Når AI bliver udvikler
AI kan skrive kode -- og det gør den faktisk ret godt. Ikke kun små snippets, men hele applikationer. Men hvordan fungerer det egentlig? Og hvad betyder det for dig -- uanset om du selv udvikler eller bare er nysgerrig? I denne artikel får du et kort overblik over, hvordan AI kan hjælpe med at skrive kode, og hvor det hele bevæger sig hen.
Warning
Bemærk venligst hvornår denne artikel er skrevet. AI-teknologi udvikler sig hurtigt, og det, der er sandt i dag, kan være forældet i morgen.
Har du styr på de forskellige begreber?
Selvom AI teknologien er ret ny, vælter det med akronymer og begreber - så måske er det på sin plads at sætte et par af dem på tavlen.
Først begrebet Vibe Coding som blev introduceret af Andrej Karpathy (tidligere chef for AI hos Tesla og medstifter af OpenAI). "Vibe" kan oversættes til en særlig stemning eller fornemmelse, og idéen handler om at skabe kode i samarbejde med en stor sprogmodel (LLM) -- som om man har en medudvikler ved siden af sig. Det gælder både små scripts og hele applikationer -- skabt gennem samtale frem for klassisk kodning.
Begrebet bliver i dag brugt lidt i flæng -- både om generering af kode med AI, men også i forbindelse med no-code og low-code platforme. Disse platforme gør det muligt at bygge avancerede løsninger via et brugervenligt interface, ofte helt uden at skrive traditionel kode.
Og netop i maj 2025 eksploderede interessen (igen), da to nye såkaldte "selvstændige AI-kodeassistenter" (agentic AI coding assistants) blev lanceret. Det særlige ved disse er, at de ikke bare skriver kode -- de kan tage selvstændige initiativer og styre hele udviklingsforløb. Denne type AI-assistenter vil uden tvivl ændre vores forståelse af, hvad det vil sige at være udvikler -- og det sker ikke i en fjern fremtid, men lige nu.
Så hvis du bare tager én ting med herfra, så lad det være de fire grundbegreber: vibe coding, no-code, low-code og selvstændige AI-kodeassistenter.
Vibe coding
Vibe coding dækker over et bredt område. De fleste større chatbots som ChatGPT, Claude og Gemini kan generere kode ud fra simple prompts -- alt fra små Python- eller PowerShell-scripts til dele af applikationer i Java, C#, JavaScript, Rust og mange andre sprog. De forstår også formater og standarder som HTML, CSS, XML og JSON.
De store sprogmodeller er trænet på millioner af linjer kode og metadata fra offentlige kodebaser på blandt andet GitHub, suppleret med dokumentation for en lang række sprog og teknologier. Det betyder, at de ikke kun kan hjælpe med at skrive kode, men også forklare og forbedre eksisterende kode -- og den evne er kun blevet stærkere over tid. Nogle chatbots har endda indbyggede funktioner til at køre og analysere kode direkte i brugerfladen.
Vibe coding og udviklingsmiljøer
Allerede kort efter ChatGPT blev lanceret i 2022 (tænk lige over, hvor hurtigt det er gået siden da), begyndte AI at finde vej ind i en række af de mest udbredte udviklingsmiljøer. Visual Studio og Visual Studio Code (Microsoft), IntelliJ IDEA, PyCharm og Rider (JetBrains), WebStorm og Eclipse -- alle har i dag AI-funktioner, hvor GitHub Copilot er det mest kendte eksempel.
Sideløbende er der også kommet nye udviklingsmiljøer, som er bygget op omkring AI fra bunden -- fx Cursor og WindSurf. Selv browserbaserede miljøer som Replit og GitHub Codespaces har fået AI-understøttelse, hvilket gør det lettere end nogensinde at komme i gang -- uanset om du sidder ved din egen pc eller arbejder direkte i skyen.
Sammenlignet med en traditionel chatbot er AI-assistenter i udviklingsmiljøer langt mere effektive fordi de har adgang til hele projektets kontekst: filstruktur, afhængigheder, eksterne pakker og andre relevante referencer. I de nyeste versioner af f.eks. GitHub Copilot tilbydes tre centrale AI-funktioner: Du kan stille spørgsmål om kode og teknologi (ask-mode), du kan få AI til at rette og tilføje kode (edit-mode), og endelig kan AI'en tage helt over og selv navigere i kodebasen, køre kommandoer, bygge projektet, fejlfinde og teste (agent-mode). Sidstnævnte ændrer (igen) fundamentalt den måde, udviklere arbejder på.
MCP
Endnu et akronym har udvidet mulighederne for AI i udviklingsmiljøer: MCP -- Model Context Protocol . Det er en ny, spirende standard (oprindeligt foreslået af Anthropic), der beskriver, hvordan AI kan kommunikere med andre systemer og tjenester.
Centralt i MCP-konceptet er MCP-servere. De stiller funktioner til rådighed via nettet, som AI kan bruge direkte. Eksempler kan være en GitHub-MCP-server, som giver GitHub Copilot adgang til at arbejde direkte med repositories, eller en Google-MCP-server, som muliggør afsendelse af mails via Gmail. I udviklingssammenhæng er en særlig interessant anvendelse af MCP-servere funktioner, der kan returnere databaseskemaer og data så en AI-agent ved præcis, hvilke tabeller og felter der findes. Det gør det markant lettere at generere brugbar kode, da AI'en har kendskab til den konkrete struktur.
Hvis MCP bliver en officiel standard, kan det få lige så stor betydning for AI-udviklingsværktøjer, som trylledrikken har for Asterix -- det vil give dem kræfter langt ud over det sædvanlige.
Selvstændige AI kode-assistenter
Selvstændige AI-kodeassistenter repræsenterer (også) et markant skift i softwareudvikling.
I stedet for blot at foreslå kode, kan disse assistenter forstå en overordnet opgave, planlægge løsningen, implementere ændringer på tværs af flere filer, køre tests og rette fejl. Disse agenter assisterer som AI-medudviklere, der anvender ræsonnering og iterativ planlægning til at tackle komplekse, flertrins kodningsopgaver. De kan fortolke mål i naturligt sprog, opdele dem i implementeringsplaner, skrive eller refaktorere kode, køre og teste koden samt debugge fejl og iterere -- alt sammen med minimal menneskelig indgriben (som navnet antyder). De arbejder simpelthen 24/7, og udviklerens rolle bliver her review og godkendelse af rettelser.
Eksempler på sådanne assistenter inkluderer OpenAI Codex og GitHub Copilot Coding Agent -- begge lanceret i maj 2025. Måske har du også hørt om Devin, den første virtuelle kodekollega, der dukkede op i 2024. Flere lignende assistenter vil uden tvivl følge i kølvandet, men både OpenAI og GitHub (Microsoft) er helt fremme i feltet lige nu.
Alle disse "virtuelle udviklere" repræsenterer en ny type AI-værktøj, der ikke blot assisterer, men tager aktivt del i hele udviklingsprocessen. Ved at automatisere gentagende og tekniske opgaver frigiver de tid og energi, så udviklere kan fokusere mere på arkitektur, design og forretningslogik. Det er en fundamental ændring i måden, vi tænker og udfører softwareudvikling.
No-Code/Low-Code
For at få det fulde overblik bør man heller ikke overse de nye no-code og low-code værktøjer. Platforme som Lovable, Bolt og Codev gør det muligt at udvikle komplette webapplikationer udelukkende ved hjælp af naturlige prompts -- altså uden at skrive klassisk kode. Især den nyeste version af Lovable (2.0) er værd at fremhæve, da den viser, hvor langt teknologien allerede er kommet.
Men også de mange flow-platforme -- som Zapier, Make, Power Automate, den gode gamle IFTTT og især n8n -- har gjort det muligt at bygge avancerede applikationer med meget lidt eller helt uden kode. Ved første øjekast har det måske ikke så meget med AI at gøre, men netop n8n gør det utrolig nemt at udvikle og automatisere egne AI-agenter til alverdens formål -- uden at skrive en eneste linje kode. Og som bonus: det hele er open source.
Hvad så med "os"
Som udvikler kan man godt få lidt sved på panden, når man ser den udvikling, der er sket det seneste år -- og forestiller sig, hvor vi står om bare ét år mere. Der er ingen tvivl om, at udviklerrollen er under forandring. De udviklere og virksomheder, der forstår og udnytter AI's fulde potentiale, vil være langt mere effektive -- og det vil formentlig betyde, at færre hænder kan løse de samme opgaver. De store techfirmaer ved det allerede og handler derefter -- bare se Microsofts nylige fyring af 6.000 medarbejdere.
Men vi skal også lige trække vejret og bevare jordforbindelsen. På trods af AI's muligheder er det ikke sådan, at hvem som helst pludselig kan udvikle komplette applikationer - selvom platforme som Lovable lover det. Det kræver stadig en solid forståelse af arkitektur, teknologi, cloud, sikkerhed og meget mere -- og det har de færreste uden teknisk baggrund.
Men det er svært at forestille sig en udvikler, der ikke bliver mere produktiv med AI ved hånden. At bruge AI som en slags "supervidende assistent" har allerede ændret måden mange udviklere arbejder på. Det udvisker grænserne for, hvilke sprog man føler sig hjemme i, og gør det muligt at være langt mere effektiv -- især hvis man lærer at stille de rigtige spørgsmål.
Så behovet for udviklere i markedet vil ændre sig -- hvor meget, hvornår og hvordan er svært at spå om. Men allerede nu kan man se konsekvenserne af AI i jobmarkedet - og de bliver ikke mindre med tiden.
Udfordring(erne)
Som i de tidligere indlæg slutter vi af med en udfordring (eller rettere en opfordring) rettet mod udviklere: Dyk ned i det her felt. Lær så meget du kan, og eksperimentér selv. Hvis du ikke kan gøre det som en del af dit arbejde på grund af firmapolitik, så gør det privat. Det er nu, du skal i gang.
Prøv at eksperimentere med edit- og agent-mode i et moderne udviklingsmiljø, test en MCP-server i praksis, og se demoer eller hands-on eksempler på de nyeste selvstændige AI-kodeassistenter, så du forstår deres potentiale. Du kan også prøve at bygge noget selv med værktøjer som Lovable eller n8n -- det kræver ikke nødvendigvis kode, men giver stor indsigt i, hvad der er muligt.
Lær alt det, du kan -- der er masser af viden at hente, især via LLM'er, blogs og YouTube. Nu ved du lidt om, hvad du skal lede efter. YouTube er ofte en guldgrube, fordi indholdet er opdateret -- men husk, at der også er meget skrammel, og mange laver videoer for at tjene penge. LLM'er som ChatGPT er trænet på ældre materiale og kan derfor gætte forkert, især om nye begreber som MCP-servere. Derfor: vær kritisk, men nysgerrig -- og brug flere kilder, når du lærer.
En klog mand (Richard Baldwin) sagde i 2023: "AI won't take your job, it's somebody using AI that will take your job." Så lær, hvad du kan, og forstå hvordan AI kan blive en del af dit værktøjssæt -- frem for at stikke hovedet i busken.