← Naar het model Capability

Engineeringstijl: snelle feedback

Wat het is

Engineeringstijl gaat over het ritme van het werk: hoe groot een wijziging is, hoe snel je weet of die klopt, en hoe makkelijk je hem terugdraait. Een team met een goede engineeringstijl maakt net zo veel fouten als een ander team, maar ziet ze binnen minuten in plaats van weken.

Dit is het hoe. Het wat en waarom (sturen op de verandering die je wilt bereiken) is een aparte capability: Outcome-sturing & systeemdenken. Ook Verificatie & kwaliteit staat apart: die gaat over wΓ‘t je toetst. Engineeringstijl gaat over wanneer en hoe vaak.

Een herkenbaar voorbeeld: een agent levert in één middag een wijziging van veertig bestanden op. De review duurt drie dagen, de tests draaien een uur, en als er iets misgaat weet niemand welk deel de oorzaak is. Het probleem is niet de agent, maar de batchgrootte.

Waarom

Accelerate (Forsgren, Humble & Kim, 2018) liet zien dat snelheid en stabiliteit geen uitruil zijn: de best presterende teams leveren vaker Γ©n met minder verstoringen. DORA meet dat sindsdien met vijf metrieken in twee groepen. Doorvoer: doorlooptijd van wijzigingen, deployfrequentie en hersteltijd na een mislukte deploy. Instabiliteit: change fail rate en deployment rework rate, het aandeel ongeplande deploys als gevolg van een productie-incident.

In het AI Capabilities Model (september 2025) noemt DORA twee capabilities die hier direct over gaan. Working in small batches is volgens DORA extra krachtig in een omgeving met AI-ondersteuning. En door het grotere volume en tempo van gegenereerde code zijn strong version control practices belangrijker dan ooit.

BΓΆckeler (martinfowler.com, april 2026) geeft het principe keep quality left: controles zo vroeg mogelijk in de route naar productie, omdat een fout goedkoper is naarmate je hem eerder vindt. Snelle, deterministische controles kunnen op elke wijziging draaien. Dure controles horen na de integratie in de pipeline.

Het Cynefin-framework (Snowden) nuanceert fail fast. In een complex domein, waar oorzaak en gevolg pas achteraf zichtbaar zijn, leer je door kleine, veilige experimenten. In een voorspelbaar domein is experimenteren verspilling; daar analyseer je eerst en pas je bekende goede praktijk toe.

De positie van dit model: AI verschuift het knelpunt. Code schrijven is niet meer het trage deel. Wat overblijft is feedback: testen, reviewen, integreren. Een organisatie die haar feedbackritme niet versnelt, krijgt van agents vooral een langere wachtrij.

Wat je nodig hebt

Hoe je het meet

Deployfrequentie is makkelijk op te voeren door betekenisloze deploys. Kijk daarom altijd naar doorvoer en instabiliteit samen: als de change fail rate of de rework rate stijgt, is het tempo niet echt gestegen.

Instrumenten om in te groeien

Feedback ordenen naar kosten en moment

Niet elke controle hoort op hetzelfde moment. De vuistregel: hoe goedkoper en sneller een controle, hoe eerder hij draait. Deze indeling volgt het principe keep quality left van BΓΆckeler.

MomentWat er draaitKarakter
VΓ³Γ³r de commitTypecheck, linter, snelle unittests, hooks in de agent-loopSeconden, deterministisch. De agent corrigeert zichzelf.
VΓ³Γ³r de mergeVolledige testsuite, architectuurtests, review van de intentieMinuten. Hier beslist een mens.
Na de mergeIntegratie- en end-to-end-tests, inferentiΓ«le controles zoals AI-reviewDuurder en minder deterministisch. Alleen waar nodig.
ContinuDrift-detectie, monitoring in productieLos van een wijziging. Vangt wat de rest mist.

Omkeerbaarheid

Kleine wijzigingen zijn pas veilig als terugdraaien een geoefende, saaie handeling is. Omkeerbaarheid bepaalt ook hoeveel autonomie een agent kan krijgen. Dat is dezelfde regel als in het AI Governance Canvas: autonomie volgt omkeerbaarheid, niet technisch vermogen.

De pipeline-verhouding

Deel de doorlooptijd van je pipeline door de gemiddelde tijd tussen twee merges. Een voorbeeld: de pipeline duurt veertig minuten en agents en mensen mergen samen elk kwartier. De verhouding is dan 2,7.

Boven de 1 landen er nieuwe wijzigingen terwijl je de vorige nog test. Fouten worden dan lastig te herleiden en de wachtrij groeit. Deze verhouding is een eigen indicator van dit model, geen DORA-metriek.

Van terugkerend probleem naar controle

Run-niveau betekent dat feedback zichzelf versterkt. Gaat iets twee keer op dezelfde manier mis, dan wordt het een geautomatiseerde controle of een regel in de projectinstructies, zie Context engineering. In de Augmented Retrospective bespreek je welke problemen terugkwamen.

Lees en luister verder

Een agent schrijft sneller dan jij kunt reviewen. Wie zijn feedback niet versnelt, versnelt alleen de wachtrij.