Bag produktet

AI vs. mennesker i produktudvikling

Et Techscale-eksperiment, der undersøger forskellen i tilgang og kvalitet mellem AI og menneskelige udviklere.

Nikolaj Gaba
09/30/2025
Bag produktet

TL;DR

Vi satte AI (Cursor + ChatGPT) og en af vores udviklere (Kainat) på samme opgave: at bygge et responsivt tab-karousel med animationer, parallax-effekter og auto-rotation. Her er resultaterne:

90%

Hurtigere prototyper med AI

Hurtigere loading med menneskeskabt, strømlinet arkitektur

40%

Mindre tid på projektledelse, når udviklere kun skal briefees én gang

100%

SEO-synlighed og indeksering med menneskeskabt udvikling

Kainat Aslam
Frontend Udvikler hos Techscale

Hvorfor vi lavede dette eksperiment

Hos Techscale er vi nysgerrige på, hvilken rolle AI virkelig kan spille i produktudvikling. Med værktøjer som Cursor, GitHub Copilot og ChatGPT, der fylder i tech-debatten, ville vi teste, hvordan AI klarer sig sammenlignet med vores udviklere i en reel, praktisk opgave. Resultatet giver os værdifuld indsigt i både muligheder og begrænsninger ved AI i hverdagen.

Opgaven vi brugte til udfordingen

Byg en responsiv tab-sektion med glidende overgange, auto-rotation, parallax-baggrund og mobilvenligt design. Den færdige version skal være let at anvende, hurtig og skalerbar – uden konflikt mellem CSS-klasser.

Første skridt

Valg af tilgang

For at få en grundig vurdering brugte vi to AI-værktøjer.
Ét til at udføre arbejdet, og ét til at gennemgå AI-genereret kode og optimere, hvor det var muligt

AI's tilgang

Udviklingen begyndte med det samme, og den første prototype blev bygget på under 1 minut.

Der blev brugt vanilla JS (almindelig JavaScript uden framework), da briefen ikke angav andet, hvilket gjorde løsningen ikke-skalerbar og sværere at vedligeholde.

4 timer og 30+ prompts for at opnå det ønskede resultat.

Vi brugte ChatGPT til at udføre QA på den AI-genererede kode i forhold til den oprindelige brief, og sendte derefter resultaterne tilbage til Vibe Coding-værktøjet for at rette og optimere.

Kainat's tilgang

Brugte 30 min. på at forstå omfang, skalerbarhed og anvende kritisk tænkning ud over briefen.

Valgte Nuxt JS – et stack, der gør det nemt at administrere, SEO-optimeret med server-side rendering og bedre skalerbart, så vi kan anvende det hvor som helst.

Efter at have afsluttet arkitektur-vurderingen præsenterede Kainat sin plan og færdiggjorde buildet på 8 timer, samtidig med at hun selv styrede projektet og resultatet.

Kainat udnyttede vores uafhængige QA-team til at teste og gennemgå modulet, inden det blev afleveret. I udvikling sker der typisk, at ~20% flere fejl slipper igennem, når man laver QA på sit eget arbejde.

Kode uden arkitektur er som vægge uden fundament — det står, men det holder ikke.

- Katinat Aslam , Frontend Udvikler hos Techscale

Sammenligning af koden

De skjulte risici ved AI-genereret kode

AI er ekstremt hurtigt til prototyper, men for et egentligt produkt skal hvert output nøje overvåges af en udvikler for at undgå større risici:

Hurtige løsninger, der ødelægger skalerbarhed — AI retter problemer (f.eks. !important i CSS), hvilket gør fremtidige ændringer vanskeligere.

Ydelsesproblemer — Ineffektiv logik, der bliver langsommere, når der er rigtige brugere.

Ingen produktkontekst — Hardcodning, ignorering af standarder eller funktioner, der ikke passer til produktets vision.

Teknisk gæld — Små, rodede rettelser hober sig op og fører til store vedligeholdelsesomkostninger.

Sikkerhedsrisici — Mens vores eksperiment fokuserede på et simpelt web-element, er større applikationer langt mere udsatte set fra et sikkerhedsperspektiv.

Benyt af AI på den rigtige måde

Tænk på AI som et kraftfuldt værktøj – perfekt til små opgaver derhjemme. Men når du vil bygge et hus, skal du stadig have eksperterne med.

Hvor AI skinner igennem

Hurtig prototyping — kan lave funktionel kode på få sekunder.

QA-automatisering & testgenerering — effektiv til gentagne valideringsopgaver.

Kodeforslag & refaktorering — sparer tid på gentagen boilerplate-kode.

Idéudforskning — hjælper teams med hurtigt at afprøve “hvad nu hvis”-scenarier.

Produktivitetsboost for udviklere — fungerer som et ekstra sæt hænder.

Hvor udviklere er uundværlige

Arkitektur & skalerbarhed — sikrer, at koden ikke bryder sammen, når produktet vokser.

Brugeroplevelse & design thinking — sikrer, at produktet passer til menneskelig adfærd.

Komplekse integrationer — håndtering af API’er, databaser og forretningslogik.

Sikkerhed & performance-optimering — kritisk for produktionsklar kode.

Kontekst & vision — sikrer, at tekniske beslutninger stemmer overens med forretningsstrategien.

Hvordan Techscale arbejder med AI

AI er et utroligt kraftfuldt værktøj – især når det styres af en person med kodningsviden.

Der er områder, hvor vi kan stole på, at AI udfører hovedparten af arbejdet og hjælper os med at spare tid, men alt bliver stadig grundigt gennemgået af vores teams:

QA og automatisering:
Vi har trænet AI specifikt til hvert projekt, hvilket hjælper os med at udføre QA 40% hurtigere.

Kodeforslag & refaktorering:
Hurtige forbedringer som omdøbning af variabler, formatering eller forenkling af funktioner.

Prototyper & wireframes:
Hurtig kladdekode til UI-elementer eller layouts (karuseller, formularer, dashboards).

Rutineopgaver i DevOps:
Skriver boilerplate-scripts til CI/CD, log-parsing eller alarmer.