Forestil dig, at du har fået en ny assistent, der kan skrive 1.000 sider i timen. Det lyder fantastisk, lige indtil du opdager, at du selv skal læse det hele igennem, rette kommafejl og tjekke, om plottet overhovedet giver mening.
Præcis det scenarie udspiller sig lige nu i softwarebranchen, viser et nyt, omfattende studie på tværs af hundredvis af virksomheder.
De nye AI-kodeassistenter pumper kildekode ud i et tempo, der ville gøre selv den mest koffeinmættede programmør svimmel. Antallet af kodelinjer, commits og pull requests eksploderer. Men der er bare ét lille problem: Vi får faktisk ikke mere færdig software ud i den anden ende.
Mød den nye flaskehals: Mennesket med kaffekoppen
Tidligere var den langsomme del af softwareudvikling selve det at hamre i tasterne og skrive koden. Med værktøjer som Copilot, Cursor og autonome AI-agenter klares den del nu på sekunder. Men festen stopper brat, så snart koden skal godkendes.
Studiet afslører, at tidsforbruget på code reviews – altså den proces, hvor et menneske kvalitetssikrer koden før den sendes ud i produktion – er steget med næsten 50 procent efter introduktionen af AI-værktøjer.
Hvor programmører før brugte tid på at skrive gennemtænkt kode fra bunden, skal kollegerne nu pløje sig igennem kilometervis af maskingenereret kode. Resultatet? Pull requests kræver langt flere rettelser, kollegerne efterlader betydeligt flere kommentarer, og processen sander fuldstændig til.
Flaskehalsen er med andre ord ikke forsvundet – den er bare flyttet ned ad samlebåndet.
Mere kode betyder ikke bedre software
Fænomenet kaldes i udviklerkredse for “code churn” og teknisk gæld. Når det er så nemt og billigt at spytte kode ud, produceres der enorme mængder af det, som senere må omskrives, kasseres eller lappes på.
Selv rapporter fra OpenAI om videnskabelig databehandling peger på samme virkelighed: At gå fra en smart AI-prototype til et sikkert, vedligeholdelsesvenligt og produktionsklart system kræver stadig tung validering, sikkerhedstjek og menneskelig dømmekraft. Maskinen forstår måske syntaksen, men den forstår sjældent den dybere forretningslogik eller de utilsigtede sideeffekter.
Den lokale produktivitet hos den enkelte udvikler ser blændende ud på papiret, men virksomhedens samlede output af færdige funktioner står i stampe.
Fra kodeskriver til professionel korrekturlæser
Det betyder også, at softwareudviklerens rolle er ved at undergå en voldsom forvandling. Udviklere bruger i dag mindre tid på at nørkle med rå kode og langt mere tid på overordnet systemarkitektur, integration og – ikke mindst – rollen som pædagog og korrekturlæser for ivrige AI-agenter.
AI-værktøjerne bliver unægteligt klogere dag for dag. De kan efterhånden skrive tests, finde fejl, dokumentere og rode rundt i terminalen på egen hånd. Men indtil vi for alvor tør lade algoritmerne trykke på den store, røde “send-live”-knap uden voksenopsyn, forbliver den menneskelige hjerne den ultimative begrænsning.
Konklusionen for tech-ledere verden over er klar: Hvis du giver dit team AI-superkræfter til at skrive kode, må du hellere sørge for, at der er kaffe nok på kanden til dem, der skal rydde op bagefter.
