“Certificeringen zijn belangrijk, maar zelden leuk.” Veel software engineers hebben een gemengde relatie met certificeringen. Ze zijn waardevol, maar vaak ook saai.
Bedrijven gebruiken certificeringen als bewijs dat een bepaald kennisniveau aanwezig is in een team. Zeker bij technologieën zoals software development-, cloud- en securityframeworks is dat belangrijk voor projecten en voor organisaties die steeds afhankelijker worden van software.
Tegelijkertijd is het leerproces vaak niet bijzonder inspirerend. Veel lezen, lange trainingsvideo’s met een monotone stem, droge oefenvragen en een studieproces dat moeilijk te combineren is met projectwerk maken certificeringen voor veel engineers iets dat er nog even bij moet.
Toch vervullen certificeringen een belangrijke rol. Ze dwingen engineers om de fundamentals goed te begrijpen, en dat is iets wat in projectwerk vaak ontbreekt.
Fundamentals leren hoort bij vakmanschap
In projecten leer je technologie meestal op een taakgerichte manier. Je zoekt precies uit wat nodig is om een probleem op te lossen. Dat werkt efficiënt, maar het betekent ook dat kennis soms fragmentarisch blijft. Je kent de onderdelen die je gebruikt, maar minder goed de principes erachter.
Dat is meestal geen probleem zolang systemen klein blijven. Maar zodra software een grotere rol speelt in de organisatie – bijvoorbeeld in logistiek, productie of digitale platforms – worden die fundamenten ineens belangrijker. Systemen moeten dan niet alleen werken, maar ook betrouwbaar blijven, kunnen evolueren en betaalbaar blijven om te onderhouden.
Certificeringen pakken dat anders aan. Ze leiden je systematisch door de basisprincipes. Dat kan soms omslachtig voelen, maar het idee is eigenlijk al eeuwen oud.
In Japanse martial arts bestaat het model Shu-Ha-Ri. In de eerste fase, Shu, leer je de regels en herhaal je de fundamentals. Pas later ga je experimenteren en ontwikkel je je eigen stijl. Het bekende “wax on, wax off” uit The Karate Kid is daar een mooie illustratie van. Op het moment zelf lijkt het zinloos, maar later blijkt dat het de basis vormt voor alles wat volgt.
In software engineering werkt het eigenlijk hetzelfde. Zonder een goed begrip van de fundamenten blijven systemen moeilijk schaalbaar, lastig te onderhouden of kwetsbaar voor fouten. Certificeringen helpen om die basis gestructureerd op te bouwen.
Dat wordt alleen maar belangrijker nu AI steeds vaker meewerkt in het ontwikkelproces. Tools kunnen vandaag al grote delen van code genereren of aanpassen. Maar zonder een goed begrip van architectuur, designprincipes en runtimegedrag wordt het lastig om te beoordelen of die gegenereerde oplossingen ook echt robuust, veilig en onderhoudbaar zijn. Juist in een wereld met AI-assisted development blijft kennis dus essentieel.
De volgende stap: AI-assisted learning
De manier waarop (software) engineers met AI werken verandert snel. In software development zien we steeds vaker agentic workflows ontstaan. AI wordt niet alleen gebruikt om vragen te beantwoorden (zoals velen nu doen met ChatGPT), maar werkt actief mee in het proces. Agents houden context bij, plannen stappen en helpen developers iteratief vooruit.
Dat principe blijkt ook interessant voor leren.
In plaats van AI af en toe iets te vragen, kun je een AI-agent het leerproces laten begeleiden. Niet als zoekmachine, maar als een studiecoach die context bijhoudt en actief helpt bij het opbouwen van kennis.
Hoe werkt dit in de prakijk?
We gebruiken deze aanpak inmiddels ook bij certificeringstrajecten. Toen een trainee zich voorbereidde op een Kubernetes certificering hebben we een AI-agent laten meedraaien in het leerproces.
De agent hield een learning memory bij van het traject. Hij registreerde welke onderwerpen al goed begrepen werden, waar nog kennisgaten zaten en welke concepten vaker fout gingen. Daardoor ontstond een soort persoonlijke kenniskaart van het onderwerp.
Daarnaast had de agent automatisch quizvragen gegenereerd, herschreef complexe documentatie naar begrijpelijke uitleg en stelde vervolgvragen om te testen of concepten echt begrepen waren. In plaats van passief lezen werd het studeren zo een continu interactief proces.
Studeren wordt een samenwerking met AI
Met een agentic learning aanpak verandert studeren fundamenteel. In plaats van statisch studiemateriaal krijg je een systeem dat actief met je meewerkt.
De AI-agent kan kennisgaten detecteren, nieuwe oefeningen genereren, uitleg aanpassen aan het niveau van de engineer en het studiepad bijsturen op basis van voortgang. Het voelt daardoor minder als studeren en meer als samenwerken met een tutor.
Een leuke toepassing die daaruit voortkwam was het gebruik van Google NotebookLM. De missende kennis die de AI-agent had geïdentificeerd, konden we omzetten in een korte AI-gegenereerde podcast. Daardoor kon de trainee die onderwerpen nog eens passief doornemen tijdens het sporten of onderweg.
Waarom dit belangrijk is
Dit gaat uiteindelijk over meer dan alleen certificeringen. Technologie verandert snel en engineering teams moeten continu nieuwe kennis opbouwen.
In veel organisaties speelt software een steeds grotere rol in het runnen van het bedrijf. Platforms, integraties en digitale systemen worden steeds belangrijker voor dagelijkse operaties en innovatie. Maar die systemen blijven alleen waarde leveren als teams ze goed begrijpen en kunnen blijven verbeteren.
Bedrijven investeren vaak veel in tooling en platforms, maar een minstens zo belangrijke factor is hoe snel teams kunnen leren. Agentic learning kan dat proces versnellen doordat leren interactiever, persoonlijker en adaptiever wordt.
Tot slot
Certificeringen blijven waardevol omdat ze engineers dwingen om terug te gaan naar de fundamentals. Tegelijkertijd verandert de manier waarop we met AI werken.
Waar AI eerst vooral een hulpmiddel was om vragen te beantwoorden, zien we nu AI-agents die actief samenwerken met mensen. In softwareontwikkeling gebeurt dat al, en dezelfde aanpak blijkt ook verrassend goed te werken in hoe engineers leren.
Studeren voor een certificering wordt daardoor misschien nooit het leukste onderdeel van het werk. Maar het kan wel een stuk slimmer, interactiever en effectiever worden.
Benieuwd hoe zo’n agentic learning setup eruit ziet?
We experimenteren steeds vaker met AI-agents die engineers helpen bij het opbouwen van kennis, bijvoorbeeld tijdens certificeringstrajecten of wanneer teams zich verdiepen in nieuwe technologie.
Ben je benieuwd hoe zo’n AI agentic learning workflow eruit kan zien in de praktijk?
Stuur gerust een bericht of laat een reactie achter. We delen graag hoe we dit aanpakken en wat we in de praktijk zien werken.
