Det har blitt en utbredt forestilling at kunstig intelligens (KI) vil fjerne behovet for programmering. At vi går fra avansert dataingeniørkunst til vibbekoding for alle. At systemene bygger seg selv.
Tvert imot. Programmering blir viktigere enn noensinne. Fremtiden vil kreve IT-folk som kan forstå hvorfor de bygger det de bygger, på hvilke forretningsmessige premisser og hvordan deres produkt henger sammen med en større digital helhet.
Trenger forståelse
KI gjør det enklere å produsere kode, men vanskeligere å bygge systemer som faktisk virker over tid. Når flere kan lage noe, øker behovet for å forstå hvordan det henger sammen. De fleste erfarne utviklere vet at å skrive koden sjelden er den største utfordringen — det er å forstå problemet som skal løses, og å definere modeller og abstraksjoner som gjør at systemet kan overleve og endres, i flere år eller tiår.
Mange organisasjoner genererer allerede en betydelig andel av ny kode med hjelp av KI, og produktiviteten, målt i antall gjennomførte utviklingsoppgaver, øker kraftig. Mye har blitt bedre. Prototyper bygges på timer i stedet for uker. Samtidig øker kompleksiteten. Mer kode betyr mer som må forstås, kvalitetssikres og integreres.
Ny flaskehals
De fleste KI-initiativer stopper før de når produksjon. Det er ikke modellene som svikter, men systemene rundt: data, integrasjon, eierskap og drift.
Det er her de gode utviklerne blir nødvendige. De skal ikke skrive mer kode, men ta ansvar for hvordan systemer henger sammen. De skal bygge digitale arkitekturer som tåler ukjent fremtid, og data-strukturer og tjenester som gir trygg deling.
Det samme tverrfaglige behovet gjelder andre roller. Analytikere, designere og bransjeeksperter må forstå hvordan data flyter og hvordan beslutninger tas i systemene de jobber med. KI flytter arbeid inn i data. Da må flere forstå KI, IT og data.
KI er også lederansvar
Organisasjoner som lykkes, lærer raskt. De tester, forkaster og bygger på nytt, og tilpasser sentrale deler av driftssystemet til KI. Ikke som et engangsprosjekt, men som en arbeidsform.
Ledere vil også få en ny hverdag. De nye verktøyene kommer til å kreve nye måter å jobbe på. Standups gir lite mening når hver person jobber som et selvstendig team. Dårlig kvalitet kan ikke unnskyldes med at «det var KI-en som laget koden». For å løse disse utfordringene vil ledere måtte tenke helt nytt om hvordan arbeidet organiseres. Ansvar, kvalitet og sikkerhet kommer til å bli sentrale i de nye arbeidsformene.
Her er våre fem viktigste erfaringer fra gode prosjekter med KI-basert utvikling:
- KI øker hastigheten på feil like mye som på fremgang
Prototyper bygges på timer. Feil bygges like raskt. Uten tydelig arkitektur og datamodeller bygger man kompleksitet i et enormt tempo. Et lite avvik i én modul blir raskt en systemfeil. - Integrasjon er flaskehalsen, ikke modellene
Modeller fungerer i isolasjon. Verdien oppstår når de kobles til data, arbeidsprosesser og eksisterende systemer. API-er, datakvalitet og tilgangsstyring avgjør om løsningen virker i praksis. - Kode er midlertidig, struktur er varig
KI gjør det enkelt å skrive og omskrive kode. Det som varer, er strukturene rundt: datamodeller, grensesnitt, ansvar og eierskap. Systemer må designes for kontinuerlig endring. - Evaluering er en kontinuerlig oppgave
KI-systemer oppfører seg ikke deterministisk. De må måles, justeres og overvåkes løpende. Testing er ikke en fase, men en del av driften. Uten gode evalueringssløyfer mister man kontroll. - Forretningsforståelse er blitt en teknisk ferdighet
De beste løsningene starter ikke i teknologi, men i hva som faktisk gir forretningsverdi. KI kan forvandle fantasier til virkelighet, men uten forretningssans bygger man sandslott.
Det er ikke slutten på programmering. Det er starten på noe langt mer krevende.
Chat GPT vil ha pasientjournalen din – leger er skeptiske
