AI gjør at folk kan ta et større spenn av oppgaver og bli enda bedre på det vi allerede kan godt. Den gjør de flinke flinkere og løfter alle et nivå eller to. Og uansett om jeg jobber som leder, rådgiver eller teammedlem, handler jobben min fortsatt om å lage gode digitale produkter. Det er komplekst arbeid, og vi i Bekk mener at tverrfaglige produktteam er det beste verktøyet vi har. Vi lykkes enklest når produktfolk, designere, utviklere og forretningsfolk sitter tett på hverandre og sammen itererer seg fram til løsningene som faktisk skaper verdi.

Nå har teamet fått flere nye medlemmer. ChatGPT, Claude, Gemini og Copilot har flyttet inn og tatt med vennene sine.

Uten kunnskap i teamet om digital produktutvikling, DevOps, forretningsperspektivet og de menneskelige aspektene ved produktutvikling, vil ikke AI gi den effekten vi håper. Gevinsten som AI kan gi bygger videre på det vi kan fra før, samtidig som den også gir noen helt nye muligheter.

For å sitere mitt teammedlem Markus:

Snekkeren bytter ut hammeren med spikerpistol. Det erstatter ikke snekkeren, og noen ganger må snekkeren fortsatt bruke hammer.

Som spikerpistolen er gevinsten av AI reell og for stor til å ignoreres.

AI kan hjelpe oss med økt kunnskap, billigere produksjon, kjappere læring, bedre resultater og en mer behagelig arbeidshverdag. Samtidig. Hva skjer når byggesteget i kontinuerlig leveranse blir utrolig mye billigere? Les videre for å finne det ut og se fordelene AI kan gi et produktteam i dag.

Fordeler AI gir et produktteam

Her er noen av fordelene som kan forventes om du tar bruk av AI seriøst i teamet ditt.

Koding går raskere

Claude Code, Codex, Gemini CLI og de andre har endret måten vi skriver kode på. De er AI-agenter, tilgjengelig i sky eller fra terminalen, som klarer å følge både koderegler og planer, og som selvstendig kan løse komplekse oppgaver. Og de er gode nå. Veldig gode.

Hvis vi evner å beskrive hva vi ønsker, i steg som gir mening, klarer agentene å kode det.

Effekten?

Vi kan jobbe med flere ting samtidig, eller gjøre noe annet mens kodingen pågår. Statusmøte og koding? Ja takk. Tre nye features på hver sin plass i kodebasen? Null stress.

Agentene gjør kodingen til en asynkron affære.

Vi diskuterer muligheter i teamet, kommer fram til et design og konsept vi tror funker og gir vi bestillingen til en agent. Den lager en plan vi godkjenner før den setter i gang og lager det vi trenger.

Teamets største frykt er å gå tom for tokens, men vi har heldigvis flere agenter tilgjengelige.

Prototyping er endret for alltid

Med verktøy som Figma Make, Base 44 eller Lovable er grensen mellom prototyping og utvikling visket ut.

Det som før tok dager og uker med spesialkompetanse for å lage klikkbare prototyper, krever nå ingenting annet enn å beskrive appen din, hvordan du ønsker den skal se ut og hvordan den skal fungere. Resultatet er prototyper som er kjørbare apper og noen ganger nesten kjørbare produkter.

Å teste idéer har aldri vært billigere. Kostnaden er så lav at vi trygt kan teste, lære og kaste bort ting. Det vanskeligste er fortsatt å beskrive appen riktig, men for å prøve konsepter, lage UI-elementer og finne ut om vi er på rett vei er dette en gamechanger når det gjelder hastighet.

Om vi lykkes, kan koden gjenbrukes helt eller delvis. Om ikke, jaja, vi har kastet bort særdeles lite tid.

Ikke prototype produktet ditt. Lag det.

Automatiser alle småoppgavene

DevOps sier at vi skal automatisere alt, og de fleste team automatiserer allerede tester, bygg, leveranser og sikkerhetssjekker. Men flere av de små oppgavene, de vi gjør av og til og som bare tar noen minutter, forblir ofte manuelle.

Med asynkrone AI-agenter kan også disse raskt gjøres automatiske, gjerne mens vi holder på med noe helt annet.

Gevinsten?

Ikke nødvendigvis mer tid, men mer fokus. Å slippe å tenke på småting frigjør mental kapasitet, gir ro og gjør resten av arbeidet mer effektivt.

Alle blir produktutviklere

Når andre oppgaver går raskere, har alle på teamet mer tid og mental kapasitet til å bli produktutviklere. Med det mener jeg at alle på teamet er inderlig opptatt av at det vi lager skal gi verdi til brukerne og organisasjonen vi er en del av, og at vi styrer etter dette.

Hvordan produktet funker, oppfører seg og ser ut, er alle på teamets ansvar.

Vi har bedre tid til diskusjoner, brukerinvolvering og interessenthåndtering. Og mens vi gjør disse tingene, kodes jo appen læll.

Teamet kan bli færre folk

Mitt team er i dag en teamlead, 2 utviklere og 1 designer. Siden hver person får gjort mer, kan mer og lærer raskere med støtte i AI, vil teamene som er færre folk få en effektivitetsgevinst i form av tettere kommunikasjon og bedre retning siden vi bruker mer tid på selve produktet.

Dette tror jeg er representativt for team i framtiden. Å overlesse team med utviklere for å øke produksjonen gir mindre mening når vi får mye mer ut av hver enkelt person.

Forutsetninger for suksess

AI er ikke ei sølvkule som funker uansett, noe kreves det for å lykkes.

Lag gode husregler for AI-en

AI trenger opplæring. Den må vite hvilken kodestil som gjelder i vår kodebase, hvilke mønstre vi ønsker å bruke, hvor designsystemet ligger og hvordan skissene våre ser ut. Den må til og med fortelles at den skal foretrekke gjenbruk og at prinsipper som SOLID er lurt.

AI er verdens beste og verste utvikler på akkurat samme tid. Den må passes på og få veiledning.

Reglene som er generelle og alltid skal følges, lagres i filer som instruerer de forskjellige AI-ene. Disse filene bør holdes så korte som mulig, men heller ikke kortere enn det. De må oppdateres og holdes ved like, og om vi bruker flere forskjellige AI-er samtidig (som vi gjør) må de holdes i sync.

Rollen som designer blir enda viktigere

Uten et eget designsystem eller gode eksempler som AI-en kan benytte, blir produktet som skapes generisk og upersonlig. AI-en er trent mest på det som er mest vanlig, det som ligner alt annet.

Med skisser i eksempelvis Figma og designsystem i Tokens Studio kan AI-en hente utseende og riktige semantiske tokens, uten at vi trenger å spørre den om det. Dette gjør at vi kan be den implementere skisse fra Figma, og gitt husreglene og tester, komme opp med kode som faktisk er produksjonsklar.

AI-verktøy gjør at designere i teamet også kan bidra på mange flere områder enn uten. De trenger ikke vite at våre tekster ligger i no.ts, de kan oppdatere tekster selv ved å be AI-en gjøre det for dem.

Endre utseende i frontend? Null stress! Selv uten kunnskap om våre webrammeverk og komponenter, sågar kanskje uten kunnskap om CSS, kan de be AI-en endre appen. Ingenting øker flyten i team så mye som når flere kan gjøre hver enkelt oppgave.

Ha en lett prosess i teamet

Siden små team kan gjøre mer nå, bør teamets prosesser justeres for å støtte en mer produktrettet arbeidsmåte.

Mange team har for mye prosess og seremonier, noen for å bøte på at teamet er for stort, andre kanskje fordi man har brukt dem før andre steder. Og tid brukt på prosess er waste hvis vi ikke får den brukte tiden tilbake og vel så det.

All tid på prosess kunne vært brukt på å lage produktet, dermed må prosessen gjøre seg fortjent til å bli beholdt.

Jeg sier: fjern alt og bygg en minimal prosess på ny for å støtte den nye måten å jobbe på. Start med ingenting, og bygg stein for stein. Vurder kontinuerlig hvilke deler av prosessen som kan skrotes og bruk mer tid på å være sammen og bygg produktet i lag.

Planlegg jobben

Flere AI-agenter har et konsept om planlegging. Det betyr at agenten først lager en plan for arbeidet som skal utføres, for så å gjennomføre planen etterpå når vi er enige.

Fordelene med dette er mange, og alle bør bruke denne måten å jobbe på.

Når agenten planlegger, kan den spørre om det den er usikker på, analysere eksisterende kode først, og sikre at alle rammer for implementeringen er forstått. Først da setter vi i gang kodingen, vel vitende om at dette nok vil funke.

Språk er tvetydig, men ved å planlegge først, bygger vi opp et prompt som er entydig og enkelt for agenten å bare gjennomføre etterpå. Vi skiller mellom refleksjon og produksjon, fratar AI-en de fleste muligheter for å bare finne på greier selv.

Tokens skal brukes på det som gir verdi i produktet, ikke tilfeldige hallusinasjoner.

Koble på verktøy som hjelper oss

Alle AI-er har støtte for MCP, Model Context Protocol. Det gjør at man kan koble på andre verktøy til AI-en og gi den kunnskap og evner den ikke hadde fra før.

Vi kan:

• Gi den tilgang til Figma for å lese designsystem eller skisser
• Bruke Context7 for å få oppdatert dokumentasjon om rammeverk og biblioteker
• Koble den mot GitHub for å lese og skrive issues
• Utnytte Language Server Protocol (LSP) slik at koden kan navigeres og forstås som kode, ikke tekst

Hvordan dette settes opp varierer fra AI til AI, men felles for alle er at det er veldig enkelt.

Bruk av MCP gjør også at visse oppgaver blir svært mye billigere, mer presise og effektive. Anbefaler på det sterkeste å søke litt rundt og legge inn det som er relevant for din kodebase, språk og arbeidsmetodikk.

Vær ansvarlig, skriv testene først

Husker dere testdreven utvikling (TDD) fra XP og tidlig 2000-tall?

Det verste med TDD var at tiden brukt på å oppdatere tester, ofte på feil nivå, etter hvert som produktet går framover og vi lærer mer om hvordan det både burde fungert og vært skrudd sammen. Derfor har det gitt mindre mening å jobbe slik når vi vet at det er enorm sjanse for at det vi lager aldri skal bli bevart, og alle testene som tok oss dit er waste.

Men hva skjer når kodesteget er billig og går kjemperaskt? TDD er tilbake!

Om vi definerer rammene for funksjonaliteten vår og får AI-en til å skrive disse (nå røde) testene først, kan neste steg være å få dem grønne. En integrert del av planleggingen sammen med agenten.

I tillegg kan vi huske tilbake og kjøre på med refactor etterpå. AI-en vil ikke nødvendigvis rydde i eksisterende kode som blir påvirket av det nye om vi forteller den at dette også er viktig for oss.

TDD eller ei, uansett er Produktteamet alltid ansvarlig for koden som dyttes ut. Dette gjelder selv når AI skriver koden.

Konklusjon

AI gir oss tiden til å gjøre mer, være mer proff og tenke enda mer på brukeren og forretningens behov. Vi mennesker setter retning og bestemmer, AI-ene utfører og hjelper oss.

Hverdagen blir mer behagelig og effektiv på samme tid, og lar oss tenke produktutvikling på et høyere nivå.

Min anbefaling er å gå et trinn opp på AI-trappa på mandag, og finn ut hvordan din og teamets prestasjon kan økes. Vår arbeidshverdag blir aldri den samme igjen, og verktøyene blir aldri så dårlige igjen som akkurat i dag. Grip muligheten.