30. June 2026
Diskusjonen om hva man faktisk kan garantere av kvalitet i moderne programvare har blusset opp igjen i tech-miljøene (ACM Queue). I en virkelighet der AI-agenter og avanserte kodeassistenter genererer en stadig større andel av koden som kjører i produksjon, står virksomheter overfor et fundamentalt tillitsproblem: Hvordan kan vi gå god for systemer vi ikke lenger skriver selv fra bunnen av?
Tradisjonelt har programvaregarantier handlet om menneskelig håndverk, fagfellevurdering og rigide testregimer. Når generative AI-modeller spyr ut kode i et tempo som gjør manuell revisjon umulig, oppstår det nye, usynlige sårbarheter. Logiske feil som virker uskyldige ved første øyekast, kan ligge latent i systemene og forårsake uforutsette krasj under belastning.
For teknologiledere og CTO-er betyr denne utviklingen at fokus må flyttes fra selve kodeskrivingen til beinhard, isolert testing (såkalt sandboxing). Hvis din virksomhet tar i bruk AI-verktøy for å akselerere produktutviklingen, må dere samtidig investere tungt i automatiserte valideringsverktøy. Kvalitetssikring handler ikke lenger om å stole på utviklerens erfaring, men om å designe systemer som kontinuerlig tester seg selv mot uforutsette feil.
Tysklands dramatiske exit fra fotball-VM etter en omdiskutert VAR-annullering (NRK) har nok en gang satt fyr på debatten om helautomatisert beslutningstaking. Når avansert kamerateknologi og sensordata overstyrer menneskelig skjønn på millisekunder, utfordres vår oppfatning av rettferdighet og etterrettelighet.
VAR-teknologien og de tilhørende offside-systemene representerer en av de mest synlige hverdagsanvendelsene av datasyn (computer vision) og sanntidsanalyse i dag. Systemene fatter ugjendrivelige beslutninger i situasjoner der enorme økonomiske og emosjonelle verdier står på spill, ofte uten at publikum eller aktørene fullt ut forstår det teknologiske grunnlaget for avgjørelsen.
For logistikkbedrifter som bruker datasyn til automatisk sortering, eller finansinstitusjoner som lar algoritmer styre kredittvurderinger, gir dette en viktig lekse: Teknologisk presisjon er verdiløs hvis brukerne mister tilliten til systemet. Når dere implementerer AI-drevne beslutningsverktøy, må det alltid eksistere en transparent forklaringsmodell og en mulighet for menneskelig overstyring (human-in-the-loop) for å unngå tillitskrise når systemet tar kontroversielle avgjørelser.