AI inzetten om sneller en goedkoper een codebasemigratie op te leveren.

Twee native codebases onderhouden voelt lang beheersbaar, tot het moment dat je wilt versnellen. Dan betaal je de rekening. De oplossing? Een codebase migratie. Maar dit was tot een paar jaar geleden voor de meeste organisaties geen reële optie. Te duur, te tijdrovend en te risicovol. Dat is veranderd. AI maakt het nu mogelijk om bestaande software sneller en betaalbaarder te moderniseren, met meer controle over het proces. En dat merk je direct als klant.

Dubbel werk

Veel apps draaien op twee native codebases: iOS en Android. Wat betekent: vier developers, twee platforms, elke functionaliteit twee keer bouwen, testen en reviewen. Toen Stichting Lumens, klant van Harborn, wilde doorontwikkelen en nieuwe features wilde uitbrengen, werd duidelijk wat dit structureel kost.

De overstap naar Flutter veranderde dat. Met één codebase, één team en één ontwikkeltraject. De ontwikkelkosten konden daarmee bijna worden gehalveerd. De keuze was duidelijk. Maar de echte uitdaging kwam daarna: hoe migreer je zonder maanden stilstand en zonder functionaliteit te verliezen?

Stap voor stap

In plaats van alles in één keer opnieuw te bouwen, koos Harborn ervoor om de migratie op te knippen in kleinere stappen. Zo is er eerst een stevige Flutter-basis opgezet, met een structuur die de code overzichtelijk en makkelijk uitbreidbaar houdt. Dat kost aan het begin meer tijd, maar voorkomt later veel problemen. Vervolgens zijn de bestaande iOS- en Android-projecten toegevoegd aan dezelfde werkomgeving, zodat de originele code continu beschikbaar bleef als referentie.

Vanaf dat moment werd iedere functionaliteit stap voor stap overgezet en getest voordat het volgende onderdeel werd aangepakt. Daardoor bleef het proces overzichtelijk en goed beheersbaar.

AI als versneller

AI speelde een belangrijke rol. Harborn gebruikte GitHub Copilot om per functionaliteit een eerste versie te genereren. Daarbij werd niet alleen gekeken naar een prompt, maar naar de volledige codebase, zodat de bestaande logica behouden bleef en de uitzonderingen automatisch meegenomen werden.

Ongeveer 90% van de gegenereerde code was direct bruikbaar of met kleine aanpassingen goed genoeg. Vooral terugkerend werk ging snel, zoals het opzetten van structuur en standaard componenten.

Voor complexere onderdelen, zoals animaties en maatwerk in de gebruikersinterface, bleef handmatig werk nodig. De oplossingen van AI waren vaak correct, maar niet altijd de slimste keuze. Daar blijft ervaring essentieel.

Juist daarin zit de waarde voor organisaties die willen moderniseren zonder opnieuw een langdurig migratietraject in te gaan. AI vervangt developers niet, maar helpt om repetitief werk drastisch te versnellen en bestaande software veel efficiënter te vernieuwen.

Het resultaat

De totale migratie duurde tussen de 100 en 125 uur. Zonder de AI aanpak zou dat naar verwachting minimaal vijf keer zo veel tijd hebben gekost. Dat verschil zit niet alleen in snelheid, maar ook in volledigheid. Bij handmatig opnieuw bouwen worden uitzonderingen vaak gemist. Omdat hier vanuit de bestaande code werd gewerkt, bleven die behouden.

Om zeker te weten dat alles klopte, is het proces strak ingericht. Vooraf is een volledige lijst opgesteld van alle functionaliteiten, zodat niets over het hoofd werd gezien. Tijdens de migratie draaiden de oude en nieuwe app continu naast elkaar, zodat verschillen direct zichtbaar werden. Pas als dezelfde handelingen, scenario’s en de uitzonderingen klopten, werd een onderdeel afgerond.

Als opdrachtgever profiteert Stichting Lumens hier direct van: sneller nieuwe functionaliteiten kunnen ontwikkelen, lagere toekomstige ontwikkelkosten en minder afhankelijkheid van dubbele ontwikkeltrajecten. Daardoor ontstaat meer ruimte om door te ontwikkelen zonder dat techniek de snelheid bepaalt.

Wat dit betekent in de praktijk

Door AI slim in te zetten en migraties stap voor stap aan te pakken, wordt het mogelijk om bestaande software beheersbaar te vernieuwen zonder kwaliteit of continuïteit te verliezen. Wat een paar jaar geleden voor veel organisaties niet haalbaar was, is inmiddels wél mogelijk. Bij Harborn wordt deze aanpak gebruikt om migraties praktisch uitvoerbaar te maken. Niet alleen technisch, maar ook in de dagelijkse realiteit van teams die ondertussen gewoon moeten blijven leveren.