Er det slut?

Under overskriften:

På 88 timer udraderede AI årtusinders videnskab – »Det er en kæmpe bombe, og folk er fuldstændig i chok

i en artikel i Berlingske i dag 24/10-26, forklarer matematikeren Nikolaj Thams hvor rystede matematikere er verden over i disse dage.

Årsagen: OpenAI offentliggjorde for to uger siden ca 700 artikler, hvor AI agenter har løst matematikproblemer på et hidtil uset højt niveau.

Det er endnu et “Deep Blue moment”, bare langt mere omfattende, end da en dedikeret skakcomputer for første gang slog et menneske, tilbage i 1997.

”Det er en kæmpe bombe, og folk er fuldstændig i chok. Hvis vi skal overføre det til journalistik, så svarer det til, at hver artikel indeholder en Watergate-afsløring, som ville føre til store karrierer og priser for dem, der havde publiceret dem. Og det smider de bare nærmest som en zipfil” [Nikolaj Thams, fra artiklen]

Og det er gået stærkt: For et år siden var AI agenterne langt bagefter mennesket. Nu er enhver tvivl om hvorvidt agenter er bedre til at løse disse opgaver end mennesker, fejet totalt af banen.

Jeg sidder lidt med samme oplevelse i forhold til at skrive kode, som har været en stor del af jobbet som systemudvikler. Der er dog nogle forskelle - og håb!

Systemudvikling handler om andet end at skrive kode

For et år siden var jeg skeptisk ift. om kodeagenter overhovedet kunne skrive kode af samme kvalitet som de dygtigste udviklere. Dén skepsis har jeg pakket væk. På samme måde som matematikerne ovenfor, så er jeg ikke længere i tvivl: Agenterne producerer kode som er på mindst samme niveau som de dygtigste udviklere jeg har mødt.

Hvis de bliver guidet rigtigt.

Og selve det at guide agenter er blevet markant nemmere end for et år siden. Værktøjer som Claude Code og OpenAI Codex er langt bedre nu, og tiden hvor vi sendte folk på kursus for at lære “prompt engineering” er forbi.

Når jeg kigger tilbage, er der bare en ting der står ud: Kun ca. halvdelen af min tid er gået med at skrive selve koden. Den anden halvdel har bestået af:

• Kommunikation med brugere, kunder eller andre nøglepersoner.
• Afklaring af hvad der reelt ønskes (ikke nødvendig det som bruger/kunde siger de ønsker).
• Prioritering og “pakning” af opgaver - hvad kan vi levere i næste sprint f.eks.
• Vurdering og valg af løsningsmuligheder.
• Design og arkitektur. Udtænke og skitsere forslag som deles på møder eller anden måde med bruger/opgavestiller/systemejer.
• Overvågning af kørende løsninger, debug af fejl, kommunikation om disse.
• Skrive og vedligeholde den nødvendige dokumentation.

Der er nogle af disse punkter som AI agenter også kan assistere med - f.eks. at producere og holde den rette dokumentation up-to-date.

Men jeg tror, at vi kommer til at holde fast i primært at bruge den menneskelige intelligens på ovenstående punkter.

En moderne AI agent kan generere output i nærmest det uendelige, bliver aldrig træt, kan levere 10 forskellige løsninger på enhver udfordring - men det er stadig os der skal vurdere, analysere, prioritere og kommunikere med forretningen, brugere eller kunderne om løsningerne.

Vi skal stadig bygge løsninger og vi skal stadig gøre arbejdsgange smartere. Vi skal vælge de rigtige ting at bygge.

Ligesom at vi kan blive fastlåst i supermarkedet hvis vi får for mange muligheder - “paralysis by analysis” - og ende med ikke at købe et glas med syltetøj, fordi vi fik valget mellem 13 forskellige smagsvarianter, så skal vi blive gode til at vælge de helt rigtige kombinationer af komponenter i en løsning.

Så vi er ikke helt så udfordret som en teoretisk matematiker, vil jeg påstå. For vi er også praktikere som systemudviklere. Der skal bygges noget - ikke findes korrekte svar på komplicerede teoretiske problemer.

Nye muligheder

AI agent-drevet udvikling har givet mig mulighed for at kaste mig ud i ting som ikke tidligere var muligt. Vi har aldrig nået “til bunden af stakken” af opgaver som har haft højere prioritet. Ikke ét eneste sted hvor jeg har arbejdet de sidste 25 år.

Et par eksempler på løsninger jeg har lavet i år og som ikke var blevet løst for 1 år siden:

• Vi har droppet et stort amerikansk SaaS produkt til projekt/opgavestyring i IT-afdelingen og bygget vores egen løsning. Første version var i luften på 21 timer og vi har nu præcis de funktionaliteter som vi har behov for - hverken mere eller mindre. Plus, 7 x $21 er sparet hver md.
• Jeg har lavet min egen nyheds-agent som scanner RSS-feeds for interessante AI-nyheder og sender mig en mail hver morgen kl. 0600. Første version af denne løsning blev lavet på 2t, liggende i halvsløj tilstand på min sofa, under et tæppe, 100% fra min iPhone (/remote-control i Claude Code). Inkl. deployment af Azure Function og Table Storage, integration af Resend til email-udsendelsen og kald til Haiku 5.5 modellen for resuméer, de-duplikering, oversættelse mm.
• Denne blog - og sitet bag på Biilmann.dk. Noget som jeg længe gerne har villet bygge - men ikke har haft tid til. Nu har jeg en blog som bruger Tina CMS til at styre alle indlæg som markdown-filer i et github repo, bruger Haiku 5.5 til automatisk oversættelse (udkast) til engelsk og automatiserede GitHub workflows til at frigive nye artikler (uden at jeg har skrevet de underliggende YAML filer til dette).

Det er alle eksempler på noget som ville have været projekter på flere uger eller måneder, før jeg fik AI agenter til at producere kode.

Er det slut?

Så er det slut med at skrive kode?

Jeg vil ikke udelukke, at der er noget kode som stadig skal skrives af mennesker - men jeg er lige nu meget hurtigt på vej væk fra det i mit daglige arbejde, kan jeg konstatere.

Men at være systemudvikler er ikke slut. Der er stadig en kæmpe efterspørgsel efter gode løsninger - faktisk vil jeg påstå at efterspørgslen er steget, fordi AI bliver talt voldsomt op i medier, på nettet og på ledelsesgangene. Løftet om en enormt øget produktivitet gør i sig selv, at forventningerne og krav stiger.

Så jeg tror stadig ikke, at vi når til bunden af stakken og løber tør for opgaver, i nogen nær fremtid.