Van ontwerp tot live website met AI: experiment of toekomst?

AI_Illustratie_Banner | Compagnon Agency
Een simpele vraag als vertrekpunt

We hebben onszelf recent een simpele vraag gesteld: hoe ver geraak je vandaag als designer als je zelf begint te bouwen met AI? Niet als statement of stunt, maar gewoon als testcase. Want de tools zijn er, en ze worden elke week beter. Dus in plaats van erover te praten, wilden we vooral begrijpen wat er vandaag al mogelijk is.

Van design naar development,
maar anders

We begonnen zoals we altijd beginnen: met een ontwerp in Figma. Doordacht, uitgewerkt tot in detail en klaar om gebouwd te worden. Alleen hebben we deze keer de klassieke developmentflow losgelaten. In plaats van code manueel te schrijven, gebruikten we Cursor als onze “developer”. Via prompting, iteratie en bijsturing gingen we stap voor stap van design naar een werkende website.

Het doel was helder: het ontwerp zo trouw mogelijk vertalen, WordPress gebruiken als CMS en tegelijk een setup bouwen die voor de klant logisch en gebruiksvriendelijk blijft. Technisch kwamen we uit op een combinatie van WordPress, Vue, GSAP en Tailwind. Geen experimentele stack, wel een andere manier om ermee om te gaan.

547_1x_shots_so | Compagnon Agency

Sneller bouwen is niet hetzelfde als minder denken

Wat meteen duidelijk werd: het gaat sneller, maar het gaat niet vanzelf. De grootste misvatting rond dit soort tools is dat ze het denkwerk overnemen, terwijl dat denkwerk in realiteit gewoon verschuift. Prompting lijkt verrassend veel op briefen. Hoe duidelijker je bent in wat je wil, hoe beter het resultaat. Hoe vager je input, hoe meer je achteraf moet corrigeren. We werkten bijna continu iteratief: iets genereren, evalueren, bijsturen en opnieuw proberen. Eigenlijk exact zoals je met een developer samenwerkt, alleen zit die nu in je tool.

Structuur bepaalt de kwaliteit

Waar AI sterk in is, is output genereren. Waar het minder sterk in is, is beslissen hoe iets opgebouwd moet worden. En net daar zat de grootste uitdaging. De kwaliteit van het eindresultaat hing rechtstreeks samen met de keuzes die we vooraf maakten. Hoe zit de componentstructuur in elkaar? Welke logica zit erachter? Hoe schaalbaar is dit binnen WordPress? Als je daar te snel over gaat, krijg je code die werkt, maar niet houdbaar is.

Een CMS dat wél gebruikt wordt

Een van de interessantste inzichten zat niet eens in de frontend, maar in de backend. We hebben een custom Gutenberg-interface opgezet die volledig afgestemd is op de noden van de klant. Geen overbodige opties, geen complexiteit die er niet moet zijn, maar gewoon een systeem dat logisch aanvoelt. En dat maakt een groot verschil. Want een CMS kan technisch perfect gebouwd zijn, maar als een klant het niet begrijpt of niet gebruikt, verliest het meteen zijn waarde.

AI_Website_CMS_1 | Compagnon Agency
AI_Website_CMS_2 | Compagnon Agency
AI_Website_CMS_3 | Compagnon Agency

Het resultaat in perspectief

Het eindresultaat was eerlijk gezegd beter dan verwacht. De website sluit nauw aan bij het originele ontwerp, werkt vlot op verschillende schermgroottes en haalt sterke performance scores. Op desktop tikken we 99 tot 100 op alle Google PageSpeed metrics. Maar belangrijker dan die cijfers is dat het geheel klopt, zowel visueel als technisch en in gebruik. Niet perfect, wel degelijk.

AI_Website_Performance | Compagnon Agency

*resultaten verschillen altijd per test

De valkuilen onderweg

Tegelijk botsten we ook op een aantal duidelijke grenzen. Het grootste risico is misschien wel de schijn van eenvoud. Het voelt alsof je snel iets “even genereert”, maar fouten in structuur of logica worden gewoon mee versneld. Wat je aan de voorkant wint, kan je achteraf dubbel verliezen. Ook debugging blijft grotendeels mensenwerk.

AI helpt, maar tot op een bepaald punt. Daarna heb je nog altijd inzicht nodig in wat er onder de motorkap gebeurt. En doordat je sneller dingen combineert, wordt het ook belangrijker om duidelijke keuzes te maken in je stack. Wat leeft waar? Wat is de rol van elk onderdeel? Zonder die afbakening wordt het snel rommelig.

Wat dit echt verandert

Dit experiment heeft ons vooral doen inzien dat AI niet zozeer verandert wat we maken, maar wel hoe we werken. De rol verschuift van uitvoeren naar sturen, van schrijven naar structureren en van produceren naar beslissen. Misschien is dat wel de echte verandering die eraan komt.

Niet minder developers, maar developers die anders werken, hun tijd niet aan repetitieve zaken verliezen en creatiever te werk kunnen gaan. Niet minder designers, maar designers die beter begrijpen wat ze bouwen.