Den 28 oktober presenterade GitHub sin riktning för nästa generations mjukvaruutveckling: flera AI-agenter som arbetar över flera kodarkiv, med människan som styr och granskar. Ambitionen är att automatisera mer av arbetet mellan idé och leverans. Riktningen är tydlig. Men ett produktlöfte är inget bevis för att autonom utveckling redan fungerar i stor skala.
Det förtjänar en mer kvalificerad diskussion än ännu en prognos om hur många utvecklare AI kan ersätta.
Mer kod är ett klent mått på framsteg
Om agenter kan utföra fler utvecklingsuppgifter flyttar flaskhalsen. Förmågan att formulera problemet, sätta gränser och bedöma resultatet blir mer avgörande när själva kodproduktionen kräver mindre arbete.
En agent kan genomföra en förändring. Att avgöra om den är rätt för verksamheten kräver mer. Ett godkänt test besvarar inte automatiskt frågorna om arkitekturen håller, behörigheterna är rimliga eller lösningen går att förvalta.
Tesen är enkel: när genomförandet blir billigare blir omdömet viktigare.
Det är ett argument för att använda automatiseringen med skärpa. Annars riskerar vi att bli bättre på att producera aktivitet och sämre på att avgöra vad som faktiskt är ett framsteg.
Vem förstår koden när agenten är klar?
Här finns också en kompetensfråga. Forskare vid Göteborgs universitet beskriver hur AI förändrar utvecklares kunskapsutbyte. Frågor som tidigare gick till kollegor går nu oftare till AI. Samtidigt pekar de på risken att snabbare problemlösning inte alltid följs av djupare förståelse.
Det ställer utvecklingsorganisationer inför en obekväm fråga: om vi automatiserar bort delar av arbetet där förståelse byggs, hur säkrar vi då kompetensen som krävs för att granska resultatet?
En människa vid godkännandeknappen räcker inte som svar. Granskningen måste ha substans. Någon behöver förstå systemets sammanhang, kunna utmana agentens lösning och ha mandat att stoppa en förändring.
Automatisera arbetet. Ta ansvar för resultatet.
För teknikledare räcker det därför inte att välja vilket AI-verktyg teamen ska använda. De behöver också bestämma vilka uppgifter agenter får utföra, vilka beslut som kräver mänsklig prövning och vilka bevis som behövs innan en förändring får nå produktion.
Här möts mjukvaruutveckling, AI och cybersäkerhet i en konkret uppgift: att göra automatiserat arbete till tillförlitliga system.
Kodningen går att delegera. Ansvaret stannar kvar. Ju mer självständigt AI arbetar, desto viktigare blir människans förmåga att granska och mandat att stoppa.
Mer AI i utvecklingen ställer högre krav på omdömet. Vi hjälper er att förena mjukvaruutveckling, AI och cybersäkerhet – från tydliga mandat till granskning inför produktion.
Prata med oss om er AI-drivna utveckling.
