Danny Weber
AI-verktyg riskerar att producera lågkvalitativ kod. Ingenjörer varnar för teknikskuld och säkerhetshål. Upptäck varför kodgranskning fortfarande är avgörande.
Två ingenjörer från OpenClaw-projektet – även känt som 'Lobster' – har slagit larm. Visst kan AI-verktyg snabba på utvecklingen, men de kan också spotta ur sig lågkvalitativ och potentiellt farlig kod som hamnar direkt i produktion. Det är inte AI i sig de oroar sig för, utan hur snabbt företagen tar verktygen i bruk utan tillräcklig kontroll.
Mario Zekner, skaparen av OpenClaws interna agentramverk Pi, säger att infrastrukturen redan är under hård press och att mjukvaran blir allt mer sårbar för varje dag. Branschen kanske blundar ett tag, tillägger han, men i slutändan får den betala för de ackumulerade misstagen. Kollegan Armin Ronacher menar att AI borde hjälpa erfarna utvecklare att arbeta snabbare. Istället använder många företag det som en genväg till snabba besparingar, på bekostnad av långsiktig kvalitet.
Problemet är att generera kod inte är samma sak som att bedriva riktig ingenjörskonst. AI kan snabbt ta fram utkast, standardfunktioner och prototyper. Men utan granskning, testning och arkitekturöversikt skapar den ofta fler problem än den löser. Värst är det när genererade kodavsnitt går direkt till live-produkter – utan säkerhetskontroller, lasttester, kompatibilitetsanalys eller planering för framtida underhåll.
Ingenjörerna varnar för att jakten på kortsiktig produktivitet kan leda till brist på juniortalanger, växande tekniska skulder, nya säkerhetshål och fler driftstörningar. När företag byter ut utbildning och utveckling av personal mot automatisk kodgenerering vinner de snabbhet idag – men förlorar teamstabilitet och produktkvalitet imorgon.
The Wall Street Journal kallar fenomenet 'vibe slop' – en blandning av 'vibe coding', där utvecklingen bygger på snabba prompts och grova resultat, och en flodvåg av AI-genererat skräp. Budskapet till företagen är tydligt: verktygen kan vara kraftfulla hjälpmedel, men de ersätter inte behovet av gedigna ingenjörsmetoder. Kritiska system kräver fortfarande erfarna utvecklare, kodgranskningar, refaktorering, testning och säkerhetsrevisioner.
I slutändan blir den tid som sparas inledningsvis ofta en större kostnad senare. Om AI producerar lågkvalitativ kod skjuts den verkliga utvecklingskostnaden bara framåt – till buggfixar, utredningar av driftstopp, säkerhetsuppdateringar och att återvinna användarnas förtroende.
© RusPhotoBank