Artikel skrevet i samarbejde med Per Eeg Consulting og først udgivet på Ingeniøren – DigiTech.
Mange taler om AI’s potentiale i it-udvikling. I de offentlige organisationer i Danmark har det hidtil mest været eksperimenter, men i hvert fald én styrelse er AI ikke længere et eksperiment.
Teknologien bruges til at refaktorere legacy, skrive ny funktionalitet, generere tests, analysere fejl og foreslå rettelser i korte, gentagne loops.
Det går hurtigere, men gør også menneskets rolle vigtigere. Når kode bliver billig at producere, bliver det dyrere at tage fejl. Derfor bliver beslutningskvalitet – hvad der skal bygges, hvordan det designes, og hvilke risici der accepteres – afgørende.
Billig kode, dyre fejl
Teksten her bygger på interview med lederen i en styrelse om arbejdet med AI – og at vi selv har selv været konsulenter for en række andre organisationer. Da styrelsen ser sig selv som first mover, har de bedt om at være anonyme.
I arbejdet med at introducere AI i it-udviklingen i den pågældende styrelse er erfaringen, at generativ AI reducerer marginalomkostningen ved at producere kode, tests og dokumentation.
Det ændrer ikke softwareudviklingens grundvilkår – systemer skal stadig designes, forstås og driftes – men det ændrer økonomien.
Som it-chefen i styrelsen siger: »Prisen for en linje kode går mod nul.«
Organisationer kan derfor producere funktionalitet langt hurtigere. Men de kan også hurtigere producere noget, der ikke løser behovet eller skaber ny kompleksitet. Værdien flytter sig derfor fra produktion til beslutningskvalitet.
Fra udvikling til orkestrering
Gevinsten kommer ikke af at lade AI gøre det samme som før – bare hurtigere. Det giver primært mere gennemsnitskode.
I stedet er fokus flyttet fra at skrive kode til at orkestrere produktionen. Det betyder i praksis at:
- definere arkitektur før udvikling
- opstille klare standarder og tekniske rammer
- designe workflows og tydelige kontrolpunkter
- sikre at både AI og mennesker arbejder inden for ‘dydens smal sti’
Erfaringen er, at udviklere og produktteams, der bruger AI systematisk, bruger mere tid på gennemarbejdede krav og lader AI producere koden derefter.
Det ændrer rollen for human-in-the-loop. Mennesket skal ikke længere kontrollere hver linje, men designe systemet, etablere kontrolpunkterne og bære ansvaret. Med DevOps-pipelines, automatiserede tests og AI-drevet analyse bliver kontrollen mere effektiv og skalerbar.
Med it-chefens ord: »Alt, hvad vi laver, har et menneske ansvar for – hver ændring skal kunne stå på en faglig vurdering. Vi skal kunne svare på de grimme spørgsmål, før de rammer direktion, revision eller tilsyn.«
Feedback som produktionsprincip
Det mest effektive greb i casen med den offentlige styrelse er ikke AI i sig selv, men måden den er sat i drift på.
Udviklingsarbejdet er organiseret som et stramt feedback-loop: Tests finder fejl, AI analyserer og foreslår en rettelse, og en udvikler eller arkitekt vurderer forslaget. Rettelsen implementeres, og næste test afgør, om opgaven er løst eller sendes tilbage i loopet.
Det kræver en stærk DevOps-opsætning, så ændringer hurtigt kan valideres og føres gennem miljøerne til produktion.
Det gør tre ting ved udviklingen:
- Fejl bliver billigere at håndtere, fordi analyse og forslag kommer hurtigt.
- Iterationshastigheden stiger, fordi der altid er ‘næste skridt’ klar.
- Kvalitet bliver en løbende praksis – ikke en fase til sidst.
Risikoen: automatiseret middelmådighed
Når AI lægges oven på en uklar proces, accelererer man ikke kun output, men også fejl, teknisk gæld og usikkerhed. Som it-chefen siger: »Hvis man bare skalerer tempo, risikerer man at få virkelig meget gennemsnitlig kode.«
Tre fejl går ofte igen:
- AI bruges uden klare arkitekturrammer.
- Ansvar og beslutningsrettigheder er uklare.
- Governance (sikkerhed, jura, risikostyring) kommer som en eftertanke.
AI skal sættes ind i en ramme, der passer til organisationens branche og risikoprofil. Standarder som ISO 29148 kan være en nyttig støtte til at skalere sikkert.
Governance er derfor ikke en bremse, men en forudsætning for at kunne skalere. I styrelsen bruges der bevidst ressourcer på sikkerhed, jura og risikostyring for at kunne rulle AI-baserede arbejdsgange bredt ud uden at miste kontrol.
Bliver udviklere overflødige?
AI koder hurtigere end mennesker, men fire forhold peger på, at udviklere ikke bliver overflødige:
- Efterspørgslen stiger, når prisen falder, og staten har store legacy-opgaver, der stadig skal løses. Tænk bare på Politiet og Skat.
- Kompleksiteten forsvinder ikke – den flytter sig.
- Flaskehalsen flytter sig fra produktion til beslutninger og styring.
- Flere virksomheder bliver mere softwareafhængige.
Også brancher uden klassisk it-profil bliver mere softwareafhængige. For eksempel må brand- og reklamebureauer i stigende grad forstå, hvordan AI læser, fortolker og repræsenterer brands på tværs af digitale kilder. Det skaber ny efterspørgsel efter tekniske kompetencer.
Svaret er derfor nej. Efterspørgslen på udviklere falder ikke; den stiger. Men arbejdet ændrer sig markant. Fremtidens udviklere skal kunne fungere i et tæt samspil med forretningen, forstå såvel slutprodukt som arkitektur, sætte koden ind i en større kontekst og tage det overordnede ansvar.
Nye roller – og nye krav
Tekniske profiler skal i stigende grad kunne:
- Forstå forretningens behov og domænet
- Designe systemer, ikke kun kode dem
- Arbejde med sikkerhed, jura og compliance som en del af udviklingen
- Styre AI-baserede workflows med prompts, tests, evaluering og kontrolpunkter
Det er ikke færre it-udviklere, der er brug for. Det er andre it-udviklere.
Den strategiske pointe
Når både krav og kode bliver AI-læsbare, kan organisationer begynde at automatisere koblingen mellem behov og løsning. AI kan analysere, hvor nye krav rammer eksisterende systemer, og pege på relevante ændringer, før de bliver dyre at opdage sent.
Når prisen på kode går mod nul, bliver udviklere ikke overflødige. Deres rolle ændrer sig, og beslutninger, ansvar og styring bliver afgørende.
Organisationer, der forstår det, kan levere hurtigere og bedre. De øvrige vil producere mere – og skabe mere rod undervejs.
Hvis vi vil høste gevinsterne ved AI i it-udvikling, kræver det mere end nye værktøjer. Det kræver nye vaner, nye kompetencer og nye styringsgreb.
Call for action
Uddannelsesinstitutioner bør gøre AI-integreret udvikling til standard og flytte fokus fra kodeproduktion til systemdesign, test, sikkerhed og governance.
Udviklere bør måle deres værdi i beslutningskvalitet, ikke i kode-output. Det kræver systemtænkning, arkitekturforståelse, domæneindsigt og evnen til at styre AI gennem rammer, tests og evaluering.
Organisationer, der har ansvar for it-udvikling, bør redesigne udviklingsmodellen, så kvalitet, ansvar, styring og feedback-loops ligger tidligt og er en integreret del af arbejdet fra start.
Skriv et svar