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?
Ett mönster många känner igen
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.
Snabb uppbyggnad av teknisk komplexitet
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.
Parallellt 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.
Några nyttiga perspektiv på utvecklingsresan
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.
Av Werner Heijstek, Senior Director SIG, Software Improvement Group
