
Het is echt een gemak voor hele grote codebases, die snapt dat gewoon allemaal.
Het is echt gek hoe ver ze staan op vlak van programmeren.
 
Général Zantas zei:
Ik deel die mening eigenlijk helemaal niet. Ik gebruikte Copilot op het werk om te helpen met Powershell scripting en daar kwam eigenlijk niks foutloos uit, zelfs voor oneline commands om kalenderrechten aan te passen, kan ik nooit blind copy pasten want er sluipt af en toe zelfs daar een fout in.

In mijn vrije tijd studeer ik voor Toegepaste Informatica bachelor en ik gebruikte ChatGPT en Google Gemini om te helpen studeren van Java, Javascript, en Bash. En ook daar zijn toch veel te veel fouten in de output. Ik gebruik die tegenwoordig toch ook enkel maar voor simpele vragen te beantwoorden en om oefeningen te simuleren.

Goed, met jouw Agents e.d. heb ik dan geen ervaring, maar zowel Copilot als Gemini zijn wel met het Pro-abonnement dus niet een mindere publieke versie.
Klik om te vergroten...
Gebruik je het in een IDE? Want je moet wel de juiste modellen (of hoe het ook precies heet) hebben. De copilot in de browser kan minder goed programmeren dan diegene in VScode.
 
Nineshots zei:
Gebruik je het in een IDE? Want je moet wel de juiste modellen (of hoe het ook precies heet) hebben. De copilot in de browser kan minder goed programmeren dan diegene in VScode.
Klik om te vergroten...

We gebruikten IntelliJ voor´t school en aangezien de AI-functie uit moet staan bij de examens, heb ik dat van in het begin uitgezet. Dus daar geen ervaring mee. Enkel met de algemene clients.
 
Nineshots zei:
Ik gebruik Claude Code en die kan echt verdomd goed programmeren. Ik ben nu hele tijd bezig met alle code na te kijken en te valideren. Want voor proof of concept maakt het niet uit, maar voor enterprise grade code wil ik wel zelf weten wat er precies in die code zit.
Het is echt een gemak voor hele grote codebases, die snapt dat gewoon allemaal.
Het is echt gek hoe ver ze staan op vlak van programmeren.
Klik om te vergroten...
Hier smijt ik heel de Repo in Claude en vraag om de stukken nutteloze code te geven, een column lineage te bouwen, notebooks voor specifieke taken te schrijven, ...
Ik schrijf verdacht weinig code zelf.
 
Général Zantas zei:
Ik deel die mening eigenlijk helemaal niet. Ik gebruikte Copilot op het werk om te helpen met Powershell scripting en daar kwam eigenlijk niks foutloos uit, zelfs voor oneline commands om kalenderrechten aan te passen, kan ik nooit blind copy pasten want er sluipt af en toe zelfs daar een fout in.

In mijn vrije tijd studeer ik voor Toegepaste Informatica bachelor en ik gebruikte ChatGPT en Google Gemini om te helpen studeren van Java, Javascript, en Bash. En ook daar zijn toch veel te veel fouten in de output. Ik gebruik die tegenwoordig toch ook enkel maar voor simpele vragen te beantwoorden en om oefeningen te simuleren.

Goed, met jouw Agents e.d. heb ik dan geen ervaring, maar zowel Copilot als Gemini zijn wel met het Pro-abonnement dus niet een mindere publieke versie.
Klik om te vergroten...

Toen ik een graduaat haalde was dit nog niet doorgebroken maar nu merk ik dat ik jaar na jaar steeds minder code zelf schrijf. Het zijn niet alleen de modellen die beter worden maar ook de tooling en de manier waarop ze gebruikt worden. Of het nu Java, Kotlin, Typescript, SQL/MongoDB queries zijn, als ik het goed kan uitleggen en zeker als ik het zelf min of meer weet wat er moet gebeuren dan komen daar in de meeste gevallen wel goede zaken uit of dingen die met wat bijsturing bruikbaar zijn.

Eens de requirements duidelijk zijn, je weet wat er moet gebeuren, de stories klein genoeg zijn dat ze geen weken aanslepen, en je voldoende kennis hebt over een bepaald project is het grootste stuk van veel enterprise werk niet zo moeilijk. Dat kap ik nu vaak in stukjes die ik dan in Copilot steek maar heb het gevoel dat dit nog veel efficiënter kan omdat ik er nog heel dicht op zit.

Bv eerste opdracht is om in een bestaand project een bepaalde client te schrijven of uit te breiden om een nieuw endpoint aan te spreken. Copilot krijgt een voorbeeldje van de request/response en bv een voorbeeld JSON of het OpenAPI contract. Dat moet hem dan implementeren in dezelfde stijl als een file die ik specifiek in de context steek en vervolgens testen genereren in dezelfde stijl als de test klasse die ik ook in de context steek. Volgende stap is dan bv hier en daar wat business logica implementeren "in de stijl van file C" en dan bv wat testen en testdata laten voorzien die cases A, B, C, D etc controleren. Vaak honderden lijnen boring code die er in een mum van tijd uitrollen en na een paar iteraties goed zijn.

Ik heb zeker de laatste maanden het gevoel dat ik niet alleen sneller vooruit ga maar ook meer tijd kan steken in code kwaliteit én voor meer test coverage kan zorgen. Zeker voor testen te schrijven is het echt al waanzinnig hoe goed die tools zijn. Buiten complexere integratietesten schrijf ik quasi geen enkele test meer zelf van scratch, het is vooral "opdracht geven", "nakijken", "laten corrigeren", en "hier en daar wat aanpassingen doen".

quo_vadis zei:
ik merk ook dat er verschil zit tussen Copilot/Gemini en Claude. Dat is echt wel next level vergeleken met die 2 "basistools"
Klik om te vergroten...
Ik ben er wel benieuwd naar maar heb in mijn privé niet echt een interessant project om eens met te experimenteren. Ik heb het gevoel op het werk nogal beperkt te zitten met Copilot die langs veel kanten ingeperkt wordt. De laatste tijd zit ik daarin vooral met Claude Sonnet 4.5 en Claude Opus 4.5 bezig. Als ik hem op "auto" setting laat staan dan heeft hem vaak de neiging om GPT-5.2-Codex te gebruiken maar die lijkt waanzinnig slecht te werken, hele korte antwoorden in de aard van "ja je kan het zo doen" en weigert soms om code te schrijven.
 
LSDsmurf zei:
Toen ik een graduaat haalde was dit nog niet doorgebroken maar nu merk ik dat ik jaar na jaar steeds minder code zelf schrijf. Het zijn niet alleen de modellen die beter worden maar ook de tooling en de manier waarop ze gebruikt worden. Of het nu Java, Kotlin, Typescript, SQL/MongoDB queries zijn, als ik het goed kan uitleggen en zeker als ik het zelf min of meer weet wat er moet gebeuren dan komen daar in de meeste gevallen wel goede zaken uit of dingen die met wat bijsturing bruikbaar zijn.

Eens de requirements duidelijk zijn, je weet wat er moet gebeuren, de stories klein genoeg zijn dat ze geen weken aanslepen, en je voldoende kennis hebt over een bepaald project is het grootste stuk van veel enterprise werk niet zo moeilijk. Dat kap ik nu vaak in stukjes die ik dan in Copilot steek maar heb het gevoel dat dit nog veel efficiënter kan omdat ik er nog heel dicht op zit.

Bv eerste opdracht is om in een bestaand project een bepaalde client te schrijven of uit te breiden om een nieuw endpoint aan te spreken. Copilot krijgt een voorbeeldje van de request/response en bv een voorbeeld JSON of het OpenAPI contract. Dat moet hem dan implementeren in dezelfde stijl als een file die ik specifiek in de context steek en vervolgens testen genereren in dezelfde stijl als de test klasse die ik ook in de context steek. Volgende stap is dan bv hier en daar wat business logica implementeren "in de stijl van file C" en dan bv wat testen en testdata laten voorzien die cases A, B, C, D etc controleren. Vaak honderden lijnen boring code die er in een mum van tijd uitrollen en na een paar iteraties goed zijn.

Ik heb zeker de laatste maanden het gevoel dat ik niet alleen sneller vooruit ga maar ook meer tijd kan steken in code kwaliteit én voor meer test coverage kan zorgen. Zeker voor testen te schrijven is het echt al waanzinnig hoe goed die tools zijn. Buiten complexere integratietesten schrijf ik quasi geen enkele test meer zelf van scratch, het is vooral "opdracht geven", "nakijken", "laten corrigeren", en "hier en daar wat aanpassingen doen".
Klik om te vergroten...

Ik heb je vorige bericht, waarin je schreef dat er binnen enkele jaren weinig tot geen code meer manueel geschreven zou worden, misschien wat verkeerd geïnterpreteerd. Ik dacht dat je bedoelde dat AI de job van de devs zou overnemen, maar je bedoelt dat de devs vooral gaan evolueren naar controleurs van wat de AI uitspuwt. Op zich verschilt dat niet zoveel van andere, eerdere, automatisaties en technologische vooruitgangen. Al denk ik niet dat het op een jaar of twee reeds beklonken zal zijn. De eerste 80% van een project zijn altijd de gemakkelijkste en snelste, het zijn die laatste 20% die vaak veel tijd en energie kosten.
Ik denk eerlijk gezegd dat er binnen een paar jaar veel meer problemen gaan zijn met de kost van AI, die nu al astronomisch hoog is maar waarvan het besef er nog niet is. Hardware-tekorten, watertekorten en torenhoge energiefacturen. En de overgrote meerderheid van de totale workforce die maar heel beperkt voordeel haalt uit AI-tools.

Benieuwd welk scenario eerst uitkomt.
 
Je moet ingelogd zijn om te kunnen reageren. Aanmelden | Registreren
Terug
Bovenaan