Når alle kan lage sin egen programvare

Y Combinator·Paul Copplestone, Garry Tan, Harj Taggar, Jared Friedman·30. oktober 2026·Se videoen

Programvareutvikling har lenge vært forbeholdt dem som kan kode, eller dem som har råd til å betale noen for å gjøre det. Nå begynner AI å endre dette. I en samtale hos Y Combinator forklarer Supabase-sjef Paul Copplestone og tre fra Y Combinators ledelse hvorfor stadig flere kan bygge sin egen programvare, hvordan AI-agenter, altså AI-programmer som utfører oppgaver på egen hånd, endrer teknologibransjen, og hvorfor det å vite hva man skal lage kan bli viktigere enn å kunne kode det selv.

Det er utgangspunktet for episoden What Happens When Everyone Can Build Software, publisert 30. oktober 2026.

Supabase vokser i takt med AI-utviklingen

Paul Copplestone er medgründer og administrerende direktør i Supabase, en plattform som blant annet leverer databaser (organiserte samlinger av informasjon), brukerinnlogging og lagring for apper og nettjenester. 0:29 Du kan tenke på Supabase som deler av motorrommet bak en digital tjeneste. Mens brukeren ser nettsiden eller appen, sørger systemene bak for at informasjon blir lagret, hentet fram og tilgjengelig for de riktige personene.

I intervjuet forteller Copplestone om en voldsom vekst. Supabase har nå rundt 13 millioner registrerte brukere, mot omtrent tre millioner ett år tidligere. Antallet databaser selskapet administrerer, nærmer seg 50 millioner, opp fra rundt åtte millioner. Det opprettes over én million nye databaser hver uke, og Copplestone forventer at selskapets omsetning vil firedobles i løpet av 2026.

Ifølge Garry Tan kommer omtrent 70 prosent av den nye aktiviteten fra AI-agenter. Tallene presenteres av deltakerne i samtalen og er ikke uavhengig kontrollert, men de illustrerer hva som er i ferd med å skje.

Tidligere måtte en utvikler selv opprette en database, konfigurere den og koble den til programvaren. Nå kan en AI-agent gjøre store deler av dette som en del av jobben med å bygge en applikasjon.

Det er ikke bare eksisterende programmerere som lager mer programvare. Det kommer også en ny gruppe mennesker som tidligere ikke hadde mulighet til å bygge sine egne digitale løsninger.

Du trenger ikke lenger være programmerer for å være en som bygger

Copplestone bruker ordet builders om denne nye gruppen. 4:34 En builder er en person som lager noe digitalt, men som ikke nødvendigvis kan programmere.

Tidligere trengte du gjerne en teknisk medgründer, en utvikler eller et helt utviklingsteam for å gjøre en idé til et fungerende produkt. Nå kan du beskrive hva du ønsker i vanlig språk, og la en AI-kodeagent skrive koden, lage brukergrensesnittet, koble til databasen og teste løsningen.

Copplestone trekker fram en taxisjåfør fra Brasil som hadde bygd en lokal taxiapplikasjon fra mobiltelefonen sin. Appen fungerte som en liten versjon av Uber, tilpasset et lokalt marked. Mannen er selv taxisjåfør, og Copplestone vet ikke hvorfor han bygde appen. Men mannen kunne bygge den, og han var svært takknemlig for det. Han var omtrent 50 år, men hadde en tenårings energi. Copplestone ser dette som et eksempel på spenningen hos dem som tidligere var usikre på hvordan framtidens arbeidsliv ville bli, og som nå oppdager nye muligheter.

Et annet eksempel kommer fra Harj Taggar. Han forteller om en gründer med bakgrunn fra finansbransjen, som tidligere var avhengig av programmerere for å utvikle programvare. Nå bygger vedkommende avanserte løsninger for sin egen økonomi, inkludert koblinger til banker og systemer for økonomisk oversikt.

Det viktige ved disse eksemplene er ikke bare at AI skriver kode. Det er at personene som kjenner problemene, i langt større grad selv kan bygge og teste løsninger på dem.

Garry Tan mener derfor at det vanskeligste ikke nødvendigvis lenger er å bygge programvaren, men å vite hva som faktisk bør bygges. Det er en endring som kan gjøre erfaring og fagkunnskap langt mer verdifullt i programvareutvikling.

Hvorfor kjøpe programvare når du kan lage din egen?

Det deltakerne kaller personal software, er programvare som er utviklet for én bestemt person og vedkommendes behov. 8:42

Harj Taggar forteller at han har bygd sitt eget digitale kontrollsenter. Der samler han e-post, privatøkonomi, helseopplysninger, trening og andre deler av hverdagen i én løsning.

Han begynte med å bruke AI-agenter og vanlige tekstfiler, men oppdaget etter hvert at han trengte en database og et visuelt grensesnitt. Resultatet ble en personlig applikasjon som han kan utvikle videre når han får nye behov.

Han mener selv at økonomidelen kan konkurrere med funksjonaliteten i etablerte apper for privatøkonomi og regnskap. Fordelen er at hans egen løsning kan bruke informasjon fra andre deler av livet hans for å forstå økonomiske transaksjoner og kategorisere dem riktig.

Dette viser en mulig endring i hvordan vi forholder oss til programvare.

Tradisjonelt har vi valgt mellom ferdige produkter. Vi tilpasser arbeidsmåten vår til funksjonene produsenten har bestemt at vi skal ha. Hvis noe mangler, kan vi sende inn et ønske og håpe at det kommer i en senere oppdatering.

Med AI kan dette snus. I stedet for å tilpasse oss programvaren, kan vi i større grad tilpasse programvaren til oss.

Det betyr ikke nødvendigvis at ferdige programvarer forsvinner. Store tjenester vil fortsatt ha fordeler innen sikkerhet, drift, kvalitet og spesialiserte funksjoner. Men for mindre og svært personlige behov kan det bli mer aktuelt å bygge noe selv enn å betale for et abonnement på en tjeneste med mange funksjoner man aldri bruker.

Den personlige databasen kan bli viktigere enn selve appen

Stadig flere mennesker kan komme til å ha sin egen database. 12:12

Tradisjonelt har databaser først og fremst vært noe bedrifter og utviklere har brukt. Vi andre har hatt informasjonen vår spredt mellom ulike tjenester, som e-post, kalender, økonomisystemer, helsetjenester og sosiale medier.

Copplestone og Taggar beskriver en annen modell. Du har én sentral database med din egen informasjon, og bygger forskjellige apper og AI-agenter rundt den.

Copplestone forteller at han selv har begynt å flytte informasjon ut av enkelte AI-agenter og over i en mer uavhengig database. Grunnen er at han ikke ønsker å bli låst til én bestemt agent. Han vil kunne bytte teknologi uten å miste informasjonen og systemene han har bygd opp.

Hvis all informasjon og logikk ligger inne i én bestemt AI-tjeneste, kan det bli vanskelig å bytte leverandør. Hvis informasjonen lagres separat, kan flere forskjellige AI-modeller og agenter bruke den samme datakilden.

Samtidig oppstår nye krav til personvern og sikkerhet. En personlig database i en skytjeneste betyr ikke automatisk at du har full kontroll over dataene. Tilgangsstyring, sikker lagring, sikkerhetskopiering og muligheten til å eksportere informasjon blir avgjørende, særlig når AI-agenter får tilgang til stadig mer sensitiv informasjon.

Programvare må nå bygges for AI-agenter, ikke bare mennesker

Supabases utvikling viser hvordan AI også endrer selskapene som leverer teknologien. 2:35

Copplestone deler Supabases historie inn i tre perioder.

Først var selskapet opptatt av et godt visuelt kontrollpanel, slik at utviklere enkelt kunne administrere databaser selv. Deretter ble API-er viktigere. Et API er en kobling som lar forskjellige programmer kommunisere med hverandre og utføre oppgaver automatisk.

Nå er Supabase inne i en tredje fase, som Copplestone kaller code-first. Det betyr at stadig mer kan styres gjennom kode og tekstbaserte verktøy, uten at noen trenger å klikke seg gjennom kontrollpanelet.

Årsaken er at AI-agentene jobber på en annen måte enn mennesker. De foretrekker ofte å bruke kode, kommandolinjeverktøy og direkte tilkoblinger til tjenestene de trenger.

Dette har også fått Supabase til å tenke annerledes om feilmeldinger.

Tidligere kunne en utvikler få en feilmelding, søke på Google, lese dokumentasjonen og finne ut hvordan problemet skulle løses. Nå ønsker Supabase at feilmeldingen skal inneholde nok informasjon til at AI-agenten kan forstå hva som gikk galt og rette opp problemet selv.

Hvis en agent forsøker å gjøre noe som mislykkes, bør systemet ikke bare fortelle at en feil har oppstått. Det bør også forklare hva agenten kan gjøre for å løse den.

Copplestone beskriver to utfordringer for selskaper som vil bli populære blant AI-agenter. Først må modellen velge tjenesten deres. Deretter må agenten klare å bruke den uten å bli sittende fast og velge en konkurrent i stedet.

Dette kan få stor betydning for teknologibransjen. I dag konkurrerer programvareselskaper om å ha det mest brukervennlige grensesnittet for mennesker. Framover kan evnen til å samarbeide effektivt med AI-agenter bli minst like viktig.

Copplestone mener også at åpen kildekode gir fordeler. Når kildekoden er tilgjengelig, kan AI-agenter i noen tilfeller undersøke hvordan et system fungerer og lettere finne årsaken til problemer. Samtidig får bedriftskunder større mulighet til å kontrollere teknologien de tar i bruk.

Når AI skriver mer kode, blir testing viktigere

Supabase bruker også AI i sin egen programvareutvikling. 17:58

Garry Tan viser til en intern undersøkelse der andelen utviklere i Supabase som brukte AI-agenter til å skrive minst 80 prosent av koden sin, hadde steget fra omtrent 10 til 60 prosent på seks måneder.

Copplestone forklarer at selskapet ikke har en streng intern AI-policy. Utviklerne får tilgang til forskjellige verktøy og velger selv hvordan de vil bruke dem.

Men økt bruk av AI betyr også mer behov for kontroll.

Når AI kan produsere store mengder kode raskt, må noen fortsatt undersøke om resultatet fungerer, om løsningen er sikker, og om endringene skaper problemer andre steder i systemet.

Supabase bruker derfor mye tid på automatiserte tester og såkalte evals, systematiske evalueringer der ulike AI-modeller får konkrete oppgaver, og resultatene sammenlignes. Selskapet tester blant annet hvilke modeller som klarer å bygge løsninger med Supabase, og hvor de møter problemer.

Copplestone forteller at stadig mer av utviklingsinnsatsen handler om å teste bestemte brukssituasjoner, framfor bare å skrive ny kode.

Betydningen er at utviklerrollen gradvis kan endre seg. Mindre tid kan gå til å skrive hver enkelt kodelinje, mens mer tid brukes på å beskrive ønsket funksjonalitet, organisere systemet og kontrollere at resultatet er riktig.

AI skaper også behov for en helt ny type infrastruktur

Hvis millioner eller milliarder av mennesker begynner å lage sin egen programvare, vil behovet for databaser og andre tekniske tjenester øke kraftig. 15:56

Copplestone bruker ChatGPT som et tankeeksperiment. Hvis en svært stor brukergruppe begynner å opprette egne apper, kan det oppstå behov for enorme mengder nye databaser hver måned.

Dette er en mulig framtid, ikke en prognose for hvor mange databaser som faktisk kommer til å bli opprettet.

For å forberede seg på denne utviklingen jobber Supabase med løsninger som passer både til svært små og svært store applikasjoner.

Selskapet har kunngjort at det kjøper Turso, som har utviklet teknologi for å håndtere store mengder små databaser effektivt. Copplestone omtaler også en planlagt løsning kalt Supabase Spark, som skal gjøre det enklere og rimeligere å opprette databaser for små prosjekter.

Samtidig videreutvikler selskapet teknologien Multigres for å håndtere langt større databaser og applikasjoner.

Målet er at en person skal kunne starte med et lite eksperiment og fortsette å bruke den samme plattformen hvis prosjektet vokser til en stor kommersiell tjeneste.

Dette illustrerer en annen side ved AI-utviklingen. Selv om stadig mer av programvaren blir skrevet automatisk, må den fortsatt kjøre et sted. Den trenger lagring, databehandling, sikkerhet og pålitelig drift. Den underliggende infrastrukturen forsvinner ikke selv om det blir enklere å lage applikasjonene som bruker den.

AI-agenter trenger tilgang til riktig informasjon

Garry Tan har et eget prosjekt, GBrain. 32:25 Det er et system for å organisere og hente fram relevant informasjon fra store mengder dokumenter og personlig data.

Bakgrunnen er at AI-modeller har en begrensning i hvor mye informasjon de kan behandle samtidig. Denne kapasiteten kalles et context window, eller kontekstvindu.

Selv med store kontekstvinduer kan det være upraktisk å gi en agent hundretusenvis av dokumenter hver gang den skal løse en oppgave. Agenten trenger først og fremst den informasjonen som er relevant akkurat da.

GBrain bruker derfor database- og søketeknologi til å finne riktig informasjon og gjøre den tilgjengelig for agenten. Dette omfatter blant annet RAG, en metode der AI henter relevante opplysninger fra eksterne kilder før den svarer eller utfører en oppgave.

Prinsippet er enkelt. I stedet for at AI skal forsøke å huske alt, får den et system som kan finne det den trenger når den trenger det.

Dette kan bli stadig viktigere etter hvert som AI-agenter får større ansvar. Det holder ikke at de kan formulere gode svar. De må ha tilgang til pålitelig informasjon og bruke den riktig.

Små selskaper kan få helt nye muligheter

AI kan også forandre økonomien i programvarebransjen. 43:32

Tradisjonelt har mange teknologiselskaper vært avhengige av å hente store mengder kapital fra investorer. Pengene har blant annet gått til å ansette utviklere, bygge produkter og finansiere vekst.

Garry Tan mener at AI kan endre dette regnestykket.

Han forteller at enkelte selskaper som utvikler programvare for bestemte bransjer, nå sliter med å hente investorkapital, selv med betydelige årlige abonnementsinntekter. Samtidig ser han muligheter for at selskaper med bare 10 til 15 ansatte kan oppnå inntektsnivåer som tidligere ville krevd langt større organisasjoner.

Dette er hans vurdering av hvordan markedet kan utvikle seg, ikke et dokumentert resultat som gjelder alle programvareselskaper.

Poenget er likevel viktig. Hvis AI kan gjøre en større del av utviklingen og driften, kan et selskap bli lønnsomt med langt færre ansatte og mindre kapital enn tidligere.

Da kan også behovet for investorer bli mindre.

Copplestone forteller at han tidligere så på det å hente kapital som en viktig prestasjon. Nå mener han at det å klare seg uten ekstern finansiering kan være en like stor, eller større, prestasjon.

Det kan åpne for flere små, selvstendige teknologibedrifter som utvikler produkter for tydelig avgrensede behov.

Samtidig blir det ikke automatisk enkelt å drive en programvarebedrift. Kundebehov, salg, support, sikkerhet og videreutvikling forsvinner ikke fordi AI skriver koden. Det som kan endre seg, er hvor mye tid og penger som kreves for å komme i gang og levere et fungerende produkt.

Hva blir viktigst når stadig flere kan bygge?

Evnen til å lage programvare blir gradvis mer tilgjengelig. 38:42

Copplestone forteller at han selv eksperimenterer med å utvikle programvare ved å snakke med AI-agenter, uten å se på koden underveis. Han ønsker å oppleve hvordan det er å bygge som en vanlig bruker uten programmeringsbakgrunn. Han kontrollerer likevel resultatene for å se om løsningen fungerer som den skal.

Det er også en måte å teste Supabase på. Hvis selskapets egne verktøy blir vanskelige å bruke gjennom AI, får han direkte erfaring med hva som må forbedres.

Garry Tan mener vi fortsatt er tidlig i utviklingen. AI-modellene blir raskt bedre, men antallet mennesker som vet hvordan de kan bruke teknologien til å løse konkrete problemer, vokser ikke nødvendigvis like raskt.

Teknisk forståelse vil fortsatt være viktig, særlig når systemene skal være sikre, pålitelige og kunne håndtere store mengder brukere. Men for mange oppgaver kan kunnskap om problemet, evnen til å beskrive en løsning og forståelsen av hva som faktisk fungerer, bli viktigere enn å kunne skrive koden selv.

Copplestones råd til selskaper er å satse på behov som vil eksistere lenge, samtidig som de må være villige til å endre hvordan de løser dem. Databaser har eksistert i mange tiår, og han tror de vil fortsette å være nødvendige uansett hvordan AI utvikler seg. Det som endrer seg, er hvordan vi bygger og bruker teknologien rundt dem.

Den kanskje viktigste betydningen av samtalen er derfor ikke at alle kommer til å bli programmerere. Det er at langt flere kan bli i stand til å utvikle programvare uten å være programmerere.

AI fjerner ikke behovet for kompetanse. Den kan derimot flytte verdien av kompetansen fra selve programmeringen til det å forstå et problem, utvikle en god løsning og sørge for at den fungerer.

Og det kan vise seg å bli en langt større endring enn bare raskere programvareutvikling.

Det viktigste å ta med seg

• Ifølge Garry Tan kommer omtrent 70 prosent av den nye aktiviteten fra AI-agenter. Tallet er ikke uavhengig kontrollert.
• Builders er mennesker som lager noe digitalt uten å kunne programmere. Ifølge Garry Tan er det vanskeligste ikke nødvendigvis lenger å bygge programvaren, men å vite hva som bør bygges.
• Stadig flere kan komme til å ha en egen database med sin egen informasjon og bygge apper og AI-agenter rundt den. Da kan de unngå å bli låst til én bestemt agent.
• Når AI skriver mer kode, blir testing viktigere, og programvare må bygges slik at AI-agenter kan bruke den.
• Små selskaper kan få nye muligheter, men det er Garry Tans vurdering og ikke et dokumentert resultat for alle programvareselskaper.

Kilder og videre lesning