Waarom Payload CMS en AI development zo goed bij elkaar passen

Bij Emble werken we al jarenlang met Drupal, Laravel en Payload. AI zetten we binnen al deze technologieën in, maar met Payload zien we razendsnelle ontwikkelingen. We bouwen interne applicaties waarbij AI een groot deel van het ontwikkelwerk ondersteunt, ontwikkelen voor klanten websites en applicaties op basis van Payload en AI en krijgen regelmatig aanvragen van organisaties die al een Payload-platform met AI hebben laten ontwikkelen. In dat laatste geval zien we ook een keerzijde: de partij die het platform heeft gebouwd, doet niet altijd aan hosting, support of verdere doorontwikkeling.

Die combinatie van ervaringen maakt Payload voor ons interessant. Het CMS sluit technisch goed aan op AI development, waardoor we sneller kunnen bouwen en meer maatwerk kunnen realiseren. Tegelijkertijd blijft er een volwaardig CMS beschikbaar én software waarvoor wij na oplevering verantwoordelijkheid kunnen nemen.

Payload geeft AI meer context

Een AI-agent werkt het beste wanneer duidelijk is hoe een applicatie in elkaar zit. Welke soorten content zijn er, welke velden horen daarbij, welke componenten gebruiken we, welke rechten gelden er en hoe wordt informatie uit het CMS opgehaald en op de website getoond?

Bij Payload staat een groot deel van die structuur in TypeScript-code. Contenttypes, velden, relaties, rechten en andere configuratie zijn daardoor direct zichtbaar voor een AI-agent. De content zelf staat in de database, maar de manier waarop het CMS is ingericht staat in de codebase. Daardoor kan een AI-agent niet alleen een losse opdracht uitvoeren, maar ook de bestaande applicatie analyseren en rekening houden met de architectuur die er al staat.

Dat merken we direct in onze projecten. Wanneer we een nieuw contenttype, extra veld, functionaliteit of koppeling willen toevoegen, kan een AI-agent eerst de bestaande structuur analyseren en vervolgens de benodigde wijzigingen in dezelfde codebase doorvoeren. Stel dat we aan een website locaties met openingstijden willen toevoegen. Dan gaat het niet alleen om een paar extra velden in het CMS. De informatie moet beheerd kunnen worden, via de API beschikbaar zijn en op de juiste manier in de frontend worden weergegeven. Bij een Payload-project kan AI deze hele keten analyseren en op meerdere plekken de benodigde code toevoegen of aanpassen.

Dat is iets anders dan AI losse stukjes code laten genereren. Hoe meer van de applicatie in code is vastgelegd, hoe meer context een agent heeft en hoe beter nieuwe functionaliteit aansluit op wat er al staat.

Sneller ontwikkelen zonder het CMS op te geven

Met AI kun je snel iets bouwen. Op basis van een goede prompt kan binnen korte tijd een interface of eerste werkende applicatie ontstaan. Voor een organisatie is dat alleen niet voldoende. Content moet aangepast kunnen worden, nieuwe pagina's moeten toegevoegd kunnen worden en onderdelen zoals medewerkers, vacatures, locaties of producten moeten beheerd worden zonder dat daar iedere keer een developer voor nodig is. Daarnaast wil je rechten kunnen instellen, koppelingen onderhouden en de applicatie later verder kunnen ontwikkelen.

Daar werkt Payload goed voor. Je benut de snelheid van AI development en houdt een professioneel CMS. Voor marketing- en communicatieteams blijft er een beheeromgeving waarin zij zelf content kunnen onderhouden. Het verschil zit onder de motorkap, waar we met AI sneller nieuwe functionaliteit kunnen ontwikkelen.

Dat is een belangrijk verschil met AI-tools die vooral gericht zijn op het genereren van een website. Zo'n website kan snel worden gebouwd en er goed uitzien, maar daarmee heb je nog geen goed beheerbaar platform.

Meer ruimte voor maatwerk

AI development maakt ook meer maatwerk mogelijk binnen hetzelfde budget. Bij de ontwikkeling van een website moet je normaal afwegen hoeveel ontwikkeltijd een functionaliteit waard is. Een slimme locatiefinder, keuzehulp, specifieke zoekfunctie, dashboard of koppeling met een extern systeem kost veel programmeerwerk.

AI verandert die verhouding. Het denkwerk, de architectuur en het testen blijven nodig, maar een AI-agent kan een flink deel van het programmeerwerk versnellen. Daardoor kunnen we binnen hetzelfde budget meer functionaliteit realiseren. Dat zien we ook bij applicaties die we zelf met Payload en AI bouwen. Ideeën die voorheen veel programmeerwerk vroegen, kunnen we sneller uitwerken tot een eerste werkende versie. De developer kan zich daardoor meer richten op de structuur, uitzonderingen, gebruikerservaring en kwaliteit van de oplossing.

Voor marketing en communicatie betekent dat vooral dat er meer ruimte ontstaat om een website of applicatie af te stemmen op de organisatie en haar doelgroep. Je hoeft minder snel genoegen te nemen met wat een standaardthema, pagebuilder of plugin ondersteunt.

Waarom werkt dit anders bij WordPress?

Ook binnen WordPress kunnen developers AI gebruiken. Een AI-agent kan PHP schrijven, templates aanpassen en helpen bij de ontwikkeling van plugins. Het verschil zit in de manier waarop veel WordPress-websites zijn opgebouwd.

Een WordPress-omgeving bestaat vaak uit een combinatie van het CMS, plugins, een thema, instellingen in de database en een pagebuilder. Een deel van de werking staat in code, een ander deel niet. Voor AI maakt dat verschil. Een agent kan beter redeneren over een applicatie wanneer de structuur en logica zichtbaar zijn in de code. Wanneer belangrijke configuratie verspreid staat over plugins, database-instellingen en beheeromgevingen, wordt het moeilijker om de volledige werking van een website te begrijpen.

Daarnaast zijn binnen WordPress vaak meerdere manieren om hetzelfde probleem op te lossen: via een plugin, custom code, een hook, het thema of instellingen in het CMS. Een AI-agent moet daardoor met meer variabelen rekening houden. WordPress kan een prima keuze zijn voor eenvoudige websites, maar wanneer je AI structureel wilt inzetten om een maatwerkplatform te bouwen en door te ontwikkelen, geeft een codegedreven omgeving zoals Payload meer houvast.

En Drupal?

Ook binnen Drupal gebruiken we AI, maar daar zien we in de praktijk een duidelijke beperking. AI werkt goed wanneer er veel maatwerkcode geschreven moet worden. Denk aan een maatwerkmodule, een API-koppeling, een migratie of andere functionaliteit die we zelf in PHP ontwikkelen. Een AI-agent kan die code analyseren, schrijven en aanpassen.

Bij wijzigingen aan de structuur van het CMS werkt dat anders. Contenttypes, velden, Views en andere Drupal-configuratie worden in de actieve Drupal-omgeving beheerd als configuratie en niet op dezelfde manier direct in de applicatiecode opgebouwd. In de praktijk richten we deze onderdelen daarom nog steeds zelf in en beheren we ze via het Drupal-configuratieproces.

Een AI-agent kan dus prima een maatwerkmodule ontwikkelen, maar kan niet op dezelfde directe manier de volledige structuur van een Drupal-platform aanpassen als bij Payload. Daar zit voor ons het grote verschil. Bij Payload staat de inrichting van het CMS in de code. Collections, velden, relaties, rechten en hooks zijn onderdeel van de codebase. Alleen de daadwerkelijke content staat in de database.

Daardoor kan een AI-agent bij Payload veel verder gaan. De agent kan bijvoorbeeld zien hoe een contenttype is opgebouwd, daar een nieuw veld aan toevoegen, de bijbehorende rechten aanpassen, de API gebruiken en vervolgens ook de Next.js-frontend wijzigen waarin die content wordt getoond. Bij Drupal kan AI vooral goed helpen op de plekken waar maatwerkcode zit. Bij Payload kan AI veel meer van de totale applicatie overzien en aanpassen.

Drupal blijft voor grote contentplatforms, complexe workflows, uitgebreide rechtenstructuren en multisites een sterke keuze. Maar als we vanaf nul een nieuwe website of applicatie bouwen en AI development maximaal willen benutten, heeft Payload door deze codegedreven opzet een duidelijk voordeel.

We zien ook de keerzijde van razendsnel bouwen

De snelheid van AI development heeft ook een keerzijde. We krijgen regelmatig aanvragen van organisaties die een website of applicatie met AI hebben laten ontwikkelen en daarna een partij zoeken die deze kan overnemen. Daar zitten steeds vaker Payload-projecten tussen.

De oorspronkelijke ontwikkelaar heeft dan een eerste versie gebouwd, maar biedt geen structurele hosting, support of doorontwikkeling. Soms is de oplossing snel tot stand gekomen zonder dat iemand verantwoordelijkheid heeft genomen voor architectuur, security en onderhoud. Dat betekent niet automatisch dat de applicatie slecht is. We zien ook projecten die technisch een goede basis hebben. Maar een werkende applicatie is iets anders dan software die jarenlang professioneel beheerd kan worden.

Voor een organisatie gaat het daarom niet alleen om de vraag hoe snel iets gebouwd kan worden. Je wilt ook weten wie verantwoordelijk is wanneer er na livegang iets aangepast, beveiligd of opgelost moet worden.

AI development is meer dan vibe coding

Daarom maken we onderscheid tussen professioneel AI development en wat vaak vibe coding wordt genoemd. Je kunt een AI-tool vertellen wat je wilt bouwen en blijven prompten totdat de applicatie doet wat je verwacht. Voor een prototype, intern experiment of het testen van een idee kan dat prima werken.

Voor software waar een organisatie jarenlang afhankelijk van is, is dat niet voldoende. De architectuur moet kloppen, persoonsgegevens moeten veilig worden verwerkt, rechten moeten goed zijn ingericht en developers moeten later kunnen begrijpen hoe de applicatie is opgebouwd. Je moet updates kunnen uitvoeren, fouten kunnen oplossen, koppelingen kunnen toevoegen en kunnen doorontwikkelen wanneer de organisatie verandert. Dat vraagt om meer dan een goede prompt.

Bij Emble sturen we AI gecontroleerd aan

Wij gebruiken AI als onderdeel van ons ontwikkelproces, niet als vervanging daarvan. Voordat een AI-agent aan het werk gaat, bepalen onze developers hoe de applicatie wordt opgebouwd en binnen welke technische kaders de agent werkt. We geven AI context over het project, de architectuur en de manier waarop we de code willen opbouwen.

Daarna beoordelen onze developers de geproduceerde code. We kijken naar architectuur, security, performance, codekwaliteit en de aansluiting op bestaande functionaliteit. Wanneer AI een verkeerde keuze maakt, sturen we bij. Onderdelen waarvoor specialistische kennis nodig is, bouwen we zelf.

AI kan steeds meer van het programmeerwerk uitvoeren, maar wij blijven verantwoordelijk voor de software die we opleveren. Daardoor weten we wat er onder de motorkap gebeurt en kunnen we de applicatie na oplevering blijven ondersteunen.

We moeten er na oplevering mee verder kunnen

Wanneer we een website of applicatie bouwen, willen we deze daarna kunnen hosten, onderhouden, beveiligen en doorontwikkelen. Als een organisatie twee jaar later een nieuwe koppeling nodig heeft of haar dienstverlening verandert, moet het platform daarop aangepast kunnen worden.

Ook daarin werkt de combinatie van Payload en AI goed. Payload helpt ons sneller te ontwikkelen zonder dat we terechtkomen in een volledig gegenereerde omgeving waar later niemand meer grip op heeft. De applicatie bestaat uit normale code, heeft een duidelijke architectuur en bevat een CMS dat de organisatie zelf kan beheren. Een andere developer moet het project later ook kunnen overnemen.

Snelheid is dus niet het enige doel. We willen sneller bouwen zonder technische schuld naar de toekomst te verplaatsen.

Wat heb je daar als marketing- of communicatieteam aan?

Voor marketing en communicatie zijn de voordelen praktisch. Nieuwe ideeën kunnen sneller worden uitgewerkt, er is meer ruimte voor maatwerk en je houdt zelf controle over de content. Tegelijkertijd loop je minder snel tegen de beperkingen van een plugin of standaardtemplate aan en blijft het platform doorontwikkelbaar.

Websites staan bovendien steeds minder op zichzelf. Ze zijn onderdeel van een groter digitaal landschap en worden gekoppeld aan CRM-systemen, HR-software, databases, zoekoplossingen en andere platformen. Ook AI wordt steeds vaker onderdeel van websites en applicaties.

Dan heb je een technische basis nodig die mee kan veranderen. Payload geeft daarvoor veel ruimte, terwijl marketing en communicatie vanuit een CMS hun content kunnen blijven beheren.

Payload en AI versterken elkaar

Wij gebruiken AI binnen Drupal, Laravel, Payload, React en Next.js. AI development is dus niet exclusief aan Payload gekoppeld, maar met Payload zien we de ontwikkeling het snelst gaan. We gebruiken het voor interne applicaties, bouwen er met AI websites en applicaties voor klanten mee en nemen Payload-projecten over die met AI zijn ontwikkeld.

De reden daarvoor zit niet alleen in het feit dat Payload modern is of gebruikmaakt van TypeScript. Het belangrijkste verschil is dat de structuur van het CMS onderdeel is van de codebase. Daardoor kan een AI-agent veel meer van de applicatie zien, begrijpen en aanpassen: van het datamodel in Payload tot de API, businesslogica en de React- of Next.js-frontend.

Tegelijkertijd blijft er een volwaardig CMS beschikbaar en blijft de software beheersbaar voor de lange termijn. De interessante vraag is daarom niet hoeveel regels code AI kan schrijven. De winst zit in betere maatwerksoftware sneller ontwikkelen, zonder de controle over architectuur, veiligheid, beheer en doorontwikkeling kwijt te raken.

Daarom passen Payload CMS en AI development zo goed bij elkaar.