Hoe bekijk je AI-gegenereerde code zodat je deze niet blindelings vertrouwt?

Question

Accepted Answer

AI-gegenereerde code is een **schets van een zelfverzekerde maar fallibele auteur**. Het ziet er vaak correct uit en compileert, maar verbergt subtiele bugs, verzonnen API's of veiligheidsleemtes. Een gedisciplineerde review behoudt de snelheid zonder het risico.

## De review-checklist

- **Lees elke regel.** Als je overslaat, verzend je bugs die je later niet kunt verklaren. Geen uitzonderingen.
- **Verifieer dat het het werkelijke probleem oplost** — niet een soortgelijk probleem. AI optimaliseert voor aannemelijk, niet correct.
- **Voer de tests en linter uit.** Voeg tests toe voor de gevallen die je belangrijk vindt; vertrouw ook niet blindelings op AI's eigen tests.
- **Controleer edge cases** — lege invoer, nulls, grote waarden, concurrency, grenswaarden.
- **Controleer veiligheid** — SQL/command-injectie, ongedesinfecteerde invoer, secrets in code, onveilige deserialisatie.
- **Controleer performance** — onopzettelijke O(n²)-lussen, N+1-queries, onbegrensde memory.
- **Bevestig dat API's bestaan** — AI hallucineer methodeamen en bibliotheekfuncties die echt lijken.
- **Plak nooit code die je niet begrijpt.** Als je het niet kunt uitleggen, kun je het niet onderhouden of debuggen.

## Een praktische workflow

```text
1. Read the diff fully  →  do I understand every line?
2. Does it solve the real problem, including edge cases?
3. Run: tests + linter + type checker
4. Scan for security + performance red flags
5. Only then: commit (with a message that reflects what it really does)
```

Behandel AI als een snelle junior developer: behulpzaam, productief, maar waarvan je output altijd bekijkt voordat deze wordt uitgerold. De verantwoordelijkheid voor verzonden code blijft bij jou, niet bij het model.

## Waarom het belangrijk is

Het gevaar van AI-code is niet dat het duidelijk kapot is — het is dat het *aannemelijk* kapot is, een oppervlakkige blik doorstaat terwijl het een bug of kwetsbaarheid verbergt. Elke regel bekijken, tests uitvoeren en weigeren code te verzenden die je niet begrijpt, is wat het verschil maakt tussen AI gebruiken als een force-multiplier en rustig technische schuld en veiligheidsrisico's ophopen die je niet kunt verantwoorden.