Het scenario is de beste prompt

Wie met AI-assistenten code schrijft, merkt het snel: een vage opdracht geeft plausibele maar foute code. Een lange beschrijving helpt maar half. Wat wél consequent werkt, zijn concrete gedragsscenario's in Given/When/Then.

Dat is geen toeval. BDD-scenario's combineren precies de eigenschappen die een AI nodig heeft om goed werk te leveren. En ze leveren iets op dat langer meegaat dan de code zelf: een levend overzicht van wat het systeem moet kunnen.

Waarom scenario's werken voor AI

Scenario: Afgewerkte order boekt voorraad af
  Given een productieorder voor 500 kg van materiaal X
  When de order als afgewerkt gemeld wordt
  Then wordt 500 kg van materiaal X van de voorraad afgeboekt

Dit kleine scenario doet vier dingen tegelijk:

• Concrete voorbeelden in plaats van abstracte eisen. "500 kg in, 500 kg af" laat weinig ruimte voor interpretatie. Taalmodellen presteren merkbaar beter met voorbeelden dan met beschrijvingen.
• Uitvoerbaar, dus een feedbacklus. Een AI-agent kan het scenario draaien, het falen lezen en bijsturen. Dat is het grootste effect: de agent weet wanneer hij klaar is.
• Domeintaal. Het scenario staat in de taal van het domein. Het model hoeft niet te raden wat een begrip betekent; het staat er.
• Afgebakende scope. Eén scenario is één gedrag. Dat past bij hoe je een agent het best laat werken: in kleine, controleerbare stappen.

Het scenario als levende documentatie

Elk scenario dat je schrijft, blijft staan. Samen vormen ze een log van alles wat het systeem moet kunnen, in een taal die analisten, testers en ontwikkelaars allemaal lezen.

Dat is documentatie die niet veroudert. Een wiki-pagina kan stil afwijken van de werkelijkheid; een scenario dat niet meer klopt, faalt in de pipeline. De documentatie en het gedrag worden samen getest.

Voor AI levert dat een extra voordeel op. Een nieuwe sessie start zonder geheugen van wat er eerder gebouwd is. De bestaande scenario's geven die context meteen mee: dit doet het systeem al, en dit mag je niet breken. Elke nieuwe wijziging wordt zo getoetst tegen alles wat eerder is afgesproken.

De werkwijze

De rolverdeling verschuift. Mensen bepalen wat het systeem moet doen; de AI schrijft de code; de scenario's bewaken het resultaat.

1. Analist, tester en ontwikkelaar schrijven samen het scenario, in de taal van het domein.
2. De AI implementeert de step definitions en de code.
3. De scenario's draaien. Falen ze, dan leest de AI de fout en stuurt bij.
4. Zijn ze groen, dan reviewt een mens de implementatie, niet alleen het resultaat.
5. Het scenario blijft staan als deel van de levende documentatie, en bewaakt elke volgende wijziging.

Waar je voorzichtig moet zijn

• Een AI kan naar de test toe schrijven. Scenario's groen krijgen met hardcoded of oppervlakkige logica is een bekend risico. Review de implementatie, niet alleen het groene vinkje. Voeg een tweede voorbeeld met andere waarden toe als je twijfelt.
• Scenario's dekken voorbeelden, geen regels. Wat niet in een scenario staat, vult het model zelf in, vaak plausibel maar fout. Randgevallen (lege input, maximale waarden, foutpaden) verdienen hun eigen scenario.
• Garbage in, garbage out. Vage of te technische scenario's geven dezelfde problemen als een vage prompt. Een scenario dat over tabellen en endpoints gaat in plaats van over gedrag, verliest zijn waarde voor mens én machine.

Afsluiting

Elke uitvoerbare, voorbeeldgedreven specificatie werkt goed met AI. BDD is daar een heel natuurlijke vorm van, omdat het leesbaar blijft voor de mensen die het gedrag moeten bevestigen.

De verschuiving is subtiel maar belangrijk. Met AI wordt code goedkoper om te schrijven. De specificatie wordt daardoor het waardevolste artefact: wat moet het systeem doen, en hoe weten we dat het dat doet. Wie investeert in goede scenario's, investeert in iets dat elke volgende generatie tools ook kan gebruiken.