EN
← Tilbake til artikler
Artikler

Er programvare på vei til å bli gratis?

15. oktober 202623 min lesing4 688 ord
AI-agenterVibe codingÅpen kildekodeAI og arbeidsmarkedet
En værslitt plakat med «ABONNEMENT» skrelles av og avdekker «LAG DET SELV» og «0 kr?» mellom lag med programvinduer.
Generert med OpenAIs bildegenerator gpt-image-2.5.

Folk bruker nå AI til å gjenskape avansert programvare som Photoshop, kombinere videospill og bygge egne alternativer til tjenester de tidligere måtte betale for. Noen bygger til og med hele programpakker som utfordrer etablerte selskaper som Adobe. Samtidig kan vanlige mennesker lage nettsider, apper, databaser, CRM og egne programmer bare ved å snakke med AI på sitt eget språk. Utviklingen går raskt, og det som var svært vanskelig for kort tid siden, blir stadig enklere. Hva skjer med programvarebransjen når folk og bedrifter selv kan bygge det de trenger?

Kort fortalt

  • Vanlige mennesker kan nå lage egne programmer med AI. Du kan forklare hva du ønsker på norsk, og la AI skrive, teste og videreutvikle koden. Du trenger ikke nødvendigvis utdanning som programmerer.
  • Programvarebransjen merker allerede endringen. I en global undersøkelse fra McKinsey oppgir 32 prosent av respondentene at virksomheten deres har valgt å la være å kjøpe minst ett program fordi de kunne bygge funksjonaliteten selv med AI.
  • Det viktigste er kanskje utviklingstempoet. Programmer som for kort tid siden ville krevd omfattende utviklingsarbeid, kan nå bygges og forbedres med AI-agenter. Mange av løsningene er fortsatt uferdige, men både programmene og AI-verktøyene som bygger dem, utvikles videre.

1. Hva er det egentlig som skjer?

For bare noen få år siden var det å lage et program noe de fleste overlot til profesjonelle utviklere. Du måtte enten kunne programmering selv, lære deg det eller betale noen andre for å gjøre jobben.

Det er ikke lenger nødvendig i samme grad. Med ChatGPT, Codex, Claude Code, Grok Bot og andre AI-verktøy kan du beskrive hva du vil lage med vanlig språk. AI kan opprette filer, skrive kode, sette opp databaser, teste funksjoner, finne feil og endre programmet etter hvert som du forklarer hva du ønsker.

Du kan eksempelvis si: «Lag et program som holder oversikt over alle kundene mine, fakturaene deres og hvilke betalinger som mangler. Jeg vil ha en enkel oversikt med mulighet til å søke, filtrere og eksportere informasjon.»

En AI-kodeagent kan deretter begynne å bygge løsningen. Når du ser resultatet, kan du fortsette: «Jeg vil ha en annen meny. Legg til automatisk påminnelse om ubetalte fakturaer. Gjør det mulig å bruke programmet på mobilen også.» AI endrer programmet, og du tester på nytt.

Dette er en helt annen arbeidsform enn tradisjonell programmering. Du bestemmer hva programmet skal gjøre, mens AI gjør mye av den tekniske jobben. Det betyr ikke at alt fungerer perfekt på første forsøk. Men det betyr at stadig flere kan bygge noe nyttig uten å måtte mestre programmeringsspråket selv.

Fra chatbot til AI-agent

En vanlig chatbot gir deg i hovedsak svar. En AI-agent kan også utføre handlinger. Den kan bruke verktøy, undersøke filer, skrive kode, kjøre tester og fortsette å jobbe basert på resultatene.

En AI-modell alene har ikke automatisk tilgang til programmer, filer og andre verktøy. For at modellen skal kunne utføre praktiske oppgaver, trenger den et system rundt seg som gir tilgang til verktøy, relevante data, instrukser og kontrollmekanismer. Dette systemet kalles ofte et agent harness, eller bare harness.

Eksempler finner vi i OpenAI Codex, som blant annet brukes gjennom ChatGPT, Claude Code fra Anthropic og Grok Bot fra SpaceXAI. Dette er forskjellige agentbaserte produkter, men de bygger på samme hovedidé. AI får verktøy og et arbeidsmiljø slik at den kan gjennomføre flere handlinger, undersøke resultatene og fortsette å jobbe.

Tenk på AI-modellen som hjernen, mens harnesset er verktøykassen, arbeidsplassen og rutinene som gjør at hjernen kan utføre praktiske oppgaver. En agent kan eksempelvis lage et program, kjøre det, oppdage at noe ikke fungerer, undersøke feilmeldingen, rette koden og prøve igjen.

Denne arbeidsformen er en viktig grunn til at AI nå kan gjennomføre oppgaver som tidligere var langt vanskeligere. Og det bringer oss til noe som har fått svært mye oppmerksomhet den siste tiden: reverse engineering.

2. Når AI kan undersøke og gjenskape eksisterende programvare

Reverse engineering, eller omvendt utvikling, betyr at man undersøker et ferdig produkt for å forstå hvordan det fungerer.

I tradisjonell programvareutvikling begynner man med kildekoden. Det er instruksjonene utviklerne har skrevet for å lage programmet. Ved reverse engineering begynner man fra motsatt ende. Man har det ferdige programmet og prøver å forstå hvordan det er bygd, hvilke funksjoner det har, og hvordan disse fungerer.

Dette har eksistert i mange år, men har ofte krevd betydelig teknisk kunnskap og tid. Nå kan AI-agenter gjøre store deler av analysearbeidet.

REA: Reverse Engineer Anything

Et prosjekt som har fått stor oppmerksomhet, heter REA, Reverse Engineer Anything. Det ligger på GitHub, en nettjeneste hvor utviklere kan lagre kode, følge med på endringer og samarbeide om programvare. Hvert prosjekt har gjerne sitt eget kodearkiv, kalt et repository, ofte forkortet til repo.

Når et prosjekt er offentlig tilgjengelig på GitHub, kan andre se nærmere på jobben som er gjort. Dersom lisensen tillater det, kan de også videreutvikle koden og bidra med forbedringer.

REA gjør det mulig å koble AI-agenter til verktøy som analyserer programvare, også når man ikke har tilgang til den opprinnelige kildekoden. Agenten kan undersøke programmets oppførsel og tekniske struktur, forklare hvordan bestemte funksjoner virker og bruke denne kunnskapen til å bygge egne løsninger.

REA kan blant annet benytte etablerte analyseverktøy som Ghidra. Det samler altså eksisterende teknologi i en arbeidsflyt som AI-agenter kan bruke. Man kan for eksempel be en agent undersøke hvordan en bestemt funksjon i et program virker, og deretter bygge en tilsvarende funksjon i sitt eget program.

Det betyr ikke at REA automatisk kan rekonstruere hele kildekoden til ethvert program. Men det gjør en rekke tidligere krevende analyseoppgaver langt mer tilgjengelige.

Hvor gode har AI-modellene blitt på reverse engineering?

I august 2026 publiserte forskere SRE-Bench, en test utviklet for å måle hvor godt AI-agenter kan forstå programmer uten tilgang til kildekoden. Forskerne utviklet 19 private programmer, 262 forskjellige binære varianter og 1 572 testoppgaver. Målet var å undersøke om AI faktisk klarte å analysere ukjent programvare.

Da OpenAI senere testet GPT-6 Astra, rapporterte selskapet at modellen løste 88 prosent av oppgavene på første forsøk og 99,2 prosent innen fire forsøk. Den tidligere modellen GPT-5.6 Sol oppnådde henholdsvis 55,9 og 68,7 prosent i OpenAIs sammenligning. Dette er resultatene OpenAI offentliggjorde, og forskerne bak SRE-Bench har også omtalt det store spranget.

Tallene betyr ikke at AI kan gjenskape 99,2 prosent av all programvare i verden. Testen undersøker bestemte analyseoppgaver. Men resultatene viser hvor raskt evnen til å analysere programvare kan forbedres mellom modellgenerasjoner.

Er det lov å gjenskape programmer?

Det finnes lovlige former for reverse engineering og uavhengig gjenskaping av programfunksjoner. I europeisk rett skilles det mellom funksjonaliteten til et program og den beskyttede koden. EU-domstolens avgjørelse i SAS Institute mot World Programming er sentral på dette området. Norsk åndsverklov åpner også for at en som lovlig bruker et program, under bestemte vilkår kan undersøke hvordan det fungerer.

En metode som ofte nevnes, er clean-room engineering. Da dokumenteres hva programmet gjør, og en selvstendig implementasjon bygges ut fra funksjonsbeskrivelsen. Men dette betyr ikke at man fritt kan kopiere originalkode, grafikk, musikk, beskyttede filer eller andre rettigheter.

Det er også viktig å skille mellom åpen kildekode og en selvstendig kopi. Når et program er open source, eller åpen kildekode, er kildekoden tilgjengelig under en lisens som gir bestemte rettigheter til å bruke, undersøke, endre og dele den.

Et kommersielt program blir ikke automatisk åpen kildekode bare fordi noen gjenskaper funksjonaliteten. Men det kan få en ny konkurrent som er det.

3. Fra Adobe til videospill: Se hva folk allerede har laget

Et av de mest omtalte eksemplene i oktober 2026 er en samling programmer som forsøker å gjenskape funksjonaliteten i Adobes Creative Cloud og andre kommersielle programmer.

Generert med OpenAIs bildegenerator gpt-image-2.5.

En gratis konkurrent til Adobe Creative Cloud

Utvikleren Brandon Thomas startet prosjektet ArtCraft, med en serie åpne programmer skrevet i programmeringsspråket Rust og utviklet med omfattende bruk av AI. Thomas har selv fortalt at misnøye med Adobes abonnements- og kanselleringspraksis var en del av motivasjonen.

ArtCraft omfatter nå 13 forskjellige programmer. De inkluderer bildebehandling, video, vektorgrafikk, dokumenter, presentasjoner, regneark og teknisk tegning.

Se alle 13 ArtCraft-programmene

ArtCraft-programmene, per oktober 2026:

  • PhotoCraft: Bildebehandling, lag og retusjering. Et alternativ inspirert av Photoshop.
  • VectorCraft: Vektorgrafikk og illustrasjoner, tilsvarende bruksområdene i Illustrator.
  • FilmCraft: Videoredigering, inspirert av programmer som Premiere Pro.
  • LightCraft: Organisering og behandling av fotografier og råfiler, tilsvarende Lightroom.
  • PdfCraft: Arbeid med PDF-dokumenter, som i Acrobat.
  • EffectCraft: Bevegelsesgrafikk og visuelle effekter, inspirert av After Effects.
  • DesignCraft: Sideoppsett og publisering, som i InDesign.
  • FigCraft: Design av brukergrensesnitt og prototyper.
  • WordCraft: Tekstbehandling, tilsvarende Microsoft Word.
  • SoundCraft: Lydredigering og miksing.
  • DeckCraft: Presentasjoner, tilsvarende PowerPoint.
  • CADCraft: Teknisk konstruksjon og tegning.
  • GridCraft: Regneark og dataanalyse, tilsvarende Excel.

Alle programmene og deres utviklingsstatus finnes på ArtCrafts offisielle nettside.

Dette er ikke ferdige erstatninger for alle originalprogrammene. PhotoCraft er fortsatt i tidlig alfafase. Flere av de andre programmene er under utvikling. Det finnes feil, manglende funksjoner og begrensninger. En praktisk gjennomgang hos Creative Bloq 13. oktober 2026 fant blant annet mangler i bildebehandling, fargehåndtering og videoredigering. Utvikleren legger heller ikke skjul på dette. PhotoCrafts egen GitHub-side beskriver programmet som uferdig og ikke klart til å erstatte Photoshop i daglig profesjonelt arbeid.

Men det er nettopp her utviklingstempoet blir interessant. Prosjektene er åpne. Andre utviklere kan undersøke koden, rapportere feil og bidra med forbedringer. PhotoCraft har allerede fått et stort antall endringsforslag og omfattende utviklingsaktivitet på GitHub. Disse utviklerne kan igjen bruke AI-agenter til å bygge, teste og forbedre programvaren. Og de samme AI-verktøyene blir stadig bedre.

Spørsmålet er derfor ikke bare hvor godt PhotoCraft fungerer i dag. Spørsmålet er hvor godt det kan fungere om tre måneder, seks måneder eller ett år. Det vet vi ikke. Men å vurdere prosjektets fremtid utelukkende ut fra dagens feil blir en svært begrenset analyse.

Misnøye med QuickTime ble starten på et eget program

Et mindre, men kanskje enda mer forståelig eksempel kommer fra Mark Kashef. Han brukte QuickTime til å kontrollere videoer, men ønsket større fleksibilitet når han skulle endre avspillingshastigheten. I stedet for å lete etter et annet kommersielt program, brukte han en AI-agent til å bygge sitt eget. Programmet fikk navnet Tempo.

Ifølge hans egen beskrivelse på LinkedIn tok den første fungerende versjonen omtrent 30 minutter og kostet rundt fire dollar i AI-bruk. Tempo hadde funksjonene han trengte, blant annet valgfri avspillingshastighet, justering av tonehøyde og visning av lydbølger. Dette er hans egen rapporterte erfaring, ikke en uavhengig kvalitetstest.

Men prinsippet er viktig: Han trengte ikke bygge en fullstendig konkurrent til hele QuickTime. Han trengte bare et program som gjorde akkurat det han ønsket.

Når Mario flytter inn i Elden Ring

Spillverdenen viser de samme mulighetene på en langt mer visuell måte. Utviklere kombinerer nå forskjellige spill, motorer og spillmekanikker på måter som tidligere ville krevd betydelig spesialkompetanse.

Det finnes blant annet prosjekter hvor Super Mario beveger seg rundt i Elden Ring med bevegelsene fra Super Mario 64, og hvor Spider-Mans nettsvinging fungerer i Gotham fra Batman: Arkham Knight. Andre kombinerer Minecraft, Grand Theft Auto, World of Warcraft, Skate 3 og Call of Duty.

Noen prosjekter gjenskaper funksjoner. Andre kobler to eksisterende spill sammen, mens noen bygger videre på tidligere modifikasjoner. Ikke alle er laget med AI, og mange bygger på flere års tidligere arbeid. Men AI gjør det enklere å analysere, kombinere og videreutvikle slike løsninger.

Se flere eksempler på spillkombinasjoner

Eksempler på spillkombinasjoner:

En større samling finnes i GitHub-prosjektet Awesome Game Mashups. Oversikten inneholder over hundre prosjekter, men skiller mellom tilgjengelige løsninger, eksperimenter og ubekreftede observasjoner.

Et annet interessant eksempel er jobben med Nintendo 64-spillet Snowboard Kids. Utvikleren Chris Lewis beskrev i august 2026 hvordan han rekonstruerte spillets kode på 84 dager med AI som en del av arbeidsprosessen.

Poenget er ikke at alt dette var umulig tidligere. Poenget er at verktøy som tidligere var forbeholdt mennesker med omfattende teknisk kunnskap, nå blir tilgjengelige for langt flere. Og spillene viser hvor store mulighetene blir når man ikke lenger er begrenset til det den opprinnelige utvikleren valgte å lage.

4. Du trenger ikke være programmerer for å bygge programvare

Jeg har selv erfart hvor stor denne endringen er. Jeg har bakgrunn fra fotografi, Photoshop og visuell produksjon. Jeg er ikke utdannet programvareutvikler eller regnskapsfører. Likevel bygger jeg nå nettsider, databaser, programmer og andre systemer fra bunnen av ved hjelp av AI.

Et av prosjektene mine er et eget AI-basert regnskapssystem for enkeltpersonforetaket mitt. Jeg ville ha et regnskapssystem tilpasset det jeg faktisk trenger. Jeg driver ikke et aksjeselskap med mange ansatte, lønnskjøring og kompliserte arbeidsprosesser. Derfor har jeg heller ikke behov for alle funksjonene som et stort kommersielt regnskapssystem tilbyr. Jeg har i stedet bygd min egen løsning med AI. Trenger jeg en ny funksjon, ber jeg AI undersøke hvordan den fungerer i andre regnskapssystemer og gå gjennom relevant offisiell dokumentasjon. Deretter bygger og tester AI funksjonen, før jeg selv tester den flere ganger og gir beskjed hvis noe er feil eller ikke fungerer optimalt.

Systemet er utviklet med utgangspunkt i norske regnskaps- og bokføringsregler, og med informasjon fra blant annet Skatteetaten, Skatteetatens GitHub, Altinn og Lovdata. Det omfatter også funksjoner for blant annet datalagring, logging og sikkerhetskopiering.

Det har ikke fungert perfekt fra første dag. Jeg har brukt tid på å bygge, teste, oppdage feil, rette dem og bygge videre.

Og dette er et viktig poeng: Man trenger ikke å kunne alt før man begynner. Man kan lære mens man bygger. Når jeg møter noe jeg ikke forstår, ber jeg AI forklare det. Trenger jeg mer kunnskap, ber jeg den undersøke dokumentasjon, lover, regler eller andre relevante kilder. Dette har gjort det mulig for meg å jobbe med prosjekter jeg tidligere ikke hadde den tekniske kompetansen til å gjennomføre selv.

Det betyr ikke at AI alltid har rett. Det betyr at jeg kan bruke AI til både å gjøre jobben og lære det jeg trenger for å kontrollere resultatet. I slike arbeidsprosesser brukes gjerne begrepet human in the loop. Det betyr at et menneske fortsatt deltar i vurderinger, kontroll og beslutninger.

For min del er den kanskje største forskjellen at jeg ikke skriver en eneste linje kode manuelt. Jeg bruker hovedsakelig ChatGPT, Codex, Claude Code og Grok Bot, og tester andre modeller med jevne mellomrom. Og jeg gjør det meste av jobben ved rett og slett å snakke norsk til AI.

Det jeg synes er veldig kult, er at jeg gjør det meste av utviklingsarbeidet mens jeg går tur, kjører bil eller slapper av i sofaen om kvelden. Det er langt fra den tradisjonelle måten å utvikle programvare på. Jeg forklarer hva jeg ønsker å lage, diskuterer ideer, stiller spørsmål og ber AI gjøre jobben. Når jeg får nye ideer, kan jeg fortelle om dem med en gang. Jeg trenger ikke sette meg foran datamaskinen og begynne å skrive kode.

For meg fungerer muntlig kommunikasjon spesielt godt når jeg utvikler ideer. Tankene kommer fortløpende, og jeg kan forklare, endre retning og bygge videre på dem mens jeg snakker. AI-agentene tar seg av programmeringen. Jeg kan deretter undersøke resultatet, teste funksjonene og forklare hva jeg ønsker å forbedre.

Dette gjelder ikke bare regnskap. Jeg lager også nettsider og systemer uten å være avhengig av tradisjonelle nettsidebyggere som Wix eller Squarespace. Det betyr ikke at alle bør gjøre det samme. Men det betyr at muligheten finnes.

Kevin Luke bygde sitt eget bedriftssystem med Grok Bot

Kevin Luke er ikke programmerer. Han driver selskapet Above the Line, som leverer teknisk produksjon og utstyr til arrangementer i USA og internasjonalt. I et intervju under workshopen Grok Bot for Sales i oktober 2026 fortalte han hvordan han bruker Grok Bot til å drive og videreutvikle deler av virksomheten.

Han hadde tidligere flere forskjellige programmer, blant annet QuickBooks til tilbud og Flex til lagerstyring. Han ønsket én løsning som samlet virksomhetens behov. Derfor ba han Grok Bot bygge AboveHub, et eget system for kunder, tilbud, fakturaer og lagerbeholdning. AI-agenten fikk tilgang til tidligere fakturaer, tilbud og lageroversikter som grunnlag for å bygge systemet. Resultatet ble et program skreddersydd for hans virksomhet.

Luke forteller at han også kan be agenten gjøre endringer når ansatte ønsker nye funksjoner. Han bruker blant annet telefonen til å forklare hva som skal endres.

I tillegg bruker han egne AI-agenter til å undersøke potensielle kunder, finne arrangementer og utarbeide salgsforslag. En av agentene heter Clarity og jobber med research. En annen heter Synergy og jobber med salg og markedsføring. Luke har dermed kombinert egenutviklet programvare med AI-agenter som bruker systemet og utfører arbeidsoppgaver.

Også her må mennesker fortsatt kontrollere viktige resultater, blant annet tilbud som skal sendes til kunder. Men arbeidsformen er fundamentalt annerledes enn å kjøpe et ferdig system og tilpasse hele virksomheten til hvordan leverandøren har valgt at det skal fungere. Nå kan bedriften i langt større grad bygge programvaren rundt sine egne arbeidsprosesser.

5. AI kan også bruke programmene for deg

Det finnes enda en utvikling som er viktig for fremtidens programvaremarked. AI trenger ikke nødvendigvis å bygge et nytt program. Den kan også bruke eksisterende programvare på dine vegne.

Dette kalles computer use. AI får tilgang til et grafisk grensesnitt, det samme grensesnittet mennesker bruker når de jobber på en datamaskin. Den kan se hva som skjer på skjermen, flytte musen, klikke på knapper, skrive tekst, åpne menyer og gjennomføre oppgaver.

OpenAI demonstrerte dette allerede med Computer-Using Agent i januar 2025. Siden har teknologien utviklet seg videre. I dag finnes det løsninger hvor AI-agenter kan bruke nettlesere og andre programmer til å utføre oppgaver. Hva agenten faktisk får tilgang til, avhenger av programvaren, tillatelsene og miljøet den jobber i. Noen agenter bruker en egen datamaskin i skyen, andre en nettleser eller et avgrenset lokalt miljø.

Men prinsippet er det samme. Du forteller AI hva som skal gjøres, og agenten utfører handlingene. Det kan for eksempel være å åpne en nettside, undersøke informasjon, fylle ut skjemaer, hente dokumenter eller teste funksjonaliteten i et program.

I kreative programmer kan AI også bruke verktøy og automatisering til å jobbe med bilder, video og 3D. Programmer som Blender kan allerede styres gjennom AI-integrasjoner, og flere av ArtCraft-programmene er utviklet med muligheter for agentstyring.

Dette åpner for et interessant spørsmål: Hvor viktig blir selve brukergrensesnittet dersom AI kan gjøre jobben for oss?

Du trenger kanskje ikke lære hvor alle funksjonene i et program ligger. Du trenger å forstå hva du ønsker å oppnå. AI kan hjelpe deg å bruke verktøyene. Og den kan forklare hvordan de fungerer dersom du selv ønsker å lære.

Det betyr ikke at alle oppgaver kan overlates til AI uten kontroll. Men det kan endre hvor mye tid vi bruker på å betjene programvare manuelt. Kanskje fremtidens viktigste programvare ikke blir det programmet som har flest knapper og funksjoner, men det programmet eller systemet som løser oppgaven best.

AI kan også organisere privatlivet ditt

Alt dette handler heller ikke bare om programmering, bedrifter og arbeidslivet. Tenk på alle de små oppgavene vi bruker tid på privat. Økonomi, forsikringer, dokumenter, regninger, abonnementer, avtaler og frister. Mye av dette kan AI allerede hjelpe oss med. Og med AI-agenter kan flere av oppgavene utføres automatisk, dersom agentene får tilgang til informasjonen og verktøyene de trenger.

Her er noen eksempler på hva du kan bruke AI til:

  • Privatøkonomi: Samle banktransaksjoner, regninger og andre økonomiske opplysninger, lage oversikter over hva pengene går til, finne unødvendige utgifter og foreslå hvor du kan spare.
  • Forsikringer: Samle forsikringsavtalene dine, forklare hva de dekker, sammenligne vilkår og priser med andre selskaper og varsle når en avtale bør gjennomgås.
  • Kvitteringer og garantier: Ta vare på kjøpsdokumentasjon, holde oversikt over garantier og reklamasjonsfrister og finne riktig kvittering når noe går i stykker.
  • Regninger og abonnementer: Holde oversikt over hva du betaler for, oppdage tjenester du kanskje ikke bruker, undersøke billigere alternativer og minne deg på kommende betalinger.
  • Bolig og vedlikehold: Organisere dokumenter om boligen, følge med på serviceavtaler, garantier, strømavtaler og vedlikeholdsoppgaver.
  • Familie og hverdag: Holde oversikt over avtaler, aktiviteter, reiser og viktige datoer, og gi deg påminnelser når noe krever oppmerksomhet.
  • Styrearbeid i en klubb eller et borettslag: Samle vedtekter, referater, avtaler, regnskap og annen dokumentasjon i ett system. AI kan hjelpe med møteinnkallinger, referater, oppfølging av vedtak og kontroll på frister.
  • Salg av brukte ting: Undersøke markedspriser, organisere produktbilder, skrive salgsannonser og hjelpe med å administrere salgsprosessen.

Flere av disse oppgavene kan kombineres i ett personlig system, i stedet for at du bruker forskjellige apper og tjenester til hver enkelt oppgave. Du kan også sette opp faste rutiner hvor en AI-agent undersøker informasjon og bare gir beskjed når noe trenger oppmerksomhet. For eksempel kan agenten gjennomgå abonnementene dine hver måned, undersøke om en forsikring snart må fornyes eller gi deg en oversikt over viktige oppgaver den kommende uken.

Du kan fortsatt bestemme hvilke dokumenter og kontoer AI får tilgang til, og hvilke handlinger som krever godkjenning.

Poenget er at AI ikke lenger bare trenger å være et verktøy du åpner når du har et spørsmål. Det kan også bli et system som hjelper deg å holde orden på ting, følger med på det som er viktig for deg, og tar seg av oppgaver du tidligere måtte gjøre selv. Og akkurat som med programvare for bedrifter kan du bygge løsningen rundt dine egne behov.

6. Dagens begrensninger er ikke nødvendigvis morgendagens begrensninger

Dette mener jeg er et av de viktigste poengene når vi diskuterer AI. Vi har allerede sett utviklingen gjenta seg mange ganger. Noe fungerer dårlig. Folk påpeker feilene. Nye modeller kommer. Resultatene forbedres. Deretter flyttes diskusjonen til det neste problemet AI ennå ikke mestrer.

Og hva skjer når AI også blir bedre til å finne og rette feil?

Dette er spesielt relevant for programvare. Hvis en AI-agent lager et program med feil, kan den også få i oppgave å undersøke feilen. Den kan lese feilmeldinger, kjøre automatiske tester, sammenligne forventede resultater med faktiske resultater og prøve nye løsninger. Den trenger ikke nødvendigvis et menneske til å skrive rettelsen. Mennesker kan fortsatt definere kravene og kontrollere jobben som blir gjort, men mye av selve feilrettingen kan automatiseres.

I februar 2026 beskrev Anthropic et eksperiment hvor 16 AI-agenter samarbeidet om å bygge en C-kompilator. En kompilator er et program som oversetter kildekode til programvare datamaskinen kan kjøre. Det er med andre ord et av verktøyene utviklere bruker for å lage andre programmer.

Resultatet omfattet rundt 100 000 linjer kode og kunne blant annet kompilere Linux-kjernen. Prosjektet krevde nesten 2 000 Claude Code-økter og omtrent 20 000 dollar i API-kostnader. Det viser både hvor mye AI-agenter kan gjøre, og at store prosjekter fortsatt kan kreve betydelige ressurser.

Men kostnaden ved å bygge programvare er i endring. Og verktøyene som utvikler, tester og kontrollerer programvaren, blir stadig bedre. Dette er grunnen til at jeg synes det blir feil å se på dagens problemer i PhotoCraft, FilmCraft eller andre AI-utviklede programmer og behandle dem som permanente begrensninger.

Det som ikke fungerer i dag, kan fungere i neste versjon. Det er ingen garanti for at alle problemer blir løst, eller hvor lang tid det vil ta. Men utviklingen de siste årene gir svært gode grunner til å følge med på hva som skjer videre.

7. Hva betyr dette for programvarebransjen og arbeidslivet?

Det er én ting å se mennesker bygge sine egne programmer. Noe annet er å undersøke om dette allerede påvirker hvordan bedrifter kjøper teknologi og organiserer hvordan de jobber. Her finnes det nå konkrete tall.

32 prosent har allerede valgt å bygge i stedet for å kjøpe

I august 2026 publiserte McKinsey sin globale undersøkelse The State of AI in 2026. Den omfattet 1 719 respondenter fra 97 land.

32 prosent svarte at virksomheten deres hadde valgt bort kjøp av minst ett programvareprodukt eller én funksjon fordi de kunne bygge funksjonaliteten selv ved hjelp av AI-kodeagenter. Blant virksomhetene med best dokumenterte resultater fra AI var andelen enda høyere, nær halvparten.

Det betyr ikke at 32 prosent av alle verdens bedrifter har sluttet å kjøpe programvare. Men det viser at alternativet vi diskuterer, allerede påvirker innkjøpsbeslutninger.

Tidligere var valget ofte mellom å kjøpe et ferdig system og å betale utviklere for å bygge et eget. Nå finnes det et tredje alternativ: å bruke AI-agenter til å bygge det internt, med langt mindre manuelt programmeringsarbeid.

Dette kan få konsekvenser for hele SaaS-markedet. SaaS, Software as a Service, betyr at programvare leveres som en tjeneste, ofte med månedlig eller årlig abonnement. CRM, regnskapssystemer, prosjektstyring, dokumenthåndtering og nettsidebyggere er eksempler på programvare som ofte selges på denne måten. Hvis flere kunder kan bygge egne løsninger, vil de også ha et nytt alternativ når de vurderer om abonnementet er verdt pengene.

Bedriftene har allerede begynt å endre seg

Ifølge Statistisk sentralbyrå brukte nesten fem av ti norske foretak med minst ti ansatte AI-teknologi i 2026, mot tre av ti i 2025. Blant store norske foretak var andelen omtrent åtte av ti. Dette omfatter all AI-bruk, ikke bare avanserte agenter. Likevel viser tallene hvor raskt teknologien blir tatt i bruk.

Flere selskaper har også koblet større organisatoriske endringer direkte til AI.

DNB i Norge

6. oktober 2026 kunngjorde DNB at banken skal redusere bemanningen med rundt 400 årsverk i Technology & Services. Banken sier selv at AI-agenter allerede overtar oppgaver som tidligere ble utført manuelt, blant annet innen kundekontroll, teknologiutvikling og programmering. AI er en viktig del av begrunnelsen, sammen med andre organisatoriske og teknologiske endringer. Dette er et konkret norsk eksempel på at AI-agenter allerede påvirker arbeidsoppgaver og bemanning i store virksomheter.

Kilde: DNBs egen pressemelding.

WiseTech Global

Det australske programvareselskapet WiseTech kunngjorde i februar 2026 planer om å redusere bemanningen med rundt 2 000 stillinger, nesten 30 prosent av arbeidsstyrken. Selskapet begrunnet omstillingen med omfattende bruk av AI innen programmering, kundeservice og interne prosesser. Toppsjef Zubin Appoo beskrev dette som en grunnleggende endring i hvordan programvare utvikles.

WiseTech er særlig interessant fordi selskapet også har begynt å endre hvordan det priser egne tjenester, blant annet med større vekt på transaksjonsbasert betaling.

Kilde: ABC News Australia.

Disse eksemplene viser at AI allerede påvirker arbeidsmarkedet. Men teknologien brukes ikke bare til å redusere antall ansatte.

Oljefondet: AI gjør det mulig for ansatte å gjøre mer

I mai 2026 fortalte Nicolai Tangen, lederen for Oljefondet, at alle fondets 680 ansatte brukte AI daglig. Over halvparten brukte også kodeverktøy. Tangen beskrev hvordan ansatte som tidligere ikke drev med programmering, nå kan bruke AI til å utvikle egne løsninger, analysere data og automatisere oppgaver. Porteføljeforvaltere kan analysere mer informasjon. Jurister kan behandle saker raskere. Andre ansatte kan lage egne verktøy som hjelper dem med jobben.

Tangen rapporterte også en selvopplevd produktivitetsøkning på over 20 prosent. Fondets nestleder har senere presisert at dette ikke er et vitenskapelig dokumentert effektmål, men bygger på de ansattes egne vurderinger.

Det interessante er likevel arbeidsformen. AI gir ansatte tilgang til ferdigheter og verktøy de tidligere ikke hadde. Oljefondet har ikke beskrevet dette som en strategi hvor maskiner skal erstatte alle ansatte. Tangen har tvert imot lagt vekt på at teknologien gjør menneskene mer produktive.

Kilder: Norges Banks publiserte tale og NTBs omtale av produktivitetsmålingen.

Hva skjer med jobbene fremover?

Jeg tror vi kommer til å se flere endringer av denne typen. Noen arbeidsoppgaver vil automatiseres. Noen stillinger vil forsvinne eller endre innhold. Samtidig vil AI skape behov for nye ferdigheter, nye arbeidsformer og sannsynligvis også nye typer jobber.

En global rapport fra PwC, publisert i juni 2026 og basert på over én milliard stillingsannonser, viser at etterspørselen etter AI-kompetanse vokser raskere enn arbeidsmarkedet generelt. Stillinger som etterspør AI-kompetanse, har også en betydelig gjennomsnittlig lønnspremie sammenlignet med tilsvarende stillinger uten slike krav.

Det betyr ikke at alle må bli AI-utviklere. Men jeg tror evnen til å bruke AI kommer til å bli en stadig viktigere del av mange yrker. Det blir også viktig å være villig til å lære noe nytt.

Historien er full av yrker og arbeidsoppgaver som har endret seg eller forsvunnet fordi ny teknologi overtok jobben. Tenk på lampetennerne som tidligere gikk rundt og tente og slukket gatelykter manuelt. Da teknologien endret seg, forsvant behovet for akkurat den oppgaven.

Det samme prinsippet gjelder i dag, men nå er det ikke bare fysisk arbeid som kan automatiseres. Også programmering, analyse, administrasjon, kundebehandling og andre kunnskapsoppgaver blir påvirket. Forskjellen er at den samme AI-teknologien som automatiserer oppgavene, også kan hjelpe mennesker med å lære nye ferdigheter og skape noe nytt.

De samme AI-verktøyene som endrer hvordan vi jobber, gjør det også enklere å lage programvaren vi trenger. Det betyr ikke at all programvare blir gratis. Ferdige produkter kan fortsatt være verdt å betale for, blant annet fordi leverandøren tar ansvar for drift, sikkerhet, oppdateringer og support. Men folk og bedrifter har fått flere muligheter til å lage det de trenger selv. Det kan endre hva de er villige til å betale for.

Og kanskje er det viktigste spørsmålet ikke om AI allerede kan erstatte programmet du bruker i dag. Kanskje spørsmålet heller er om du fortsatt trenger å kjøpe det om ett år.

Kilder og videre lesning

Artikkelen bygger på offisielle publikasjoner, forskningsartikler, selskapsrapporter, utviklernes egne prosjekter og publiserte intervjuer. Enkelte resultater og erfaringer er rapportert av utviklerne eller selskapene selv.

AI-utvikling, forskning og statistikk

Programvare, reverse engineering og AI-agenter

Selskaper og arbeidsliv

Spill, rekonstruksjon og kombinasjoner

Flere kilder om AI-agenter

Kildegrunnlaget er gjennomgått per 15. oktober 2026. Programvareprosjektene er under løpende utvikling, og funksjoner, versjoner og tilgjengelighet kan endre seg raskt.

Del denne artikkelen