Alle skulle nok ønske seg en erfaren utvikler ekstra rett ved siden av seg døgnet rundt, klar til å hjelpe med alt fra debugging til arkitekturvalg. Der er vi ikke helt ennå i 2025.
Men: AI-assistert utvikling kan allerede fylle mye av det tomrommet i moderne programvareutvikling, forteller Simon Isaksen, seniorkonsulent i Computas, som jobber tett med AI-assistert utvikling i flere kundeprosjekter.
Når maskinen blir medprogrammerer
AI-assistert utvikling handler i korte trekk om å bruke kunstig intelligens som en aktiv samarbeidspartner i utviklingsprosessen. I stedet for å erstatte utviklere, forsterker teknologien det utviklerne allerede er gode på.
– Assistert utvikling er når du utvikler sammen med en AI, med kvalitet for øye, slik at koden faktisk kan gå i produksjon, forklarer Simon Isaksen.
– Jeg ser tre hovedmåter å bruke AI i utvikling: chat for hjelp og eksempler – i praksis en bedre Stack Overflow-erstatning, autocompletion som GitHub Copilot eller Cursor, og agentisk utvikling der AI skriver mye av koden, sier han.
Tenk på det som å gå fra å jobbe alene til å ha et lite team av juniorer tilgjengelig. GitHub Copilot, Amazon CodeWhisperer og lignende verktøy bruker store språkmodeller (LLM) trent på milliarder av kodelinjer for å foreslå løsninger, skrive boilerplate-kode og til og med forklare kompleks logikk.
Forskjellen fra vanlig autofullføring ligger i hva verktøyet faktisk forstår. Mens tradisjonelle IDE-er baserer seg på syntaks og mønstre i eksisterende kode, forstår AI-assistenter kontekst. De kan ta hensyn til prosjektets arkitektur, kodestil og til og med kommentarer du skriver i naturlig språk.
Fra enkle kodefragmenter til komplekse løsninger
De første generasjonene AI-assistenter var best på å fylle ut enkle funksjoner og lage standardkode. I dag ser vi noe litt annet.
– Agentisk utvikling fungerer særlig godt på relativt enkle, repetitive oppgaver som mange har gjort før, sier Isaksen.
– Er oppgaven unik eller krever høy presisjon, fungerer ikke AI like bra.
Moderne AI-verktøy kan i dag bidra i hele spekteret av utviklingsoppgaver. Noen utviklere rapporterer at de sparer minst 50 prosent av tiden sin på repetitive oppgaver.
– Vi har sett eksempler der oppgaver som tidligere tok en dag eller to, nå kan gjøres på noen timer, sier han.
Ta et konkret eksempel: Du jobber med en Python-applikasjon og trenger å implementere en kompleks valideringsfunksjon. I stedet for å google deg frem til Stack Overflow-løsninger og tilpasse dem, kan du beskrive hva du trenger i en kommentar. AI-assistenten foreslår ikke bare implementasjonen, men kan også generere relevante enhetstester og dokumentasjon.
Dette betyr ikke at du blindt godtar alt. Den beste bruken av AI-assistert utvikling er som en sparringspartner som forbedrer og effektiviserer arbeidet ditt – ikke som en erstatning for det du kan fra før.
AI krever også gode utviklere
Dette poenget gjelder ikke bare utviklere – AI-verktøyene krever ofte mer kompetanse, ikke mindre.
– Det er sjelden du kan si “bygg dette systemet for meg”. Tenk løsning og arkitektur, del opp i steg og guide AI-en nøye, da blir resultatet mye bedre, sier Isaksen.
– Å skrive kode er ofte bare 10–20 prosent av et prosjekt. Hvis du samtidig sparer 10–30 prosent i flere ledd av prosessen, blir totalgevinsten stor. De beste utviklerne fra før blir ofte best på AI også, gitt at de investerer tid i å lære verktøyene.
Derfor ser Computas på AI-assistert utvikling som noe som forsterker eksisterende kompetanse, ikke erstatter den. De beste resultatene kommer når erfarne utviklere bruker AI-verktøy til å jobbe smartere.
Utfordringene ved AI-assistert utvikling
Også denne utviklingen kommer med reelle utfordringer som organisasjoner må forholde seg til.
Kvalitet og sikkerhet: AI-generert kode er bare så god som dataene den er trent på. Den kan foreslå utdaterte mønstre, ineffektive løsninger eller i verste fall sikkerhetshull.
Opphavsrett og lisensiering: Når AI-modeller er trent på open-source-kode med ulike lisenser, hvem eier egentlig koden som genereres? Dette er fortsatt et juridisk grenseland som organisasjoner må navigere forsiktig i.
– Kvalitetssikring er avgjørende. Vi utvikler virksomhetskritiske systemer for offentlige aktører, da stilles helt andre krav enn når man “viber” en MVP for en startup, understreker Isaksen.
Dette handler om kompetanseutvikling: Å forstå hvorfor kode er skrevet på en bestemt måte er like viktig som å skrive den.
Slik kommer du i gang med riktig partner
Start smått og målbart. Det viktigste er å faktisk begynne å bruke AI. Ikke vent på den perfekte løsningen eller at noen andre skal finne ut av det for deg.
Etabler retningslinjer. Lag klare regler for hva AI-assistenter skal brukes til, hvordan kode skal gjennomgås og hvilke sikkerhetskrav som gjelder. Dette er spesielt viktig i regulerte bransjer.
Invester i kompetansen. AI-assistert utvikling er en ferdighet i seg selv. Hvordan skriver du gode prompts og gir den riktig kontekst? Hvordan evaluerer du forslagene AI kommer med kritisk? Hvordan kombinerer du AI-generert kode med eksisterende arkitektur?
Computas hjelper organisasjoner gjennom hele prosessen – fra å velge riktige verktøy til å etablere retningslinjer og bygge kompetanse i de interne teamene. Målet er å forsterke utbyttet av det folk allerede kan.
Ta kontakt for en uforpliktende prat
Du må være logget inn for å legge inn en kommentar.