AI i utvikling: hva er egentlig realistisk, og hvor langt kan det gå?

Introduksjon 

I løpet av det siste året har vi blitt bombardert med AI-verktøy som lover å revolusjonere programvareutvikling. Cursor AI, Bolt.new, GitHub Copilot, Devin, Replit Agent, alle lover høyere tempo, lavere kostnad og mindre friksjon. Men hvor mye er reell verdi, og hvor mye er illusjon?

Etter å ha testet noen av verktøyene i praksis, både i tekniske revisjoner og utviklingsprosjekter, har jeg landet på et tydelig bilde av hva AI faktisk kan gjøre, og hva det ikke kan.

“Vibe coding”, nyttig som gnist, ikke som grunnmur

Det som ofte omtales som vibe coding, altså å beskrive en idé og la AI sette sammen et fungerende system eller app, fungerer kun som et verktøy for inspirasjon og demonstrasjon. Det kan være utrolig effektivt for å lage proofs of concept eller mockups som hjelper beslutningstakere å “se” en idé.

Men, så snart du forsøker å gå fra demo til faktisk produkt, kommer realitetene. AI-verktøyene mangler domeneforståelse, de vet ikke hva som er viktig på lang sikt, og de har ingen bevissthet om ikke-funksjonelle krav som sikkerhet, tilgjengelighet, arkivering, logging eller databehandling. Derfor, kort sagt:

Vibe-koding er glimrende for demoer, men ubrukelig som grunnmur.

Der AI faktisk gjør en forskjell

AI har to klare styrker i dagens utviklingslandskap:

1. Salg, idé og konseptualisering. Når du skal vise frem en idé, teste markedets reaksjon, eller skape felles forståelse i et møte, da er AI gull verdt. Verktøy som Bolt.new eller v0.dev kan gi deg en fungerende prototype på minutter. Dette senker terskelen for å kommunisere teknologi til beslutningstakere, spesielt i offentlige og kommersielle miljøer der visuelle demoer er et sterkt virkemiddel.

2. For forvaltning og modernisering av eksisterende systemer, så skinner verktøy som Cursor AI, Copilot og Continue siden AI kan hjelpe med:

• Refaktorering
• Dokumentasjon
• Generering av tester
• Oppdatering av avhengigheter
• Rydding og modernisering

Dette siden det er etablert domenespråk, kjente arkitekturprinsipper og mønstre, dokumenterte kontrakter og datamodeller. I slike sammenhenger kan man realistisk spare 20–40 % av utviklingstiden i repetitive eller rutinepregede oppgaver.

Realistiske kostnader, og hvorfor AI ikke kutter dem slik mange tror

La oss være ærlige, å bruke AI i utviklingsprosjekter reduserer ikke timekostnadene nevneverdig, i hvert fall ikke i de neste årene. Grunnene er enkle:

1. AI genererer mer kode, ikke mindre arbeid. Koden må fremdeles vurderes, testes, forstås og integreres.

2. Kvalitetssikring og ansvar ligger fortsatt hos mennesker. Ingen kunde, spesielt ikke en offentlig aktør, kan levere på AI-generert kode uten menneskelig revisjon og dokumentasjon.

3. De erfarne utviklerne trengs for alt det AI ikke forstår:

• Arkitekturvalg og systemdesign
• Datamodellering
• Integrasjonsstrategier
• Sikkerhet og compliance
• Feilhåndtering og observability
• Ytelse, skalerbarhet og drift

I praksis ser man at:

• Juniorutviklere kan øke produktiviteten med 20–30 % ved bruk av AI.
• Erfarne utviklere kanskje 10–15 %, fordi de allerede jobber effektivt og må bruke mer tid på kontroll.

Teamkostnaden endres lite, fordi seniorressurser fortsatt må stå for kvalitet, godkjenning og forankring mot virksomhetens kriterier.

Erfarne utviklere er fremdeles selve kjernen

Det kan høres paradoksalt ut, men jo mer AI koder, desto viktigere blir menneskelig arkitekturforståelse.

• AI kan skrive syntaks, men ikke intensjon.
• Den kan bygge moduler, men ikke mening.
• Den kan skape struktur, men ikke koherens.

Derfor vil dyktige utviklere, arkitekter og tekniske designere være helt nødvendige i lang tid fremover.

Deres rolle endres kanskje, fra å skrive hver linje selv, til å dirigere og kvalitetssikre AI. Men ansvaret og forståelsen ligger ffortsatt hos utvikleren.

Hva AI betyr i praksis de neste årene

Fase	Ai verktøy	Verdi i praksis
Idé / Salg / Demo	Bolt, v0.dev	Rask visualisering av idé, proof of concept
Design / Arkitektur	Menneskelig kompetanse	Domeneforståelse, krav, struktur, kvalitet
Implementasjon	ChatGPT, Copilot	Støtte, forslag, testgenerering
Forvaltning / Vedlikehold	Cursor, Copilot, Continue	Refaktorering, dokumentasjon, mønsterforbedring

Kort fortalt, så lenge vi har mennesker som definerer politikk, kultur og systemer vi trenger, så endrer ikke AI hva vi må gjøre, men hvordan vi kan jobbe. Resultatet er at AI blir et forsterkningsverktøy, ikke en erstatning. Den hjelper deg å jobbe raskere der du allerede vet hva du skal gjøre, men den kan ikke fortelle deg hva du skal bygge, hvorfor, eller hvordan det skal henge sammen.

Konklusjon

AI i utvikling er ikke et paradigmeskifte i praksis, det er et effektivitetslag. Det hjelper oss å kommunisere idéer raskere og forvalte kode bedre, men det endrer ikke behovet for erfarne utviklere, ansvarlig arkitektur eller domeneforståelse. Slik vil det sannsynligvis være i 5-10 år fremover og så lenge byråkratiene og styresetter forblir styrt av byråkrater og mennesker, og ikke blir erstattet fullstendig av systemer.

I praksis vil AI:

• Gjøre demoer billigere, men ikke systemer tryggere.
• Gjøre vedlikehold raskere, men ikke strategi enklere.
• Ikke erstatte menneskelig skjønn.