AI skriver koden i rasande takt – men granskningen håller inte jämna steg

När produktivitetslöftet möter verkligheten

Det var aldrig meningen att det skulle bli så här. Löftet med AI-drivna kodutvecklingsverktyg var enkelt och förföriskt: frigör utvecklarna från det tråkiga, låt dem fokusera på det kreativa, och se produktiviteten skjuta i höjden. Under 2024 och 2025 har den bilden börjat spricka – inte för att verktygen inte fungerar, utan för att de fungerar för väl.

Enligt en undersökning från kodverifieringsföretaget Sonar, där drygt 1 100 utvecklare deltog och som rapporteras av IEEE Spectrum, bidrar artificiell intelligens idag med hela 42 procent av all kod som läggs till i gemensamma kodarkiv. Det är en siffra som borde imponera. Men nästa siffra i samma undersökning ger anledning till eftertanke: 96 procent av de tillfrågade uppgav att de inte fullt ut litar på att AI-genererad kod fungerar korrekt. Och 61 procent menade att sådan kod ofta ser rätt ut – men i praktiken är opålitlig.

Där har vi kärnan i problemet.

Synthesias varningsklocka

Videoföretaget Synthesia är ett av de mest talande exemplen på hur snabbt situationen kan förändras. När företagets 118 ingenjörer under hösten 2025 fullt ut började använda AI-kodverktyg – däribland Claude Code – ökade antalet inkomna kodändringsförslag med 120 procent på ett enda år. I dag innehåller 95 procent av alla förslag AI-genererad kod.

Det låter som en framgångssaga. Men bakom siffrorna döljer sig en ny verklighet: varje ändringsförslag måste fortfarande granskas av en mänsklig utvecklare. Den mänskliga kapaciteten har inte ökat med 120 procent. Den är densamma som tidigare.

Ett återkommande mönster, som IEEE Spectrum lyfter fram, är problemet med duplicering. AI-verktyg saknar ofta tillräckligt sammanhang för att förstå att en lösning redan finns i kodbasen – och skriver därför ny kod för uppgifter som redan är lösta. Det skapar inte bara onödigt granskningsarbete; det riskerar också att sprida inkonsekvenser och dolda fel djupare in i systemet.

Säkerhetshål som gömmer sig bakom snygg syntax

Det som gör situationen särskilt knepig är att AI-genererad kod inte ser misstänkt ut. Den är välformaterad, följer vedertagna mönster och passerar ytliga kontroller utan anmärkning. Det är de djupare logikfelen – felaktiga antaganden, säkerhetsbrister, kantfall som aldrig testades – som smyger sig igenom och först visar sig efter driftsättning.

Detta är inte ett hypotetiskt scenario. Det är precis den typ av fel som är svårast att fånga i traditionell kodgranskning, och nu produceras de i industriell skala.

För mjukvaruutvecklingsbranschen innebär det att den gamla flaskhalsen – att skriva kod – håller på att ersättas av en ny: att förstå koden som AI har skrivit. Det är en fundamental förskjutning i vad det innebär att vara mjukvaruutvecklare.

En ny yrkesroll tar form

Jag har pratat med utvecklingschefer på flera svenska teknikbolag under det senaste halvåret, och bilden är samstämmig: de bästa utvecklarna idag är inte längre de som skriver mest kod – de är de som granskar smartast. Förmågan att snabbt identifiera vad AI har missat, att ställa rätt frågor till en kodbas och att förstå systemets helhet är det som nu premieras.

Det är inte nödvändigtvis en dålig utveckling. Men det kräver att företag, utbildningar och verktyg anpassar sig till en ny verklighet. Att bara skala upp AI-kodproduktionen utan att investera lika mycket i granskningskapacitet – teknisk såväl som mänsklig – är som att bygga en motorväg utan att bygga fler avfarter.

Produktivitetsvinsten är verklig. Men den är villkorad.