– Vi ser så mange KI-startups nå

Hva jobber du med? 

Jeg leverte nettopp bacheloren min i informatikk ved NTNU, og står mellom å satse fullt på startup eller gå videre på master med AI-spesialisering. Et luksusproblem jeg ikke har løst ennå. Helt siden første semester har jeg vært med i Cogito NTNU, Norges største tekniske AI-studentorganisasjon, og det er der mye av læringen min faktisk har skjedd. 

Gjennom prosjektene og menneskene der.Ved siden av skole har jeg jobbet som Design System Engineer for OpenBridge, der jeg gjør om Figma-design til kode. Jeg og Thomas Nordby Sørensen utvikler også et AI-verktøy som gjør det enklere å bygge OpenBridge-grensesnitt. Det har blitt til startupet vårt, Bridgable.

Hvor mye KI bruker du i jobben din? 

Mer og mer, ettersom verktøyene blir bedre. For OpenBridge har det kommet en Figma MCP som gjør det mye enklere å få et godt utgangspunkt for komponentene jeg lager. Komponentene må være piksel-perfekte i forhold til Figma-designet, så det er fortsatt en del manuelt arbeid, men utgangspunktet er mye bedre enn for et år siden. 

Samtidig er AI ikke god nok til å ta over helt, og spesielt på styling sliter den fortsatt.Jeg bruker mye Claude Code også, både til code review av egen kode, debugging og mer repetitive utviklingsoppgaver. Generelt prøver jeg å gi fra meg så mange oppgaver som mulig til AI for å slippe manuelt arbeid. Jeg kan heller ta meg av planleggingen og arkitekturvalgene.

Hva synes du er mest krevende ved å være utvikler? 

AI har senket terskelen for hva jeg trodde var mulig å gjennomføre, og det er åpenbart en god ting. Samtidig merker jeg at det er enkelt å lene seg for mye på det, og det gjør at jeg lærer mindre enn jeg burde.

Å vite når jeg skal gjøre ting selv eller la AI gjøre jobben, er overraskende vanskelig.

Hva er det neste du har lyst til å lære deg eller bli bedre på? 

Jeg er med i Cogito NTNU fordi vi kan gjøre hva vi vil. Medlemmer foreslår prosjekter de selv har lyst til å være med på, og så søker man seg på det som virker mest spennende. Jeg har spesielt interessert meg for reinforcement learning, så de siste årene har jeg vært med på å implementere alt fra AlphaZero og MuZero, til evolusjonære algoritmer som NEAT og DQN-varianter som Rainbow DQN.

Til høsten har jeg veldig lyst til å være med på et prosjekt der vi skal dyrke levende hjerneceller fra stamceller og koble dem til en mikrochip. 

Ved å gi dem elektriske impulser som rewards, vil cellene tilpasse seg og lære oppgaven, akkurat som i reinforcement learning. Det hadde vært kult å ikke bare lære kunstig intelligens å spille spill, men ren intelligens.

Hva ser du på som bransjens største utfordring akkurat nå? 

Vi står midt i et paradigmeskifte i hvordan kode faktisk produseres, og bransjen har ikke helt funnet ut hvordan man skal forholde seg til det ennå. En person kan i dag levere det som før krevde et helt team. 

Det er derfor vi ser så mange AI-startups nå. Terskelen for å bygge er dramatisk lavere, men det betyr også at etablerte selskaper må tilpasse seg et tempo de ikke er bygget for. Det er også mye usikkerhet rundt junior-rollen. For å vurdere AI-generert kode må du ha erfaring til å se hva som er riktig og galt. Den erfaringen bygger man tradisjonelt opp ved å skrive mye kode selv, gjøre feil og lese andres kode - altså nettopp det AI gjør for oss nå. Hvordan skal en nyutdannet utvikler skaffe seg den erfaringen når de enkle oppgavene er automatisert bort?

Hva er ditt beste tips til andre utviklere?  

Det som fikk meg inn i AI var en forelesning fra Harvard CS50 tidlig i 2023, da ChatGPT nylig hadde blitt en greie. Foreleseren sa noe som har sittet i meg siden - dette verktøyet er som en hammer, gå rundt og slå på ting og finn ut hva det kan gjøre. Det er fortsatt det beste tipset jeg kan gi de som ikke har kommet i gang.For de som allerede bruker kodeagenter som Claude Code: det er verdt å lære seg å bruke dem skikkelig. Forskjellen på god og dårlig praksis er enorm.

Mye handler om konteksten agenten jobber i. Claude.md er et godt utgangspunkt, men i realiteten glemmer agenten ofte det som ligger der når filen blir lang. Det hjelper å lage egne markdown-filer for spesifikke domener og henvise aktivt til dem når du trenger dem.

Skills gjør det samme automatisk, ved at de aktiveres når agenten selv vurderer at de er relevante. Verdt å sette seg inn i.Men én advarsel: er du ute etter å lære, er det å overlate alt til en kodeagent en dårlig idé. Man kan bruke masse timer på å få til noe uten å egentlig ha lært noe særlig. Det er et give-take-forhold.

Bruk verktøyene for det de er verdt, men vær bevisst på når du lærer og når du bare lar agenten gjøre jobben.