Professionel Vibe Engineering
AI-kodningsværktøjer er allerede inde i IDE'er, pipelines og daglige workflows. Alligevel bruger mange teams dem stadig på en improviseret måde — prompter, prøver igen og håber at outputtet holder. Denne workshop etablerer en disciplineret, skalerbar tilgang til AI-assisteret softwareudvikling der fungerer i produktionsmiljøer, ikke kun i demoer.
Fra Prompting til Professionel AI Engineering
I mange teams begynder AI-adoption med begejstring. En udvikler genererer en funktion på sekunder. Automatiserede tests skabes øjeblikkeligt. Dokumentation dukker op på kommando. Produktivitetsgevinsterne føles reelle. Så kommer kompleksiteten.
Den genererede kode integrerer sig ufuldstændigt med en eksisterende arkitektur. Subtile hallucinationer sniger sig ind i edge cases. Ansvaret bliver uklart. Når systemer vokser, begynder ad-hoc prompting at vise sine begrænsninger.
Professionel vibe engineering adresserer denne udfordring. I stedet for at stole på intuitive prompts, så designer vi strukturerede kontekstopsætninger med eksplicitte systeminstruktioner, arkitektoniske grænser, genbrugelige prompt-mønstre og veldefinerede output-kontrakter. Vi behandler prompts som engineering-artefakter og designer LLM Agent-interaktioner som workflows.
LLM Agent-systemer der skalerer ud over eksperimenter
Jeg underviser i, hvordan man designer multi-agent workflows, hvor arkitektur, implementering, review, test og refaktorering er klart adskilt i definerede roller. Hver agent opererer inden for begrænsninger med sine værktøjer. Hvert output valideres. Hvert trin kan reviewes af mennesker.
Fokus er ikke på hype eller automatiseringsfantasier. Det handler om at designe AI-understøttede workflows der respekterer softwarearkitektur, opretholder udviklernes ejerskab og integrerer rent i CI/CD-pipelines med automatiserede tests, statisk kodeanalyse og dynamiske applikationssikkerhedstest (DAST).
Guardrails, kvalitetskontrol og ansvarlighed
Store sprogmodeller hallucinerer. Det er ikke en grund til at undgå dem – det er en grund til at arbejde disciplineret med begrænsninger og regler, de såkaldte guardrails. Professionel vibe engineering handler derfor ikke kun om at skrive gode prompts, men om at etablere en struktureret proces omkring AI-genereret kode. Det inkluderer blandt andet strukturerede output-skemaer, verifikationsprompts, self-check loops, testgenereringsmønstre samt integration med statisk kodeanalyse og andre automatiserede kvalitetskontroller. AI kan også indgå aktivt i kvalitetssikringen gennem code review-agenter, der analyserer og kommenterer kode, før den overhovedet når frem til mennesker.
AI-genereret kode accepteres aldrig alene på æstetik eller simple manuelle test. Den valideres gennem målbare kvalitetskontroller, automatiske tests og systematiske review-processer. Samtidig er mennesker fortsat en central del af kvalitetssikringen gennem human-in-the-loop-praksisser, hvor udviklere vurderer, udfordrer og godkender AI’ens forslag.
DevSecValOps - Etiske værdier i udviklingsprocessen
Her ligger også et vigtigt ansvar: ikke kun for teknisk kvalitet, men for de konsekvenser systemerne kan have for brugere og samfund. I softwareudvikling har vi tidligere set lignende udviklinger: fra DevOps til DevSecOps, hvor sikkerhed blev en integreret del af udviklingsprocessen. Inspireret af designtraditioner som Value Sensitive Design kan man stille et tilsvarende spørgsmål i AI-udvikling: Hvordan ville en DevSecValOps se ud i jeres organisation? Med andre ord: hvordan kan etiske hensyn – ikke kun organisationens egne værdier, men også hensynet til brugere, borgere og samfund – blive en reel del af teamets daglige praksis? Ikke som et dokument fra ledelsen, men som noget der indgår i designbeslutninger, kodegennemgange, teststrategier og de guardrails der former brugen af AI-værktøjer.
Fra workshop til praksis — jeres næste skridt med AI
En workshop i professionel vibe engineering kan fungere som kick-off for jeres teams tilgang til AI-assisteret udvikling. I løbet af dagen arbejder vi med konkrete teknikker og etablerer en fælles forståelse af, hvad AI realistisk kan - og ikke kan - i jeres kontekst.
Workshoppen giver jer et fælles sprog og et sæt principper, som teamet kan bygge videre på. Den kan danne grundlag for jeres egne retningslinjer for AI i udvikling, kvalitetskrav til AI-genereret kode eller en intern strategi for brug af LLM-værktøjer og deling af agent-workflows i organisationen.
Uanset om I lige er begyndt at bruge AI-kodningsværktøjer eller allerede arbejder med dem dagligt, skaber workshoppen et fælles fundament. Teamet får rum til at reflektere og træffe bevidste valg om, hvordan AI skal spille sammen med jeres eksisterende praksis. Målet er en ansvarlig udviklingsproces, hvor AI anvendes systematisk til at skabe reel værdi, med høj kvalitet, ansvarlighed og mere plads til innovation.