VAD ÄR AI?
AI sett från ett ingenjörsperspektiv
Du vet förmodligen redan att moderna AI-modeller är neurala nätverk tränade på stora datamängder. Men det ingenjörsmässigt intressanta är inte arkitekturen — det är beteendet i praktiken.
En stor språkmodell genererar text token för token, baserat på statistiska mönster från träningsdata. Den "förstår" inte kod på det sätt du gör — den har lärt sig mönster i hur kod ser ut och hur text om kod ser ut.
Det är en viktig distinktion: AI kan producera kod som ser rätt ut men inte är det. Den kan referera till API:er som inte finns eller funktioner som förändrats sedan träningsdatumet.
Vad AI är exceptionellt bra på för ingenjörer
- Boilerplate och standardmönster. Rutinkod som följer välkända mönster — CRUD-operationer, API-integrationer, konfigurationsfiler — skriver AI snabbt och korrekt.
- Förklara kod. Ge AI en kodsnutt och be den förklara vad den gör, rad för rad eller på övergripande nivå. Utmärkt för att sätta sig in i legacy-kod.
- Refaktorering. Be AI göra koden mer läsbar, mer testbar eller mer idiomatisk för det aktuella språket.
- Felsökningshypoteser. Beskriv ett bugg-symptom och ge AI felmeddelandet — den är ofta snabb på att föreslå troliga orsaker.
- Regex och komplexa uttryck. Reguljära uttryck, SQL-frågor, konfigurationssyntax — saker som tar tid att memorera men är enkla att låta AI generera och förklara.
- Tester. Generera enhetstester för befintlig kod — AI är ofta bra på att identifiera undantagsfall och skriva testkod.
Var AI-genererad kod kan svika dig
- Inaktuella API:er och biblioteksversioner. AI:s träningsdata har ett slutdatum. Bibliotek uppdateras, API:er förändras. Kontrollera alltid att genererad kod fungerar med din aktuella version.
- Säkerhetsbrister. AI-genererad kod kan innehålla SQL-injektionssårbarheter, osäker deserialisering eller felaktig behörighetshantering. Säkerhetsgranskning ersätts inte av AI.
- Prestanda i skala. Koden kan fungera korrekt men vara inefficient. AI optimerar sällan för din specifika last och infrastruktur.
- Domänspecifik kontext. AI vet inget om din kodbas, dina konventioner eller dina befintliga abstraktioner om du inte förklarar dem.
- Komplexa systemberoenden. Distribuerade system, race conditions, minnesproblem — saker som kräver djup systemförståelse hanterar AI sämre.
Hur du integrerar AI i ditt tekniska arbete
Det effektivaste sättet att använda AI i tekniskt arbete är inte att be den skriva hela lösningar — det är att använda den som ett interaktivt bollplank under hela processen:
- Utforska lösningsalternativ. Beskriv problemet och be AI lista tre olika approacher med för- och nackdelar.
- Generera ett utkast. Be AI skriva ett skelett du kan bygga vidare på — inte en färdig implementation.
- Granska och utmana. Be AI identifiera potentiella problem i sin egen lösning. "Vad kan gå fel med detta?"
- Iterera. Ge specifik feedback och be om förbättringar på de delar som inte fungerar.
Innan AI-kod eller AI-analys går vidare
- Är lösningen verifierad med tester, linting och relevanta säkerhetskontroller?
- Är API-anrop och bibliotek kompatibla med er faktiska versionsmiljö?
- Har hemligheter, tokens och känsliga loggar rensats från promptar?
- Passar lösningen kodbasens arkitektur och teamets konventioner?
Källor och ansvar
Guiden är framtagen av AI på svenska som praktiskt stöd för svenska arbetsplatser. Den är informativ och ersätter inte juridisk, medicinsk, pedagogisk eller verksamhetsspecifik rådgivning.
Kontrollera alltid lokala riktlinjer, avtal, sekretesskrav och aktuell myndighetsvägledning innan AI används i skarpa arbetsflöden.
Nästa: Kod och felsökning
Sortera hypoteser och verifiera i ordinarie verktyg innan en ändring levereras.