Door Ronald Kerkhoff
Tijdens het TestNet Najaarsevenement blikten we vooruit op wat de jaren ’30 voor testers in petto hebben.
Na zes artikelen over het verleden en heden van softwaretesten vormt dit slotdeel het logische sluitstuk: een blik op de toekomst waarin AI, kwantumcomputing en ethiek samen het vak opnieuw vormgeven.
De jaren ’20 waren het decennium waarin alles sneller, slimmer en meer geïntegreerd werd.
Cloud werd vanzelfsprekend, AI vond zijn plek in de ontwikkelketen en kwaliteit werd een gedeelde verantwoordelijkheid.
Maar de volgende golf brengt een nieuwe realiteit.
De jaren ’30 zullen niet alleen voortbouwen op wat we kennen, maar het speelveld zelf opnieuw definiëren.
Kwantumcomputing: testen voorbij het deterministische
Aan het eind van de jaren ’20 tekent zich een volgende golf af: kwantumcomputing. Nog grotendeels in de onderzoeksfase, maar langzaam komen de eerste commerciële toepassingen dichterbij. Voor softwarekwaliteit betekent dit een fundamenteel nieuwe realiteit. Klassieke computers rekenen met bits (0 of 1); een kwantumcomputer gebruikt qubits, die dankzij superpositie en verstrengeling meerdere toestanden tegelijk kunnen aannemen.
Het resultaat: algoritmen die niet één vast “juist antwoord” opleveren, maar kansverdelingen van uitkomsten.
Dat stelt testers voor een totaal andere vraag: hoe verifieer je iets dat nooit exact hetzelfde resultaat geeft? In plaats van ja/nee moet je gaan denken in marges, toleranties en waarschijnlijkheden. Niet: “klopt dit antwoord exact?”, maar: “valt dit gedrag binnen de verwachte kansverdeling en foutmarge?”.
De eerste oplossingsrichtingen worden nu al onderzocht. Noise-aware simulators, zoals Qiskit Aer van IBM, bootsen realistisch na hoe ruis en decoherentie algoritmen beïnvloeden. Model-based oracles die met formele of wiskundige modellen van het systeem of algoritme die voor een gegeven input voorspellen wat het verwachte gedrag (bijvoorbeeld een kansverdeling van uitkomsten) zou moeten zijn, helpen te bepalen of een gemeten uitkomst “goed genoeg” is. En in hybride scenario’s werken klassieke en kwantumdelen samen. Het klassieke deel verifieert of de verdeling van de kwantumuitkomst klopt met de verwachting.
Daaruit groeit een nieuwe generatie testtools. Denk aan probabilistische dashboards die geen “pass/fail” tonen, maar verdelingen (bijv. 92% correct, 6% acceptabel alternatief, 2% fout). Of pipelines die automatisch post-quantum cryptografie checken, zoals CRYSTALS-Kyber en Dilithium, inmiddels door NIST (2024) gestandaardiseerd als opvolgers voor RSAen ECC.
Voor de tester betekent dit een nieuw repertoire. Naast testautomatisering komen kennis van kansrekening, cryptografie en quantummechanica in beeld. Hun toolkit verschuift van “binair groen/rood” naar simulators, statistische validatiemodules en observability die ook probabilistisch gedrag uitleest. De kwaliteitsregisseur van de jaren ’30 wordt iemand die kan duiden wat een verdeling betekent voor risico’s, en die in staat is om cryptografische kwetsbaarheden tijdig te herkennen in een post-quantum wereld.
Kort gezegd, de overgang naar kwantumcomputing verlegt het vak van zekerheden toetsen naar waarschijnlijkheden interpreteren. Een stap die het testen niet alleen technischer maakt, maar ook conceptueel uitdagender.
Van copilots naar autonome agents
Na de belofte van kwantumcomputing verschijnt nog een ander front in de jaren ’30. De verdere evolutie van generatieve AI. Waar AI in de jaren ’20 vooral als copiloot fungeerde (handig bij het herschrijven van user stories, het genereren van tests of het samenvatten van logbestanden) groeit het in de jaren ’30 uit tot een systeem dat zelfstandig doelen nastreeft, experimenten uitvoert en zichzelf bijstuurt.
Onderzoek bevestigt dat deze ontwikkeling geen sciencefiction meer is. Zo beschrijven onderzoekers hoe AI-agents testprocessen automatisch kunnen optimaliseren, waardoor schaal en efficiëntie toenemen (zie: AI Agents in Software Testing and Test Automation). Frameworks als GTArena (GUI Testing Arena: A Unified Benchmark) laten al zien hoe autonome GUI-testagenten met elkaar kunnen worden vergeleken en visies die suggereren dat agents op termijn de volledige softwarelevenscyclus kunnen beheren (zie: Autonomous Agents in Software Development: A Vision Paper). NVIDIA demonstreerde dat AI in staat is testcases op te stellen vanuit requirements én traceerbaarheid te bewaren (Building AI Agents to Automate Software Test Case Creation).
Toch staat de betrouwbaarheid van agents zelf nog in de kinderschoenen. In recente studies blijkt dat slechts een fractie van de inspanning besteed wordt aan het testen van agents, vooral de prompt-componenten krijgen weinig aandacht (An Empirical Study of Testing Practices in Open Source AI Agent Frameworks and Agentic Applications).
Nu voegt een extra dimensie zich aan dit toekomstperspectief. In het artikel “Future Forecasting: A Massive Intelligence Explosion on the Path from AI to AGI” voorspelt Lance Eliot (2025) dat we mogelijk een plotselinge “explosie” van intelligentie mogen verwachten, een moment waarop AI niet geleidelijk groeit, maar versneld zichzelf verbetert. Volgens hem kunnen factoren zoals exponentiële schaalvergroting, modeloptimalisatie en interactie met de fysieke wereld leiden tot een stap naar KAI (Kunstmatige Algemene Intelligentie). Dit versterkt het idee dat agents in de jaren ’30 niet alleen testwerk uitvoeren, maar zichzelf kunnen optimaliseren — potentieel buiten de scope van menselijke sturing.
Stel je voor: een agent die codewijzigingen interpreteert, testcases genereert, varianten uitprobeert, resultaten vergelijkt met modellen, afwijkingen identificeert én automatisch een pull request indient met correcties. Dat is geen sciencefiction; in de onderzoekswereld zijn al prototypes te vinden. Agents kunnen ook patronen detecteren in probabilistische uitkomsten van quantumalgoritmes, als “meta-testers” die niet de software zelf, maar de tests en hun uitkomsten bewaken, en consistentie borgen in een wereld van ruis.
Daarmee ontstaat een wereld waarin testen niet langer losstaat van ontwikkeling,
maar een geïntegreerd en zelfsturend proces wordt, waar kwaliteit, veiligheid en ethiek het nieuwe kompas vormen.
Kwaliteit, veiligheid & ethiek: nieuw kompas in onbekend terrein
Voordat ik verder hierop doorga is het belangrijk in welke context ik de volgende begrippen gebruik:
Veiligheid – Hierbij doel ik vooral op security, of te wel bescherming van systemen en data tegen misbruik en aanvallen.
Autonomie – Een verwijzing naar software- en AI-agents die zelfstandig beslissingen nemen binnen de ontwikkel- en productieketen.
Ethiek – Hierbij gaat het om de gevolgen van geautomatiseerde beslissingen voor mensen en organisaties: zijn die beslissingen uitlegbaar, eerlijk en verantwoord?
De komende jaren verschuift het zwaartepunt van testen fundamenteel. Waar menselijke testers, ontwikkelaars en analisten vandaag nog afzonderlijke rollen vervullen, zal de software in de jaren ’30 grotendeels worden bewaakt, gevalideerd en bijgestuurd door autonome agents.
Deze agents nemen taken over die ooit strikt menselijk waren: het genereren van tests, het uitvoeren van analyses, het herstellen van code, en zelfs het toetsen van requirements.
Dat betekent niet dat de mens overbodig wordt, maar wel dat de rol verschuift van uitvoerder naar regisseur.
Kwaliteit, veiligheid en ethiek worden geen losse taken meer, maar geïntegreerde principes binnen de gehele autonome ontwikkelcyclus.
Kwaliteit als continu ecosysteem
Kwaliteit wordt in deze nieuwe context niet langer getest, maar voortdurend bewaakt.
Agents volgen de hele keten (van requirement tot productie) en valideren tussentijds of het systeem nog aansluit bij de functionele en niet-functionele doelen.
Ze analyseren logica, genereren testdata, simuleren gebruikersgedrag en voeren herstelacties uit zonder dat er expliciet om gevraagd hoeft te worden.
Toch blijft één fundament onveranderd: acceptatiecriteria blijven mensenwerk.
Alleen de business kan bepalen wat acceptabel is, welke risico’s aanvaardbaar zijn en wat kwaliteit werkelijk betekent binnen de context van waarde-creatie.
Die menselijke definities vormen de basis waarop agents hun tests genereren en uitvoeren.
Zonder heldere, door mensen vastgestelde acceptatiecriteria weten agents wél hoe ze moeten testen, maar niet waarvoor.
AI kan daarbij wél helpen: op basis van vage beschrijvingen of historische data kunnen agents voorstellen doen voor mogelijke acceptatiecriteria, maar de uiteindelijke keuze welke criteria gelden en welke risico’s acceptabel zijn, blijft een menselijke beslissing.
Voor de mens verandert niet zozeer wát kwaliteit is, maar vooral hoe we kwaliteit toetsen. Van een eenmalig toets moment naar een interpretatie- en richtinggevend proces. Het gaat steeds meer om begrijpen of de automatische beslissingen nog aansluiten bij de intentie van het ontwerp én bij de behoefte van de business.
Want kwaliteit zonder relevantie is betekenisloos: een perfect functionerende oplossing die niet bijdraagt aan het doel van de organisatie, blijft een mislukking.
De testprofessional van de toekomst wordt zo een kwaliteitsdirigent die inzicht geeft, prioriteiten bepaalt en betekenis geeft aan data die door agents wordt gegenereerd.
Vertrouwen ontstaat pas wanneer techniek, intentie en zakelijke waarde samenvallen.
Veiligheid als ingebouwd bewustzijn
Beveiliging evolueert van statisch naar zelflerend.
Agents herkennen patronen van misbruik, voorspellen kwetsbaarheden en nemen maatregelen voordat incidenten zich voordoen. Security wordt geen afzonderlijke discipline meer, maar een organisch onderdeel van de software zelf, voortdurend lerend, reagerend en aanpassend.
De menselijke rol verschuift van handmatig herstellen naar het stellen van kaders en toezicht houden. Wie bepaalt bijvoorbeeld wanneer een agent een kwetsbaarheid mag verhelpen zonder menselijke review?
Of wanneer zelfoptimalisatie te ver gaat?
Dat worden de nieuwe veiligheidsvragen van de jaren ’30. Tegelijkertijd zien we dat aanvallers AI net zo snel, en soms sneller, adopteren dan verdedigers. Dat vergroot de druk om security-by-design én AI-gedreven verdediging serieus te nemen, juist omdat het speelveld daardoor in eerste instantie vaak ongelijk wordt.
Ethiek als randvoorwaarde voor vertrouwen
Wanneer systemen zelfstandig beslissen, wordt ethiek de toetssteen van vertrouwen.
De algoritmen van morgen kunnen niet alleen fouten maken, maar ook keuzes die gevolgen hebben voor mensen, organisaties en samenlevingen.
Daarom zal ethiek niet langer worden gezien als een nalevingsvereiste, maar als onderdeel van kwaliteitsborging.
Agents moeten uitlegbaar kunnen maken waarom ze iets deden, op basis van welke data en binnen welke grenzen.
Uitlegbaarheid, auditability en fairness worden verplichte onderdelen van het testproces, niet als administratieve last, maar als fundament van vertrouwen.
Testers, ontwikkelaars en businessanalisten van nu moeten zich dus voorbereiden op een rol waarin beoordeling, duiding en ethische sturing belangrijker worden dan uitvoering.
Beren op de weg: risico’s van een te snelle of onvolwassen transitie
De belofte van autonomie is groot, maar de valkuilen zijn dat ook.
De komende jaren zullen organisaties onvermijdelijk stuiten op nieuwe kwetsbaarheden, niet alleen technisch, maar vooral menselijk en organisatorisch.
- Verlies van controle en over-afhankelijkheid van technologie
Blind vertrouwen op zelflerende systemen kan leiden tot verlies van inzicht én beoordelingsvermogen.
Naarmate agents meer beslissingen nemen, wordt het risico groter dat de mens niet meer begrijpt waarom iets gebeurt.
Zonder transparante governance, logging en menselijke toetsing kan autonomie omslaan in onvoorspelbaarheid en afhankelijkheid. - Datakwaliteit en bias
Agents leren op basis van data, en slechte data leidt tot verkeerde beslissingen.
Wanneer datasets incompleet, verouderd of bevooroordeeld zijn, verspreiden fouten zich razendsnel door de keten.
Een extra risico ontstaat wanneer agents vooral leren van door zichzelf of andere agents gegenereerde data. Zulke feedbackloops kunnen leiden tot een soort “model-inteelt”, waarbij de aansluiting met de werkelijkheid langzaam verdwijnt.
Dat maakt datakwaliteit en dataverantwoording cruciale pijlers van toekomstige teststrategieën.
- Organisatorische weerstand en veranderblindheid
De grootste belemmering is niet technologisch, maar cultureel.
Niet iedereen kan of wil meegaan in deze verandering. Gebrek aan visie, angst voor functieverlies of het vasthouden aan bestaande hiërarchieën kan ertoe leiden dat agents verkeerd, of zelfs helemaal niet, worden ingezet.
Dat ondermijnt niet alleen innovatie, maar ook vertrouwen in de technologie zelf. - Verkeerde inzet van autonomie
De kracht van agents ligt in ondersteuning, niet vervanging van menselijk oordeel.
Worden ze te vroeg of zonder duidelijke kaders ingezet, dan kunnen ze beslissingen nemen die onbedoeld schade veroorzaken: verkeerde aanpassingen, foutieve releases of ethisch discutabele optimalisaties. - De illusie van kostenbesparing
Er schuilt gevaar in het zien van autonome agents als heilige graal. Een instrument om arbeidskosten te reduceren.
In werkelijkheid verschuiven de kosten, van uitvoering naar toezicht, governance, ethiek en onderhoud.
Wanneer organisaties te snel snijden in menselijk kapitaal onder het mom van efficiëntie, verdwijnt precies datgene wat technologie betrouwbaar maakt, het menselijke beoordelingsvermogen.
Korte termijn winst kan zo uitmonden in langdurig verlies van kwaliteit en vertrouwen.
De toekomst vraagt daarom om meer dan technologische innovatie:
Een volwassen organisatiecultuur die leert omgaan met autonomie, verantwoordelijkheid en vertrouwen.
De rol van de tester in de jaren ’30
In deze nieuwe realiteit verandert de tester van uitvoerder naar moreel kompas van kwaliteit.
Hun waarde ligt niet langer in het vinden van fouten, maar in het begrijpen van gevolgen.
Ze:
- Vertalen bedrijfsbehoeften naar duidelijke acceptatiecriteria waarop agents hun tests baseren;
- Beoordelen of resultaten binnen morele, juridische en zakelijke grenzen vallen;
- Bewaken uitlegbaarheid, traceerbaarheid en integriteit van beslissingen;
- Signaleren risico’s bij data, bias en ongelijkheid;
- En bevorderen transparantie en vertrouwen tussen mens, agent en organisatie.
Daar waar testers de afgelopen 50 jaar kwaliteitsmaatregelen moesten invoeren omdat ze ontbraken, zal kwaliteit in de toekomst ingebouwd en continu bewaakt worden.
Built-in quality krijgt dan eindelijk echte betekenis.
Naar een nieuw testparadigma
Voor testers betekent dit een dubbel perspectief. Enerzijds ontstaat een krachtige bondgenoot die defecten opspoort en reproduceerbare scenario’s genereert. Voor testers betekent dit een verschuiving van controle naar sturing. Het waarborgen van sandboxing, auditsporen en explainability wordt nog essentiëler wanneer agents zichzelf kunnen verbeteren. De taak van de tester is dan niet om elke stap te verifiëren, maar om het doel, de kaders en de richting te bewaken.
Wat dit kan betekenen voor kwantumtesten
Interessant genoeg kunnen generatieve AI en agenten ook een rol spelen bij het testen van kwantum algoritmen. Omdat uitkomsten probabilistisch zijn, kan een agent patronen herkennen in foutmarges en verdelingen, en sneller duizenden runs analyseren dan een mens ooit zou kunnen. Daarmee kan AI dienen als een “meta-tester” die de consistentie van probabilistische uitkomsten bewaakt en afwijkingen signaleert.
Impact op het vak en competenties
De rol van testprofessional transformeert van kwaliteitsregisseur naar kwaliteitsdirigent: iemand die agenten leidt, besluitvorming faciliteert en kwaliteit integraal borgt. Nieuwe vaardigheden zijn essentieel: AI-governance, modelvalidatie, adaptieve strategieën en interpretatie van bewijs. En wat nog mooier is, kwaliteit loopt structureel en automatisch mee met ontwikkeling en operatie. Testen verdwijnt niet, het smelt samen met design, bouw, deployment en productie.
Epiloog: vertrouwen als toekomsttaal
De toekomst van testen ligt niet in meer regels of meer tooling, maar in meer vertrouwen. Vertrouwen in agents, in systemen, en in de mensen die hun koers bepalen.
In een wereld waar software zichzelf leert, herstelt en verbetert, is de menselijke bijdrage niet om te controleren wat er gebeurt, maar om te bewaken waarom het gebeurt, en of het nog de juiste waarde levert aan de business.
De tester van de jaren ’30 is de stem van richting, context en ethiek.
Hij fluistert de technologie van morgen toe wat de mens vandaag bedoelt.
De toekomst test zichzelf, maar betekenis én vertrouwen blijven mensenwerk.
Conclusie: van uitvoerder naar regisseur
De opkomst van autonome agents zal de applicatie- en softwarelevenscyclus volledig hervormen.
Taken die ooit strikt gescheiden waren (coderen, testen, valideren, releasen) worden geïntegreerd binnen zelfsturende ecosystemen.
De traditionele scheidslijnen tussen ontwikkelaar, tester en analist verdwijnen. De software ontwikkelt en controleert zichzelf, terwijl mensen toezien op richting, doel en waarde.
Toch blijft één principe overeind: wat in productie komt, moet aansluiten bij de behoefte van de business en waarde leveren aan de gebruiker.
Acceptatiecriteria, opgesteld door mensen, vormen daarbij het morele en functionele anker van het gehele testproces.
Zonder die menselijke richting verliest zelfs de meest geavanceerde agent zijn koers.
De testprofessional van de toekomst is dus geen controleur van kwaliteit, maar een bewaker van betekenis.
Hij of zij zorgt dat technologie in dienst blijft staan van menselijke intentie, dat ethiek ingebakken blijft in innovatie, en dat veiligheid en vertrouwen de maatstaf blijven van vooruitgang.
Hiermee sluiten we deze reis door de evolutie van softwaretesten af, een vakgebied dat zich telkens opnieuw uitvindt, en ook in de toekomst onmisbaar blijft voor kwaliteit, veiligheid en vertrouwen.
Artikel 1 van deze reeks: De Pioniers van Softwaretesten (jaren ’70)
Artikel 2 van deze reeks: De Opkomst Van Systematisch Testen (jaren ’80)
Artikel 3 van deze reeks: De Formele Structurering van Testen (jaren ‘90).
Artikel 4 van deze reeks: De opkomst van de Testprofessional (jaren 2000/2009)
Artikel 5 van deze reeks: De Digitalisering en Cloudtransitie van Softwaretesten (jaren ’10)
Artikel 6 van deze reeks: De revolutie van softwaretesten (jaren ’20)
Artikel 7 van deze reeks: De toekomst van testen (jaren ’30) (dit artikel)