Fra pilot til drift: Derfor er Spec-Driven Development nøglen til ansvarlig AI-udvikling

AI-assisteret udvikling er ikke længere et eksperiment. Den foregår allerede i udviklingsteams på tværs af den offentlige sektor. Spørgsmålet er ikke, om AI bliver brugt, men om organisationen bevarer styringen, når koden i stigende grad skabes i samarbejde med intelligente modeller. Det er her, Spec-Driven Development kommer ind i billedet. 

Mens mange organisationer fokuserer på produktivitetsgevinsterne ved AI, overser de en vigtig risiko: Hvad sker der med sporbarhed, viden og suverænitet, når tusindvis af udviklingsbeslutninger træffes i dialog med en AI-model? 

I traditionel softwareudvikling kunne man følge vejen fra krav til løsning relativt tæt. Med AI-assisteret udvikling ændrer det billede sig markant. 

Forretningen ser behovet. Udviklingsteamet leverer en løsning. Men mellem de to punkter sker der nu noget nyt. AI genererer kode, forslag og designvalg baseret på prompts, kontekst og løbende interaktioner. Mange af disse beslutninger bliver aldrig dokumenteret. 

Konsekvensen er, at organisationer risikerer at miste kontrollen over: 

• Sporbarhed: Hvilket krav understøtter en konkret funktion egentlig? 

• Viden: Hvor ligger forståelsen af løsningen, hvis nøglepersoner forlader projektet? 

• Suverænitet: Hvilke modeller anvendes, hvor behandles data, og hvad koster det? 

Når dokumentationen ikke følger udviklingen, bliver det vanskeligere at validere leverancer, skifte leverandør eller videreudvikle løsningen på et oplyst grundlag. 

Mange ser AI-udvikling som en rejse mod fuld autonomi, hvor agenter skriver software uden menneskelig indblanding. Men for de fleste organisationer ligger den største gevinst et helt andet sted. 

AI-modenhed kan groft opdeles i fem niveauer: 

• Assisteret udvikling 

• Forstærket udvikling 

• Specifikationsdrevet udvikling 

• Superviseret autonomi 

• Fuld autonomi 

Det afgørende skift sker ved det specifikationsdrevne niveau. Her skriver mennesker ikke længere detaljerede løsningsbeskrivelser eller manuelle kodeanvisninger. I stedet ejer og vedligeholder de specifikationerne, mens AI producerer output på baggrund af disse. Resultaterne verificeres løbende mod det, der er besluttet. Det ændrer fokus fra kontrol af hver enkelt handling til kontrol af rammerne for handlingerne. 

Løsningen er ikke at opfinde nye roller eller processer. Tværtimod. Spec-Driven Development bygger på to velkendte artefakter: 

Kravspecifikationen 

Kravspecifikationen beskriver præcist og testbart den forretningsværdi og adfærd, løsningen skal levere. 

Den svarer blandt andet på: 

• Hvad skal systemet gøre? 

• Hvem skal bruge det? 

• Hvornår er det godkendt? 

Kravspecifikationen ejes af forretningen, produktansvarlige og designfunktioner. Den fungerer som organisationens fælles referencepunkt for, hvad der skal leveres. 

Løsningsspecifikationen 

Løsningsspecifikationen beskriver den tekniske realisering af kravene. 

Den forklarer: 

• Hvordan kravene implementeres 

• Hvilke arkitekturvalg der er truffet 

• Hvordan data og processer hænger sammen 

Denne specifikation ejes af udviklingsteamet og bliver grundlaget for implementering, validering og videreudvikling. Den afgørende forskel er, at begge specifikationer nu skrives, struktureres og vedligeholdes, så både mennesker og AI-agenter kan forstå dem. 

Mange tror fejlagtigt, at AI kræver helt nye metoder til analyse og kravarbejde. Det gør det ikke. De samme mennesker skal stadig gennemføre workshops. De samme spørgsmål skal stadig stilles. De samme forretningsregler skal stadig afdækkes. Product Owners bygger fortsat bro til forretningen. Arkitekter og udviklere skaber fortsat struktur, sammenhæng og tekniske afgrænsninger. Det, der forandrer sig, er måden viden organiseres og beskrives på. 

Hvor tidligere generationers specifikationer primært blev skrevet til mennesker, skal morgendagens specifikationer skrives, så de også kan læses, forstås og anvendes af AI-agenter. Resultatet er en fælles kilde til sandhed, som både mennesker og AI kan arbejde ud fra. 

Når specifikationerne bliver omdrejningspunktet for udviklingen, opstår der tre afgørende gevinster. 

1. Sporbarhed bliver mulig igen 

Hvert krav kan kobles til konkrete implementeringer, testcases og leverancer. Det gør det muligt at dokumentere, validere og afvise leverancer på et oplyst grundlag. 

2. Viden bliver i organisationen 

Know-how flytter fra enkeltpersoner til dokumenterede specifikationer. Det reducerer afhængigheden af bestemte medarbejdere eller leverandører og skaber et mere robust fundament for langsigtet drift. 

3. Suverænitet og omkostninger bliver styrbare 

Når krav, kontekst og løsningsdesign er eksplicit dokumenteret, bliver det lettere at vælge de rette AI-modeller til de rette opgaver. Organisationen får dermed større frihed til at anvende både lokale og omkostningseffektive modeller uden at gå på kompromis med kvalitet eller governance. 

Mange AI-initiativer ender som lovende pilotprojekter uden reel organisatorisk forankring. Skal AI blive en del af den daglige drift, kræver det en struktureret tilgang. 

Et godt sted at starte er: 

1. Vælg en strategisk vigtig case med reel forretningsværdi. 

2. Etablér et værktøj, der understøtter struktureret specifikation og validering. 

3. Definér en standard for AI-læsbare specifikationer. 

4. Udvikl arbejdsformen sammen med værktøjet og agenterne. 

5. Kør pilotprojektet parallelt med eksisterende processer. 

6. Investér i kompetenceudvikling og nye arbejdsmåder. 

Det vigtigste er at forstå, at dette ikke primært handler om teknologi. Det handler om governance, arbejdsformer og ejerskab. 

AI ændrer måden, software udvikles på. Men den ændrer ikke behovet for styring, ansvarlighed og gennemsigtighed. 

Organisationer, der lykkes med at bringe AI fra pilot til drift, er ikke nødvendigvis dem med de mest avancerede modeller. Det er dem, der formår at gøre specifikationer til fundamentet for samarbejdet mellem mennesker og AI. 

Når krav og løsninger beskrives på en måde, som både mennesker og agenter kan forstå, bliver AI ikke en trussel mod kontrol og suverænitet. Den bliver et redskab til at styrke dem. 
 
Det bliver mindre afgørende, hvor hurtigt vi kan skrive kode, og mere afgørende, hvor præcist vi kan beskrive, hvad vi faktisk vil bygge. Hvis I ejer specifikationen, ejer I løsningen.