AI-resultaat controleren: welk bewijs heb je echt nodig?

'Ik heb de fout opgelost en alles getest.' Dat kan een nauwkeurig verslag zijn, maar ook een samenvatting van wat een agent van plan was. Zonder concrete controle weet je niet welk deel werkelijk is uitgevoerd.

Een AI-resultaat controleren begint bij de vraag wat er moet kloppen. Een feitelijke bewering vraagt bronbewijs. Een codewijziging vraagt uitvoerbaar gedrag. En een scherm dat mensen gebruiken vraagt ook een controle van die gebruikersroute.

Stel dat een kleine projectapp uren naar een CSV-bestand exporteert. De klacht: de export bevat soms uren buiten de gekozen periode. Een agent stelt een reparatie voor. De eis luidt: alleen uren van de gekozen periode en het gekozen project komen in de export.

Voeg de betekenis van de periode toe. Tellen begin- en einddatum mee? Welke tijdzone bepaalt de daggrens? Is de export alleen beschikbaar voor wie het project mag bekijken? Zolang die vragen openstaan, kan een test een willekeurige interpretatie bevestigen.

Deze casus is een voorgestelde controleaanpak. Er wordt hier geen uitgevoerd experiment of gevonden productfout beschreven. Je kunt de werkwijze toepassen op een vergelijkbare wijziging in je eigen app.

Een agent kan beweren dat de exportbibliotheek datums automatisch omzet. Vraag de precieze documentatie en de versie die je project gebruikt. Open de passage en vergelijk die met de echte aanroep. Een bestaande URL bewijst nog niet dat de bron de uitspraak ondersteunt.

Doe hetzelfde met een inhoudelijke AI-tekst. Splits een zin met meerdere claims op: over welke functie gaat het, onder welke voorwaarden en op welke datum? Een leverancierspagina kan goed bewijzen dat die leverancier iets aanbiedt. Ze bewijst niet automatisch dat de functie in jouw toepassing betrouwbaar werkt.

Anthropic bespreekt bij evaluatie van onderzoeksagents onder meer onderbouwing en dekking. Voor onze exportcasus betekent broncontrole vooral dat aannames over de gebruikte techniek aantoonbaar bij het project passen.

Maak een kleine set herkenbare urenregels: één vóór de gekozen periode, één op de begindatum, één middenin, één op de einddatum en één erna. Voeg een regel voor een ander project toe. Schrijf vooraf welke regels in de export moeten staan.

Voer de controle eerst uit op de versie met de fout. Ze moet falen omdat verkeerde regels worden meegenomen. Een kapot testbestand, ontbrekende verbinding of fout wachtwoord is geen reproductie van de exportbug. Los dat verschil op voordat je de reparatie beoordeelt.

Pas daarna verandert de agent de logica en draait dezelfde controle opnieuw. Bewaar de verwachte uitkomst. Als de controle tegelijk wordt versoepeld, weet je niet meer of het gedrag of alleen de meetlat veranderd is.

Een API is de toegang waarmee een scherm of andere software gegevens opvraagt. Een compiler of typechecker vindt bepaalde technische inconsistenties in code. Een gerichte test controleert de geselecteerde regels. Een API-controle laat zien wat de route werkelijk teruggeeft wanneer een gebruiker om de export vraagt. Dat zijn verschillende bewijzen.

Open daarom ook het teruggegeven bestand. Controleer project, datums en totalen aan de hand van de voorbereide voorbeelden. Een HTTP-successtatus kan samengaan met een leeg bestand of verkeerde kolomvolgorde. Neem een ongeldige periode mee en beoordeel de foutmelding.

Laat de agent noteren welk commando of verzoek is uitgevoerd, op welke werkversie en met welke uitslag. In de bredere uitleg over AI coding staat hoe bouwen met AI werkt; hier ligt de nadruk op aantonen wat de wijziging werkelijk oplevert.

Selecteer in het scherm het project en de periode. Start de export en controleer dat het gedownloade bestand dezelfde selectie bevat. Ververs het scherm en probeer de handeling opnieuw. Zo kun je ontdekken dat de API klopt terwijl de interface nog een oude filterwaarde meestuurt.

Let ook op zichtbare fouttoestanden. Is duidelijk wat de gekozen periode is? Verdwijnt een eerdere succesmelding na een mislukte poging? Is de exportknop bruikbaar op een smal scherm? Dit zijn vragen die een test van de datumfunctie alleen niet beantwoordt.

Browserautomatisering kan delen herhalen. Playwright heeft controles voor zichtbare tekst en toestand. Onze Playwright-uitleg introduceert het gereedschap. Bekijk daarnaast het scherm zelf: een technisch aanwezig element kan visueel onduidelijk zijn.

Een bruikbaar verslag kan luiden: 'Selectietest faalde vóór de wijziging en slaagt erna. API-export bevat de drie verwachte regels. Browserdownload gecontroleerd op desktop. Mobiele weergave nog niet bekeken.' Dat maakt duidelijk welk oordeel je al kunt vormen.

'Alle checks groen' zegt weinig als niet duidelijk is welke checks zijn gestart. Controleer bij twijfel het testrapport en of de bedoelde test er werkelijk in voorkomt. Een runner die nul tests uitvoert kan geen exportgedrag bewijzen.

OpenAI adviseert taakspecifieke evaluaties. Voor deze wijziging is de relevante uitkomst een correct exportbestand onder afgesproken omstandigheden. Een brede modelscore of een tweede overtuigend antwoord vervangt die controle niet.

De gerichte exporttest blijft bij de app zodat een latere wijziging de fout opnieuw kan signaleren. Beoordeel wel regelmatig of de eis nog klopt. Als het bedrijf de periodegrens bewust verandert, moet de controle dat nieuwe besluit weerspiegelen.

Je hoeft niet elke wijziging met alle mogelijke middelen te beoordelen. Kies de bewijzen die bij het risico en de gebruikersroute passen, en benoem wat buiten de controle viel. Wil je leren hoe je agents laat bouwen én hun werk beoordeelt, bekijk de cursus Claude Code voor gevorderden. Begin met één concrete claim die je vandaag kunt verifiëren.