Abstract:
Fra hullkort til prompts har kjerneproblemet i programvareutvikling vært det samme: å få menneskelig intensjon inn i en maskin. Det som har endrer seg er kostnaden ved å produsere kode, og ved bruk av LLM-er nærmer den seg null.
Men billigere kode er ikke alltid bedre kode. «Vibe coding» feiler på samme måte som utviklere alltid har gjort: uten god kontekst får du dårlig output. Dette er ikke et nytt problem, men noe utviklere har forsøkt å løse det i flere tiår. Waterfall prøvde med uttømmende spesifikasjoner på forhånd, Agile med korte tilbakemeldingssløyfer, Scrum med ritualer for å holde team samkjørte. I bunn og grunn er alle disse rammeverkene forsøk på å styre kontekst og sørge for at alle er enige om hva vi bygger og hvorfor.
LLM-er har det samme behovet. En modell som genererer kode fra vage prompts er ikke annerledes enn en utvikler som får en oppgave uten akseptansekriterier. Begge vil produsere noe, og begge vil sannsynligvis bomme. AI-assistert utvikling kommer til å bli en større norm, og utviklerens rolle vil flytte seg fra å skrive kode til å massere konteksten som former den.
Jeg ønsker gå gjennom hvordan bransjen har nærmet seg dette problemet over tid, hvorfor det betyr mer nå enn noensinne, og vise frem hvordan eksisterende metodikker i samhandling med AI Agenter gir gode effekter. Ved å avgrense hva hver agent ser, koble sammen oppgavehistorikk og opprettholde kvalitet gjennom hele et prosjekts levetid sikrer man kvalitet i produktutviklingen.
Bio:
Mathias er seniorutvikler hos Tet Digital i Kristiansand og har åtte års erfaring fra utviklingsbransjen. Som konsulent på Sørlandet har han opparbeidet seg bred kompetanse fra en rekke utviklingsprosesser, med erfaring i roller som utvikler, teamleder, tech lead og agil coach.
Han er en sterk forkjemper for agile prinsipper med fokus på mennesker, og arbeider aktivt for å fremme fleksibilitet og god kommunikasjon på tvers av fagområder.
