AI verandert de rol van de architect, niet de noodzaak van architectuur

Het afgelopen jaar heb ik gemerkt dat mijn productiviteit als architect aanzienlijk is toegenomen. Werk waarvoor eerder meerdere iteraties nodig waren, kan nu soms binnen enkele minuten een bruikbaar startpunt opleveren. Ook hoor ik indrukwekkende verhalen van andere architecten die deze productiviteitsgroei bevestigen. Dat roept een logische, en misschien ook wat ongemakkelijke, vraag op:

Als solution design veel sneller en goedkoper wordt, hebben we architectuur dan nog wel nodig?

Ik denk van wel. Om te begrijpen waarom, is het goed om stil te staan bij wat architectuur altijd waardevol heeft gemaakt. Die waarde zat nooit in het feit dat diagrammen of ontwerpdocumenten moeilijk te maken zijn. Architectuur is waardevol omdat sommige beslissingen grote gevolgen hebben wanneer je ze later wilt terugdraaien. Ze zijn kostbaar, ingrijpend of brengen risico's met zich mee. Juist wanneer verandering duur is, loont het om vooraf zorgvuldig na te denken voordat je een beslissing neemt.

Architectuur is altijd bepaald door de kosten van verandering. AI neemt dat vraagstuk niet weg, maar verlegt het. Daardoor worden drie uitgangspunten van RCDA relevanter dan ooit: architectuur als een verzameling beslissingen, Just Enough Anticipation en het gebruiken van business drivers als uitgangspunt voor architectuur.

Een krachtige assistent, geen architectonische autoriteit

Ik heb binnen CGI's wereldwijde netwerk van architecten gevraagd hoe zij AI inzetten in hun dagelijkse werk. De antwoorden verschilden, maar de rode draad was duidelijk. Op dit moment gebruiken de meeste architecten AI om:

• de context van een oplossing te analyseren en samen te vatten; 
• ontwerpalternatieven te identificeren; 
• architectuurbeslissingen uit te werken; 
• eerste versies van modellen en documentatie op te stellen; 
• consistentiecontroles uit te voeren; 
• architectuurprototypes te ontwikkelen en bestaande oplossingen verder te laten evolueren. 

AI blijkt vooral waardevol als sparringpartner en als hulpmiddel om een eerste versie te maken. Het helpt ons sneller op gang, laat ons meer alternatieven verkennen en maakt zwakke plekken in een redenering zichtbaar voordat we die met anderen delen.

Onze architecten wezen echter ook op belangrijke aandachtspunten en lessen uit de praktijk. AI presteert niet altijd even betrouwbaar. De output kan onvolledig, verouderd of intern tegenstrijdig zijn. AI kan een overtuigend geformuleerd antwoord geven zonder dat daar een solide onderbouwing achter zit. Soms helpt AI om impliciete aannames bloot te leggen, maar soms introduceert het juist ongemerkt nieuwe. Vooral wanneer succes afhankelijk is van impliciete organisatiekennis, een integraal begrip van het systeem of creativiteit buiten de gebaande paden, schiet AI nog tekort.

Daarom moeten we AI zien als een hulpmiddel dat voorstellen, eerste uitwerkingen en hypothesen aandraagt, niet als een architectonische autoriteit. De architect blijft verantwoordelijk voor de vraag welke aandachtspunten ertoe doen, welk bewijs voldoende is en of een voorgestelde oplossing binnen de specifieke context verantwoord is.

De prijs van een verkeerde beslissing daalt

Een belangrijk deel van architectuur draait om de verwachte kosten van een verkeerde beslissing. Als het maanden kost om een besluit terug te draaien vanwege herontwikkeling, migratie, testen en afstemming, is het logisch om vooraf veel tijd te investeren in analyse. Met AI-ondersteunde softwareontwikkeling verandert dat. Aannames waar vroeger langdurige discussies voor nodig waren, kunnen steeds vaker worden getest in iets dat dicht tegen een werkende oplossing aan ligt. Dat is goed nieuws. Het verkort de feedbackloop tussen een idee en het bewijs of dat idee daadwerkelijk werkt. Tegelijkertijd verandert het de economische uitgangspunten van architectuur.

Het onderzoeken van verschillende beslissingsalternatieven is goedkoper geworden. Dat geldt ook voor het overstappen naar een alternatief wanneer een ontwerp moet worden aangepast. Collega-architecten deelden aansprekende voorbeelden waarbij AI hielp om een gewijzigde ontwerpbeslissing in enkele dagen door te voeren in plaats van in maanden. Eén architect vertelde hoe een trainee met behulp van AI een verouderde mobiele applicatie, waarin front-end en back-end sterk met elkaar verweven waren, in slechts twee dagen migreerde naar een modern platform met een heldere en eenvoudig te begrijpen architectuur.

Een abstractielaag die is ontworpen voor een mogelijke toekomstige behoefte is daardoor niet altijd meer een verstandige investering. Als AI ons kan helpen zo'n laag snel toe te voegen of te vervangen zodra die behoefte zich daadwerkelijk voordoet, is het de vraag of we daar vandaag al in moeten investeren. Ook een sterk configureerbaar platform wordt minder aantrekkelijk wanneer een eenvoudigere oplossing later sneller en veiliger kan worden aangepast. Een bruikbaar uitgangspunt is daarom:

Betaal vandaag niet voor flexibiliteit die je waarschijnlijk goedkoper kunt realiseren op het moment dat je die echt nodig hebt.

Dit is geen nieuwe versie van You Aren't Gonna Need It die we zonder nadenken moeten toepassen. AI maakt niet iedere verandering eenvoudig. Een technisch relatief kleine wijziging kan nog steeds grote gevolgen hebben voor een hele organisatie. Wel is het een aanleiding om onze aannames over de kosten van toekomstige veranderingen opnieuw tegen het licht te houden.

Lagere veranderkosten versterken wat ik adaptieve eenvoud zou willen noemen. Wanneer een architect verschillende oplossingsrichtingen snel kan verkennen, is het minder noodzakelijk om één ontwerp geschikt te maken voor iedere denkbare toekomstige situatie. We kunnen meer beslissingen openhouden, niet door systemen eindeloos configureerbaar te maken, maar door beter en sneller te worden in het aanpassen ervan wanneer dat nodig is. Dat heeft grote gevolgen voor wat we verstaan onder Just Enough Anticipation.

De taak van de architect blijft om onderscheid te maken tussen complexiteit die bescherming biedt tegen een reëel risico en complexiteit die alleen inspeelt op een onzekere mogelijkheid. Het doel blijft onveranderd: precies genoeg architectuur. Voldoende vooruitdenken om onaanvaardbare risico's te beheersen, gecombineerd met voldoende eenvoud om inzicht, wendbaarheid en handelingsvrijheid te behouden.

De moeilijkste beslissingen zijn niet altijd technisch

Wat mij ook opviel bij het vergelijken van verschillende toepassingen van AI, is dat AI het beste presteert wanneer een vraagstuk kan worden vastgelegd in technische artefacten, zoals code, modellen, configuraties, tests en documentatie. Veel minder geschikt is AI wanneer de gevolgen van een beslissing afhangen van eigenaarschap, verantwoordelijkheden, betekenis en samenwerking tussen mensen.

Een AI-agent kan software die klantgegevens verwerkt refactoren. Hij kan een framework vervangen of een beter integratiepatroon voorstellen. Maar AI kan niet bepalen welke businessunit eigenaar moet zijn van die gegevens. Ook kan AI niet beslissen wie verantwoordelijk is voor de kwaliteit ervan, of wat verschillende onderdelen van een organisatie precies bedoelen wanneer zij het over een 'klant' hebben. Evenmin kan AI tegengestelde belangen tussen afdelingen oplossen, besluitvormingsbevoegdheden vaststellen, een leverancierscontract heronderhandelen of het vertrouwen creëren dat nodig is om belanghebbenden mee te krijgen in een ingrijpende verandering.

Ook dat zijn architectuurvraagstukken. De gevolgen ervan zijn niet alleen verankerd in digitale systemen, maar ook in organisatiestructuren, financieringsmodellen, governance, leveranciersrelaties, vaardigheden en bestaande manieren van werken. In veel gevallen zijn juist deze aspecten moeilijker te veranderen dan de technologie zelf.

Naarmate AI steeds meer onderdelen van solution design tot een commodity maakt, zullen architecten nog meer aandacht moeten besteden aan deze menselijke en organisatorische dimensies.

Business Architecture wordt daardoor belangrijker dan ooit.

Hernieuwde aandacht voor documentatie en besluitvorming

Wie meerdere generaties softwareontwikkelmethoden heeft meegemaakt, zal de opkomst van specification-driven development waarschijnlijk met een glimlach of een zucht bekijken. In sommige organisaties zijn goede praktijken, zoals het helder vastleggen van wat een systeem moet doen, in de verdrukking geraakt door een al te dogmatische toepassing van agile-principes of simpelweg door gemakzucht.

Voor AI-ondersteunde softwareontwikkeling is duidelijke documentatie van stakeholderbehoeften en architectuurbeslissingen echter essentieel. Oude werkwijzen keren daarom terug, zij het onder nieuwe namen, zoals context engineering.

Een belangrijk gevolg is dat organisaties veel explicieter moeten worden in hun besluitvorming. Waar verantwoordelijkheden vroeger soms bewust vaag bleven in vergaderingen of beleidsdocumenten, konden ontwikkelteams daar nog enigszins omheen werken. AI doet dat niet. AI-agents bouwen gewoon door en vullen ontbrekende besluiten zelf in met impliciete aannames, die vaak pas zichtbaar worden wanneer een oplossing in productie is.

AI onderstreept daarmee opnieuw een praktijk waar we al twintig jaar voor pleiten: besluiten vormen het belangrijkste product van architectuur.

De rol van de architect verandert

De productiviteitswinst is onmiskenbaar. Ik ervaar die zelf dagelijks en hoor hetzelfde van veel collega's. Naarmate AI meer routinematig werk overneemt, besteden architecten minder tijd aan het handmatig uitwerken van modellen en documentatie. In plaats daarvan sturen zij AI aan met context en effectieve prompts.

Dat betekent niet dat er minder architectuurwerk ontstaat. Het betekent dat tijd en aandacht verschuiven naar werkzaamheden die moeilijker te automatiseren zijn:

• het identificeren van architectuurbeslissingen die lastig terug te draaien zijn;
• architectuurvraagstukken beoordelen vanuit risico, kosten en waarde;
• eigenaarschap en verantwoordelijkheden verduidelijken;
• semantische en organisatorische onduidelijkheden oplossen;
• beoordelen of AI-gegenereerd bewijs betrouwbaar genoeg is voor de beslissing die genomen moet worden.

De architect ontwikkelt zich daarmee van producent van technische artefacten tot regisseur van ingrijpende veranderingen. Misschien is dat wel de belangrijkste verschuiving.

Kanttekeningen

Uit de gesprekken binnen onze architectuurcommunity kwamen drie belangrijke nuanceringen naar voren:

• Ten eerste maakt AI niet iedere technische verandering goedkoop. Veiligheidskritische, sterk geïntegreerde, data-intensieve en zwaar gereguleerde systemen bevatten ook in de toekomst beslissingen die moeilijk en risicovol terug te draaien zijn. De mate van architectonisch vooruitdenken moet daarom in verhouding blijven staan tot de risico's.
• Ten tweede is AI-gegenereerde output niet automatisch bewijs. Ontwerpen, prototypes en analyses moeten nog steeds worden gevalideerd met een zorgvuldigheid die past bij de impact van de beslissing. Een plausibel antwoord kan aanleiding zijn voor verder onderzoek, maar vervangt geen onderbouwd vertrouwen.
• Ten derde rechtvaardigen lagere veranderkosten geen ongecontroleerde veranderingen. Voortdurend aanpassen kan nog steeds leiden tot inconsistentie, operationele instabiliteit en technische schuld. Richting, afstemming en governance blijven noodzakelijk. Architectuur blijft de discipline die risico's en veranderkosten beheersbaar maakt.

Architectuur volgt de kosten van verandering

Mijn eigen ervaring met AI heeft architectuur niet minder relevant gemaakt. Wel heeft AI sommige onderdelen van het architectuurwerk aanzienlijk versneld en scherper zichtbaar gemaakt waar de echte complexiteit zit. AI neemt een deel van het technische productiewerk over, maar maakt tegelijkertijd duidelijker welke organisatorische, semantische en governancevraagstukken afhankelijk blijven van menselijk oordeel.