Kwaliteit

Software testen ging altijd uit van een voorspelbaar antwoord. Bij AI-output geldt dat niet meer. Dezelfde vraag levert morgen een ander resultaat.

Wij richten in hoe je dat beoordeelt: guardrails, controles die meelopen in de keten en bewijs dat je aan een klant of een auditor kunt laten zien.

Wat er verandert

Naarmate AI het bouwen versnelt, verschuift de rem naar kwaliteitsborging. Teams leveren sneller op en het aantal wijzigingen groeit. Tegelijk wordt het lastiger om vast te stellen of iets klopt. Een deel van de code komt van een model, tests worden soms door een agent geschreven en een AI-toepassing geeft op dezelfde vraag niet twee keer hetzelfde antwoord.

Klassiek testen blijft nodig, maar het is niet genoeg. Je hebt ook een manier nodig om output te beoordelen die varieert en om aan te tonen dat die beoordeling deugt.

Wat wij doen

Kwaliteitsregie over de hele levenscyclus

Kwaliteit begint niet bij de testfase. Wij kijken mee van architectuurreview tot het gedrag van een applicatie in productie, met een teststrategie die uitgaat van risico’s en niet van een vaste checklist.

Output beoordelen die per keer verschilt

Voor AI-toepassingen ontwerpen wij evaluaties met testsets en criteria. Zo meet je niet of het antwoord letterlijk gelijk is, maar of het binnen de grenzen valt die je hebt afgesproken. En je ziet herkenbare fouten, zoals hallucinaties, terug in de cijfers.

Guardrails en promptvalidatie

Welke guardrails een toepassing nodig heeft, bepalen wij samen met development. Daarna valideren wij prompts en guardrails systematisch, ook op pogingen om ze te omzeilen.

Werk van agents beoordelen

Code die een agent schreef gaat niet ongezien door. Hetzelfde geldt voor tests die een agent maakte: wij beoordelen of ze echt iets toetsen. En wij leggen vast waar agents in het testproces mogen meewerken en waar menselijk oordeel nodig blijft.

Datakwaliteit en antwoorden die kloppen

Een AI-toepassing is zo goed als de data eronder. Wij richten kwaliteitscontroles en monitoring in op het dataplatform, inclusief het signaleren van datadrift. En wij toetsen antwoorden van AI-toepassingen en agentic BI tegen de bron.

Kwaliteitscontrole in de pipeline

Controles die alleen in een document staan, worden overgeslagen als het druk is. Wij bouwen kwaliteits- en securitypoorten in de pipeline, zodat ze bij elke wijziging meelopen.

Aantoonbaar, niet beloofd

Kwaliteit die je niet kunt laten zien, telt bij een audit of een klant niet mee. Daarom leggen wij met jou vast wanneer iets goed genoeg is en rapporteren wij per release over kwaliteit en risico’s, zodat er een besluit over genomen kan worden. Bevindingen zijn reproduceerbaar en herleidbaar.

Wat dit van onze eigen mensen vraagt

Quality Assurance is bij ons de thuisbasis van kwaliteit, maar niet de enige plek. Kwaliteit aantoonbaar maken hoort bij het werk van iedere consultant, van engineer tot architect en komt terug in hun evaluatie.

Wil je weten hoe je dit aanpakt? Lees meer over kwaliteit aantoonbaar maken en een dataplatform dat klaar is voor AI.