Som softwareingeniør er hver eneste linje kode nu skrevet af AI: Lad os tale om Vibe Coding

12. oktober 2026 #AI#Vibe Coding#Programmering#Softwareudvikling#Tanker

Jeg har arbejdet professionelt som softwareingeniør i over seks år, men jeg har ikke skrevet en eneste linje kode i hånden i over et år. I de projekter, jeg sidder med i dag, er hver eneste stump kode forfattet af AI. Men da jeg for godt et år siden prøvede det for allerførste gang, varede rusen knap tre dage.

Lykken ved Vibe Coding

Jeg husker tydeligt, da jeg i juni sidste år (2025) for første gang åbnede Cursor efter at have hørt så meget om det. Ved første øjekast lignede det bare en klassisk VS Code-editor med et ekstra sidepanel til AI-prompts.

Indtil da havde mit indtryk af AI-assisteret kodning været begrænset til Copilots glorificerede autofuldførelse. Men da jeg tastede min første prompt og trykkede send, skete der noget magisk. AI’en tænkte på højtryk, og pludselig spyttede den snesevis – ja, hundredvis – af kodelinjer ud i editoren. Den navigerede ubesværet på tværs af filer, opdaterede kodebasen og eksekverede endda terminalkommandoer for mig.

Jeg behøvede bare at beskrive, hvad funktionen skulle gøre i almindeligt hverdagssprog, og vupti, så byggede AI’en det. Ingen manuel indtastning af kode, ingen gætteleg med traditionel autocomplete. AI overtog ganske enkelt en reel bid af mit ingeniørarbejde på et langt højere abstraktionsniveau.

I det øjeblik følte jeg mig som en troldmand med en tryllestav; det var den berusende følelse af, at en helt ny verden lige havde åbnet sig foran mig.

Det fik mig dengang til at dele disse tanker:

Vibe Coding er som skabt til ADHD. Traditionel kodning strider mod hele ens natur, hvis man har en ADHD-hjerne, men Vibe Coding kurerede på et splitsekund min modvilje mod at skrive tests, min fobi for CSS, mine evindelige slåfejl i variabelnavne og det dræbende arbejde med at jagte trivielle bugs.

Med en AI ved hånden får man lynhurtig feedback og konstant dopamin. Jo mere triviel og repetitiv opgaven er, desto bedre klarer AI’en den.

Man kan nøjes med at udstikke den overordnede kurs, udtænke arkitekturen og agere projektleder i stedet for kodeslave.

Jeg har aldrig haft et brændende ønske om personligt at taste hvert enkelt tegn, men jeg elsker følelsen af at bygge noget. Udviklingen fra assembler til højniveausprog har altid handlet om at gøre skabelsesprocessen bedre og mere effektiv for programmøren.

At kunne skabe software som en rendyrket idémager – frem for en digital murersvend – er et enormt privilegium for enhver programmør.

Hvor Vibe Coding rammer muren

Fænomenet har fået et navn: Vibe Coding. Begrebet blev introduceret af OpenAI-medstifter Andrej Karpathy i februar 2025 og dækker over at kode udelukkende på mavefornemmelsen (the ‘vibe’): Du forklarer AI’en, hvad du vil have, sluger al dens kode råt uden at læse linjerne igennem, kaster fejlmeddelelser direkte tilbage i hovedet på modellen og glemmer efterhånden helt, hvordan koden egentlig ser ud under motorhjelmen.

Men efter at have delt min indledende begejstring varede opturen under tre dage. Så ramte jeg muren.

Dengang var jeg i gang med prototypen til en app. Ren Vibe Coding, hvor AI’en fik frit løb ud fra vage prompts og uden skyggen af softwarearkitektonisk disciplin. Ganske langsomt begyndte AI’en at stikke af. Arkitekturen blev så spaghetti-agtig og uoverskuelig, at projektet var umuligt at vedligeholde.

Jeg måtte slette det hele og starte forfra. Denne gang tog jeg min ingeniørhat på igen og etablerede en struktureret arbejdsgang for AI-assisteret udvikling.

Det ændrede alt. Glæden og flowet fra Vibe Coding var der stadig, men nu parret med grundige code reviews, præcis dokumentation og små, trinvise ændringer frem for store kaskader af kode på én gang. Pludselig var arkitekturen bundsolid og resultaterne præcise som et urværk. Det føltes som at have en hyperkompetent praktikant ved hånden: Man uddelegerer rugbrødsarbejdet, men bevarer det forkromede overblik og den arkitektoniske kontrol.

Kort efter skiftede jeg over til Claude Code som mit primære værktøj. Det gav en endnu skarpere præcision og kontrol – det føltes vitterlig magisk, og min udviklingshastighed blev mangedoblet.

Fremtiden for softwareingeniøren

»Kan Vibe Coding gøre os så dovne, fordi alting går så stærkt, at ingen gider lære det grundlæggende programmeringshåndværk længere?«

Det tror jeg i den grad, der er fare for!

Tidligere lignede vejen fra nybegynder til færdigt produkt en trappe, man gik op ad trin for trin. Man startede med basal syntaks, fik et job som juniorudvikler, stødte panden mod virkelighedens problemer og voksede gradvist til en erfaren ingeniør, der kunne stå på egne ben. Hvert skridt gav feedback og erfaring, og for de fleste med almindelig læringsevne var der en overskuelig rute ind i faget.

Vibe Coding har sænket adgangsbarrieren til nul. Hvem som helst kan flikke en prototype eller demo sammen på en eftermiddag. Men softwareudvikling er et håndværk, der kræver dyb praktisk erfaring; springet fra en lille demo til et stabilt, kommercielt produkt svarer til forskellen på at gå fra 0 til 1 over for at gå fra 1 til 100.

På den traditionelle vej lærte man undervejs fra 0 til 1 de fundamentale færdigheder, der kræves for at nå fra 1 til 100. Vibe Coding giver ikke begynderen det fundament. Når man så skal fra 1 til 10, møder man en stejl klippevæg uden fodfæste, og her vil de fleste give fortabt.

Fordi starten var legende let, kræver den efterfølgende mur en motivation og indlæringsevne langt ud over det sædvanlige. Dem, der alligevel formår at knække koden på egen hånd, tilhører under alle omstændigheder de øverste 1 % målt på drive og problemløsningsevner.

Med andre ord: Den brøkdel af folk ville også have nået toppen før AI-revolutionen.

I takt med at AI-kodning bliver stadigt mere kapabel, forsvinder behovet for juniorudviklere. Fødekæden knækker, og færre får chancen for at oparbejde reel erfaring i praksis.

Et år efter at jeg skrev de første linjer til dette indlæg, har data fra arbejdsmarkedet desværre bekræftet mistanken:

Stanford Digital Economy Lab analyserede løndata fra amerikanske ADP og fandt, at i juni 2026 lå beskæftigelsen blandt 22-25-årige i AI-eksponerede fag hele 19 % under det forventede niveau – mod 15 % året før. For erfarne fagfolk var der intet tilsvarende fald. Det skyldes primært, at virksomheder lader være med at ansætte nye talenter, frem for deciderede fyringer. (Stanford Digital Economy Lab, 2026-08)
En rapport fra venturefonden SignalFire fra juni 2026 viste, at 12 tech-giganter (herunder Google, Meta, Apple og Microsoft) ansatte 65 % færre nyuddannede og juniorer sammenlignet med 2019. Hos tidlige startups var faldet hele 76 %. (SignalFire State of Talent Report 2026)
Tal fra Indeed for første kvartal af 2026 viste, at juniorstillinger blot udgjorde 4,5 % af alle softwareudvikleropslag i USA – den laveste andel på tværs af samtlige brancher. (Indeed Hiring Lab, 2026-07)

Jeg ser ret dystert på branchens fremtid. Vi styrer mod en benhård polarisering: I den ene ende et lille lag af absolutte eliteudviklere; i den anden en bred masse af hobbyister, der bygger legetøjsprojekter på demo-niveau.

Og andre fag vil uvægerligt følge efter programmering. I fremtiden vil alt lettere videns- og rutinearbejde blive overtaget af AI.

Selv matematik – en disciplin vi troede var forbeholdt dyb, menneskelig tankekraft – har AI slået revner i det forgangne år:

I januar 2026 løste Cambridge-studerende Kevin Barreto og amatørmatematikeren Liam Price Erdős-problem nr. 728 ved hjælp af GPT-5.2 Pro – et problem, der aldrig før havde haft et kendt bevis i litteraturen. Det regnes for det første Erdős-problem, der i overvejende grad er løst af en AI.
I maj 2026 modbeviste en OpenAI-model Erdős’ formodning om enhedsafstande fra 1946 – et problem, der havde drillet matematikere i 80 år. Fields-medaljevinder Tim Gowers udtalte: »Intet AI-genereret bevis har nogensinde været i nærheden af dette niveau.« Få uger efter byggede menneskelige matematikere videre på AI’ens opdagelse med markante forbedringer.
Samme måned løste en AI-agent fra Google DeepMind autonomt 9 ud af 353 åbne matematiske problemer til en beregningspris på blot et par hundrede dollars stykket.
Matematikeren Noga Alon opgav ligefrem at forske videre i Erdős-problemer med begrundelsen: »Når AI begynder at løse dem, mister det meningen.«

Hvad denne serie kommer til at handle om

I dag kaster flere og flere sig over AI-kodning uden overhovedet at have en baggrund i softwareudvikling. Mange aner ikke, hvor de skal begynde, eller går i stå efter et par småprojekter. Uden et basalt kendskab til software engineering ender man hurtigt i blinde: Man ved ikke, hvordan problemer brydes ned, hvordan komplekse fejl løses, eller hvordan man instruerer AI’en præcist nok til at nå i mål.

Derudover mangler mange den systematiske tankegang: Evnen til at stille de rigtige spørgsmål, tænke kritisk og gennemskue, om AI’ens svar rent faktisk holder vand.

Jeg har selv over seks års erfaring som softwareingeniør og har med AI’s hjælp designet og bygget adskillige komplekse produkter, der i dag har en solid brugerskare. Som nævnt er hver eneste linje kode i mine nuværende projekter skrevet af AI. Modellerne kan sagtens bygge komplekse systemer – men kun hvis mennesket bag tasterne ved, hvad det laver, og forstår at styre processen. AI er et værktøj; det afgørende er føreren.

I en AI-æra er den klassiske læringsrejse forældet. Derfor lancerer jeg en artikelserie: Den komplette guide til Vibe Coding fra bunden.

Serien vil dække følgende hovedområder:

Best practices fra moderne softwareudvikling integreret i AI-kodning. Forstå, hvad software engineering egentlig indebærer, og lær at bygge dine egne idéer fra bunden. Målet er projekter, der ikke strander som demoer, men som kan vedligeholdes i årevis og føles legende lette at bygge videre på.
Logisk tænkning og prompt-strategi. Sådan stiller du de rigtige spørgsmål, undgår de klassiske faldgruber og skriver skarp projektdokumentation, som AI’en rent faktisk forstår.
Test og arbejdsgange. Hvordan du tester din kode, finpudser dit workflow og udvider funktionaliteten uden at gå på kompromis med arkitekturens stabilitet. Sådan skruer du op for farten gennem automatisering uden at ofre softwarekvaliteten.
Den optimale tech-stack til AI. Hvilke programmeringssprog og frameworks giver AI’en de bedste arbejdsbetingelser og udnytter modellernes styrker maksimalt.

Efterskrift

Kernen i dette indlæg blev oprindeligt skrevet for et år siden (i oktober 2025). Jeg har her opdateret det med det seneste års arbejdsmarkedsdata og AI-gennembruddene inden for matematik. Dengang var jeg så overvældet af udviklingens rasende tempo, at jeg frygtede, mine ord ville være forældede ugen efter. Derfor blev det til masser af korte opslag på sociale medier, men få gennemarbejdede essays. Da jeg fandt udkastet frem igen her et år efter, holdt pointerne overraskende godt stik, så jeg pudsede det af og udgav det. Fremover vil jeg skrive mere i dybden – for indhold med et ægte menneskeligt aftryk bliver kun en større mangelvare i årene fremover.