Är vi på väg att bygga upp nästa generations legacy redan nu?
Artificiell intelligens gör det möjligt att utveckla mjukvara snabbare än någonsin tidigare.
Werner Heijstek, Senior Director på Software Improvement Group
Nya verktyg kan generera kod från enkla instruktioner och experiment visar hur AI-agenter kan skapa hela system på rekordtid. Men när utvecklingstakten ökar uppstår nya frågor om kvalitet, styrning och långsiktighet i systemen som byggs. Frågor som organisationer behöver kunna kontrollera, följa upp och ta ansvar för, skriver Werner Heijstek, Senior Director på Software Improvement Group.
AI förändrar snabbt hur mjukvara utvecklas. Verktyg som kan generera kod från instruktioner i LLM-verktyg gör det möjligt att skapa fungerande system på en bråkdel av den tid som tidigare krävdes. I Sverige har plattformar som Lovable väckt stor uppmärksamhet genom att göra det möjligt att bygga digitala tjänster, appar och webbsidor, nästan helt utan traditionell programmering.
I utvecklarvärlden diskuteras fenomen som ibland kallas ”vibe coding”. Utvecklaren beskriver vad som ska byggas och låter AI generera stora delar av lösningen. För enklare applikationer kan detta fungera förvånansvärt bra. Kod som tidigare tog dagar eller veckor att skriva kan nu produceras på minuter.
Samtidigt pågår mer avancerade experiment där AI-agenter samarbetar för att bygga hela system. Ett av de mest uppmärksammade exemplen är FastRender. I projektet lät utvecklarna en svärm av AI-agenter arbeta tillsammans för att skapa en webbläsare, ett av de mest komplexa områdena inom mjukvaruutveckling.
Att ett sådant projekt överhuvudtaget kan byggas på så kort tid visar hur snabbt utvecklingsverktygen förändras. Webbläsare hör till de mest avancerade mjukvarusystem som finns. De måste hantera komplexa standarder, stora datamängder och höga krav på prestanda. Men fascinationen över vad AI kan göra behöver kompletteras med en mer kritisk fråga: vad händer när man tittar närmare på systemen som byggs?
När man analyserar AI-genererade kodbaser framträder ett mönster som många organisationer kommer att känna igen. Funktionalitet kan skapas mycket snabbt, men strukturen i systemen riskerar att bli svår att förstå och förändra. Kod som genereras snabbt tenderar att bli tätt sammanflätad och sakna tydliga avgränsningar mellan olika delar av systemet.
Det är ett problem som mjukvarubranschen länge har kämpat med. Många organisationer arbetar fortfarande med legacy-system som vuxit fram under många år och blivit svåra att vidareutveckla. Skillnaden nu är att system med sådana egenskaper kan uppstå redan från början.
När AI används för att höja farten i utvecklingen kan teknisk komplexitet byggas upp betydligt snabbare än tidigare. Resultatet kan bli stora kodbaser där förändringar blir riskfyllda och kostsamma trots att systemen är nya.
Samtidigt förändras också kraven på styrning. När kod genereras av AI blir det ännu viktigare att organisationer har överblick över hur systemen är uppbyggda, vilka komponenter som används och hur förändringar spåras över tid. Utan spårbarhet blir det svårt att förstå varför ett system fungerar på ett visst sätt eller vem som ansvarar för en förändring.
Samtidigt visar erfarenheter från flera AI-baserade utvecklingsprojekt att utvecklingen inte behöver gå i den riktningen. När människor fortsätter att sätta ramarna för hur systemen byggs ser resultaten annorlunda ut. Projekt där arkitektur, modulära gränser och teststrategi definieras tydligt från början får betydligt bättre förutsättningar att utvecklas över tid.
Analyser av AI-byggda system visar också en tydlig skillnad mellan projekt där AI arbetar helt autonomt och projekt där människor aktivt finns kvar i processen. I system där en människa finns “in the loop”, och ansvarar för arkitektur, designbeslut och kvalitetskontroll, blir både arkitektur och underhållbarhet betydligt starkare. Med andra ord: AI kan generera kod, men människor behöver fortfarande sätta ramarna för hur systemen ska byggas och utvecklas över tid.
Skillnaden ligger alltså inte i om AI används, utan i hur den används.
Om AI-assistenter går från att vara verktyg som hjälper utvecklare till att själva producera hela system förändras också kraven på hur utvecklingen styrs. Företag behöver förstå hur systemen är uppbyggda, hur komponenter samverkar och hur kvalitet faktiskt mäts över tid.
Det finns därför några perspektiv som vi bör ta med oss när AI får en större roll i mjukvaruutvecklingen:
- Hastighet är inte samma sak som kvalitet. Att generera stora mängder kod snabbt innebär inte automatiskt att systemen blir robusta eller enkla att vidareutveckla.
- Arkitektur måste prioriteras från början. Tydliga modulära gränser gör det möjligt att förstå och förändra system utan att komplexiteten växer okontrollerat.
- Styrning och spårbarhet blir avgörande. Organisationer behöver kunna följa hur kod skapas, förändras och används över tid.
- Teststrategi är avgörande. När AI snabbt skapar funktionalitet måste testmiljön vara tillräckligt robust för att säkerställa att systemen fungerar över tid.
- Människan behöver vara kvar i loopen. AI kan öka hastigheten i utvecklingen, men beslut om struktur och långsiktig utveckling måste fortfarande styras av människor.
AI kan dramatiskt öka hastigheten i mjukvaruutveckling. Den verkliga utmaningen är därför inte hur snabbt kod kan genereras, utan hur vi säkerställer att systemen som byggs är begripliga, styrbara och möjliga att utveckla säkert över tid.
/ Werner Heijstek, Senior Director, Software Improvement Group
