'Je moet wel een goede opdracht meegeven'

Oracle-consultant bij Defensie

Wilko werkt als Oracle-consultant in het KBM-team van Defensie. Dat team beheert het portaal waarin de kledinggegevens van al het defensiepersoneel worden bijgehouden. Vanuit dat systeem worden ook de uitgiftes en orders van militairen aangestuurd.

Dat klinkt overzichtelijk, maar onder de motorkap is het complex. Er lopen koppelingen met kledingleveranciers en met SAP EWM, waar de orders uiteindelijk naartoe gaan. Voorraden, artikelgegevens en orderstatussen gaan continu heen en weer. "Als er geen voorraad is, krijg je een bericht terug. Is er later wel voorraad, dan moet de order opnieuw worden aangeboden." Alle logica zit in de Oracle-database en voor een groot deel in APEX.

Twee werelden: de klantomgeving en de proeftuin

Wilko's AI-gebruik speelt zich af in twee werelden. "Er is een verschil tussen waar ik af en toe mee experimenteer en wat ik daadwerkelijk kan gebruiken. De centrale omgeving is behoorlijk dichtgetimmerd."

Bij de klant gebruikt hij dagelijks DefGPT, de eigen AI-assistent van Defensie. Daarin kan hij code van het project plakken, opdrachten geven en code laten aanpassen. Voor écht nieuwe stukken code werkt hij soms op zijn eigen pc met ChatGPT of Gemini en zet hij het resultaat daarna in de klantomgeving. De regel daarbij is helder: "Je mag natuurlijk geen informatie of code van Defensie naar buiten halen." Alleen nieuwe code gaat dus die kant op, nooit andersom.

Het verschil in kwaliteit merkt hij wel. Met exact dezelfde opdracht levert een actueel publiek model een beter resultaat. "We lopen gewoon iets achter op de kermis." Zelfs als hij de context meegeeft, zoals Oracle 19c en APEX 23.1, komt de interne assistent nog weleens met ouderwetsere oplossingen.

In zijn eigen proeftuin, een gratis account op apex.oracle.com, werkt hij met de nieuwste versies: Oracle Database 23ai en de laatste APEX-release. Daar probeert hij uit wat bij de klant nog niet kan:

• Generatieve AI in APEX: in natuurlijke taal een dashboard laten genereren.
• AI in interactive reports: een vraag stellen als "geef mij alle medewerkers die na 2000 in dienst kwamen", waarna AI er zelf een query van maakt.
• AI Vector Search: zoeken op betekenis in plaats van op exacte woorden. Wie op "boots" zoekt, vindt dan ook de laarzen in het assortiment.

"Ook daar heb je een nieuwe databaseversie voor nodig. Ik hoop dat ze bij Defensie binnenkort eens naar 23ai gaan kijken."

Kleine stukjes, altijd testen

Zijn gebruik groeit mee met de modellen. "Je merkt dat ChatGPT of Gemini steeds slimmer worden, en dan ga je het ook steeds meer gebruiken. Twee of drie jaar terug was het minder, maar elk jaar gebruik je het vaker."

Blind vertrouwen is het niet. Wilko laat vooral korte functies en losse stukjes code genereren. Die controleert hij niet regel voor regel, maar hij test ze wel altijd op het doel waarvoor hij ze wil inzetten. "Als je tien verschillende functies hebt laten genereren, kom je uiteindelijk tot een component dat je zelf hebt bedacht." Het ontwerp blijft dus van hem; AI levert de bouwstenen.

De grootste winst: reviewen en testen

Als Wilko kijkt waar AI het meest kan opleveren, wijst hij niet naar het schrijven van code, maar naar wat daarna komt. "Je kunt code laten reviewen tegen de standaarden die jullie hebben beschreven. Zo kun je jezelf controleren. In reviews en testen zit echt heel veel winst." Met een knipoog: "Dat vind ik zelf soms ook het minst leuke werk." Zijn ideaal is een combinatie: zelf reviewen én een AI-tool er nog eens overheen laten gaan.

Een concreet voorbeeld ligt klaar. Voor een nieuwe kledinglijn met meerdere lagen zijn alle interfaces naar SAP aangepast, met zes verschillende types. "Eigenlijk wil je daarvoor een testscript maken dat je in de pipeline kunt hangen." Door de tijdsdruk koos het team toch voor handmatig testen: dat voelt zekerder. "Terwijl het met AI misschien juist sneller was geweest. Maar dat is moeilijk in te schatten."

Zijn eigen oplossing voor dat dilemma: "Gun jezelf de tijd. Doe een spike van 16 uur, probeer of het lukt en kijk wat eruit komt. Lukt het niet, dan doe je het alsnog op een andere manier."

"Je kunt code laten reviewen tegen de standaarden die jullie hebben beschreven. In reviews en testen zit echt heel veel winst."

Wat remt: middelen, tijd en beeldvorming

Heeft AI zijn werk al wezenlijk veranderd? "Op dit moment nog niet echt. Terwijl ik dat wel meer zou willen." Hij denkt aan opdrachten als: beschrijf een tabel en laat AI de rest opzetten, inclusief constraints en triggers. "Daar hebben we binnen de klantomgeving helaas nog niet de juiste middelen voor." Zijn wens is simpel: "Ideaal gezien wordt overal Copilot geïnstalleerd en kun je aan de slag."

Naast techniek speelt beeldvorming een rol. Volgens Wilko kijkt het gros van de mensen positief tegen AI aan, maar leeft er bij een deel nog onbekendheid met wat AI nu eigenlijk doet. Dat zorgt voor terughoudendheid bij het gebruik.

Toch is hij optimistisch. Defensie heeft een eigen innovatieteam dat met AI experimenteert, en daar kwam DefGPT ook uit. Ook het nieuwe cloudplatform, waar de APEX-applicatieservers naartoe gaan, biedt kansen: "Daar moet veel geautomatiseerd worden, en ook daar kun je AI gebruiken om scripts aan te passen."

Zorgen over zijn eigen vak heeft Wilko niet. "Ik heb niet het idee dat ik binnen een paar jaar ineens wegbezuinigd ben." Wat hem wel bezighoudt, is beveiliging. "Dat de modellen zo slim worden dat overal waar een kwetsbaarheid zit, die binnen no time gehackt is."

Vooruitkijken: van prompt naar herbruikbaar component

De belangrijkste vaardigheid? "Goed kunnen prompten, dat is zeker. Je merkt steeds dat het werkt als je iedere keer de juiste context meegeeft." Hij raadt aan een vaste startprompt te maken, bijvoorbeeld voor elk nieuw stuk PL/SQL.

Voor de komende jaren kijkt hij vooral naar agentic AI. "Dat je met prompts snel goede componenten kunt bouwen, die je kunt hergebruiken om terugkerende handelingen in een paar opdrachten af te laten handelen." Ook buiten zijn werk ziet hij toepassingen. Als organisator van een lokale braderie met zo'n 120 standhouders wil hij de persoonlijke mails met plaatstoewijzing laten genereren. "Dat kun je allemaal automatiseren. Dat wil ik ook een keer gaan proberen."

Waarom dit ertoe doet voor Qualogy

Wilko's verhaal laat zien dat AI-gebruik niet alleen afhangt van de consultant, maar ook van de klantomgeving. Tegelijk zien we in de markt dat opdrachtgevers steeds vaker vragen om consultants met concrete ervaring met AI-assisted en agentic development. Juist voor collega's die bij hun klant (nog) beperkt zijn, is het daarom belangrijk om daarbuiten ervaring op te doen. Denk aan onze AI-workshops, de AI-geletterdheidstraining en de vervolgsessies die eraan komen. Wilko: "Ik denk dat we als Qualogy op de goede weg zijn."

Wilko's tips voor collega's

• Geef altijd context mee: versies (bijvoorbeeld Oracle 19c, APEX 23.1), standaarden en het doel.
• Werk in kleine stukken: laat korte functies genereren en bouw zelf het component.
• Test altijd: op het doel waarvoor je het gaat gebruiken.
• Zet AI in voor review en testen: als tweede paar ogen naast je eigen check.
• Houd je aan de spelregels van de klant: geen klantcode of -gegevens naar externe tools.
• Experimenteer in je eigen proeftuin: zoals een gratis account op apex.oracle.com.
• Gun jezelf een spike: plan bijvoorbeeld 16 uur om een AI-aanpak uit te proberen.

AI in één zin

"AI is mijn grote hulp bij het ontwikkelen als Oracle-consultant." Met één kanttekening: "Je moet wel een goede opdracht meegeven. Dat is het."

Hoe gebruik jij AI in je werk, of juist niet? Laat het me weten. Ik spreek graag met je voor een volgende aflevering van 'AI in de praktijk'.