Fleksibel automatisering vs. agentisk utvidelse i koding

Agentisk automatisering (mer kjent som «vibe-koding») har absolutt økt i popularitet, utover bare utviklerområdet, med Collins Dictionary kaller det årets ord Til og med Microsofts administrerende direktør bemerker at opptil 30 % av selskapets kode er AI-generert. Denne tilnærmingen til koding driver utvilsomt produktiviteten, men som med all transformativ teknologi er det viktig å forstå hvor og hvordan man bruker den mest effektivt for å maksimere fordelene.

Utviklere møter jevnlig utfordringer som omfangsutvidelse, avbrudd i kodeøkter og tidsfordeling, så søken etter effektivitetsgevinster gjennom AI er forståelig. Men utviklere må også vurdere «menneskelig i loopen»-filosofien som tilbys av fleksibel automatisering. I stedet for å bruke automatisering i hver eneste prosess, fokuserer den på kjedelige oppgaver, og sementerer utviklerne som beslutningstakere på hvert punkt i prosessen. Denne tilnærmingen støtter ferdighetsutvikling samtidig som den sikrer arkitekturkonsistens på tvers av prosjekter. 

Fremveksten av agentautomatisering

Vibe-koding finnes kanskje overalt, men det er fortsatt en relativt ny tilnærming, som først ble utviklet tidlig i 2025. Det er prosessen med å bruke generativ AI til å produsere programvarekode basert kun på samtaleoppgaver, vanligvis med lite eller ingen manuell inngripen.

Det har blitt hyllet mye for å senke inngangsbarrieren for ikke-ingeniører når de skal teste ideer og generere fungerende konsepter. For eksempel kan administrerende direktører og toppledere nå demonstrere sine ønskede endringer gjennom vibrasjonskodede prototyper, og dermed unngå lange samtaler med utviklere der de forklarer abstrakte ideer.

Men å gå utover dette idéstadiet krever forståelse av AIs nåværende muligheter. AI fungerer innenfor visse begrensninger når den håndterer store kontekstvinduer, noe som påvirker detaljnivået i kodegenerering for store profesjonelle prosjekter. Selv om utviklere kan instruere den ytterligere til å gjøre endringer hvis det oppdages feil, dupliserer AI-generert kode noen ganger funksjonalitet, noe som kan skape vedlikeholdshensyn. Dette blir spesielt relevant når man jobber med innebygde systemer som ofte er begrenset av maskinvarebegrensninger, og som bare krever den strengeste koden for å fungere effektivt.

Den utbredte bruken av AI i koding reiser også viktige spørsmål om ferdighetsutvikling. 42 % av utviklere bruker AI sier at minst halvparten av kodebasen deres er generert av kunstig intelligens i prosessene sine. Etter hvert som agentisk automatisering blir mer utbredt, er det verdt å vurdere hvordan juniorutviklere bygger grunnleggende ferdigheter. Det er et overgangsrite for dem å sette seg inn i de rutinemessige kodeoppgavene som skjerper ferdighetene deres og lar dem bygge kodeerfaring raskt. Å finne den rette balansen, der kunstig intelligens håndterer passende oppgaver samtidig som den bevarer muligheter for praktisk læring, vil være avgjørende for å pleie neste generasjon utviklere.

Utviklernes holdninger gjenspeiler også denne tilpasningsperioden. I 2024 hadde 70 % av utviklerne en positiv holdning til AI, men i år falt det til 60 %, hvor 46 % uttrykte bekymring for nøyaktigheten til AI-kode.Likevel er flertallet av utviklerne (70%) ikke ser på det som en trussel mot sin posisjon, og 59 % av seniorutviklere i en annen undersøkelse sa de at AI-verktøy hjelper dem med å levere kode raskere. Disse tallene tyder på at utviklere aktivt prøver å finne ut hvordan de kan integrere AI effektivt, i stedet for å avvise den blankt. Teknologien endrer seg raskt, og med den endrer også beste praksis for implementering seg raskt.

Så i stedet for denne «alt-eller-ingenting»-tilnærmingen, er det verdt å vurdere en annen filosofi som har en mer avmålt tilnærming til bruk av AI, og holder utviklerne i førersetet.

Hva er fleksibel automatisering?

Der agentisk automatisering integrerer AI i hele utviklingsprosessen, tar fleksibel automatisering et strategisk perspektiv. Den anbefaler målrettet integrering av AI i kodeprosessen, og foreslår å erstatte én administrasjonsoppgave om gangen. På denne måten beholder utvikleren alltid kontroll og oversikt over produktet uten overdreven forstyrrelse. Den målretter seg selektivt mot de mer repeterende administrasjonsoppgavene, for eksempel kodedokumentasjon, opprettelse av enhetstester og all repeterende koding.

Avgjørende er at den anerkjenner de nåværende mulighetene til AI innen koding – selv om den ikke kan skape en komplett programvarestabel ennå, kan den gi umiddelbare fordeler på noen spesifikke områder. Så i stedet for at utviklere blir frustrerte når de bruker AI på feil oppgaver, fokuseres bruken på områder der den utmerker seg. Over tid kan utviklere gjøre seg kjent med den og ta i bruk den i et saktere tempo, slik at verdien av den i å løse administrative oppgaver blir tydelig. Deretter kan utviklere gå tilbake til de mer komplekse, sentrale grunnene til at de gikk inn i bransjen i utgangspunktet, for eksempel å rett og slett skrive god, kompleks programvare og løse utfordrende problemer – alt mens de er trygge på at AI-en jobber sammen med dem.

Viktigere er det at det også gir rom for en rimelig mengde av disse rutineoppgavene slik at juniorutviklere kan lære av praktisk erfaring, slik at de kan bygge opp grunnleggende kunnskap med den dype læringen som kommer fra tradisjonell prøving og feiling. I stedet for å bli sett på som noe som kan begrense læringsmulighetene, er AI innebygd som et verktøy – et som utviklere fortsatt har full kontroll over.

Fordelene strekker seg utover individuelle utviklere til hele utviklingsteam. Ved å automatisere de repeterende elementene i kodingen, kan team opprettholde konsistens i dokumentasjons- og testpraksisen sin, samtidig som de frigjør seniorutviklere til å veilede yngre teammedlemmer og fokusere på arkitekturbeslutninger. Dette skaper en sunnere utviklingskultur der AI forsterker menneskelig ekspertise i stedet for å forsøke å erstatte den.

Balansering av automatiseringsprinsippene i koding

Det er verdt å gjenta at AI er den største endringen innen koding på flere tiår, og den har utvilsomt potensial til å forandre måten vi koder på til det bedre, men vi må finne den balansen riktig. Dette er en prosess som må gjennomføres strategisk etter hvert som både bransjen og utviklerne venner seg til denne nye måten å jobbe på, slik at vi bygger på et sterkt fundament samtidig som vi omfavner innovasjon. Nøkkelen er å finne det optimale punktet der automatisering forbedrer produktiviteten uten å gå på kompromiss med den dybden i forståelsen som gjør utviklere til gode.

Når det er sagt, betyr det ikke at vi må se på fleksibel automatisering og vibe-koding som konkurrerende filosofier, men som verktøy som passer for to helt forskjellige stadier i programvarens livssyklus. Fremover vil vibe-koding være avgjørende for innledende idéutvikling, så vel som ikke-teknisk kommunikasjon mellom utviklere og deres bredere organisasjoner. Og når vi deretter går inn i produksjonsprosessen, må fleksibel automatisering komme i forgrunnen, slik at AI forblir en hjelp, snarere enn en hindring. Så det er ikke bare den ene mot den andre – for å lykkes trenger vi begge deler.