I løbet af de seneste tre år har kapitalmarkederne investeret over 200 milliarder dollars i AI-virksomheder, hvoraf næsten 80 milliarder dollars specifikt har været rettet mod GenAI og de store sprogmodeller. Vi ramte finansieringstoppen i Q2 2024, og vi bevæger nu ned ad bagsiden af hype-kurven.

Tallene fortæller en vild historie: Hele LLM-sektoren har genereret måske 10 milliarder dollars i samlet omsætning mod 200+ milliarder dollars i investeringer: en forskel på 20 til 1.

For at hype teknologien yderligere fremhæver virksomheder i økosystemet tilbagevendende årlige omsætning (ARR) uden at oplyse frafaldet, opgraderingsmønstre eller faktiske fornyelser. Det er finansielt teater designet til at opretholde momentum og sikre mere finansiering. Vi er på vej mod det, der kaldes desillusionens dal i Gartners Hype Cycle.

Men når vi nu bevæger os ned fra hype-toppen, så bliver udsigten klarere, i takt med at tågen letter. Vi kan begynde at skimte den reelle værdi.

Fokus skifter fra sprogmodellerne til udviklingsinfrastrukturen

Mens overskrifterne fokuserer på den næste GPT-version eller Claude-opgradering, har de organisationer, der ser faktiske resultater, skiftet deres opmærksomhed til noget mere praktisk: deres softwareudviklingsinfrastruktur.

Dette handler ikke om at implementere kunstig intelligens for kunstig intelligens' skyld. Det handler om omhyggeligt at gøre LLM-drevne værktøjer tilgængelige på tværs af udviklingsprocessen, fra specifikation og udforskning gennem QA, over CI/CD, og til feedback fra markedet.

Men din evne til at høste disse gevinster afhænger fuldstændigt af modenheden af dit nuværende softwareudviklingssetup. Kunstig intelligens kan ikke fikse en dysfunktionel udviklingsproces. Den vil accelerere den tilgang, du har. Hvis den proces allerede er fragmenteret, bureaukratisk eller siloopdelt, vil kunstig intelligens gøre disse problemer værre, hurtigere.

Tre mønstre toner frem: Hvor ser du din organisation?

Efter at have arbejdet med mange virksomheder over de seneste 12 måneder har jeg observeret tre mønstre i, hvordan organisationer nærmer sig udvikling understøtte af kunstig intelligens:

De bedste arbejder med orkestreret forsøg og eksperimentering

De bedste udviklingsorganisationer bygger tværfaglige AI-værktøjer ind i deres udviklingspraksis lige nu.

Sådan ser det ud i praksis:

• Produktchefer bruger Claude eller ChatGPT til at spotte huller og foreslå forbedringer, når de forbedrer epics, brugerhistorier og godkendelseskriterier, men forstår, at det ikke kan stå i stedet for ordentligt analysearbejde og dataindsigt.

• Designere udnytter Figma AI eller lignende værktøjer til at udforske flere designretninger samtidigt, men dropper ikke det gode UX håndværk.

• Udviklere arbejder med GitHub Copilot eller Cursor for at accelerere udviklingsarbejdet, men beholder kontrollen gennem code review, mentoring og andre tilgange, som gør dem til gode softwareudviklere.

• QA-teams bruger kunstig intelligens og andre data redskaber til at udvide testdækning baseret på sammenligninger af specifikationen versus koden.

Disse organisationer forstår risiciene. De ved, at de store sprogmodeller hallucinerer. De ved, at kodeforslag skal gennemgås. De har etableret sikkerhedsnet, kodegennemgang, mentorordninger, og deler åbent synspunkter om, hvad kunstig intelligens kan og ikke kan.

Resultatet? Medarbejdere på tværs af disse organisationer rapporterer 20-50% produktivitetsforbedringer. Ikke fra et enkelt værktøj, men fra den samlede effekt af redskaber understøttet af kunstig intelligens på tværs af hele værdiskabelsen.

Gennemsnittet gør lidt her og lidt der

De fleste organisationer falder i denne kategori. De eksperimenterer med kunstig intelligens, men i afkoblede lommer: En vibe-programmeret prototype i ét team, et IDE understøttet af kunstig intelligens i et andet, automatiseret testgenerering i et tredje, og mens nogle designere bruger kunstig intelligens, nægter andre at røre ved det.

Hvert initiativ er lærerigt for den enkelte, men der er ingen koordinering på tværs, ingen delt læring og ingen måde at måle den samlede effekt på. Teams kan ikke bygge videre på hinandens opdagelser.

Den reelle risiko her er ikke at stå stille. Det er illusionen om fremskridt. Ledelsen ser kunstig intelligens blive brugt og antager, at de er på forkant med udviklingen, mens de i virkeligheden sakker bagud i forhold til organisationer med koordinerede strategier og en forståelse af hvor kunstig intelligens giver mening og hvor den ikke gør.

De værste accelererer dysfunktionel udvikling

De værste udviklingsorganisationer falder i to lejre:

Strudsene: De har besluttet, at kunstig intelligens er hype og ignorerer det fuldstændigt. Deres konkurrenter opnår produktivitetsfordele og vigtig læring, mens de debatterer, om kunstig intelligens er "reel" eller endnu en forbigående modefænomen.

Territorialkrigerne: De har købt ind på AI-hypen så fuldstændigt, at forskellige funktioner nu konkurrerer om at automatisere hinanden ud af eksistens. Produktafdelingen forsøger at bruge kunstig intelligens til at eliminere behovet for designere. Engineering udforsker, om kunstig intelligens kan erstatte produktchefer. Design undersøger kunstig intelligens, der kan gå direkte fra koncept til kode.

I begge tilfælde bliver en dårlig udviklingskultur værre. Den accelererer mod dysfunktion. Kode genereret af kunstig intelligens skaber teknisk gæld hurtigere end før. Specifikationer skrevet med kunstig intelligens forstærker en feature-factory-mentalitet.

Få styr på din udviklingsproces!

I Desillusionens dal er det ikke kun teknologier, som bliver opdelt i brugbart og ikke brugbart. Virksomheder bliver også sorteret til og fra. Investorer, kunder og talenter vil i stigende grad skelne mellem organisationer, der genererer reel værdi fra kunstig intelligens, og dem, der bare taler om det.

Derfor skal du starte med din udviklingsproces og sørge for at den fungerer, før du begynder at bygge kunstig intelligens på. Der har aldrig været et bedre tidspunkt end nu!