AI kan skrive hurtigere, men nogen skal stadig fange fejlene

Der bliver skrevet enorme mængder kode med AI lige nu. TechCrunch beskriver det direkte: AI-kodeværktøjer genererer milliarder af linjer kode hver måned. Derfor er det heller ikke overraskende, at investorer nu flytter opmærksomheden fra generering til verifikation. Qodo har hentet 70 millioner dollar i en Serie B og er dermed oppe på 120 millioner dollar i samlet finansiering for at bygge AI-agenter til code review, test og governance.

💡 Hvor flaskehalsen er Ifølge TechCrunch er problemet ikke længere kun at få koden skrevet. Det er at sikre, at den virker efter hensigten, og at den passer til virksomhedens egne standarder og risiko.

Det er en vigtig pointe for danske udviklingsteams. Når kodeassistenter sparer tid i den første del af arbejdet, flytter presset sig til den sidste del: review, test, dokumentation og ansvar. Mange virksomheder har endnu ikke justeret deres proces efter det skift. De har indført AI i editoren, men ikke i kvalitetsleddet omkring editoren.

Qodo peger selv på, at klassiske store sprogmodeller ikke er nok til kodekvalitet, fordi kvalitet er lokal. Den afhænger af historik, interne beslutninger og den måde teamet arbejder på. Det er svært at være uenig. En model kan godt foreslå fornuftig kode og stadig overse, at ændringen bryder en gammel antagelse et andet sted i systemet.

💡 Tallene bag mistilliden TechCrunch henviser til en undersøgelse, hvor 95 procent af udviklere ikke stoler fuldt ud på AI-genereret kode, mens kun 48 procent konsekvent gennemser den, før den bliver committet.

Det er et farligt mellemrum. Hvis man ikke stoler på outputtet, men heller ikke altid kontrollerer det, arbejder man i praksis uden et fast sikkerhedsnet. Derfor giver det mening, at Qodo fremhæver cross-file bugs, organisatoriske standarder og governance frem for bare hurtigere forslag. Virksomheden scorer ifølge TechCrunch 64,3 procent på Martian's Code Review Bench, mere end 10 point foran næste konkurrent og 25 point foran Claude Code Review.

Den praktiske læring herhjemme er enkel: AI-kodning bør følges af hårde gates. Test, reviewkrav, policy for AI-genereret kode og klar placering af ansvar. Ellers ender gevinsten i sprintet som fejl i produktion. Det er ikke et argument mod AI i udvikling. Det er et argument for at styre den voksne version af brugen.