Från autocompletion till kodgenerering
“För bara några år sedan handlade verktyg för att skriva kod mest om smarta autocompletions, ungefär som en mer avancerad stavningskontroll. Nu kan du skriva en prompt och få en hel klass, en hel feature eller till och med en prototyp av en hel applikation. Det gör att vi måste tänka annorlunda”, säger Matthias.
För utvecklare innebär det inte bara nya möjligheter utan också ett nytt arbetssätt.
“Jag märker själv att jag inte alltid bygger upp samma mentala karta över koden när AI genererar mycket åt mig. Det är både en styrka och en risk.”
Många möjligheter men också frustration
En återkommande poäng i Matthias resonemang är att AI-verktyg inte alltid är en tidsbesparing.
“Det finns stunder när du fastnar. Du försöker omformulera samma prompt gång på gång och får ändå fel resultat. Då kan två timmar rinna iväg på något du själv hade kunnat skriva på trettio minuter.”
Han menar att en nyckel är att veta när man inte ska använda AI.
“Det är lätt att förlora kontrollen om man låter verktyget göra för mycket. Då sitter man där med kod man inte förstår och har svårt att underhålla.”
Prompt engineering, en ny kärnkompetens
En stor del av Matthias utbildning handlar om att träna utvecklare i prompt engineering vilket i praktiken handlar om att formulera tydliga och effektiva instruktioner till AI-verktygen.
“De tre viktigaste komponenterna i en bra prompt är rollen, kontexten och förväntat output. Vill jag ha ett testskript? En refaktorering? Eller dokumentationen i stil med en kompetent technical writer med 15+ års erfarenhet? Ju mer specifik man är, desto bättre resultat.”
Han liknar det vid SEO för utvecklare, vilket ju är en en kompetens som snabbt blivit en egen disciplin. Inte minst för att man inom SEO nästintill behöver gissa hur man får bra resultat för att man inte känner de exakta reglerna bakom systemet.
AI som parprogrammerare
När Matthias beskriver framtiden talar han ofta i termer av parprogrammering men med en AI vid tangentbordet bredvis istället för en kollega.
“I dag finns redan prototyper där flera AI-agenter arbetar parallellt, som virtuella utvecklarkollegor. Din roll blir mer att övervaka, styra och kvalitetssäkra. Det kan låta futuristiskt, men jag tror vi bara har sett början.”
Samtidigt betonar han att vi ännu inte vet hur mycket bättre det verkligen blir. Snabbare, absolut. Men bättre? Det återstår att se.
Från prototyp till verklighet
Matthias ser en tydlig gräns för AI: verktygen är fantastiska för prototyper, refaktorisering och dokumentation – men svaga när det gäller komplexa, unika problem.
“Det är lite som med tidigare frontend-bibliotek. Du kan bygga något snabbt som ser snyggt ut på ytan, men när det ska skalas och underhållas måste du ofta skriva om det från grunden. Samma sak gäller här. Prototyper är prototyper, och man ska inte luras att de är färdiga lösningar.”
För HiQ är den här balansen central.
“Vi vill vara med tidigt, testa, förstå och bygga vår egen uppfattning. Men vi går också in med öppna ögon. AI är i grunden statistik med token in, token ut. Det är inte intelligens i mänsklig bemärkelse. Därför gäller det att se vad som faktiskt fungerar i utvecklingsvardagen.”
En ny era, men samma hantverk
Matthias avslutar med en reflektion som är lika mycket en varning som en uppmaning:
“Det är lätt att bli bländad av att AI kan skriva kod åt dig. Men i grunden är utveckling fortfarande ett hantverk. Om du inte kan din egen kod blir det svårt att upprätthålla kvalitet. AI kan bli din bästa parprogrammerare men som med det mesta behöver du lära dig hur du kan jobba ihop med den för att ut bästa möjliga resultat.”
