KI skriver nå nesten halvparten av all kode. Å vurdere et utviklingsbyrå ble nettopp vanskeligere.

To tall rammer inn problemet. GitHubs telemetri viser at Copilot nå skriver rundt 46 % av koden produsert av utviklerne som bruker det, opp fra 27 % da det ble lansert kommersielt i 2022. Gartner venter at 60 % av all ny kode er KI-generert innen utgangen av året. Uansett hvilket byrå du er i ferd med å hyre, skriver KI en stor andel av produktet ditt. Den delen er avgjort.

Det som ikke er avgjort, er hvordan du velger byrået. Signalene gründere alltid har brukt for å sammenligne byråer, polert portefølje, demofart, dagrate, var aldri spesielt gode. Nå er de nesten ubrukelige, fordi KI komprimerte akkurat de delene av arbeidet signalene pleide å måle.

Hvorfor de gamle signalene sluttet å virke

En polert demo pleide å bety noe. Å få et rent grensesnitt, fungerende innlogging og en troverdig flyt foran en kunde krevde uker med kompetent arbeid, så demoen fungerte samtidig som bevis på et kompetent team. I dag er den samme demoen bevis på et abonnement til tjue dollar i måneden. Et hvilket som helst topersonsbyrå kan rigge den opp på en dag. Mange gjør det.

Farten flatet også ut. Googles DORA-forskning fant at team som tar i bruk KI leverer omtrent 20 % flere pull requests per utvikler, og at hendelser per endring samtidig steg 23,5 %. Mer kode går ut døren, og hver del av den har litt større sjanse for å ødelegge noe. Når hvert byrå du snakker med er raskt, er fart ikke lenger noe du kan velge etter.

Pris sluttet å skille fra den andre kanten. Tilbud for samme omfang spenner nå fra noen tusen dollar til tjue ganger så mye, og den billige enden lyver ikke nødvendigvis. De kan faktisk bygge det til den prisen. Det tilbudet ikke forteller deg, er tilstanden koden er i etterpå, og hvem som betaler for den tilstanden senere. Som regel deg.

Hvordan ugjennomgått KI-kode ser ut etter seks måneder

Forskningen her er brutal. GitClear, som analyserte over 600 millioner kodeendringer, fant at code churn, altså linjer som skrives om eller kastes innen få uker etter at de ble skrevet, omtrent er doblet siden 2022. Dupliserte kodeblokker ble åttedoblet på ett enkelt år. Refaktorering, det lite glamorøse konsolideringsarbeidet som holder en kodebase vedlikeholdbar, falt rundt 70 %. Kode produseres raskere og organiseres mindre.

Sikkerheten forteller samme historie. Veracode kjørte over 100 modeller gjennom 80 kodeoppgaver og fikk en sikkerhetsfeil i 45 % av resultatene. Når en oppgave kunne løses på en sikker eller en usikker måte, valgte modellene jevnlig den usikre. For cross-site scripting spesifikt nådde feilraten 86 %.

Her er delen jeg synes er talende: menneskene som står nærmest disse verktøyene, stoler minst på dem. I Stack Overflows undersøkelse fra 2025 sa 46 % av utviklerne at de ikke stoler på nøyaktigheten i KI-resultater, mot 33 % som gjør det, og de mest erfarne utviklerne var de mest skeptiske av alle. Nesten halvparten kalte feilsøking av KI-generert kode et tidssluk. Bruken fortsatte likevel å klatre, til 84 %. Utviklerne sluttet ikke å bruke KI. De sluttet å anta at den har rett.

Ingenting av dette gjør KI-assistert utvikling til en feil. Vi bruker disse verktøyene daglig, og fartsgevinsten er reell. Men gevinsten kommer nå og gjelden kommer i måned tre, og det er derfor redning av KI-bygde apper ble en egen tjenestelinje med sin egen prisliste. Byråene som genererer det redningsarbeidet og byråene som gjør redningen, ser identiske ut i et pitchmøte. Begge er raske. Forskjellen sitter i prosesser du ikke kan se fra en demo.

Sju spørsmål som fortsatt skiller byråer

Du kan ikke revidere en kodebase før du har hyret menneskene som skulle skrive den. Men du kan lytte nøye til hvordan et byrå snakker om prosess. På disse spørsmålene gir disiplinerte og udisiplinerte byråer synlig forskjellige svar.

1. Hvordan bruker dere KI i utviklingen? Begge ytterpunktene er dårlige svar. "Vi gjør ikke det" er enten usant eller et tegn på at du betaler håndverkspriser for hyllevarearbeid. "KI gjør det meste" uten noe mer er verre. Svaret du vil ha, navngir faktiske verktøy og beskriver deretter, uoppfordret, hvordan resultatet gjennomgås.
2. Hvem gjennomgår KI-generert kode, og hvordan? Lytt etter mekanikken: pull requests, en navngitt reviewer, gjennomgang før merge i stedet for etter lansering. "KI-en sjekker seg selv" eller "seniorene våre følger med" betyr begge deler det samme: ingen gjennomgår den.
3. Hvordan ser testing ut på et ekte prosjekt? Be om å få se CI-pipelinen fra noe de har levert. Et byrå som beveger seg i KI-fart har enten seriøs automatisert testing, eller sender den 45-prosents sikkerhetsstatistikken rett inn i produksjonen din.
4. Kan dere vise meg et prosjekt dere har vedlikeholdt i over ett år? Porteføljer viser lanseringer. GitClear-tallene beskriver det som skjer etter lansering: churn, duplisering, kode ingen konsoliderer. Et byrå som fortsatt har vedlikeholdskontrakter fra 2024, har kode som overlevde møtet med virkeligheten. Sterkeste signal på denne listen.
5. Hvor ble det av gjennomgangs- og testtiden i dette tilbudet? Hvis prisen kom inn på halvparten av det du ventet, ble noe kuttet. Noen ganger kuttet KI faktisk timene, og tilbudet er ærlig. Be dem gå gjennom postene, og følg med på om gjennomgang og testing overlevde rabatten.
6. Kjører dere sikkerhetsskanning, og hvor? Svaret bør inkludere statisk analyse inne i CI-pipelinen, ikke en engangsrevisjon på slutten. Når nesten halvparten av rå KI-kode bærer på en feil, er løpende skanning forskjellen på å fange den på tirsdag og å høre om den fra en kunde.
7. Hvordan ser en overlevering ut hvis vi skiller lag? Duplisert kode i konstant endring er fiendtlig mot ethvert team som ikke skrev den. Du vil ha dokumentasjon, tilgang til deploy og en kodebase et annet byrå kan plukke opp. Blir de vage her, kan rotet være selve strategien for å holde på deg.

Legg merke til at ingen av disse krever at du leser kode. De krever at byrået beskriver sin egen prosess konkret, noe disiplinerte byråer gjør uten å nøle, fordi de beskriver hva de gjorde i morges. Udisiplinerte byråer styrer samtalen tilbake til verktøyene sine. Verktøy er det ene som ikke lenger skiller noen.