Som programvareutvikler er hver eneste linje med kode jeg leverer nå skrevet av AI: La oss snakke om Vibe Coding
Med mer enn seks års fartstid som programvareutvikler har jeg ikke skrevet en eneste linje med kode for hånd på over et år. I prosjektene jeg jobber med for tiden, er rubbel og bit generert av AI. Men da jeg for vel et år siden prøvde å kode med AI for aller første gang, varte lykkerusen i underkant av tre dager.
Gleden ved «vibe coding»
Jeg husker det godt: det var i juni i fjor (2025) at jeg etter mye nysgjerrighet åpnet Cursor for første gang. Ved første øyekast så det ut som den klassiske kodeeditoren VS Code, bare med et sidepanel der man kunne sparre med en AI.
Før det var inntrykket mitt av AI-assistert koding begrenset til Github Copilot, som i bunn og grunn føltes som litt glorifisert autofullføring. Men i det øyeblikket jeg tastet inn den første instruksen og trykket send, skjedde det noe magisk. AI-en begynte å kverne for fullt, før den lynraskt spyttet ut titalls – ja, hundrevis – av kodelinjer direkte i editoren. Den hoppet uanstrengt mellom ulike filer, oppdaterte dem i sanntid og kjørte til og med kommandoer i terminalen for meg.
Plutselig holdt det å beskrive ønsket funksjonalitet på helt vanlig menneskespråk, og vips, så snekret AI-en det sammen. Jeg slapp å knotte inn hver minste linje selv. Dette handlet ikke lenger om enkel autofullføring; maskinen overtok store deler av utviklerjobben fra et overordnet nivå.
Det føltes nesten som å holde en tryllestav i hånden – en berusende følelse av å stirre rett inn i en helt ny verden.
Den gangen delte jeg følgende refleksjoner:
Vibe coding passer perfekt for ADHD-hjernen. Tradisjonell koding strider nesten mot hele ADHD-naturen, men vibe coding kurerte i et jafs motviljen mot å skrive tester, aversjonen mot CSS, de evinnelige skrivefeilene i variabelnavn og den uendelig kjedelige feilsøkingen av trivielle bugs.
Med AI på laget kommer tilbakemeldingene lynkjapt, og mestringsfølelsen er enorm. Jo mer trivielt og repetitivt arbeidet er, desto bedre fikser AI-en det.
Dermed kan jeg konsentrere meg fullt og helt om de store linjene og arkitekturen, som en slags prosjektleder.
Jeg har aldri hatt noe personlig behov for å hamre løs på hvert eneste tegn på tastaturet, men jeg elsker å skape ting. Hele reisen fra assemblerspråk til høynivåspråk har handlet om å gjøre utvikleropplevelsen bedre, mer intuitiv og mer effektiv.
Å kunne bygge programvare som en ren skaper – heller enn en digital steinknuser – er egentlig en enorm luksus for en utvikler.
Grensene for vibe coding
Denne måten å jobbe på har fått et eget navn: vibe coding. Begrepet ble lansert av OpenAI-medgrunnlegger Andrej Karpathy i februar 2025, og handler kort sagt om å bare følge flyten (eller «viben»): Du forklarer hva du vil ha i vanlig tekst, godtar alt AI-en produserer uten å granske koden linje for linje, og kaster feilmeldinger rett tilbake til modellen hvis noe tryner – helt til du nesten glemmer at det faktisk ligger ekte kode i bunn.
Men etter å ha delt den euforiske oppdateringen over, varte som sagt moroa i knappe tre dager før realitetene innhentet meg. Jeg oppdaget raskt hvor grensene gikk.
På det tidspunktet holdt jeg på med en app-prototype. Ren vibe coding lot AI-en improvisere fritt ut fra litt løse og vage instrukser, helt uten tradisjonelle ingeniørprinsipper i bunn. Konsekvensen kom fort: AI-en ble stadig vanskeligere å tøyle, og arkitekturen endte opp som et eneste uoversiktlig spaghettikaos det var umulig å vedlikeholde.
Jeg valgte å skrote alt og begynne forfra. Denne gangen tok jeg på meg hatten som faglært programvareutvikler og etablerte en strukturert arbeidsflyt for den AI-assisterte kodingen.
Det ga et helt annet resultat. Jeg beholdt mye av den lekne flyten fra vibe coding, men kombinerte det med strengere kodegjennomganger, tydeligere dokumentasjon og mindre, inkrementelle endringer fremfor å dytte inn gigantiske funksjoner på én gang. Plutselig hadde jeg full kontroll over arkitekturen, og presisjonen var upåklagelig. Utviklingen føltes nå mer som å være en erfaren leder som delegerer til en lynrask praktikant: Du slipper å implementere hver minste detalj selv, men du må fremdeles beholde det overordnede overblikket og arkitektoniske ansvaret.
Like etter gikk jeg over til Claude Code, noe som ga meg enda strammere kontroll og skarpere presisjon. Det var en åpenbaring, og effektiviteten min ble mangedoblet over natten.
Fremtiden for programvareutviklere
«Kan vibe coding føre til at folk slutter å lære seg grunnleggende programmering, rett og slett fordi det går så altfor raskt å slenge sammen ting?»
Svaret mitt er et rungende ja.
Den tradisjonelle veien fra fersking til å levere ferdige produkter har alltid vært som en trapp: Du tar ett trinn av gangen. Man begynner gjerne med et grunnkurs i et programmeringsspråk, lander en juniorstilling, bryner seg på reelle tekniske utfordringer i den virkelige verden, og vokser gradvis inn i rollen som en selvstendig seniorutvikler. Hvert trinn gir kontinuerlig mestring og tilbakemelding. For de fleste med normal læreevne har det vært en overkommelig og forutsigbar karrierevei.
Vibe coding river ned hele inngangsterskelen. Hvem som helst kan snekre en demo nå. Men systemutvikling er et håndverk som krever enormt mye praktisk erfaring. Forskjellen på en enkel demo og et robust, produksjonsklart kommersielt produkt er omtrent som forskjellen på å gå fra 0 til 1, kontra å gå fra 1 til 100.
I det tradisjonelle løpet lærte man seg mye av verktøykassen for 1–100 mens man slet seg fra 0 til 1. Med vibe coding hopper man over denne grunnleggende treningen. Dermed møter man en bratt vegg så snart man prøver å gå fra 1 til 10. For mange vil dette bli så overveldende at de gir opp før de i det hele tatt kommer i gang på ordentlig.
Fordi starten føles så lekende lett, blir sjokket desto større når de virkelige problemene melder seg. Det er ikke lenger nok med middels interesse og læreevne. De som faktisk klarer å klatre denne veggen på egen hånd, har sannsynligvis en læreevne, gjennomføringskraft og problemløsningsevne helt utenom det vanlige – vi snakker den øverste prosenten av utviklere.
Men saken er: Den lille gruppen ville blitt topputviklere uansett, også før AI gjorde sitt inntog.
I takt med at AI blir råere til å kode, forsvinner behovet for juniorutviklere. Utdannings- og rekrutteringsstigen knekker i bunnen, og færre får sjansen til å opparbeide seg den nødvendige erfaringen i praksis.
Et år etter at jeg først noterte ned disse tankene, begynner arbeidsmarkedstallene å bekrefte akkurat dette:
- Stanford Digital Economy Lab brukte lønnsdata fra den amerikanske lønnsleverandøren ADP, og fant at sysselsettingen blant unge mellom 22 og 25 år i AI-utsatte yrker per juni 2026 lå 19 % under det man ville forventet basert på jevnaldrende i andre bransjer (opp fra et avvik på 15 % året før). For erfarne arbeidstakere fantes det ikke noe slikt avvik. Nedgangen skyldes i hovedsak at bedriftene ansetter færre nyutdannede, ikke oppsigelser. (Stanford Digital Economy Lab, 2026-08)
- En rapport fra venturekapitalselskapet SignalFire fra juni 2026 viser at ansettelser av nyutdannede og juniorer i tolv store teknologiselskaper (som Google, Meta, Apple og Microsoft) har falt med rundt 65 % sammenlignet med 2019. I tidligfase-startups har fallet vært på hele 76 %. (SignalFire State of Talent Report 2026)
- Ifølge tall fra rekrutteringsportalen Indeed utgjorde juniorstillinger bare 4,5 % av alle utlyste utviklerjobber i USA i første kvartal 2026 – den laveste andelen på tvers av samtlige bransjer. (Indeed Hiring Lab, 2026-07)
Jeg ser temmelig mørkt på fremtiden for dette feltet. Bransjen er i ferd med å polariseres totalt: I den ene enden har vi en hyperkompetent elite som opererer på et skyhøyt nivå; i den andre enden sitter hobbyister som smeller sammen enkle prototyper og demoer for moro skyld.
Andre bransjer vil etter hvert følge samme spor. I fremtiden vil det meste av rutinepreget kognitivt arbeid – såkalt «lett» tankearbeid – bli overtatt av AI.
Selv matematikken, en av de mest krevende bastionene for original menneskelig tankevirksomhet, har det siste året fått kjenne AI-revolusjonen på kroppen:
- I januar 2026 løste Cambridge-student Kevin Barreto og amatørmatematiker Liam Price Erdős-problem nr. 728 ved hjelp av GPT-5.2 Pro, et problem det ikke fantes noe bevis for i den eksisterende faglitteraturen. Dette regnes som det første Erdős-problemet som i all hovedsak er løst av en AI.
- I mai 2026 motbeviste en modell fra OpenAI Paul Erdős’ enhetsavstandsformodning fra 1946 – et problem som hadde plaget matematikere i 80 år. Fields-medaljevinner Tim Gowers bemerket: «Ingen AI-genererte bevis har tidligere vært i nærheten av dette nivået.» Få uker senere bygde menneskelige matematikere videre på AI-ens oppdagelse med betydelige forbedringer.
- Samme måned løste en AI-agent fra Google DeepMind på egen hånd 9 av 353 åpne matematiske problemer, til en beregningskostnad på bare noen hundre dollar per problem.
- Matematikeren Noga Alon har til og med lagt Erdős-problemer på hylla av denne grunn: «Når AI begynner å løse dem, mister det all mening.»
Hva denne serien skal handle om
Nå som stadig flere uten programmeringsbakgrunn kaster seg over AI-koding, opplever mange at det er vanskelig å vite hvor man skal begynne, eller stopper opp etter noen små forsøk. Uten kjennskap til systemutvikling aner man ofte ikke hva man faktisk driver med; man vet ikke hvordan man bryter ned store problemer, hvordan man håndterer kompleksitet, eller hvordan man instruerer AI-en presist nok til å nå målet.
Jeg legger også merke til at mange snubler fordi de mangler trening i logisk resonnering. De sliter med å stille de rette spørsmålene, tenke kritisk og vurdere om svaret fra AI-en faktisk holder vann.
Som programvareutvikler med over seks års erfaring har jeg brukt AI til å designe og bygge flere komplekse systemer som nå har en solid brukerbase. Som nevnt innledningsvis: Hver eneste linje med kode i prosjektene mine skrives nå av AI. Og ja, AI kan absolutt bygge avansert programvare – men bare dersom du selv forstår hva du gjør, og vet nøyaktig hvordan du skal lede maskinen dit du vil. AI er bare et verktøy; det er fremdeles mennesket bak som utgjør hele forskjellen.
I AI-ens tidsalder er den tradisjonelle oppskriften på å lære programmering moden for skraphaugen. Derfor vil jeg lansere en helt ny artikkelserie: Den ultimate guiden til vibe coding for nybegynnere.
Guiden vil ta for seg flere kjerneområder:
- Beste praksis fra systemutvikling bakt inn i AI-koding: Forstå hva programvareutvikling faktisk er i bunn og grunn, og bygg applikasjonen din fra bunnen av. Målet er å gå forbi enkle demoer og skape noe som er bærekraftig over tid, der selve utviklingen flyter som smurt.
- Tankesett og logisk resonnering: Hvordan stille effektive spørsmål når du koder med AI, hvilke fallgruver du må unngå for enhver pris, og hvordan skrive prosjektdokumentasjon som faktisk fungerer.
- Testing og arbeidsflyt: Hvordan teste prosjekter og kode, optimalisere arbeidsflyten og bevare en bunnsolid arkitektur samtidig som du itererer på funksjonalitet. Hvordan skru opp utviklingstempoet uten å gå på akkord med kvaliteten, og hvordan automatisere prosessene.
- Det optimale teknologivalget for AI-koding: Hvilke språk og rammeverk bør du velge for å tyne mest mulig ut av AI-ens styrker?
Etterord
Kjernen i denne teksten ble egentlig skrevet for et år siden (oktober 2025). Nå har jeg gått over den på nytt og oppdatert med det siste årets arbeidsmarkedstall og gjennombrudd innen matematikk. Den gangen ble jeg så lamslått av utviklingstempoet til AI at jeg nesten fryktet alt jeg skrev ville være utdatert uken etter. Dermed ble det til at jeg postet mange korte oppdateringer i sosiale medier, men knapt noen lengre artikler. Da jeg nylig bladde opp utkastet igjen, slo det meg at tankene fortsatt sto seg overraskende godt, så jeg bestemte meg for å pusse det opp og publisere det. Fremover skal jeg definitivt skrive mer i dybden. Innhold med et genuint menneskelig preg kommer tross alt bare til å bli mer og mer verdifullt i årene som kommer.