AI in app ontwikkeling: de visie van Apperium
Tech
AI wordt overschat op korte termijn, onderschat op lange termijn
Ondernemers knutselen steeds vaker met een zelfgebouwd of uitbesteed prototype gemaakt met AI-tools. Dat op zich is prima, je hebt tenminste iets tastbaars om over te praten in plaats van alleen een idee. Maar echt duurzaam is het niet.
Het probleem zit namelijk in de laag eronder, onder de motorkap waar niemand standaard naar kijkt. Zo'n prototype werkt vaak wel, maar mist meestal de dingen die je pas merkt zodra je erop wilt doorbouwen: code die niet is opgedeeld in behapbare stukken, geen tests die aangeven of een aanpassing iets anders breekt, geen documentatie over waarom bepaalde keuzes zijn gemaakt, of gevoelige gegevens die gewoon zichtbaar in de code staan in plaats van veilig weggestopt. AI is heel goed in het voorwerk: prototypes visueel maken, code sneller schrijven, en een prototype al in een dag aan een paar gebruikers laten zien om te checken of het concept staat. Maar de architectuurkeuzes die bepalen of een app over drie jaar nog overeind staat, blijven mensenwerk. Dat is niet onze mening om AI af te schilderen als beperkt, dat is een feit.
AI in ons eigen proces
We gebruiken AI vooral om het voorwerk te versnellen: prototypes maken, eerste versies van code schrijven, een concept valideren voordat er ontwikkeltijd in gaat. Dat scheelt vooral tijd in de concept- en designfase en is gemakkelijker en sneller bij te sturen.
Wat AI bij ons niet doet: de kern van het werk overnemen. Hoe een app moet meegroeien van vijftien naar honderdvijftig gebruikers, welke koppelingen met bestaande systemen nodig zijn, waar de technische risico's zitten. Dat blijft bij onze developers liggen, hands-on en zonder ruis eromheen. AI versnelt het proces maar het vervangt het vakmanschap niet.
AI in de apps die we voor klanten bouwen
Naast ons eigen proces bouwen we AI ook steeds vaker in de apps van klanten zelf. Denk aan chatfuncties waarmee klanten of medewerkers direct geholpen worden, of intelligentie die op de achtergrond meedraait: een app die patronen herkent in productiedata, of die informatie naar boven haalt op het moment dat iemand op de werkvloer het nodig heeft.
Bij de bedrijven waar wij voor werken, in productie, handel en installatie, zit de waarde zelden in een opvallende chatbot. Die zit in het wegnemen van rompslomp. Minder papierwerk, minder handmatig overtypen, minder tijd kwijt aan dingen die een systeem net zo goed kan doen.
Hoe we bepalen welke AI-oplossing bij een project past
Niet elke AI-toepassing vraagt om dezelfde technologie. De eerste vraag die we altijd stellen: heeft de AI internet nodig?
Zo niet, en het model past op het apparaat, dan kijken we naar on-device AI. Snel, geen cloudkosten, data blijft op het toestel. Wel beperkter in wat het model aankan. Past het model niet op het apparaat, dan gaat het naar een eigen model in de cloud.
Heeft de AI wel internet nodig, en is privacy of maatwerk cruciaal, dan draait het richting een eigen gehost open-source model of een eigen LLM met RAG. Volledige controle, geen vendor lock-in, maar duurder om te beheren en het vraagt MLOps-kennis. Is privacy of maatwerk niet doorslaggevend, dan is een API naar een bestaand model zoals GPT, Claude, Gemini of Mistral vaak de snelste weg naar kwaliteit, met als nadeel dat je afhankelijk bent van een externe partij en data de app verlaat.
Bij de meeste professionele apps komt het uiteindelijk neer op een combinatie van deze opties, elk onderdeel krijgt de aanpak die daar het beste bij past.
Wat dit betekent voor jou
Heb je een idee voor een chatfunctie, wil je processen op de werkvloer automatiseren, of ben je gewoon aan het uitzoeken wat AI in app ontwikkeling voor jouw situatie kan betekenen: begin niet bij de techniek maar bij het probleem dat je wilt oplossen. Wij bouwen AI omdat het iets oplost.
Heb je een app-idee waar AI een rol in speelt, of wil je weten wat AI voor je bestaande app kan betekenen? Neem contact met ons op, of begin gewoon met een kop koffie, dan denken we mee.