– Når jeg vibbekoder, har jeg ikke peiling

Jeg kan be en KI visualisere en modell jeg skal presentere, og på sekunder få noe som nesten er akkurat det jeg ville ha.

Men når jeg skal finjustere resultatet, er det ofte slutt på moroa. Jeg ber KI-en flytte en tekst. Den flytter feil tekst. Jeg prøver igjen, og den fjerner et visuelt element. Jeg forklarer tydeligere hva jeg vil. Den fikser teksten, men flytter samtidig alle de andre tekstene.

Etter et par runder ber jeg KI-en dra til he... dit pepper'n gror. Jeg burde bare gjort det selv i Photoshop, Illustrator eller Canva (jada, selv en vaskeekte designer kan bruke Canva i disse dager).

Jeg er først og fremst konseptutvikler, markedsfører og designer, ikke utvikler. Kodeerfaringen min stopper sånn cirka ved å bytte ut URL-er i HTML-en til et nyhetsbrev for hauger av år siden. Selv etter snart tjue år tett på utviklere er det de som kan koden, ikke jeg.

Når KI gjør feil innenfor mitt eget fagområde, er det lettere for meg å oppdage det. Nettopp fordi jeg kan design. Jeg har erfaring og vet hvordan jeg ville løst problemet selv, eller i alle fall hvordan jeg ville gått fram for å finne en løsning. Derfor kan jeg vurdere om KI-en faktisk løste oppgaven min på en god måte.

Når jeg vibbekoder, derimot, har jeg ikke peiling. Jeg kan teste om innloggingen fungerer, men ikke vurdere om autentiseringen er implementert på en sikker måte. Jeg kan se at data blir lagret, men vet lite om databasestruktur, skalering eller hvordan personopplysninger håndteres.

Det ser jo greit ut. Det fungerer jo. Tror jeg.

Jeg ser ikke hva KI gjør feil

KI er selvsagt mest verdifull når den gjør ting jeg ikke kan selv. Problemet er bare at det også er da jeg har dårligst forutsetninger for å vite om den gjør feil.

Det betyr ikke at profesjonelle utviklere alltid leverer perfekt kode heller. Forskjellen er at en erfaren utvikler har langt bedre forutsetninger for å vurdere det KI-en produserer.

Hen kan oppdage dårlige arkitekturvalg, sikkerhetshull, teknisk gjeld, og har erfaring med hva som skjer når en løsning skal fungere for ti tusen brukere i stedet for ti. KI forsterker kompetansen man allerede har, uten nødvendigvis å erstatte den.

Vi ser også at KI endrer etterspørselen fra våre kunder. De kjøper langt mindre av det enkle utviklingsarbeidet: lette MVP-er, CRUD-applikasjoner, generisk frontend og manuelt QA-arbeid. Prisen på ren produksjonskapasitet presses ned.

Samtidig øker interessen for integrasjoner, sikkerhet, compliance, modernisering og opprydding i KI-generert kode.

Det er egentlig ganske logisk: Hvis det som tidligere tok ti mennesker nå kan gjøres av fem, blir det vanskelig å selge ti mennesker.

– «Human in the loop» kommer ikke til å være nok

– Hva i huleste? Jeg var jo personen inni denne loopen! skriver Henriette Kopstad, etter å ha opplevd hvordan KI-koding fort spinner ut av kontroll.

Erfaringen som KI krever

Vi ser også endringer i arbeidsmarkedet.

Svenske forskere ved Örebro universitet fant at sysselsettingen blant 22–25-åringer i KI-utsatte yrker, som programvareutvikling, falt med 5,5 prosent sammenlignet med mindre utsatte yrker etter at ChatGPT kom. For dem over 50 økte den med 1 prosent. Dette er nok bare begynnelsen.

I Norge finner BI og Frischsenteret et lignende mønster. De ser ingen generell KI-jobbkrise, men finner en nedgang blant unge arbeidstakere i de mest KI-eksponerte yrkene.

KI erstatter kanskje ikke juniorutviklere helt, men det reiser et interessant spørsmål: Hvis vi i stadig større grad bruker KI til å utføre oppgavene som tidligere ble gjort av mindre erfarne utviklere, hvordan skal de da opparbeide seg erfaringen som gjør dem i stand til å vurdere det KI produserer?

PwC peker på noe av det samme i Global AI Jobs Barometer 2026. I amerikanske data etterspør de mest KI-utsatte begynnerstillingene langt oftere ferdigheter vi gjerne forbinder med seniorer, som dømmekraft og ledelse. Forventningene til våre håpefulle juniorer er i ferd med å endre seg.

– Vibbemanns­-blod kan ein lukte milevis

Tor Gjøsæter fant "vidåpne" hull i en norsk, vibbekoda app med Claude, og viser deg hvordan.

Verdsetter, og stanser, erfaring

Vi verdsetter erfaring stadig høyere, samtidig som vi gjør det vanskeligere for folk å skaffe seg erfaringen vi etterspør.

Dette er vel kompetanseparadokset fra en annen kant. KI gjør det enklere å utføre oppgaver som tidligere krevde spesialisert kompetanse, samtidig som kompetansen som trengs for å vurdere resultatet, blir stadig mer verdifull.

Den store verdien er i ferd med å flytte seg fra å produsere kode til å vurdere den. “Fra hender til hode”, ville noen kanskje ha sagt.

Neste gang jeg lener meg tilbake med sjokolade, kaffe og et stort smil i ansiktet fordi KI-en sier at alt er gull og grønne skoger, bør jeg kanskje stille meg selv et spørsmål:

Vet jeg egentlig at det fungerer, eller mangler jeg bare kompetansen til å oppdage at det ikke gjør det?

– Vibbekodere blir ufrivillige CTO-er

Kjell-Vidar Åhman Teig ser stadig oftere hvordan vibbekoda løsninger blir brukt av store organisasjoner, og advarer mot konsekvensene. – Er du klar for å ta ansvaret for den?