Fleksibel automatisering mot agensbasert utvidelse i kodeutvikling

Agensbasert automatisering (mer vanlig kjent som ‘vibe-koding’) har uten tvil vært på fremmarsj i popularitet, ikke bare i utviklermiljøet, men også utenfor, med Collins Dictionary som kaller det årets ord og selv Microsofts CEO som påpeker at opptil 30% av selskapets kode er skrevet av AI. Denne tilnærmingen til kodeutvikling driver uten tvil produktiviteten, men som med alle transformative teknologier, er det viktig å forstå hvor og hvordan man skal bruke den mest effektivt for å maksimere dens fordeler.

Utviklere møter ofte utfordringer som omfangskryp, avbrytende kodeøkter og begrensede tidsrammer, så søket etter effisiensgevinster gjennom AI er forståelig. Men utviklere må også vurdere ‘mennesket i løkken’-filosofien som tilbys av fleksibel automatisering. I stedet for å bruke automatisering i hver enkelt prosess, fokuserer den på kjedelige oppgaver, og sikrer at utviklerne alltid har kontroll og oversikt over produktet uten unødvendig forstyrrelse. Denne tilnærmingen støtter ferdighetsutvikling samtidig som den sikrer arkitektonisk konsistens over prosjekter. 

Oppsvinget i agensbasert automatisering

Vibe-koding kan være overalt, men det er fortsatt en relativt ny tilnærming, som bare har blitt myntet tidlig i 2025. Det er prosessen med å bruke generativ AI til å produsere programvarekode basert bare på konversasjonsprompter, vanligvis med liten eller ingen manuell inngripen.

Det har blitt bredt rost for å senke terskelen for ikke-ingeniører til å teste ideer og generere arbeidsføre konsepter. For eksempel kan CEO-er og C-nivå-ledere nå demonstrere ønskede endringer gjennom vibe-kodede prototyper, og unngå lange samtaler med utviklere hvor de forklarer abstrakte ideer.

Men å gå utenfor denne idéfasen krever en forståelse av AI-s nåværende evner. AI fungerer innenfor visse begrensninger når det håndterer store kontekstvinduer, som påvirker detaljnivået i kodegenerering for store profesjonelle prosjekter. Mens utviklere kan instruere det videre til å gjøre endringer hvis feil oppdages, kan AI-generert kode noen ganger duplisere funksjonalitet, som kan skape vedlikeholdsproblemer. Dette blir spesielt relevant når man arbeider med innebygde systemer som ofte er begrensede av hårdvarbegrensninger, og som krever bare den tetteste koden for å fungere effektivt.

Den bredt anvendte bruken av AI i kodeutvikling reiser også viktige spørsmål om ferdighetsutvikling. 42% av utviklere som bruker AI i sine prosesser sier at minst halvparten av deres kodebase er AI-generert. Etterhvert som agensbasert automatisering blir mer utbredt, er det verdt å vurdere hvordan juniorutviklere bygger grunnleggende ferdigheter. Det er en innvielsesrite for dem å kutte tennene på de rutinemessige kodeoppgavene som skjerper deres ferdigheter og lar dem bygge kode-erfaring raskt. Å finne riktig balanse, hvor AI håndterer passende oppgaver samtidig som det bevares muligheter for hånd-on-læring, vil være avgjørende for å nære den neste generasjonen av utviklere.

Utviklernes holdning reflekterer også denne tilpasningsperioden. I 2024 hadde 70% av utviklerne en positiv holdning til AI, men dette året sank det til 60%, med 46% som uttrykte bekymring over nøyaktigheten av AI-kode. Likevel ser majoriteten av utviklerne (70%) det ikke som en trussel mot deres stilling, og 59% av seniorutviklere i en annen undersøkelse sa at AI-verktøy hjelper dem å levere kode raskere. Disse tallene antyder at utviklerne aktivt prøver å integrere AI effektivt, i stedet for å avvise det fullstendig. Teknologien endrer seg raskt, og med den, endrer også beste praksis for implementering.

Så i stedet for denne ‘enten-eller’-tilnærmingen, er det verdt å vurdere en annen filosofi som tar en mer måteholden tilnærming til AI-bruken, og holder utviklerne i førersetet.

Hva er fleksibel automatisering?

Der agensbasert automatisering integrerer AI over hele utviklingsprosessen, tar fleksibel automatisering en strategisk tilnærming. Den råder til målrettet integrering av AI i kodeprosessen, og foreslår erstattning av en administrativ oppgave av gangen. På denne måten beholder utvikleren alltid kontroll og oversikt over produktet uten unødvendig forstyrrelse. Den målretter seg mot de mer repetitive administrative oppgavene, som kode-dokumentasjon, enhetstest-oppbygging og enhver gjentakende kodeing.

Det er avgjørende at den erkjenner AI-s nåværende evner i kodeutvikling – selv om det ikke kan lage en fullstendig programvare-stack ennå, kan det drive umiddelbare fordeler i visse områder. Så i stedet for at utviklerne blir frustrerte når de bruker AI på feil oppgaver, er dens bruk fokusert på områder hvor det excellerer. Over tid kan utviklerne bli kjent med det og adoptere det i et langsommere tempo, og la dens verdi i å løse administrative oppgaver bli tydelig. Så kan utviklerne returnere til de mer komplekse, grunnleggende årsakene til at de gikk inn i bransjen i første omgang, som å skrive god, kompleks programvare og løse utfordrende problemer – samtidig som de er trygge på at AI arbeider sammen med dem.

Det er også viktig at den lar rom for en rimelig mengde av disse rutinemessige oppgavene for juniorutviklere å lære fra hånd-on-erfaring, og bygge 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 læremuligheter, er AI innbygget som et verktøy – et verktøy som utviklerne har full kontroll over.

Fordelene strekker seg utover enkelte utviklere til hele utviklingsteamer. Ved å automatisere de repetitive elementene i kodeutvikling, kan teamene opprettholde konsistens i dokumentasjons- og testpraksis, samtidig som de frigjør seniorutviklere til å veilede junior teammedlemmer og fokusere på arkitektoniske beslutninger. Dette skaper en sunnere utviklingskultur hvor AI supplere menneskelig ekspertise i stedet for å prøve å erstatte den.

Balansere automatiserings-tightrope i kodeutvikling

Det er verdt å gjenta at AI er den største endringen i kodeutvikling på tiår, og det har uten tvil potensialet til å transformere hvordan vi kodeutvikler til det bedre, men vi må finne riktig balanse. Dette er en prosess som må gjennomføres strategisk, både som bransjen og utviklerne blir vant til denne nye måten å arbeide på, og sikre at vi bygger på solide grunnlag samtidig som vi omfavner innovasjon. Nøkkelen er å finne det søte punktet hvor automatisering forbedrer produktivitet uten å kompromittere dybden av forståelse som gjør gode utviklere.

Alt dette sagt, betyr det ikke at vi må se på fleksibel automatisering og vibe-koding som konkurrerende filosofier, men som verktøy som er egnet for to helt forskjellige faser av programvare-livssyklusen. Fremover vil vibe-koding være essensielt for initial idégenerering, samt ikke-tekhnisk kommunikasjon mellom utviklere og deres videre organisasjoner. Og så, når vi går inn i produksjonsprosessen, må fleksibel automatisering komme i forgrunnen, og sikre at AI forblir en hjelp, i stedet for en hindring. Så, det er ikke bare en mot en – for å lykkes, trenger vi begge.