Du har ikke lært deg AI — du har bare brukt den

Tenk deg en erfaren utvikler som setter seg ned med Kubernetes for første gang. Ingen dokumentasjon. Ingen oppsett. Et par ettermiddager, på ren hobbybasis. Når deploy feiler, skriver hen en bloggpost: "Container-orkestrering er overvurdert."

Ingen ville tatt det seriøst. 

Men bytt ut Kubernetes med AI, og plutselig er det en helt gyldig take. Erfarne utviklere, folk med rykte som blytunge eksperter, setter seg ned med et AI-verktøy uten å ha gjort research, uten et oppsett, uten å forstå økosystemet. 

De velger en modell, gir den tilgang til kodebasen og ber den gjøre noe. Om den feiler eller leverer under forventet kvalitet, er konklusjonen raskt: "AI-en er for dårlig." Jeg mener man aldri ville hatt denne tilnærmingen til annen, så kompleks teknologi. Da ville man innsett at dette tar tid å lære seg. De fleste forstår at koding og software-utvikling er vanskelig. Men alle forventer at det å bruke AI skal være lett. At det ikke krever erfaring, ferdigheter, innsikt eller kompetanse. Det er en merkelig dobbeltstandard, og den fortjener å bli utfordret. ## Multiverktøy uten blad

AI er umoden. Den favner bredt. Rett ut av boksen er det et multiverktøy som er en «jack of all trades, master of none». Den vet ikke hva du jobber med, hvilke konvensjoner du følger, eller hva du forventer. Den har aldri sett kodebasen din, aner ikke hvordan teamet ditt liker å strukturere ting, og har ingen anelse om at dere kjører tabs i stedet for spaces (ja, noen gjør fortsatt det).

Og det er akkurat her skeptikerne stopper. De baserer sin konklusjon på den svakeste versjonen av verktøyet, uten konfigurasjon, uten kontekst, uten tilpasning, og bruker den som bevis på at teknologien ikke holder mål.

Men her er greia: Vi skriver tusen linjer med ESLint-config og laster ned utallige plugins for å hjelpe IDE-en vår med å formatere og strukturere koden. Vi bygger CI-pipelines, linting-regler og pre-commit hooks. Alt for å sikre at verktøyene våre leverer kvalitet. Ingen forventer at VS Code, rett ut av boksen, skal gjøre alt riktig. Vi konfigurerer den til det fungerer. Men med én gang en AI trår litt feil eller leverer under evne, skriver vi nok en bloggpost om at AI er en hype, i stedet for å skrive tre-fire linjer med config for å hjelpe AI-en med å gjøre det riktig neste gang. Eller enda bedre — be AI-en gjøre det selv.

Vis meg et agentic workflow

Alle bloggposter jeg har lest og foredrag jeg har sett som konkluderer med "AI er ikke godt nok enda", har noe ting til felles: de baserer sin konklusjon på én agent, én oppgave og default-innstillinger. Ferdig. Ingen evaluator–optimizer-patterns. Ingen custom hooks. Ingen skills eller commands. Ingen smarte kombinasjoner av verktøy eller gjennomtenkte workflows. Bare en ren prompt mot en rå modell.

Eksemplene følger alltid samme oppskrift: Du mater inn dataene dine, skriver en halvhjertet prompt og får en output... All oppmerksomhet rettes mot hvor dårlig outputen er. Ingen forklaring av riggen rundt. Fordi det finnes ingen rigg. Det er som å evaluere en motorsag ved å dytte den manuelt gjennom en trestamme. Uten å dra i snora. "Se, den sager ikke." Nei, du har jo ikke skrudd den på.

Agentic software engineering er et håndverk. Det krever research, oppsett, egeninnsats og iterasjon – akkurat som alt annet vi mestrer. Men av èn eller annen grunn er AI den ene teknologien som skal fungere perfekt uten at du behøver å investere noe som helst.

Feil publikum, feil spørsmål

Mange trekker frem statistikk og spørreundersøkelser om utvikleres frustrasjon med AI. Men vi er ikke interessert i gjennomsnittsutviklerens bruk og frustrasjon. Vi bør være interessert i hva de som lykkes, og de som er best, får til. Anekdotiske fakta og brede spørreundersøkelser fra den gjengse utvikler er uinteressante når vi prøver å forstå potensialet i en teknologi.

Jeg mener noe av problemet er at de som mestrer dette, sjelden skriver om det. Rommet for "AI er fantastisk" okkuperes av stakeholders med udokumenterte påstander og vibe-kodere som er overveldet over sin nylig vibe-kodede task manager. Ikke akkurat en gruppe du melder deg frivillig inn i.

Men hva med de som virkelig lykkes? Vel, de har allerede forspranget. Hvorfor dele det med verden? Dere som skriver om at AI er en hype, fortsett å fortelle verden at det er hype, mens vi andre stille bygger videre og øker forspranget.

Det ubehagelige spørsmålet

Vi er alle enige om at AI kommer. Teknologien blir bedre, raskere, billigere. Kapasiteten dobles i løpet av måneder, ikke år. 

Jeg lurer på: hva er egentlig motivasjonen bak disse "AI er overvurdert"-bloggpostene? Er det å tviholde på eget håndverk? Er det frykten for at din ettertraktede kompetanse skal bli verdiløs? Eller er det å innstille frykt i kundebasen, så de lar oss fakturere timer – i alle fall noen år til?

Jeg vet ikke svaret. Men spørsmålet fortjener å stilles.

For alle talks og bloggposter som er ment som "AI er ikke godt nok enda", fremstår for meg som noe helt annet:

"Jeg evner ikke, og ønsker ikke, å bruke AI på en god måte."

AI er ikke perfekt — men det belønner de som investerer

Selv om jeg argumenterer hardt for en tilnærming til AI, mener jeg ikke at AI er perfekt. AI hallusinerer. AI gjør feil. AI krever tilsyn. Og det finnes reelle etiske spørsmål rundt energiforbruk, arbeidsvilkår og maktkonsentrasjon som fortjener seriøs debatt.

Men AI er et verktøy som belønner den som investerer. Det krever research, tid, prøving og feiling, og rikelig med egeninnsats for å mestre denne teknologien på en måte som gjør at du får brukt den til sitt fulle potensial. Akkurat som alt annet du har blitt god på.

Konfigurer det. Bygg workflows. Behandle det med samme nysgjerrighet og respekt som du behandler alt annet i stacken din.

Eller la være. De av oss som investerer tiden vår, vi klager ikke. Vi bygger.