– AI endrer ikke bare hvordan vi koder, men hvordan vi jobber
– Vi bruker mindre tid på selve koden, og mer på å skape verdi, skriver Simon Isaksen, om forteller hvordan AI endrer arbeidsdagen hans.
Det gikk for alvor opp for meg hvor grunnleggende AI er i ferd med å endre måten vi bygger programvare på, da jeg så en kompis bruke AI til å utvikle løsningsforslag – direkte i et kundemøte.
Han stilte spørsmål, lyttet, promptet – og midt i møtet dro han opp et fungerende utkast. Ikke en PowerPoint, men en faktisk "kode som kjører.”
Det var da det slo meg: Dette er ikke bare en effektivisering. Det er starten på noe større – en form for disruptiv innovasjon. Og det skjer nå.
Da Claude 3.7 modellen kom i vår, sammen med verktøy som Windsurf og Cursor, begynner AI å oppføre seg mer som partnere enn verktøy. Det endrer ikke bare hvordan vi koder – det endrer hvordan vi jobber.
I løpet av de siste månedene har det meste av tiden min gått til å utforske ett spørsmål: Hvordan bruker vi AI for å levere løsninger raskere og mer treffsikkert?
Her er noen av de viktigste endringene jeg ser – fra hverdagen som avdelingsleder for AI i Computas:
#1. Innsiktsfasen: Bygg først, spør etterpå
Før kjørte vi lange workshops med kravinnhenting, intervjuer og et lass med post-its. Nå? Nå kommer vi ofte til møter med AI i lomma – og et fungerende utkast klart.
Vi bruker en kombinasjon av transkribering og chatbots til å brainstorme og definere løsninger. Cursor, Windsurf og Claude Code til å kode. Det er ikke uvanlig at vi har testet litt ulike retninger og har en liten prototype kjørende før kunden har rukket å få budsjettet godkjent. Du kan rett og slett drodle med kode nå.
Det gjør noe med dynamikken i et møte. Kundene ser hva som er mulig, og vi får bedre tilbakemeldinger – raskere. Det skaper også en annen type tillit, fordi kunden ser at vi faktisk forstår behovet.
Målet er å komme til en MVP så raskt som mulig. Du vet faktisk ikke om brukerne adopterer løsningen før den er i hånden deres. Med AI kan du hoppe rett til en fungerende versjon som folk kan teste – på svært kort tid. Dette er hele poenget i Lean Startup-metodikken.
Foreløpig er det i denne tidlig fase AI gir mest effekt. Og det er nettopp her jeg kommer tilbake til Clayton Christensens teori om disruptiv innovasjon: Store endringer starter ofte smått – med løsninger som i starten virker enkle, nisjepregede eller uferdige. Men fordi de er raskere, billigere og mer fleksible, utvikler de seg raskt. Plutselig endrer de spillereglene for hele bransjen.
Foreløpig er det i denne tidlig fase AI gir mest effekt.
#2. Utvikling: Fra snekker til regissør
Tidligere skrev vi alt selv (les: copy-pastet fra Stack Overflow og ChatGPT). Nå jobber vi tett med AI. Det er som å parprogrammere med en hjelpsom og (stort sett) lydig kollega.
AI skriver kode, tester og gjør code reviews. Du kan spinne opp 2–3–4 agenter samtidig, som jobber på ulike deler av koden. Du peker – den bygger.
Men: AI gir deg ikke svaret. Den gir deg et forslag – og det må alltid kvalitetssikres. Det ser ofte riktig ut ved første øyekast, men AI skriver mye kode, og det er en jobb å rydde opp.
Vi opplever at scope creep faktisk kan bli et større problem nå, fordi det er så lett å legge til nye features – uten at de nødvendigvis er godt forankret eller testet.
Noen av prinsippene vi følger:
Vær konkret i promptene dine.
Planlegg godt og bryt opp arbeidet i små biter. AI fungerer best i korte kontekster med tydelige mål.
Commit ofte. Git er viktigere enn noensinne – som samarbeidsflate, backup og historikk.
Hold kompleksiteten i koden lav nok til at både du og AI klarer å navigere i den.
Ikke vær redd for å skrive kode selv. I mange tilfeller er det raskere og mer presist.
Nylig oppdaget vi Claude Code som gir deg mer kontroll – den spør deg underveis, forstår større kodebaser bedre og gjør i større grad det du ber dem om. Men du må vite hva du vil ha, kunne evaluere outputen og forstå konteksten. Det krever mer faglig tyngde – ikke mindre.
Ønsker du et solid og produksjonsverdig system, kreves det også mer planlegging på forhånd. En gjennomtenkt datamodell og løsningsarkitektur som du gir til AI-en, gir den langt bedre forutsetninger for å levere kvalitet.
#3. Fra kravspesifikasjon til samarbeid med brukeren
Et lite sideprosjekt gjorde dette ekstra tydelig for meg.
Jeg og en kompis skulle lage et enkelt AI-verktøy. Han kodet, jeg testet og ga tilbakemelding – i sanntid. Med litt kunnskap kunne selv jeg prompte meg frem til nye features uten å være avhengig av utvikleren. Hvis jeg oppdaget noe som funket, kunne jeg ta det med tilbake til han – og han kunne forbedre det videre.
Uten AI hadde vi kanskje brukt flere uker – og mistet motivasjonen underveis. Nå kunne vi heller leke, utforske og justere. Brukeren (eller domeneeksperten) ble en del av teamet.
Og det er en endring vi forventer å se mer av hos kundene også. Flere brukere kan være med og forme løsningen underveis. Det gir en helt annen dynamikk når man kan vise frem, endre og forbedre – mens man snakker.
Men da må vi bygge løsninger som tåler endring. Er koden for kompleks, eller grensesnittet for rigid, stopper det fort opp – både for AI og for oss mennesker.
AI gir deg ikke svaret – bare et utkast
En ting jeg sier ofte til de som er skeptiske til AI:
AI gir deg ikke svaret – den gir deg et godt førsteutkast. Du må fortsatt sette retning og stå innenfor løsningen som leveres.
Foreløpig ser vi som sagt størst effektivitetsgevinst i de tidlige fasene av et prosjekt. Etter hvert som kodebasen vokser og kravene til kvalitet, sikkerhet og oppetid øker, blir ting mer krevende – som før.
Men igjen – dette er akkurat det Christensen pekte på: Innovasjon starter ofte i det små. Ser litt rart og nisjepregede ut i starten.
Men etter hvert som teknoligien utvikler seg får det mer fotfeste – og plutselig ser vi hele bransjer skifte retning.
Hva betyr dette for oss teknologer?
Vi kan iterere raskere, jobbe med mindre team, og bygge løsninger som er tettere på behovet. Vi bruker mindre tid på selve koden – og mer på å skape verdi.
Selve utviklingen blir mer effektiv, men det stopper ikke der:
Innsikt, kravspesifikasjon, samhandling, QA og monitorering kan alle få et løft med AI. Får hver av disse områdene 20–30 % forbedring, snakker vi om en betydelig samlet effekt.
Jeg tror ikke AI kommer til å erstatte utviklere. Jeg tror AI kommer til å gjøre utviklere mer produktive – og mer kreative.
Kundene har alltid ønsket skreddersøm, men prisen har ofte tvunget dem til å velge hyllevare. Fremover vil dette regnestykket se annerledes ut – spesielt for visse typer løsninger. Etterspørselen vil øke når kostnadene faller. Og det mangler ikke på problemer som kan løses med skreddersøm.
Og kanskje viktigst av alt: Vi kan levere noe kunden faktisk kan teste og bruke – allerede i løpet av den første uka.
Det var nettopp dette vi gjorde sammen med Labrador CMS (CMS-systemet til blant annet Dagbladet, TV2 og kode24):
- Målet var å lage en webapp som journalister kunne bruke i felt – levert på én uke. Hovedutfordringen var å rette opp skrivefeil i publiserte artikler. Det løste vi raskt og fikk validert at stemmeredigering fungerte bra.
- Deretter kunne vi rett og slett drodle videre med kode og utforske andre behov.
- På litt over en uke hadde vi en prototype klar for testing med ekte brukere. Vi fant raskt ut hvilken funksjonalitet som var nyttig – og hvilken som ikke var det.
Det er slik AI allerede gir verdi: Raskt, tett på brukeren, og med et tydelig mål.
