Tankeledere
Vibe-koding, AI og den nye virkeligheten innen programvareutvikling

Viktige punkterAI utmerker seg i lokale koderoppgaver, men mangler den arkitektoniske dømmekraften for…
Vis mer
- AI utmerker seg i lokale koderoppgaver, men mangler den arkitektoniske dømmekraften for langsiktig systemstabilitet.
- Erfarne ingeniører som forstår lavnivåsystemer, får ny verdi som AI-trenere og -validatorer.
- Vibe-koding kan bli økonomisk uholdbart ettersom selskaper veier AI-infrastrukturkostnader opp mot menneskelige team.
For ti år siden hørtes ideen om at AI kunne skrive kode i stedet for programmerere mer ut som en spennende fantasi. I dag har det blitt en del av vår hverdagsrealitet. MVP-er bygges på noen dager, grensesnitt genereres fra tekstprompter, og AI-assistentene blir fullverdige medlemmer av utviklingsteam.
Mot denne bakgrunnen stiller stadig flere mennesker de samme spørsmålene: Er AI virkelig i ferd med å erstatte programmerere? Kan kunstig intelligens virkelig matche og erstatte en erfaren ingeniør? Og hva vil skje med profesjonen i nær fremtid?
Jeg er selv utvikler, og jeg har en mening om dette. La oss se nærmere på det.
Hva er kjerneproblemet?
Det finnes en dominerende fortelling om AI-programmering som går som følger:
AI blir ekstremt effektiv til å skrive kode og, viktigst, unngår allerede mange av de vanlige feilene mennesker gjør. Enda mer interessant er at AI kanskje er bedre på å håndtere såkalte edge-cases: sjeldne og uvanlige scenarioer som er vanlige i programvareutvikling og ofte vanskelige for utviklere å forutse på forhånd.
Når programmereren sier: «Jeg vil ha en knapp her», får de svaret: «Her er knappen, her er 18 edge-cases du bør vurdere, her er testene du må kjøre, og forresten kan det også være lurt å legge til dette og dette». Du kan se på det og tenke: «Ja… det gir faktisk mening». På egen hånd kan du ha innsett disse problemene uker senere – etter at noe allerede hadde gått galt i produksjon. AI foreslår ofte løsninger umiddelbart. For ingeniører som allerede har jobb, øker det betydelig produktiviteten og effektiviteten.
Og denne fortellingen leder direkte inn i et økonomisk spørsmål: hvis et selskap tidligere trengte 100 utviklere for å håndtere en bestemt arbeidsbyrde, kan det i teorien nå kanskje bare trenge 20 – fordi disse 20 kan oppnå samme arbeidsmengde med AI-hjelp.
Hva ligger bak denne akselerasjonen?
Jeg ser stadig oftere at svært dyktige programvareingeniører frykter for sine stillinger, plass i markedet og inntekt. Det føles som om det snart ikke vil være noe arbeid igjen for kodere.
Og mitt svar er vanligvis: folkens, det er sannsynligvis ikke så dramatisk som det ser ut. Faktisk er erfarne ingeniører i ferd med å få en ny type verdi nå. Fordi vi kanskje er en av de siste generasjonene av utviklere som faktisk skrev kode for hånd og dypt forstår hvordan systemer fungerer under panseret. Den neste generasjonen arbeider stadig mer gjennom AI-verktøy – og sammen med det, endrer selve ingeniørpraksisen seg.
Her er hva den tidligere fortellingen ikke tar med i betraktning:
AI-generert kode ser ofte helt fin ut. Oppgavene løses, grensesnittene fungerer, og alt kjører. Men over tid, på lang sikt, begynner mer subtile problemer å dukke opp: arkitektoniske kompromisser, svake ingeniørbeslutninger, problemer med datastrukturer eller skalerbarhetsproblemer. Og det skjer fordi AI allerede er svært god på å løse lokale oppgaver, mens den langsiktige logikken i store systemer fortsatt krever menneskelig erfaring og ingeniørfaglig dømmekraft.
Derfor, når disse prosjektene når krevende produksjonsmiljøer – banker, e-handelsplattformer, store tjenester – trenger teamene likevel fortsatt mennesker som kan analysere arkitekturen i dybden, identifisere rotårsaker og gjenopprette den totale systemlogikken.
Jeg får ofte samtaler fra venner som sier ting som: «Michael, kan du hoppe inn og hjelpe oss å forstå hvorfor systemet begynner å falle fra hverandre?» Selv om jeg i dag arbeider med Physical AI i Introspector, hjelper jeg likevel av og til med denne typen vanskelig manuelt ingeniørarbeid: gjenoppretting av systemlogikk, analyse av arkitektur og finne ut hvor problemene begynte å akkumulere.
Og det er nettopp derfor jeg tror dyktige ingeniører vil forbli svært verdifulle i lang tid. Samtidig er det ofte erfarne ingeniører som hjelper til å forbedre og trene AI-modeller i dag. Hos Keymakr opplevde vi dette på nært hold da vi lette etter erfarne utviklere for å validere kode og hjelpe med å trene modeller – mennesker som kan stole på ekte ingeniørtenkning, praktisk erfaring og en dyp forståelse av hvordan systemer oppfører seg i den virkelige verden.
De viktigste hypotesene
Og dette bringer oss til det største spørsmålet om fremtiden: hvor fører alt dette oss til slutt? Hvordan utdanner vi den neste generasjonen av ingeniører hvis de kommer inn i industrien gjennom en helt annen vei fra begynnelsen av?
Hvis vi ser på situasjonen objektivt, uten hype eller frykt, ser jeg noen mulige scenarier.
-
En uklar fremtid
Det første og sannsynligvis mest ærlige svaret er at svært få mennesker i dag tenker virkelig langt frem. Fordi ingen ennå fullt ut forstår hvordan denne fremtiden vil se ut i praksis.
Kanskje, om noen år, vil AI-agenter virkelig være i stand til å skrive nesten perfekt kode – med robust arkitektur, skalerbarhet og kontekstforståelse. I dag er dette spørsmålet fortsatt fullstendig åpent.
Samtidig fortsetter store teknologiselskaper som Apple (AAPL ), Microsoft (MSFT ) og Google aktivt å ansette fremragende forskere og spesialister med doktorgrad og mennesker fra akademiske miljøer. Det antyder sannsynligvis at de tror dyp ingeniørfaglig forståelse vil forbli viktig selv i en verden hvor mesteparten av koden genereres automatisk.
Mindre selskaper, derimot, opererer ofte med en helt annen planhorisont. Når du ikke vet om oppstartsselskapet ditt vil eksistere om seks måneder, blir det vanskelig å seriøst tenke på hva som kan skje om ti år. Selvfølgelig ønsker ingen bevisst å bygge noe fundamentalt feil. Teamene prøver å identifisere potensielle risikoer og svakheter.
Men i praksis er logikken ofte mye enklere: først, bygg et produkt som fungerer og genererer inntekt – så håndter arkitektur, optimalisering og omskrivning av systemet senere. Problemet er at, i mange prosjekter, «senere» blir utsatt på ubestemt tid.
-
Utvikling i spiraler
Det andre svaret, etter min mening, er enda mer interessant. Hvis du ser på bransjens historie, har den allerede gått gjennom lignende overganger mange ganger før. De første programmererne arbeidet med hullkort. Så kom generasjonen av ingeniører som skrev i Assembly – noe som allerede er vanskelig for mange moderne utviklere å forestille seg. Da måtte du bokstavelig talt forstå hvordan maskinvaren fungerte, tenke i termer av prosessorlogikk og holde en enorm mengde lavnivåkompleksitet i hodet.
Så kom COBOL-æraen. Hele stormaskinsystemer for banker ble bygget på det, og det mest overraskende er at en betydelig del av den globale bankinfrastrukturen fortsatt kjører på disse gamle systemene i dag. Det finnes fortsatt programmerere i 60- og 70-årsalderen som vedlikeholder denne kodebasen, og de forblir ekstremt verdifulle spesialister.
Den neste generasjonen gikk over til C++, Python og JavaScript. Jeg selv tilhører denne æraen. For eksempel forstår jeg knapt hvordan COBOL fungerer. I teorien kunne jeg lære det – men for meg føles det allerede som noe fjernt og fremmed.
Og når du ser på dette historisk, dukker et interessant mønster opp: hver ny generasjon av ingeniører trenger ikke lenger å forstå i dybden hvordan den forrige generasjonens teknologi fungerte. Over tid blir kunnskapen innbygget i infrastrukturen selv.
Hullkort forsvant for lenge siden – deres logikk er nå bygget inn i prosessorer. Assembly forsvant stort sett som et mainstream-verktøy fordi kompleksiteten ble skjult inne i operativsystemer, drivere og lavere abstraksjoner. Selv hodetelefonene dine i dag inneholder sannsynligvis et lite operativsystem som kjører all denne skjulte kompleksiteten i bakgrunnen – de fleste mennesker tenker bare aldri på det.
Selvfølgelig finnes det fortsatt spesialister som forstår all denne lavnivå-magien. Men for mesteparten av industrien har det allerede blitt et abstraksjonslag.
Og det leder til en svært logisk idé: kanskje AI bare er det neste stadiet i denne evolusjonen. Kanskje den neste generasjonen virkelig ikke trenger å forstå klassisk programmering like dypt som vi gjorde.
-
Markedets økonomi
En annen hypotese jeg har er at vibe-koding – eller AI-assistert utvikling – til slutt vil slutte å bli oppfattet som «gratis akselerasjon». I virkeligheten er det allerede ikke helt gratis; det er bare at ikke alle nøye regner ut den sanne økonomien bak det.
Modeller, token, infrastruktur, konstante forespørsler, vedlikehold av hele AI-pipelinen – alt dette blir gradvis en betydelig operasjonell utgift. Derfor tror jeg at selskaper snart kommer til å se mye nærmere på den virkelige kostnaden av AI-assistert utvikling og stille et svært pragmatisk spørsmål: hva er faktisk mer effektivt – å utvide et ingeniørteam eller å vedlikeholde hele AI-infrastrukturen rundt utvikling?
Et svært realistisk scenario er at dyktige utviklingsteam til slutt kan vise seg å være mer økonomisk bærekraftige, spesielt når det gjelder å vedlikeholde, utvikle og støtte produkter over lang tid.
Men jeg tror dette faktisk er der en ny type ingeniørteam kan oppstå: svært små grupper av svært erfarne spesialister som fokuserer på å vedlikeholde stabiliteten og motstandsdyktigheten i infrastrukturen selv. Over tid kan dette bli en av de mest verdifulle ingeniørspesialiseringene i industrien.
-
Mennesker som vil arbeide sammen med AI
Og den siste antagelsen – selv om en svært realistisk en – er at den neste generasjonen av ingeniører sannsynligvis må bygge karrierene sine i et helt annet miljø. Og dette går langt utover programmering alene. Lignende endringer begynner allerede å omforme jus, finans, medisin og nesten alle felt hvor AI kan overta en betydelig del av intellektuelt rutinearbeid.
Til tross for all dette, ser jeg likevel på hva som skjer ganske positivt. Kanskje fordi jeg generelt liker fremgang. Jeg liker tanken på at teknologi kan forbedre menneskers liv, frigjøre mennesker fra enorme mengder repetitivt arbeid og gjøre mange prosesser sikrere og mer effektive.
For eksempel demonstrerer autonome kjøresystemer som Teslas eller Waymos allerede en bemerkelsesverdig høy grad av sikkerhet i mange scenarioer sammenlignet med menneskelige sjåfører. Og det er faktisk imponerende.
Samtidig vil verden barna våre går inn i, bli mye mer komplisert når det gjelder profesjonell identitet. De må søke etter sin plass og sitt formål i et raskt foranderlig landskap.
Hvis et barn i dag ønsker å bli advokat, finansanalytiker eller programmerer, er det stor sannsynlighet for at disse profesjonene vil se helt annerledes ut i fremtiden. Kanskje blir disse til spesialister som arbeider tett sammen med juridisk AI, finansiell AI eller kode-AI – mennesker som opererer AI-systemer, validerer utdata, gir kontekst og tar de viktige beslutningene.
Jeg tror det er viktig å erkjenne at nesten alle disse scenariene allerede føles realistiske i dag. Og uansett om vi liker det eller ikke, alt som skjer nå, er en del av en mye større bølge av teknologisk fremgang. Det er svært usannsynlig at denne prosessen kan stoppes. Det betyr at vi må lære å leve i denne nye verdenen – gradvis lære å finne en balanse med den, kommunisere med den og kanskje til og med utvikle en ny form for sameksistens.












