Udvikling med AI og AI i din løsning
AI kan være en del af arbejdet med at bygge din software, uden at den færdige løsning har en chatbot eller andre AI-funktioner. Det er en vigtig forskel, når du taler med en udvikler om din opgave. Spørg både, hvordan løsningen bliver udviklet, og hvad brugerne skal kunne med den.
Hos Brandstoff bruger vi AI i udviklingen. Vi hjælper stadig med at få din idé afklaret, vælge funktioner og gennemgå løsningen sammen med dig. Et udkast til kode er en del af arbejdet. Det skal hænge sammen med dine systemer og den opgave, du vil have løst.
Hvad kan AI hjælpe udvikleren med?
AI kan bruges til udkast til kode, forklaringer af eksisterende kode og forslag til test. Det kan give udvikleren noget konkret at arbejde videre med, når opgaven er beskrevet. Forslagene skal vurderes i sammenhæng med resten af løsningen.
Det, der kaldes agentic coding, handler om at lade et værktøj arbejde gennem flere trin, eksempelvis ændre filer, køre en test og forsøge at rette en fejl. Hvor meget det må gøre, afhænger af de adgange og rammer, der er sat. Det er derfor også relevant at aftale, hvem der godkender ændringer, og hvordan de kan føres tilbage.
Hvordan bliver koden kontrolleret?
Bed om en konkret forklaring på kontrollen. Hvem gennemgår ændringerne? Hvilke brugeropgaver bliver afprøvet? Og hvordan bliver fejl håndteret før lancering? AI-genereret kode kan indeholde fejl. GitHub anbefaler også gennemgang og test af kodeforslag.
En brugbar test tager udgangspunkt i det, kunden skal kunne. Kan en ordre oprettes? Hvad sker der, hvis en betaling afbrydes? Kan en bruger se oplysninger, der tilhører en anden? Et skærmbillede, der ser rigtigt ud, besvarer ikke de spørgsmål.
Aftal godkendelsen som en del af opgaven. En prototype kan hjælpe med at afklare retningen, mens en løsning med rigtige kunder kræver gennemgang af blandt andet adgang, data og drift. Vi har samlet de konkrete overvejelser i guiden om vejen fra AI-prototype til færdig hjemmeside.
Ydeevne skal måles i den rigtige situation
AI kan give forslag til, hvor kode kan forbedres. Men om en ændring gør din løsning hurtigere, skal undersøges med relevante data og belastning. En langsom side kan skyldes flere ting, og et forslag til ny kode løser ikke nødvendigvis årsagen.
Beskriv, hvad der skal fungere, når flere brugere arbejder samtidig. Aftal også, hvordan fejl og langsomme svartider opdages efter lancering. Det er en del af driften, uanset hvilke værktøjer der er brugt til udviklingen.
Når selve produktet skal bruge AI
En chatbot, der svarer på spørgsmål, er et eksempel på sprogbehandling i produktet. Andre løsninger bruger modeller til at finde mønstre, foreslå indhold eller beregne forventninger ud fra historiske data. Her skal du først beslutte, hvilken opgave funktionen skal løse, og hvordan du vurderer svarene.
Du behøver ikke nødvendigvis træne din egen model. Men du skal forstå, hvilke data løsningen bruger, og hvor den kan tage fejl. En chatbot på hjemmesiden har eksempelvis brug for et relevant vidensgrundlag og en vej videre, når den ikke kan hjælpe.
Data, ansvar og næste skridt
Afklar, hvilke oplysninger der må sendes til et AI-værktøj, hvem der har adgang, og hvad leverandøren gør med dem. Brug relevante testdata, og undgå at dele fortrolige oplysninger uden en afklaret ramme.
Hvis AI skal understøtte beslutninger om mennesker, skal du også undersøge skæve eller fejlagtige resultater, mulighed for forklaring og menneskelig kontrol. Overvej, hvordan medarbejdernes opgaver ændres, og hvem kunden kan kontakte, hvis et svar er forkert.
Start med en afgrænset opgave og klare krav til resultatet. Så kan du vurdere, om AI bidrager med noget brugbart, og hvilket ansvar der følger med. Har du en idé til software til din virksomhed, hjælper vi gerne med at få den gjort konkret.