Hva skal til før vi tør å gi agentene mer ansvar?

Om AI-agentene skriver god nok kode, er knapt et tema lenger. De fleste utviklere jeg kjenner, bruker dem hver dag og lar dem stå for det meste av koden.

Mer interessant er hvorfor noen får så mye mer ut av dem enn andre, og hvorfor raskere koding så sjelden viser seg i hva teamene leverer.

Mye av svaret ligger i hva vi tør å la agentene gjøre:

Som regel får de bare skrive, mens en utvikler leser gjennom hver linje, og en annen utvikler godkjenner at endringen går i produksjon.

Strøm i fabrikker, PC-er på kontorer

Da Tet lot 30 utviklere bruke Claude Code i seks uker, følte ni av ti seg mer produktive, og nesten halvparten opplevde høyere kvalitet, men produktlederne merket ingen endring.

Forfatterne mener selv at gevinsten kommer når AI forenkler eller erstatter måten arbeidet gjøres på, ikke når den legges oppå.

Tet testa Claude: Følte seg raskere, ingen målbar effekt

Tet Digital deler resultatene av sin KI-pilot: – Produktlederne så ikke den samme produktivitets- og kvalitetseffekten som utviklerne, skriver Stein Inge Morisbak og Marte Fritzøe.

Jeg tror de har rett, men det er ikke opplagt hva det betyr i praksis.

Jeg tror historien sier mer om hvor dette går enn neste modellslipp gjør, og to episoder ligner påfallende: da elektrisiteten kom for over hundre år siden, og da PC-en gjorde sitt inntog på 80-tallet.

• Fabrikkene som fikk strøm rundt 1900, satte stort sett bare en elmotor der dampmaskinen hadde stått, og lot den drive akslingen under taket og reimene ned til hver arbeidsstasjon. Produktiviteten rikket seg knapt på flere tiår. Veksten kom da eierne tenkte nytt: Med egen motor slapp hver stasjon å henge på akslingen, og hele fabrikken kunne bygges om etter hvordan arbeidet gikk. For mange var det et hell i uhell at de gamle bygningene var utslitt, for da måtte de bygge nytt uansett.

• På 80-tallet brukte bedriftene enorme summer på PC-er, mens papirrutinene levde videre ved siden av. Økonomen Robert Solow sa det slik: Man kunne se datamaskinen overalt, unntatt i produktivitetsstatistikken (kode24 siterte ham i februar). Fra midten av 90-tallet tok veksten seg derimot opp, og en studie av over 500 amerikanske selskaper viste at datamaskinene ga mest hos nettopp dem som hadde organisert arbeidet på nytt.

Arbeidsmåten og grunnmuren holder agentene igjen

Et utviklingsteam har ingen slitte bygninger som tvinger det til å bygge om, bare konkurrenter som gjør det først.

Det første hinderet er arbeidsmåten. Sprint-planlegging etter hva et menneske rekker på to uker, pull requests som venter på to godkjenninger og produksjonssettinger som venter på enda en, er laget for en tid da kode var dyrt å skrive.

Da det britiske finanstilsynet gikk gjennom over en million produksjonsendringer, fant de at over 90 prosent slapp gjennom godkjenningen før produksjon. Foretakene med færrest feil gjorde i stedet mindre, hyppigere og mer automatiserte endringer. Å tenke helt nytt betyr også å spørre om vi trenger standup, alle møtene og hver eneste godkjenning.

Det andre hinderet er grunnmuren. Vil vi slippe å kontrollere hver linje, må agenten forstå systemet den endrer, med kode og infrastruktur den kan lese, data og logger fra produksjon og beslutninger som er skrevet ned med begrunnelse.

Den må også kunne sjekke sitt eget arbeid, med tester som faktisk sier om noe virker og en sporbar vei til produksjon som er lett å rulle tilbake. Mangler dette, må agenten gjette, og et menneske må gå gjennom alt den gjør.

Hvem passer på vibbe­koden når utviklerne har fått sparken?

Jeg lot KI skrive koden til en app for å fylle ut skattemeldingen min. Det den fant på underveis viser at vi fortsatt trenger utviklere.

Mer ansvar gir bedre kontroll

Med arbeidsmåten og grunnmuren på plass kan agentene gjøre mer enn å skrive. De kan gjennomgå hverandres endringer, vurdere risikoen og følge med på produksjon etterpå.

Er reglene skrevet ned, kan de slippe det trygge videre, mens mennesker godkjenner det som er risikabelt og eier reglene. Den kontrollen er bedre enn en kollega som skumleser en diff på fredag ettermiddag.

Det er lett å tenke at dette passer for et oppstartsselskap, men ikke for et finansforetak under tilsyn. Jeg tror det er omvendt. Kontroller som kjøres hver gang og etterlater seg spor, har vært god praksis i mange år, men gjennomgangen og risikovurderingen har krevd et menneske.

Når agentene kan gjøre mye av den jobben også, har de med strengest krav mest å vinne.

Denne gangen har vi ikke førti år

Elektrisiteten brukte førti år på å vise seg i tallene, og datamaskinene et tiår.

Generativ AI er tatt i bruk raskere enn både PC-en og internett, og modellene vi har i dag, er mer enn gode nok til å begynne ombyggingen.

Hvor fort det går, avhenger av hvor lenge vi lar rutinene stå.

Så når neste forsøk ikke finner noen effekt, finnes det et bedre spørsmål enn om agentene holder mål:

Hva skal til før vi tør å gi dem mer ansvar?

– Å fortsette som før, er ikke mulig

– Hvis ikke du gjør det, så gjør en av konkurrentene det. Spis eller bli spist, skriver CEO Leif Arne Brandsæter i Norkart om dagens KI-koding.