22 okt 2026 AI in testautomatisering: waar het tijd bespaart, en waar je een tester nodig blijft

In het kort: AI in testautomatisering bespaart echt tijd. Denk aan testgevallen opstellen, eerste scripts schrijven, testdata maken en fouten lezen. Het maakt een testset slechter als niemand controleert wat het schrijft. Dan krijg je tests die altijd slagen, meer tests dan iemand onderhoudt, en flaky tests op grote schaal. Laat AI schrijven, en laat mensen bepalen wat je test en het resultaat controleren.

Een geautomatiseerde test schrijven kostte vroeger een uur. Met een AI-assistent kost het een minuut. Dat klinkt als het einde van traag testen, en voor sommige taken helpt het echt. Maar een testset heb je alleen iets aan als mensen hem vertrouwen, en vertrouwen wordt niet goedkoper als tests dat worden. Volgens het Software Quality Pulse Report van Ranorex is 53% van de code inmiddels door AI geschreven of met AI gemaakt. Maar slechts 17% van de ondervraagden zegt dat AI-testtools echt verschil hebben gemaakt. Waar helpt AI dan wel, en waar levert het extra werk op?

Waar helpt AI bij testautomatisering?

AI helpt het meest bij werk waarvan een mens het resultaat snel kan controleren. Vier taken springen eruit. Ten eerste testgevallen opstellen uit een user story: AI leest de story en stelt gevallen voor, ook randgevallen die een vermoeide tester overslaat. Ten tweede de eerste versie van een testscript. Tools doen dat nu standaard; Playwright heeft eigen test agents die tests plannen, de code genereren en falende tests proberen te repareren. Ten derde testdata: realistische namen, adressen en bestellingen in de vorm die je systeem verwacht. Ten vierde fouten lezen. AI vat een lang log samen en wijst de stap aan waar het misging, en dat scheelt tijd als de nachtelijke run rood kleurt.

Bij al deze taken levert AI een eerste versie. Een tester leest die nog steeds, gooit weg wat er niet toe doet en vult aan wat ontbreekt. Wij zetten AI in waar het onze testers helpt, en dat is ook wat we zien werken: AI schrijft, een mens beslist.

Waar maakt AI je testset slechter?

AI maakt een testset slechter als het resultaat er zonder controle in gaat. Drie problemen komen steeds terug.

• Tests die altijd slagen. Een gegenereerde test kan er compleet uitzien en toch niets controleren. De controle ontbreekt, is te ruim, of kijkt naar een nagebootst systeem in plaats van het echte. Zulke tests blijven groen, wat je ook breekt.
• Meer tests dan iemand onderhoudt. Kost een test een minuut, dan voegen teams er honderden toe. Elke test moet je repareren als de applicatie verandert. Het onderhoud groeit harder dan wat het oplevert.
• Flaky tests op grote schaal. Gegenereerde scripts wachten vaak op het verkeerde moment of hangen af van data die verandert. Eén flaky test is vervelend. Vijftig zorgen ervoor dat niemand de hele run nog serieus neemt. De oorzaken legden we uit in waarom geautomatiseerde tests falen terwijl er niets is veranderd.

Self-healing verdient een aparte waarschuwing. Een tool die een falende test zelf repareert, scheelt tijd als een knop is verplaatst. Maar hij kan ook een echte verandering verbergen, zoals een veld dat met opzet of per ongeluk is verdwenen. Dan slaagt de test, en niemand merkt dat het gedrag is veranderd. In een volgende blog gaan we dieper in op self-healing.

Hoe controleer je of tests van AI echt iets testen?

Je controleert tests van AI zoals je elke code controleert: je leest ze na, en je probeert ze te laten falen. Nalezen betekent dat een tester bij elke test één vraag stelt: wat moet er stuk gaan om deze test te laten falen? Is het antwoord “niets”, dan gaat de test eruit. Breek daarna met opzet de code. Verander een berekening of een regel, draai de tests en kijk of er een rood wordt. Dat is wat mutation testing automatisch doet. In april 2026 zette Thoughtworks mutation testing in de Trial-ring van zijn Technology Radar, met dit probleem in gedachten. Nu AI-tests gewoon zijn, vangt het tests die groen blijven wat er ook verandert.

Nog twee gewoontes helpen. Begin met bedrijfsregels op API-niveau, waar tests snel en stabiel zijn, voordat je lange UI-scripts laat genereren. Daarover schreven we in API testen: zo bewaak je je businesslogica. En houd de testset bewust klein. Een compacte regressietest die elke nacht draait en die mensen vertrouwen, doet meer dan een grote set die niemand leest.

Wat blijft mensenwerk?

Bepalen wat je test en waarom blijft mensenwerk. AI weet niet welk deel van je systeem het meeste kost als het breekt. Het weet niet dat finance op de laatste vrijdag van de maand de boeken sluit, of welke klant altijd de oude route gebruikt. Risico’s kiezen vraagt iemand die het bedrijf kent. Dat geldt ook voor de paar testgevallen ontwerpen die ertoe doen, en beoordelen of een vreemde uitkomst een bug of een feature is.

Exploratief testen en acceptatietesten blijven ook bij mensen. Een exploratieve tester volgt zijn nieuwsgierigheid en vindt de problemen waarvoor nog geen script bestaat. Bij acceptatietesten met gebruikers uit de business kijk je of de software doet wat zij nodig hebben, niet alleen wat er in de story stond. AI ondersteunt beide, bijvoorbeeld met ideeën om te proberen. Het vervangt ze niet. Voor het bredere verhaal over AI in testen, zie ons overzicht AI testen: testen met AI, en AI-toepassingen zelf testen.

Wat betekent dit voor je team?

Zet AI in waar het werk versnelt dat een mens kan controleren. Denk aan eerste testgevallen, eerste scripts, testdata en foutanalyse. Lees elke gegenereerde test na, probeer hem te laten falen en houd de set klein. Spreek vooraf af wie eigenaar is van de testset, want daar zitten de echte kosten. Tests schrijven werd goedkoper. Ze betrouwbaar houden, release na release, niet.

Dat laatste deel wordt makkelijk onderschat. De testset draait elke nacht, er gaat iets stuk, en iemand moet uitzoeken of het de applicatie is, de data of de test. Is het team druk met de volgende release, dan schuift dat werk op, en wordt de testset langzaam niet meer vertrouwd. Dit is het deel dat wij oppakken met Test Automation as a Service. We zetten je regressietests op, draaien en onderhouden ze, samen met je team, en we zetten AI in waar het onze testers helpt. Je houdt zelf de regie over wat er live gaat. Een van onze TaaS-klanten zegt het zo: dankzij de geautomatiseerde regressieset kunnen ze releasen wanneer ze willen. Lees hoe het werkt op onze pagina over Test Automation as a Service.

Veelgestelde vragen

Vervangt AI de test automation engineer?

Nee. AI neemt een deel van het schrijfwerk voor zijn rekening, zoals eerste versies van testgevallen en scripts. Bepalen wat je test, controleren wat AI maakte en de testset betrouwbaar houden vraagt nog steeds een ervaren engineer. Dat oordeel telt eerder zwaarder nu tests goedkoop te maken zijn.

Welke AI-testtools zijn het proberen waard?

Begin met wat past bij wat je nu gebruikt. Werk je met Playwright, dan zijn de ingebouwde test agents een veilige manier om AI-testgeneratie te proberen. Meet het resultaat: hoeveel gegenereerde tests overleven de controle, en hoeveel falen er als je de code met opzet breekt?

Wat is self-healing testautomatisering?

Self-healing tools repareren een falende test zelf, bijvoorbeeld als een knop een nieuwe naam of plek krijgt. Dat scheelt tijd bij kleine wijzigingen. Controleer elke reparatie, want een reparatie kan ook een echte verandering in het gedrag van de applicatie verbergen.

Kan AI Playwright-tests schrijven?

Ja. AI-assistenten en de eigen test agents van Playwright maken werkende testcode op basis van een beschrijving of door de applicatie te verkennen. Zie die code als eerste versie: controleer de checks, het wachten en de testdata voordat hij in je testset komt.