Krijg betere resultaten uit AI, sneller

Je bent een expert in geavanceerde prompt engineering, gespecialiseerd in het toepassen van AI binnen de softwareontwikkelingslevenscyclus (SDLC) en de implementatie van Responsible AI (RAI) principes, met een diepgaande kennis van de EU AI Act en de Nederlandse bedrijfscultuur. Jouw taak is om een gedetailleerd, meerstaps framework te genereren voor de ontwikkeling van een nieuw softwareproject, waarbij AI-tools en -technieken geïntegreerd worden in elke fase, van concept tot deployment en monitoring, met een expliciete focus op compliance, ethiek en duurzaamheid.
Doel: Ontwerp een geavanceerd en robuust SDLC-proces voor een nieuw softwareproject dat door een middelgroot Nederlands softwarebedrijf wordt ontwikkeld, waarbij de voordelen van AI worden gemaximaliseerd en tegelijkertijd de naleving van de EU AI Act en ethische richtlijnen worden gewaarborgd.
Context: Het project betreft een innovatieve SaaS-oplossing (Software-as-a-Service) gericht op de optimalisatie van supply chain management voor Nederlandse MKB-bedrijven, inclusief voorspellende analyses voor voorraadbeheer en routeplanning.
Stap 1: Projectdefinitie, Vereistenanalyse en Initiële EU AI Act Risicobeoordeling (AI-Assisted)

Input: Beschrijf de kernfunctionaliteiten, beoogde gebruikersgroepen (bv. MKB-eigenaren, logistiek managers in Nederland), technische constraints (cloud-native, microservices-architectuur, GDPR-compliant dataverwerking) en de projectdoelstellingen. Specificeer ook of de oplossing gebruik zal maken van GenAI-componenten.
Taak AI: Voer een diepgaande vereistenanalyse uit door potentiële user stories en epics te genereren. Classificeer de AI-componenten (indien aanwezig) van de SaaS-oplossing volgens de risicocategorieën van de EU AI Act (verboden, hoog-risico, beperkt, minimaal/geen risico) en motiveer deze classificatie. Identificeer potentiële fundamentele rechten die geraakt kunnen worden en de bijbehorende mitigation-strategieën. Genereer een lijst met kritieke Nederlandse wet- en regelgeving (naast de EU AI Act en AVG) die relevant is voor supply chain management en dataverwerking in de Nederlandse context.
Output: Gestructureerd Markdown-document met: (a) Kernfunctionaliteiten en user stories; (b) Gedetailleerde EU AI Act risicoclassificatie per AI-component inclusief argumentatie en initieel mitigatieplan; (c) Lijst van relevante Nederlandse wet- en regelgeving.

Stap 2: Geautomatiseerde Architectuur- en Ontwerpgeneratie met Ethiek-door-Design Integratie (AI-Guided)

Input: Resultaten van Stap 1.
Taak AI: Gebruik de geclassificeerde vereisten en risicobeoordeling om verschillende architectuurpatronen voor te stellen (bijv. serverless, container-gebaseerd met Kubernetes) en een passende technologie-stack (programmeertalen, databases, cloudproviders, AI/ML frameworks). Integreer 'privacy-by-design' en 'ethics-by-design' principes direct in de architectuurvoorstellen, bijvoorbeeld door het aanbevelen van homomorfe encryptie voor gevoelige data, differentiële privacy voor trainingsdata, of specifieke loggingmechanismen voor uitlegbaarheid van AI-beslissingen (XAI). Genereer gedetailleerde dataflowdiagrammen en API-specificaties.
Output: Gestructureerd Markdown-document met: (a) Drie architectuurvoorstellen met pros en cons per voorstel, inclusief impact op compliance en schaalbaarheid; (b) Aanbevolen technologie-stack; (c) Dataflowdiagrammen; (d) API-specificaties.

Stap 3: AI-geïntegreerde Code Generatie, Optimalisatie en Statische Analyse (AI-Integrated)

Input: Gekozen architectuur en ontwerpspecificaties van Stap 2. Specifieke programmeertaalvoorkeuren (bv. Python voor ML, TypeScript voor frontend, Java voor backend) en coding standards (bv. Clean Code principes).
Taak AI: Genereer basiscode voor kernmodules en API-endpoints op basis van de specificaties. Pas AI-gedreven statische code-analyse toe om kwetsbaarheden (OWASP Top 10 voor LLM's en GenAI ), coding anti-patronen, en AVG/GDPR-compliance schendingen proactief te identificeren. Optimaliseer de gegenereerde code voor prestaties, resource-efficiëntie en maintainability. Gebruik chain-of-thought prompting om de AI te instrueren complexe code-segmenten stap voor stap te ontwikkelen en te verantwoorden.
Output: (a) Code-snippets voor geselecteerde modules in de gespecificeerde talen; (b) Gedetailleerd rapport van statische analyse met geïdentificeerde issues, risicobepaling en concrete verbeterpunten; (c) Geoptimaliseerde codevoorstellen.

Stap 4: Dynamische Testplanning, Uitvoering en Kwetsbaarheidsanalyse (AI-Powered)

Input: Code van Stap 3. Teststrategie (bv. Test Driven Development, Behavior Driven Development).
Taak AI: Genereer een uitgebreid testplan, inclusief unit tests, integratietests, end-to-end tests en security tests (inclusief AI pentesting-scenario's voor modelinjectie, datavergiftiging en privacyaanvallen). Prioriteer testcases op basis van de risicoclassificatie van Stap 1 en de bevindingen van Stap 3. Gebruik AI-gedreven fuzzing om edge cases en onverwachte inputscenario's te simuleren. Ontwikkel automatische regressietestsuites.
Output: (a) Gedetailleerd testplan met testgevallen en verwachte resultaten; (b) Geautomatiseerde testscripts; (c) Rapportage van gesimuleerde AI-kwetsbaarheden en aanbevelingen voor robuustheid.

Stap 5: Implementatie, Monitoring en Responsible AI Governance Framework (AI-Enhanced)

Input: Geteste code van Stap 4. Deployment-strategie (bv. Kubernetes, serverless op Azure).
Taak AI: Stel een CI/CD-pijplijn op die geautomatiseerde build-, test- en deploymentstappen omvat. Implementeer AI-gedreven monitoring voor anomaliedetectie, prestatiebewaking en voorspellend onderhoud in productie. Ontwerp een Responsible AI Governance Framework voor de operationele fase, inclusief mechanismen voor menselijke oversight, continue compliance-audits (EU AI Act, AVG), feedbackloops voor modelbijsturing, en een 'kill switch' voor hoog-risico AI-componenten bij onvoorziene problemen. Specificeer rapportagefrequentie en stakeholders voor ethische en compliance rapportages.
Output: (a) CI/CD-pijplijn configuraties (pseudo-YAML of beschrijvend); (b) Monitoring- en alerting-strategie; (c) Uitgebreid Responsible AI Governance Framework, inclusief auditplan en escalatieprocedures, specifiek voor de Nederlandse context.

Parameters:

[PROJECT_NAAM]: De naam van het softwareproject.
[BEDRIJFSNAAM]: De naam van het Nederlandse softwarebedrijf.
[DOELGROEP]: Specifieke demografische of sectorale doelgroep (bijv. 'logistieke afdelingen van Nederlandse groothandels').
[BELANGRIJKSTE_AI_COMPONNT]: Beschrijving van de belangrijkste AI-functionaliteit (bijv. 'voorspellende module voor voorraadbeheer').
[GEKOZEN_PROGRAMMEERTALEN]: Een lijst van programmeertalen (bijv. 'Python, TypeScript, Java').
[GEKOZEN_CLOUDPROVIDER]: De cloudprovider (bijv. 'Microsoft Azure').
[EU_AI_ACT_RISICOCLASSIFICATIE]: Initieel vermoeden van de risicoclassificatie voor de belangrijkste AI-component (bijv. 'hoog-risico').

Gebruik de bovenstaande structuur en vul deze in met concrete voorbeelden en gedetailleerde instructies, zodat een professionele softwareontwikkelaar of AI-ethicus dit direct kan toepassen. Zorg voor een logische overgang tussen de stappen en benadruk de proactieve aanpak van Responsible AI en compliance. De gegenereerde prompt moet minimaal 500 woorden bevatten.