AI-agenter kan snart skapa egna maskinspråk – och då tappar vi insynen i koden
AI-agenter håller på att göra Python och TypeScript lika föråldrade som maskinkod.
Mellankoden försvinner – och det kan gå fortare än vi tror
Det tog decennier från att kompilatorn uppfanns till att handskriven maskinkod slutade vara ett rimligt yrkesval. Den omvandlingen vi nu ser inom mjukvaruutveckling kan gå dramatiskt mycket snabbare.
Enligt en analys i Computer Sweden håller programspråk som Python, TypeScript och Rust på att förvandlas till ett slags mellansteg – ett mellanlager som AI-agenten hanterar ungefär som kompilatorn en gång hanterade maskinkoden åt oss. I dag anger vi kraven i naturligt språk; agenten producerar koden. Och precis som ingen i dag skriver bytekod för hand väcker det en rimlig fråga: varför ska AI-agenter egentligen behöva använda mänskligt läsbara programspråk?
Svaret, menar analysen, är att de kanske inte behöver det särskilt länge till. Högnivåspråk finns till för att hjälpa människor att tänka ut och formulera lösningar. Men om en agent kan ta en fullständig kravbeskrivning och omvandla den direkt till fungerande programvara faller motivet för mellankoden bort. Kedjan mänskligt språk → läsbar kod → maskinkod kan förkortas till mänskligt språk → maskinkod – och vi hanterar enbart indata.
Ännu mer tankeväckande är slutsatsen att agenter i förlängningen troligen börjar skapa egna, skräddarsydda mellanspråk – optimerade för agenternas egna behov snarare än för mänsklig läsbarhet. Ett sådant språk skulle kunna göra agenter snabbare och mer tillförlitliga, men det innebär också att vi som människor förlorar möjligheten att granska och förstå vad som faktiskt körs i våra system.
Verktygsskatten som ingen pratar om – än
Men det är inte bara hur kod skrivs som håller på att förändras. Det handlar också om vad det kostar att driftsätta agenter i verklig verksamhet – och här kommer ett konkret genombrott från ett oväntat håll.
Identitets- och säkerhetsföretaget Okta har identifierat vad de kallar en verktygsskatt: en dold beräkningskostnad som uppstår varje gång en AI-agent anropar en språkmodell. Problemet är knutet till Model Context Protocol, MCP, som blivit en vanlig standard för att koppla samman agenter med externa tjänster – alltifrån Google Workspace och Slack till interna företagssystem.
Vid varje modellsanrop skickas namn, beskrivningar och parametrar för samtliga tillgängliga verktyg med i anropet – oavsett om agenten faktiskt kommer att använda dem eller inte. Ju fler användare och aktiva agenter, desto mer mångdubblas den dolda kostnaden. I en organisation med hundratals agenter som körs parallellt kan det röra sig om betydande summor varje månad, utan att någon egentligen lagt märke till det.
Oktas lösning är elegant i sin enkelhet: filtrera verktygslistan innan den når modellen, baserat på vilka behörigheter som tilldelats den aktuella agentens identitet. I stället för att skicka hela verktygskatalogen returneras enbart de verktyg som identiteten uttryckligen har rätt att använda. Enligt Oktas egen modellering – baserad på produktdata och offentlig leverantörsdokumentation – minskade antalet synliga verktyg med över 90 procent i vissa behörighetsscenarier. Eftersom token-kostnaden för verktygsbeskrivningar ökar nästan linjärt med antalet verktyg är besparingspotentialen direkt avläsbar på fakturan.
Vad detta faktiskt betyder för svenska IT-avdelningar
Dessa två nyheter berör olika skikt av samma förändring. Computer Swedens analys handlar om den långsiktiga, arkitekturella omvandlingen av hur mjukvara skapas. Oktas lösning är omedelbart praktisk och affärsmässigt gripbar – den handlar om att göra agentutrullningar ekonomiskt hållbara redan i dag.
För svenska tech- och IT-chefer är budskapet tvådelat:
På kort sikt är identitetsstyrning och behörighetskontroll inte längre bara en säkerhetsfråga – det är en direkt kostnadsdrivare. Organisationer som rusar ut med AI-agenter utan att ha kontroll på verktygsbehörigheter kommer att upptäcka att beräkningskostnaderna eskalerar på ett sätt som är svårt att motivera inför styrelsen.
På lång sikt behöver utvecklarteam börja fundera på vad deras roll egentligen är när agenten skriver koden. Kompetens i att formulera precisa kravbeskrivningar, att verifiera agentproducerad programvara och att förstå systembeteende på en abstrakt nivå kommer att bli mer värdefull än förmågan att skriva syntaktiskt korrekt Python.
Vår analys
De här två signalerna pekar mot samma slutsats: agentdriven mjukvaruutveckling är inte längre en framtidsfråga – den är en nulägesfråga med konkreta ekonomiska konsekvenser.
Oktas verktygsskatt-lösning är ett tidigt bevis på att marknaden håller på att mogna. När identitetsföretag börjar bygga kostnadsoptimering direkt i sin agentinfrastruktur visar det att storskaliga agentutrullningar faktiskt händer, inte bara i pilotprojekt.
Analysen om att programspråk kan bli obsoleta är mer spekulativ, men riktningen är svår att argumentera emot. Historien är full av mellanlager som försvann när abstraktionsnivån höjdes – varje gång fick vi snabbare innovation och bredare tillgång till teknikens möjligheter.
Den kritiska frågan för svenska organisationer är inte om det här skiftet sker, utan hur snabbt de positionerar sig för att dra nytta av det. De som väntar på att osäkerheten ska lösa sig riskerar att missa det strategiska fönstret.