Agentic engineering i erhvervslivet
Virksomheder anvender agentic engineering til en bred vifte af udviklingsopgaver. De mest udbredte scenarier inkluderer automatisk generering af boilerplate-kode, refactoring af legacy-systemer, regressionstestning og løbende dokumentation af kodebaser. Morgan Stanley har f.eks. udviklet værktøjet DevGen.AI, der omskriver legacy-kode til moderne programmeringssprog og har sparet næsten 300.000 udviklertimer.
For teknologiledere handler agentic engineering om at skalere udviklingskapacitet uden proportional vækst i headcount. En AI-agent kan scanne directories for at generere opdateret dokumentation, forklare komplekse funktioner eller skabe arkitekturdiagrammer, hvilket gør det lettere for teams at forstå og vedligeholde software.
Agentic engineering muliggør også gradvis modernisering. Agenter kan refaktorere komponenter, forbedre testdækning og dokumentere systemer inkrementelt uden store, risikable omskrivninger. Det er særligt værdifuldt for virksomheder med omfattende teknisk gæld, der ønsker at modernisere uden at stoppe feature-udvikling.
Ifølge Gartner vil AI-agenter transformere softwareudvikling så grundlæggende, at 80% af ingeniørarbejdsstyrken skal opkvalificeres inden 2027. For danske virksomheder med knappe udviklingsressourcer kan agentic engineering være forskellen mellem at holde trit med den teknologiske udvikling og at sakke bagud.
Hvad agentic engineering ikke er
Agentic engineering forveksles ofte med vibe coding, men de to tilgange er fundamentalt forskellige. Vibe coding er prompt-baseret, konversationel kodning, hvor udvikleren tænker højt med AI'en og itererer hurtigt. Det fungerer godt til prototyper og mindre projekter, men begynder at svigte ved ca. 30.000 linjer kode, hvor modellen hallucinerer, bryder interfaces eller introducerer regressioner. Agentic engineering trives netop der, hvor vibe coding fejler, fordi agenterne har planer, hukommelse og fejlhåndtering.
Agentic engineering er heller ikke en erstatning for dygtige udviklere. Tilgangen gavner primært senioringeniører, der forstår systemdesign og sikkerhedsmønstre. Juniorudviklere, der læner sig op ad AI uden at opbygge grundlæggende kompetencer, risikerer at producere kode, de ikke forstår. Menneskeligt overblik, arkitekturbeslutninger og sikkerhedsvalidering forbliver afgørende.
Endelig er agentic engineering ikke risikofrit. Autonome agenter introducerer nye angrebsflader som prompt injection, memory poisoning og kaskaderende hallucinationer, hvor fejlagtig information forplanter sig gennem sammenkoblede processer. Effektiv brug kræver klare guardrails, logging og human-in-the-loop for kritiske beslutninger.
