Vad AI faktiskt förändrar för dig som programmerare
Om du är orolig för att AI ska ta ditt jobb som programmerare tittar du förmodligen på fel sak. Det som faktiskt förändras är inte om du har ett jobb – det är vad som gör dig bra på det.
Verktygen har förändrats snabbt. Vad som värderas högt håller på att förändras med dem.
Produktiviteten ökar – men ojämnt
Verktyg som GitHub Copilot och Cursor gör mig snabbare på det som tidigare tog tid utan att vara intressant: boilerplate, repetitiva mönster, syntax jag kan utantill men ändå måste skriva. Det är påtagligt.
Men ökningen är inte jämn. En erfaren programmerare vet vad hen ber om och kan avgöra om svaret är bra. En junior kanske inte kan det. Resultatet är att AI-verktygen i praktiken ökar gapet mellan erfarna och oerfarna – inte minskar det.
Det är inte ett argument mot AI-verktyg. Det är ett argument för att förstå vad de faktiskt gör med din inlärning om du inte är försiktig.
Vad som minskar i värde
Det handlar om saker som tidigare tog tid men som nu är triviala:
- Memorera syntax och API-detaljer
- Skriva CRUD-kod från scratch
- Googla Stack Overflow för standardlösningar
- Sätta upp boilerplate för nya projekt
Ingen av dessa saker var egentligen värdeskapande – de var bara nödvändiga. AI tar hand om det. Det är bra.
Vad som ökar i värde
Det som AI inte gör lika bra är det som nu blir din konkurrensfördel:
- Förstå vad problemet egentligen är (inte vad kunden säger att det är)
- Ta arkitektoniska beslut med konsekvenser som syns om ett år
- Kommunicera tekniska avvägningar till icke-tekniska beslutsfattare
- Debugga och förstå system du inte byggt själv
- Avgöra när ett system håller på att bli ohanterbart
Det är i grund och botten domänkunskap, erfarenhet och omdöme. Saker som är svårare att prompta fram.
Utmaningen för junior-programmerare
Det finns en verklig utmaning för de som är tidigt i karriären.
Mycket av det juniorer lärde sig tidigare – att skriva enkel kod, lösa standardproblem, förstå system underifrån och upp – riskerar nu att hoppas över. Det är frestande att låta AI sköta det och fokusera på "viktigare" saker.
Men problemet är att de kunskaperna inte är triviala, de är grunden. Ingen blir bra på att granska AI-genererad kod utan att ha skrivit tillräckligt med kod själv för att veta vad bra ser ut.
Det gäller alltså att använda AI-verktygen utan att låta dem ersätta det arbete som faktiskt bygger upp din erfarenhet. Det är en svår balansgång.
Vad förändras egentligen i din roll?
Mer tid går till att förstå, kommunicera och besluta. Mindre tid går till att producera.
Det kräver andra färdigheter än vad programmerarrollen traditionellt betonat. Teknisk bredd och djup är fortfarande viktigt – men förmågan att resonera om systemproblem på en högre nivå blir allt viktigare.
Det handlar om att det svåraste med jobbet nu blir ännu viktigare.
Anpassa vad du lär dig
Praktiskt innebär det att det är värt att medvetet lägga mer tid på:
- Systemdesign – förstå hur system hänger ihop på hög nivå
- Debugging – att faktiskt förstå vad som händer, inte bara få det att funka
- Kommunikation – förklara tekniska beslut för icke-tekniska kollegor
- Kodgranskning – bedöma andras (och AI:s) kod kritiskt
Det är färdigheter som AI förstärker snarare än ersätter.
Vill du förstå hur du faktiskt arbetar bra med AI i vardagen – inte bara vad det gör med karriären – kan du läsa mer om det i den här artikeln om att programmera med AI.