For et drøyt år siden var spørsmålet «kan vi bruke AI her?». I fersk og uformell temperaturmåling blant våre konsulenter og kunder svarer 100% at de bruker AI i oppdraget sitt, og 95% regelmessig. Adopsjonen er i praksis total. Men de samme tallene avslører et gap: bruken vokser raskere enn evnen til å styre den, og langt færre har en tydelig retning, et tydelig eierskap, eller en måte å måle om all aktiviteten skaper verdi.

Fra eksperiment til selvfølge

Utviklingen det siste året har vært formidabel. Der noen for kort tid siden eksperimenterte med AI på si, er det nå blitt en naturlig del av hvordan programvare bygges. Alle som svarte, bruker AI i oppdraget sitt, ingen svarte «nei, ikke ennå». 77% bruker agent-koding regelmessig, og mer enn fire av fem (82%) bruker det som sparringspartner i en eller annen form. Bare 18% har ennå ikke tatt i bruk agent-koding. AI har, kort sagt, gått fra å være noe utviklerne lekte med, til å bli en kollega de regner med.

Verktøyene: Claude i front, men de fleste bruker flere

På verktøysiden er bildet tydelig, men ikke ensartet. Claude (Code, Cowork og Design) er mest utbredt med 68%, fulgt av GitHub Copilot på 55%, mens Lovable (14%) og Codex (9%) brukes av et mindretall. Siden mange krysset av for flere alternativer, ser vi at det er vanlig å kombinere verktøy og modeller etter hva oppgaven krever. Poenget er ikke hvem som vinner verktøykrigen, men at verktøyene i praksis er blitt allemannseie.

Hindringen er ikke teknologien

Nettopp det er den mest talende observasjonen i undersøkelsen. På spørsmålet om hvorfor man ikke bruker AI-verktøy, kom det ikke et eneste svar, rett og slett fordi ingen lar være. Og blant de få som ennå ikke bruker agent-koding, handler det ikke om manglende verktøy, opplæring eller lisenser: Av de fire som svarte, oppgir tre at det ikke er relevant for oppdraget, og bare én peker på sikkerhet og compliance. Med andre ord: De fleste har allerede verktøyene. Mange har dyktige utviklere. Utfordringen ligger ikke i teknologien, men i hvordan vi jobber.

Det tydelige gapet: retning og eierskap

Når teknologien ikke lenger bremser, blir det desto tydeligere hva som gjør det. Bruken er i stor grad individdrevet: bare 11% sier at selskapet har lagt klare føringer, mens resten tar initiativet selv (39%) eller sammen med arbeidsgiver (50%). Og eierskapet er umodent: bare 22% har en tydelig utpekt AI-champion internt, mens 39% har det «uformelt» og 28% svarer at en slik rolle ikke finnes i det hele tatt.

Det samme mønsteret går igjen på strateginivå. Bare 23% sier kunden de jobber hos har en tydelig og kommunisert AI-strategi, mens 32% svarer at den finnes, men er dårlig kommunisert. En strategi som ikke når frem, er i praksis en strategi som ikke virker. Og hvem opplever respondentene som de største fartsdumpene? Ikke utviklerne, bare 9% peker på dem. Langt flere peker på de som eier og betaler lisensene (36%) og på et uavklart, felles ansvar (36%). Utfordringen ligger sjelden hos de som skriver koden, men i fraværet av klart eierskap og tydelig retning fra ledelsen.

Nøkkeltall fra undersøkelsen

• 100% bruker AI i oppdraget – 95% regelmessig.
• 82% bruker agent-koding – 77% regelmessig.
• Claude (68%) er mest brukt, foran GitHub Copilot (55%). De fleste kombinerer flere verktøy.
• 0 oppga noen grunn til ikke å bruke AI-verktøy.
• Bare 22% har en tydelig AI-champion internt – 28% har ingen.
• Bare 23% sier kunden har en tydelig kommunisert AI-strategi.
• Mest etterspurt fremover: hjelp til AI-strategi (45%) og praktisk opplæring (36%).

Mer aktivitet = mer verdi?

Her ligger den virkelig interessante diskusjonen. Når AI gjør det billig å produsere, leverer team hyppigere: de pusher flere releaser, får gjort mer og beveger seg raskere fremover. Men mer produksjon er ikke det samme som mer verdi. Det sjeldne spørsmålet er: Blir det vi lager faktisk bedre? Og enda viktigere, skaper det mer effekt for brukerne, eller bare mer aktivitet i teamet? Undersøkelsen antyder at intensjonen er der, men at produktstrategi henger etter: 36% er allerede i gang med å bygge AI inn i selve løsningene og utvider, mens like mange (32%) fortsatt bare diskuterer det uten en konkret plan. Måler man fortsatt suksess i antall leveranser, timer eller velocity, vil AI bare gi mer av det samme, bare raskere. Først når man kobler bruken til reell effekt for brukere og forretning, begynner det å bli interessant.

Det forskningen viser: produktivitet er vanskelig å måle

At dette er vanskelig, er ikke bare vår erfaring. SINTEF-forsker Nils Brede Moe^[1] har i tre–fire år forsket på AI-forsterkede produktteam sammen med blant andre Politiet, TV2 og Forskningsrådet. Et av de mest nøkterne funnene er at produktivitet fortsatt er vanskelig å måle, selv etter flere år med systematisk arbeid. Og effekten er ujevnt fordelt: De som var effektive uten AI, er også effektive med AI, mens de som ikke var det, ikke nødvendigvis blir mer effektive av å ta i bruk verktøyene. AI forsterker arbeidsmåten din, den erstatter den ikke.

Endre prosessen, og involver produktledelsen

Skal man hente ut full verdi, må AI inn fra start, og i alle ledd av prosessen, ikke som et tillegg på slutten. Det betyr at produktledelsen må med fra begynnelsen: i planlegging, prioritering og i hvordan teamet faktisk jobber. Når produktlederne involveres i selve utviklingen, føler de seg ivaretatt, og man unngår at AI blir noe «utviklerne driver med på si». Effekten kommer når AI er en del av hele verdikjeden, fra idé og planlegging til review og leveranse, ikke når den klistres på en uendret prosess.

Tallene våre understreker hvorfor dette haster: nær 9 av 10 sier bruken er individ- eller initiativdrevet, og bare 11% opplever at selskapet har lagt føringer. Uten et tydelig eierskap i produktledelsen blir AI mange små, private optimaliseringer, ikke en felles måte å skape verdi på.

Slik kommer dere i gang

Respondentene etterspør selv akkurat dette: hjelp til en AI-strategi eller en felles måte å jobbe på (45%), praktisk opplæring (36%) og sparring med noen som har gjort det før (32%).

En konkret vei videre:

1. Sett av tid, og gjør læring til en del av jobben. Regn med en midlertidig produktivitetsdupp før farten kommer. Det er normalt, ikke et nederlag.
2. Pek ut en eier eller champion. Bare 22% har en i dag. Noen må eie retningen og fjerne hindringer.
3. Etabler en felles måte å jobbe på. Felles retningslinjer gir mer kvalitet, bedre planlegging og en tydelig review-praksis for AI-generert kode.
4. Bygg kompetanse og hent inn sparring. Ikke fordi dere mangler dyktige folk, men fordi tempoet er for høyt til å finne ut av alt alene.
5. Mål effekt, ikke aktivitet. Koble bruken til reell verdi for bruker og forretning, ikke til antall leveranser eller timer.

Veien videre

Så langt i år har vi beveget oss fra «kan vi bruke AI her?» til «Hvordan sikrer vi at det gir verdi?» For de fleste er ikke svaret flere verktøy, men en endret prosess, klarere retning og viljen til å investere litt tid nå for å få fart senere. De som prøver litt på si, får litt effekt. De som endrer prosessen og prioriterer det, får fart. Det er der forskjellen vises nå.

^[1] Nils Brede Moe, SINTEF, «AI-augmented produtteam: Hva vi har lært, og hva vil bli kritisk fremover», foredrag på Smidig Digitalisering 27 mai 2026.