OpenAI-chef sætter en praktisk grænse for kodeassistenter

Når OpenAIs chefvidenskabsmand siger, at AI nu kan klare eksperimenter på en weekend, men stadig ikke bør få lov at designe hele komplekse systemer alene, er det mere end et godt citat. Det er en ret brugbar tommelfingerregel for danske teams, der prøver at få mere fart ud af kodeassistenter uden at miste grebet om kvalitet, sikkerhed og ansvar.

💡 Hvad han faktisk peger på
Jakub Pachocki beskriver, at opgaver, som før tog ham en uge at kode, nu kan klares af AI på en weekend. Til gengæld mener han ikke, at værktøjerne er på et niveau, hvor de alene bør styre den samlede systemudformning.

Det er en vigtig skelnen. Mange organisationer er allerede forbi fasen, hvor AI kun bruges til små kodeforslag. Værktøjerne kan skrive tests, bygge prototyper, rydde op i kedelige opgaver og accelerere tekniske forsøg. Men arkitektur, sikkerhedsgrænser, datamodeller og svære prioriteringer kræver stadig mennesker, der kender forretningen, lovkravene og de konkrete driftshensyn.

Det gælder især i organisationer med mange integrationer, ældre kernesystemer og flere teams, hvor en smart lokal løsning i ét hjørne hurtigt kan blive dyr teknisk gæld et andet sted. Derfor bør man skelne mellem hurtig produktion og god systemform.

For danske virksomheder er budskabet derfor ikke, at man skal skrue ned. Tværtimod. Man bør bruge AI hårdt på afgrænsede opgaver, hvor resultatet kan kontrolleres. Det gælder for eksempel eksperimenter, dokumentation, refaktorering og analysearbejde, hvor gevinsten kan måles i tid og kvalitet. Men man skal være forsigtig med at lade værktøjerne træffe brede designvalg, som senere bliver dyre at rulle tilbage.

🏛️ Hvad offentlig sektor bør høre
Når løsninger håndterer persondata, myndighedslogik eller vigtige arbejdsgange, kan ansvaret for systemets form ikke outsources til en model, uanset hvor god den virker i øjeblikket.

Pachocki kobler også udviklingen til OpenAIs planer om mere autonome forskningsværktøjer. Det er værd at holde øje med, men den praktiske læring kan bruges allerede nu. Lav klare regler for, hvilke opgaver AI må løse selv, og hvilke der altid kræver review fra en udvikler eller arkitekt. Mål derefter effekten på gennemløbstid, fejl og genarbejde. Hvis en assistent gør teamet hurtigere på det trivielle og mere sikre på det svære, er den nyttig. Hvis den bare flytter arbejdet til senere kontrol, er gevinsten mindre, end dashboardet ser ud til.