Vibe-koding, AI og den nye virkeligheten innen ingeniørvitenskap

For ti år siden lå det ideen om at AI kunne skrive kode istedenfor programmere 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 deltakere i ingeniørvitenskapelige team.

Mot denne bakgrunnen stiller stadig flere mennesker de samme spørsmålene: Er AI virkelig i ferd med å erstatte programmere? 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 bryte det ned.

Hva er kjerneproblemet?

Det finnes en dominant fortelling om AI-programmering som går som følger:

AI blir ekstremt effektivt i 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 for øvrig, du kan også ønske å legge til dette og dette». Du kan se på det og tenke: «Ja… det gjør 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 en økonomisk spørsmål: hvis et selskap tidligere trengte 100 utviklere for å håndtere en bestemt arbeidsbyrde, kan det nå kanskje bare trenger 20 – fordi disse 20 kan oppnå samme arbeidsmengde med AI-hjelp.

Hva ligger bak denne akselerasjonen?

Jeg ser stadig oftere at svært sterke programvareingeniører frykter for sine stillinger, plass i markedet og inntekt. Det føles som om det snart ikke vil være noen arbeid igjen for kodere.

Og mitt svar er vanligvis: gutter, det er kanskje ikke så dramatisk som det ser ut. Faktisk er erfarnede 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 ingeniørvitenskapen seg selv.

Her er hva den tidligere fortellingen ikke tar med i betraktning:

AI-generert kode ser ofte perfekt ut. Oppgavene løses, grensesnittene fungerer, og alt kjører. Men over tid, på lang avstand, 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 langtidslogikken i store systemer fortsatt krever menneskelig erfaring og ingeniørdom.

Derfor, når disse prosjektene når alvorlige produksjonsmiljøer – banker, e-handelsplattformer, store tjenester – trenger teamene likevel fortsatt mennesker som kan dypt analysere arkitektur, 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 type vanskelige manuelle ingeniørarbeid: gjenoppretting av systemlogikk, analyse av arkitektur og finne ut hvor problemene begynte å akkumulere.

Og det er nettopp derfor jeg tror sterke ingeniører vil forbli svært verdifulle i lang tid. Samtidig er det ofte erfarnede ingeniører som hjelper til å forbedre og trene AI-modeller i dag. Hos Keymakr så vi dette førstehånds når vi lette etter erfarnede utviklere for å validere kode og hjelpe med å trene modeller – mennesker som kan stole på ekte ingeniørtænkning, praktisk erfaring og en dypt 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 vokser vi opp 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 kanskje 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 sterk arkitektur, skalerbarhet og kontekstforståelse. I dag er dette spørsmålet fortsatt fullstendig åpent.

Samtidig fortsetter store teknologiselskaper som Apple, Microsoft og Google å aktivt ansette sterke forskere, PhD-spesialister og mennesker fra akademiske miljøer. Det antyder kanskje at de tror dypt ingeniørforståelse 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 ditt startup 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.

• Evolution i spiraler

Det andre svaret, i min mening, er enda mer interessant. Hvis du ser på industrins 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 et enormt mengde lavnivåkompleksitet i hodet.

Så kom COBOL-æraen. Hele bankhovedkontorer 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 programmere 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 en interessant mønster opp: hver ny generasjon av ingeniører trenger ikke lenger å forstå 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-pipeline – all 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?

En svært realistisk scenario er at sterke ingeniørteam kan til slutt vise seg å være mer økonomisk bærekraftig, 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 erfarnede spesialister som fokuserer på å vedlikeholde stabiliteten og motstanden i infrastrukturen selv. Over tid kan dette bli en av de mest verdifulle ingeniørspecialiseringene 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 en helt annen miljø. Og dette går langt utover programmering alene. Lignende endringer begynner allerede å forme om seg law, finance, 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 overhodet liker fremgang. Jeg liker tanken på at teknologi kan forbedre menneskers liv, frigjøre mennesker fra enorme mengder repetitive 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 formål i et raskt foranderlig landskap.

Hvis et barn i dag ønsker å bli advokat, finansanalytiker eller programmerer, er det en stor sjanse til 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 verden – gradvis lære å balansere den, kommunisere med den og kanskje til og med utvikle en ny form for sameksistens ved siden av den.