Sessie A
Productzoekfunctie met filters
32k tokens
€0,71
Aanpak voor filters bepaald
Queryparameters toegevoegd
Filtering naar de API verplaatst
Lege resultaten afgehandeld
Feature werkt
Directe routeWeinig wijzigingen
Zicht op AI-ondersteund werk
Zie wat er tussen de taak en het resultaat gebeurde.
TraceYield reconstrueert de belangrijke momenten in AI-ondersteund werk en helpt verklaren waarom vergelijkbare taken tot een ander resultaat, meer werk of ander AI-gebruik leiden.
traceyield.com / demo
AI-kosten in contextDe rekening laat zien hoeveel.
De rekening laat zien hoeveel.
TraceYield laat zien wat er onderweg gebeurde.
Dezelfde feature kan via een heel ander ontwikkelproces tot een vergelijkbaar resultaat leiden.
Sessie B
Dezelfde feature
76k tokens
€1,69
Filtering eerst in de frontend
Problemen bij grotere datasets
Filtering naar de API verplaatst
Querylogica aangepast
Paginering opnieuw uitgewerkt
Feature werkt
Meer wijzigingenMeerdere iteraties
Waar komt het verschil vandaan?+44k tokens onderweg
Beide sessies eindigden met een werkende feature. In sessie B veranderde de aanpak meerdere keren: filtering begon in de frontend, verhuisde daarna naar de API en ook de paginering moest opnieuw worden uitgewerkt.
TraceYield laat zien waar de implementatie van richting veranderde, waar extra iteraties ontstonden en hoe die momenten het verschil in AI-gebruik verklaren.
TOEPASSINGENVerschillend werk. Verschillende vragen.
Verschillend werk. Verschillende vragen.
Dezelfde ontbrekende schakel.
TraceYield maakt zichtbaar wat er tussen taak en resultaat gebeurt — maar de nuttige vraag hangt af van de context.
Onderwijs
Docenten leiden de volgende generatie developers op in een wereld waarin AI al een antwoord kan geven voordat een student het probleem begrijpt.
De eindopdracht laat niet meer het hele leerproces zien.
Student → Project → Context·In beeld
Waarom kwam de student op dit antwoord?
TraceYield maakt het werkproces bespreekbaar: wat de student probeerde, waar de aanpak veranderde en hoe AI onderweg werd gebruikt.
Engineering
AI kan goed softwarewerk versnellen. Maar ook een verkeerde aanname kan daardoor sneller door het team gaan.
In een afgerond ticket zie je zelden hoe developer en AI samen tot het resultaat kwamen.
Developer → Project → Context·In beeld
Waarom kostte dit werk drie keer zoveel AI?
TraceYield laat zien waar de implementatie van richting veranderde, waar rework ontstond en wat er vóór het eindresultaat gebeurde.
TOEPASSINGEN / HOOFDSTUK 2
Hetzelfde werkproces kan verschillende vragen beantwoorden.
Wat telt, verandert per context. De geschiedenis van het werk blijft hetzelfde.
RecruitmentVoor recruitment →
Een afgeronde programmeeropdracht zegt minder over een kandidaat als AI een groot deel van het eindresultaat kan opleveren.
Interessanter wordt hoe de kandidaat de opdracht heeft aangepakt en met AI heeft gewerkt.
Waarom koos de kandidaat deze aanpak?
TraceYield houdt de route naar de oplossing beschikbaar voor beoordeling, zodat het technische gesprek meer context krijgt.
PROGRAMMEEROPDRACHT
Voeg productfilters toe
01
Eerste aanpak
Resultaten filteren in de frontend
02
Voorstel van AI
Filtering naar de API verplaatsen
03
Keuze van de kandidaat
Koos voor een andere opzet van de query
04
Resultaat
Werkende implementatie
WAT WORDT ZICHTBAAR?
De kandidaat nam het voorstel van AI niet zomaar over en koos voor een andere technische aanpak.
Training / AI-adoptieVoor training & AI-adoptie →
Een AI-training afronden is eenvoudig. Je dagelijkse manier van werken veranderen is moeilijker.
Zie of nieuwe werkgewoonten daarna terugkomen in echte sessies.
Waarom verschillen sessies na de training?
TraceYield laat zien hoe werkpatronen in echte sessies veranderen, in plaats van alleen te kijken naar afronding of zelfrapportage.
VOOR DE TRAINING
1
Prompt2
Overnemen3
Aanpassen4
Opnieuw proberen5
ResultaatAI-output direct overgenomen
Daarna 4 correcties
NA DE TRAINING
1
Plan2
Genereren3
Controleren4
Bijsturen5
ResultaatAI-output eerst gecontroleerd
Daarna 1 correctie
MANIER VAN WERKEN VERANDERD
De controle vond eerder in het ontwikkelproces plaats.
Patronen uit meerdere sessiesEén traject beantwoordt een vraag.
Eén traject beantwoordt een vraag.
Meer trajecten laten zien wat zich herhaalt.
Gezien in 5 recente projectenTijdlijn →
P-01
Gerichte start
P-02
Gerichte start
P-03
Brede start
P-04
Gerichte start
P-05
Gerichte start
Herkenbaar patroon· Gezien in 5 van 7 vergeleken projecten
“Sterke start met duidelijke context.”
In recente projecten komen sessies die met duidelijke randvoorwaarden beginnen eerder tot een gerichte aanpak.
Context: in deze sessies wordt AI meestal gerichter ingezet, met minder verkenning aan het begin.
WAAROM?
Duidelijke randvoorwaarden beperken het aantal richtingen dat aan het begin wordt verkend.
Patroon bekijken →Patronen in het werk
Geen AI-dashboard zoals alle andere.
Bekijk het verloop.Vraag waarom.Zie wat zich herhaalt.
Met de onderliggende aanwijzingen.
Ga verder als dat nodig is. Voor geselecteerd werk kan TraceYield AI-gesprekken koppelen aan relevante documenten, projectresultaten, tests of repository-activiteit.
Aan de slag
Stel betere vragen
Stel betere vragen
over hoe AI-werk echt tot stand kwam.
Begin met één echte sessie.