AI-assistert programvareutvikling og utviklerens rolle

01Hva betyr AI-assistert utvikling?

For noen år siden var kodefullføring en liten hjelper som gjettet slutten på linjen du skrev. I dag kan store språkmodeller lage en funksjon, en testfil og til og med skjelettet til en liten applikasjon ut fra én enkelt beskrivelse. AI-assistert programvareutvikling er når denne evnen har blitt en fast del av den daglige arbeidsflyten.

Det viktige er dette: kunstig intelligens fungerer som en andrepilot. Det er fortsatt et menneske som avgjør hva som ønskes, hvilke begrensninger som gjelder og om resultatet er riktig. Jo raskere verktøyet blir, desto mer verdt er denne avgjørelsen.

Denne arbeidsmåten er ikke knyttet til ett enkelt verktøy. Assistenter innebygd i editoren, kodeagenter i terminalen og chattegrensesnitt er ulike uttrykk for den samme ideen. Uansett hva du velger, er grunnløkken den samme: beskriv, generer, kontroller, slå sammen.

02Hva gjør AI raskere?

Kunstig intelligens sparer mest tid der arbeidet er repeterende og mønsteret er kjent. En skjemavalidering, et skript for datakonvertering eller en API-klient kan nå bli et utkast i løpet av minutter.

• Malkode: CRUD-skjermer, konfigurasjonsfiler, datamodeller.
• Skriving av tester: enhetstester og grensetilfeller for en eksisterende funksjon.
• Lesing av kode: oppsummere en ukjent kodebase og forklare hva en funksjon gjør.
• Feilsøking: liste mulige årsaker ut fra feilmeldingen og foreslå en rettelse.
• Konvertering: flytte gammel syntaks over til ny, oversette fra ett språk til et annet.
• Dokumentasjon: README, kommentarlinjer og endringsnotater.

03Hva er vibe coding?

Vibe coding er betegnelsen på en tilnærming der utvikleren ikke leser koden linje for linje, men beskriver på naturlig språk hva som ønskes, og går videre ved å kjøre resultatet. Det kan være virkelig effektivt for å prøve ut en idé raskt, lage en prototype eller bygge små personlige verktøy.

Problemene begynner når den samme tilnærmingen tas med inn i et system i drift. Kode som slås sammen uten å bli lest, kan etterlate sikkerhetshull, unødvendige avhengigheter og en arkitektur ingen helt forstår. I et system som behandler brukerdata, betaling eller bookinger er dette en uakseptabel risiko.

Et sunt skille kan se slik ut: tillat fri utprøving i oppdagelses- og prototypefasen, men la hver eneste linje som går inn i produktet, gå gjennom kodegjennomgang.

04Erstatter AI programvareutviklere?

Kort svar: AI tar en del av jobben, ikke yrket. Programvareutvikling handler ikke bare om å skrive kode. Å forstå et forretningsproblem, stille de riktige spørsmålene, veie begrensninger og ta ansvar for resultatet er også en del av jobben. Kunstig intelligens tar ikke ansvaret for noen av disse beslutningene for deg.

Det som endrer seg, er karakteren på oppgavene på nybegynnernivå. Siden det ikke lenger tar like lang tid å kode enkle skjermer for hånd, forventes det av en nybegynner at han eller hun tidligere kan lese kode, skrive tester og tenke i systemer.

Derfor formes utviklerens fremtid ikke av å avvise verktøyet eller stole blindt på det, men av profilen som styrer verktøyet godt og stiller spørsmål ved resultatet.

05Hvordan endres utviklerrollen?

Tyngdepunktet flytter seg fra tastaturet til beslutningsbordet. De fire områdene under er det utviklere i AI-assisterte team bruker mest tid på.

Arkitekt og designer

Hvordan modulene deles opp, hvor dataene lagres og hvilken tjeneste som snakker med hvilken, er fortsatt menneskelige beslutninger. Når arkitekturvalgene er feil, kopierer kunstig intelligens bare feilen raskere.

Kontrollør og gjennomgang

Å lese generert kode, stille spørsmål ved grensetilfeller og kontrollere at testene faktisk måler det riktige, har blitt en sentral oppgave. En god gjennomgang fanger opp stedene der modellen har produsert hallusinasjoner, altså foreslått en funksjon som ikke finnes eller en feil parameter.

Produkt og forretningskontekst

Å forstå hva kunden egentlig trenger, avgjør kvaliteten på instruksen man gir til kunstig intelligens. En utvikler med sterk forretningsforståelse når riktig resultat med færre forsøk.

Den som styrer agentene

Etter hvert som AI-agenter som utfører flere trinn på egen hånd blir vanligere, utvikles utvikleren til en dirigent som deler opp oppgaver, trekker grenser og setter resultatene sammen. Dette temaet har vi tatt for oss i artikkelen om hva en AI-agent er.

06Slik setter du opp en trygg AI-arbeidsflyt

Når du tar kunstig intelligens inn i teamet, er sporbarhet like viktig som hastighet. Trinnene under kan også brukes i små team.

1. Del oppgaven i små deler: be om én funksjon eller én skjerm om gangen, ikke hele modulen på én gang.
2. Gi tydelig kontekst: skriv språket, rammeverket, kodestandarden og begrensningene inn i instruksen.
3. Legg hver endring under versjonskontroll: små commits gjør det lettere å gå tilbake.
4. Be om testen før koden eller sammen med koden: en test som beskriver oppførselen, er kompasset for den genererte koden.
5. Gjør menneskelig gjennomgang obligatorisk: ingen endring skal gå inn i hovedgrenen uten å være lest.
6. Ikke del hemmelig informasjon: passord, API-nøkler og kundedata skal ikke skrives inn i instruksene.

07Risiko og begrensninger

Verktøy med kunstig intelligens kan gi feil informasjon med overbevisende språk. Selv om koden kompilerer, kan den implementere forretningsregelen feil. Derfor bør ikke-verifisert resultat, uansett hvor pent det ser ut, regnes som et utkast.

Den andre risikoen gjelder avhengigheter og lisenser. Modellen kan foreslå en pakke prosjektet ikke trenger, eller som ikke lenger vedlikeholdes. Hver avhengighet som legges til, bør begrunnes.

Den tredje risikoen er tap av kunnskap i teamet. En kodebase ingen virkelig forstår, blir dyr ved den første alvorlige feilen. Å kunne forklare hvorfor koden er skrevet slik, er en forutsetning for bærekraftig programvare.

08Hva betyr det for virksomheter?

Den gode nyheten for en virksomhet som får laget programvare, er at en godt styrt AI-assistert prosess gjør det lettere å komme raskere til en prototype og prøve ut ideer tidlig. Det betyr imidlertid ikke at analyse, testing og vedlikehold forsvinner.

Når du snakker med et utviklerteam, bør du ikke spørre om de bruker kunstig intelligens, men om hvordan de sikrer kvaliteten. Kodegjennomgang, testdekning og ordning for versjonskontroll sier mer enn hvilket verktøy som brukes.

I Aurora Yazılım bruker vi kunstig intelligens som et verktøy som gir fart i bransjeløsninger innen programvare og skreddersydde prosjekter, mens arkitektur og kontroll forblir teamets ansvar. På bedriftssiden følger vi den samme disiplinen i prosjekter for bedriftsnettsider og nettbutikkplattformer.

Vil du begynne å skrive egen kode med kunstig intelligens, finner du praktiske tips i guiden vår om koding med kunstig intelligens. For en bredere leseliste kan du se siden med artikler om programvareutvikling.