Fleksibel automatisering vs agensaugmentering i kodeutvikling

Agensautomatisering (mer vanlig kjent som ‘vibe coding’) har uten tvil vært en stor suksess, 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 AI-generert. Denne tilnærmingen til kodeutvikling driver uten tvil produktiviteten, men som med alle transformative teknologier, er det viktig å forstå hvor og hvordan man kan bruke den mest effektivt for å maksimere fordelen.

Utviklere møter ofte utfordringer som kravendring, 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 sørger for at utviklerne er beslutningstakerne på hver punkt i prosessen. Denne tilnærmingen støtter ferdighetsutvikling samtidig som den sikrer arkitektonisk konsistens på tvers av prosjekter.

Oppsvinget i agensautomatisering

Vibe coding kan være overalt, men det er fortsatt en relativt ny tilnærming, som ble lansert i begynnelsen av 2025. Det er prosessen med å bruke generativ AI til å produsere programvarekode basert på konversasjonsprompter, vanligvis med liten eller ingen manuell inngripen.

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

Men å gå beyond denne idefasen krever en forståelse av AIens 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 blir oppdaget, kan AI-generert kode noen ganger duplisere funksjonalitet, som kan skape vedlikeholdsproblemer. Dette blir spesielt relevant når man arbeider med innbygde systemer som ofte er begrenset av hardware-grensene, og som krever kun den tetteste koden for å fungere effektivt.

Den omfattende 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 agensautomatisering blir mer vanlig, er det verdt å vurdere hvordan juniorutviklere bygger grunnleggende ferdigheter. Det er en innvielsesrite for dem å skjære tennene på de rutinemessige kodeoppgavene som skarper deres ferdigheter og lar dem bygge kodeerfaring raskt. Å finne riktig balanse, der AI håndterer passende oppgaver samtidig som det bevares muligheter for hånd-til-hånd-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 indikerer at utviklerne aktivt figurerer ut hvordan de kan integrere AI effektivt, i stedet for å avvise det fullstendig. Teknologien endrer seg raskt, og med det, endrer også beste praksis for implementering seg.

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

Hva er fleksibel automatisering?

Der agensautomatisering integrerer AI på tvers av utviklingsprosessen, tar fleksibel automatisering en strategisk tilnærming. Den råder til målrettet integrering av AI i kodeprosessen, og foreslår å erstatte en adminoppgave av gangen. På denne måten beholder utvikleren alltid kontroll og tilsyn over produktet uten unødvendig forstyrrelse. Den selektivt målretter de mer repetitive adminoppgavene, som kode-dokumentasjon, enhetstestopprettelse og annen gjentakende kode.

Kritisk sett anerkjenner den AIens nåværende evner i kodeutvikling – selv om den ikke kan lage en fullstendig programvarestack ennå, kan den drive umiddelbare fordeler i noen bestemte områder. Så i stedet for at utviklerne blir frustrerte når de bruker AI på feil oppgaver, er bruken av AI fokusert på områder hvor den excellerer. Over tid kan utviklerne familiarisere seg med den og adoptere den i et langsommere tempo, og la dens verdi i å løse adminoppgaver bli tydelig. Deretter kan utviklerne returnere til de mer komplekse, kjernegrunnene 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.

Viktigst er det også at den lar rom for en rimelig mengde av disse rutinemessige oppgavene for juniorutviklere å lære fra hånd-til-hånd-erfaring, og å bygge opp grunnleggende kunnskap med den dype læringen som kommer fra tradisjonell prøving og feil. I stedet for å bli sett på som noe som kan begrense læringsmuligheter, er AI innbygget som et verktøy – ett som utviklerne har full kontroll over.

Fordelene strekker seg utover enkelte utviklere til hele utviklingslag. Ved å automatisere de gjentakende elementene i kodeutvikling, kan lagene opprettholde konsistens i sin dokumentasjon og testing, samtidig som de frigjør seniorutviklere til å veilede juniorlagmedlemmer 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 få balansen rett. Dette er en prosess som må gjennomføres strategisk, både for bransjen og utviklerne, mens de vanner seg til denne nye måten å arbeide på, og sikrer at vi bygger på solide grunnlag samtidig som vi omfavner innovasjon. Nøkkelen er å finne det søte punktet hvor automatisering forbedrer produktiviteten uten å kompromittere med dybden av forståelse som gjør gode utviklere.

Alt dette sagt, betyr det ikke at vi må se på fleksibel automatisering og vibe coding som konkurrerende filosofier, men som verktøy som er egnet for to helt forskjellige faser av programvarelivssyklusen. Fremover vil vibe coding være essensielt for initial ideutvikling, samt ikke-teknisk kommunikasjon mellom utviklere og deres videre organisasjoner. Og deretter, 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 den andre – for å lykkes, trenger vi begge.