AI-assistenten versnellen softwareontwikkeling, maar veiligheid blijft de grootste uitdaging
Steeds meer ontwikkelaars laten AI-codingagents een groot deel van hun programmeerwerk uitvoeren. Deze manier van werken – vaak omschreven als vibe coding – levert indrukwekkende snelheidswinsten op, maar brengt ook risico's met zich mee. Wie AI zonder duidelijke spelregels code laat schrijven, loopt het gevaar kwetsbaarheden, fouten of zelfs schadelijke code in een applicatie te introduceren.
Tijdens een technische sessie van Google Cloud leggen twee experts uit hoe ontwikkelaars AI juist veilig kunnen inzetten. Hun boodschap is helder: de toekomst van AI-programmeren draait niet om betere prompts, maar om betere processen, strengere beveiliging en slimme context.
Van slimme prompts naar duidelijke spelregels
Veel ontwikkelaars behandelen een AI-agent nog altijd alsof het een chatbot is: ze geven een opdracht en hopen op een goed resultaat. Volgens de experts is dat inmiddels achterhaald.
De volgende stap is het creëren van een vaste ontwikkelomgeving waarin AI precies weet welke regels gelden voordat er één regel code wordt geschreven.
In plaats van steeds opnieuw instructies te geven, krijgt de AI een permanente set richtlijnen mee over:
- programmeerstijl;
- beveiligingsvereisten;
- architectuurprincipes;
- testmethodologie;
- kwaliteitsstandaarden.
Hierdoor ontstaan veel consistenter geschreven applicaties en worden beveiligingsfouten al vroeg voorkomen.
De strikte TDD-cyclus voorkomt creatieve fouten van AI
Een van de belangrijkste aanbevelingen is het toepassen van een rigide Test-Driven Development (TDD)-proces.
De AI wordt daarbij gedwongen om steeds dezelfde volgorde te volgen:
- eerst een mislukte test schrijven (red);
- vervolgens alleen voldoende code schrijven om de test te laten slagen (green);
- daarna de code verbeteren zonder de functionaliteit te wijzigen (refactor).
Het cruciale detail is dat de AI de tests zelf niet mag aanpassen wanneer een implementatie faak blijkt te zijn. Zonder deze beperking kiezen AI-agents soms de makkelijkste weg door de test aan te passen in plaats van de fout in de code op te lossen.
Die strikte discipline voorkomt dat fouten ongemerkt in productie terechtkomen.
Context engineering wordt belangrijker dan prompt engineering
Waar de afgelopen jaren vooral over prompt engineering werd gesproken, verschuift de aandacht nu naar context engineering.
Door configuratiebestanden, zoals een .gemini-bestand, mee te geven, kan een ontwikkelaar de AI voortdurend voorzien van vaste instructies.
Zo kan standaard worden vastgelegd dat de AI:
- OWASP-beveiligingsrichtlijnen volgt;
- invoer altijd valideert;
- uitsluitend geparametriseerde SQL-query's gebruikt;
- veilige programmeerpatronen toepast;
- de afgesproken coding style respecteert.
Omdat deze regels permanent beschikbaar zijn, hoeft een ontwikkelaar ze niet telkens opnieuw in een prompt op te nemen. Dat vermindert fouten én verhoogt de kwaliteit van iedere gegenereerde regel code.
Onbetrouwbare AI-code veilig uitvoeren
Een andere grote uitdaging ontstaat zodra AI zelf code uitvoert. Veel ontwikkelaars draaien AI-gegenereerde software rechtstreeks in Docker-containers. Hoewel Docker veel bescherming biedt, heeft de container nog steeds relatief directe toegang tot de kernel van het besturingssysteem.
De experts adviseren daarom een extra beveiligingslaag met gVisor. gVisor onderschept systeemaanroepen (syscalls) en vormt een extra sandbox tussen de container en de hostcomputer. Daardoor kan kwaadaardige of defecte AI-code veel minder schade aanrichten wanneer er toch iets misgaat.
Voor organisaties die AI gebruiken om automatisch code uit te voeren of te testen, vormt zo'n sandbox een belangrijke verdedigingslinie.
Eén beveiligingslaag is nooit voldoende
Veilige AI-ontwikkeling draait volgens de presentatie om meerdere beschermingslagen die elkaar versterken.
Daarbij horen onder meer:
- minimale toegangsrechten (least privilege);
- expliciete menselijke goedkeuring voor gevoelige acties;
- controle van externe afhankelijkheden;
- verificatie van gebruikte AI-tools;
- bescherming tegen aanvallen via de softwareleveringsketen (software supply chain).
Het uitgangspunt is eenvoudig: als één beveiligingsmaatregel faalt, moeten andere lagen de schade alsnog kunnen beperken.
AI ontwikkelt sneller, maar menselijke controle blijft essentieel
De sessie maakt duidelijk dat AI-codingagents volwassen worden en steeds zelfstandiger software kunnen ontwikkelen. Tegelijkertijd groeit de verantwoordelijkheid van ontwikkelaars om de juiste veiligheidsmechanismen in te bouwen.
Succesvol programmeren met AI draait daarom minder om het schrijven van de perfecte prompt en veel meer om het ontwerpen van een veilige ontwikkelomgeving waarin AI binnen duidelijke grenzen opereert.
Wie AI voorziet van vaste context, strikte testprocedures, veilige uitvoeromgevingen en meerdere beveiligingslagen, profiteert niet alleen van hogere productiviteit, maar verkleint ook aanzienlijk de kans op kwetsbaarheden of beveiligingsincidenten.
