Home > Blog

Blog & kennisbank

Inzichten, ervaringen en meningen van het QA Company-team over softwarekwaliteit, testautomatisering en AI in het testvak.

Deel 3 - Observability stack en beginnen

Observability

Observability voor testers, deel 3: aan de slag

Observability is theorie — maar hoe begin je er nu écht mee in je eigen team? In het afsluitende deel van deze driedelige serie geeft Jakob Jan Kamminga drie concrete adviezen om direct aan de slag te gaan: van voortbouwen op bestaande tooling tot het voorkomen van alert fatigue. Plus: een praktisch overzicht van het observability-landschap, van Grafana en Prometheus tot opkomende spelers als Clickstack en OpenObserve.


Jakob Jan Kamminga

06-05-2026

AI

AI voor shift-left testing: betere specificaties, minder fouten achteraf

Onduidelijke requirements leiden tot herwerk, vertraging en risico. We laten zien hoe je AI inzet om al vóór de bouwfase ambiguïteit te verwijderen, risico's expliciet te maken en uitvoerbare specificaties op te stellen, inclusief aantoonbaar bewijs dat herleidbaar is naar requirements en releases.


Bram Nijhoff

03-03-2026

Tester kijkt naar schermen met metrics

Observability

Observability voor testers, deel 2

Observability biedt testers meer dan alleen inzicht in de output van een black box. In deel 2 van deze serie gaan we in op drie concrete manieren om logs, metrics en traces in te zetten als testtechniek. Van het opstellen van hypotheses bij performancetests tot het benutten van productiedata als testbron.


Jakob Jan Kamminga

06-02-2026

AI, Playwright

Testen in een wereld met AI Agents: AI versnelt, de expert bewaakt de richting

AI agents analyseren falende tests, stellen nieuwe testcases voor en genereren automatisch testcode. Dat versnelt, maar wat gebeurt er met kwaliteit als autonome systemen testcode aanpassen? We leggen uit waarom menselijke review onmisbaar blijft en hoe de tester de testintentie bewaakt, niet alleen het resultaat.


Bram Nijhoff

27-01-2026

Telescoop

Observability

Observability voor testers, deel 1

Observability is het vermogen om op basis van logs, metrics en traces te verklaren wat er intern in het systeem gebeurt. Voor moderne testers in DevOps-teams is dit essentieel, want het onthult hoe gebruikers werkelijk met je applicatie interacteren in productie. Testers kunnen zo kwaliteit voorbij functionele tests zien: performance, beveiliging, gebruikerservaringen. Done is live, dus observability van productiegebruik bepaalt je teststrategieën. Tools als Grafana en Datadog maken dit inzichtelijk.


Jakob Jan Kamminga

05-11-2025

RAG & Bias Checklist - overzicht van 6 kwaliteitschecks om hallucinatie en bias in AI-modellen te voorkomen

AI

RAG & Bias Checklist: Zo voorkom je hallucinatie en bias in AI-modellen​

RAG vermindert hallucinatie en bias in LLM's niet automatisch, risico's verschuiven alleen. De RAG & Bias Checklist biedt zes praktische stappen: relevantie, evidence-first, no-evidence-no-answer, bias-check, slim chunking en weigering. Maak risico's meetbaar met harde kas-metrics zoals precision, faithfulness en refusal rate. Tools als Ragas en Promptfoo automatiseren kwaliteitschecks in CI/CD. QA-teams krijgen concrete grip op betrouwbare AI-toepassingen.


Nicole van Gijn

24-09-2025