Andrej Karpathy: Der er to slags programmører — dem, der koder med AI, og dem, der bliver hægtet af

Andrej Karpathy ved, hvad han taler om. Tidligere AI-direktør hos Tesla, tidlig OpenAI-forsker, skaber af Stanfords legendariske computer vision-kursus — han har skrevet kode og sendt AI-systemer i produktion i over et årti. Når han siger, at hans udviklingsarbejdsgang lige har gennemgået den største forandring i 20 år, er det værd at lytte.

Hans kerneargument: værktøjer som Deep Code er ikke bare smart autoudfyldning. De er et gearingmultiplikator. I den samme tid, du plejede at bruge, kan du levere ti gange så meget. Vigtigere er, at du kan kaste dig over projekter, der før føltes helt uden for rækkevidde. AI'en tager stadig fejl — den overengineerer, laver dårlige antagelser og skubber ikke tilbage, når den burde — men nettogevinsten er uomtvistelig. Jo hurtigere du tilpasser dig, desto større er din fordel.

Over de seneste uger har jeg skrevet en masse kode med Claude Code. Her er, hvad jeg har lært.

Kodningsarbejdsgang

Den seneste bølge af LLM-kodningsforbedringer vendte min arbejdsgang på hovedet. Tilbage i november var jeg cirka 80 % manuel skrivning med IDE-autoudfyldning, 20 % agent. I december var det omvendt: 80 % agent-skreven kode, 20 % mig, der ryddede op.

Jeg taler mig primært til kode nu. Jeg beskriver, hvad jeg vil have på almindeligt engelsk, og ser det materialisere sig. Det stikker lidt i programmør-egoet, ærligt talt. Men evnen til at operere på tværs af en hel kodebase på én gang — refaktorere, scaffold'e, forbinde ting — er for god til at lade gå. Især når du har lært rytmen: finjustere konfigurationen, få en fornemmelse for, hvad den nailer, og hvor den fejler.

Dette er det enkelt største skift i min udviklingsarbejdsgang i cirka 20 år med at skrive kode. Og det skete over et par uger. Jeg vil gætte på, at en betydelig del af ingeniører (tocifrede procenter) allerede gennemgår det samme. Den brede befolkning? Måske lave encifrede procenter har nogen idé om, at det sker.

IDE'er / Agent-sværme / Uundgåeligheden af fejl

To fortællinger cirkulerer: "IDE'er er døde" og "sværme af autonome agenter klarer det hele." Jeg synes begge er overvurderede lige nu.

Modellerne laver stadig fejl. Hvis du faktisk bekymrer dig om projektet, så hold øje med tingene. Jeg holder en fuld IDE åben i et sidevindue og holder øje som en høg.

Fejlene er dog anderledes nu. Ikke syntaksfejl. De er snigere — konceptuelle fejl, den slags en stresset juniorudvikler ville lave. Modellen udfylder tavst antagelser for dig, tager fejl, dobbelttjekker aldrig og bygger bare videre på det fejlbehæftede grundlag hele vejen ned.

Den håndterer heller ikke sin egen usikkerhed godt. Den stopper ikke og spørger "hej, vil du have A eller B her?" Den flagger ikke uoverensstemmelser. Den skubber sjældent tilbage. Den er lidt for ivrig efter at behage. At få den til at skrive en plan først og derefter udføre mod den plan hjælper meget. Jeg tror ærligt, der er et reelt behov for en letvægts, inline planlægningstilstand.

Den elsker også at overengineere. Lag af abstraktioner overalt. Kode der føles oppustet. Og den rydder næsten aldrig op i den døde kode, den skaber.

Jeg har set den spytte en omfattende tusindlinjers implementering ud — langsom, skrøbelig, fuld af unødvendige omveje. Så spørger jeg: "Kan vi gøre det på en enklere måde?" og den siger straks "Åh, selvfølgelig!" og komprimerer det hele ned til hundrede linjer.

Nogle gange sletter eller genskriver den kommentarer og kode, der intet havde med opgaven at gøre, bare fordi den ikke forstod dem eller ikke kunne lide dem. Jeg har bogstaveligt talt tilføjet noter i min CLAUDE.md, der fortæller den, at den ikke skal gøre det, og det sker stadig. Men på trods af det hele er forbedringen massiv. Jeg kan ærligt talt ikke forestille mig at gå tilbage.

Alle finder deres flow. Mit: et par Claude Code-sessioner i Ghostty til venstre, IDE til højre til at læse kode og lave kirurgiske redigeringer.

Udholdenhed

At se en agent slide med et problem er ærligt fascinerende. Den bliver ikke træt. Den bliver ikke modløs. Et menneske ville have sagt "det er lige meget, jeg prøver igen i morgen" for en time siden. Den bliver bare... ved.

Nogle gange ser du den kæmpe i det, der føles som en evighed. Så 30 minutter inde knækker den den endelig. I det øjeblik får du denne ægte fornemmelse af "wow, det her har et AGI-vibe."

Du indser: mental og fysisk udholdenhed er en kerneflaskehals i at få arbejdet fra hånden. Sprogmodellerne har lige sprængt loftet.

Fremskyndelser

Det er svært at sætte tal på, hvor meget hurtigere LLM'er gør dig. Jeg er helt sikkert hurtigere til de ting, jeg allerede gjorde. Men den større ændring er, at jeg nu gør ting, jeg slet ikke ville have forsøgt.

To grunde:

1. Masser af små opgaver, der før føltes "ikke besværet værd", er nu trivielt lette.
2. Kodebaser, jeg ville have undgået — fordi jeg manglede viden eller færdigheder — føles pludselig tilgængelige.

Så ja, det er acceleration. Men mere end det er det ekspansion. Rækkevidden af ting, jeg er i stand til, er vokset.

Gearing

Her er en af de mest kraftfulde ting ved LLM'er: de er rigtig gode til at iterere i en løkke, indtil de rammer et mål, du har defineret. Mange af de "AGI-agtige" øjeblikke kommer fra netop dette.

Nøglen: mikrostyr ikke. Fortæl den, hvordan succes ser ud, og lad den finde vejen.

Du kan få den til at skrive tests først og derefter få den til at bestå sine egne tests. Koble den op til en browser via MCP og lade den loope. Skrive en simpel, åbenlyst korrekt algoritme og sige "optimer nu for ydelse, mens du bevarer præcis de samme resultater."

Det mentale skift er fra imperativt til deklarativt. I stedet for "gør A, derefter B, derefter C," siger du "sådan her skal resultatet se ud." Agenten itererer selv et par omgange, og du får et ekstra lag gearing gratis.

Sjov

Jeg havde ikke forventet det, men kodning er faktisk blevet sjovere. Alt det kedelige udfyld-arbejde absorberes af agenten. Det, der er tilbage, er de kreative dele.

Jeg sidder også meget sjældnere fast. At sidde fast er surt. Nu er der næsten altid en vej til "samarbejd med den og lav i det mindste noget fremskridt," hvilket gør det lettere bare at komme i gang.

Det sagt, jeg har mødt mennesker, der føler det modsatte — LLM-kodning gør dem mindre glade.

På lang sigt tror jeg, dette splitter ingeniører i to lejre: folk, der elsker selve handlingen med at skrive kode, og folk, der elsker at få ting bygget.

Atrofi

Jeg kan allerede mærke det: min evne til at skrive kode fra bunden forsvinder langsomt. I hjernen er "generering" (at skrive kode) og "diskrimination" (at læse og gennemgå kode) to distinkte færdigheder. At skrive kode kræver memorering af en masse granulær syntaks. At læse kode handler om at forstå logik og struktur. Så selvom din genereringmuskel svækkes, kan du stadig gennemgå kode effektivt — spotte hvad der ser forkert ud, finde fejlene.

Slopocalypse

Jeg forbereder mig: 2026 kan blive året for den store indholdsslop-eksplosion.

GitHub, Substack, arXiv, YouTube, Reddit — enhver digital indholdsplatform vil blive oversvømmet med AI-genereret materiale. Vi vil se en bølge af AI-drevet produktivitetsteater, prangende demos der ser fantastiske ud, men ikke holder. Drysset deri vil være reelle, håndgribelige produktivitetsgevinster også. Men du bliver nødt til at grave efter dem.

Spørgsmål

Hvordan ser 10x-udvikleren ud fremover? Vil kløften mellem gennemsnitlige og topudviklere blive endnu bredere? Mit gæt: meget bredere.

Vil generalister begynde at overgå specialister? LLM'er er ekceptionelt gode til at udfylde detaljer (mikro) men svagere ved overordnet tænkning og langsigtet strategi (makro). Den hældning begunstiger folk, der kan se hele brættet.

Hvordan vil det føles at kode med LLM'er om fem år? StarCraft? Factorio? At opføre et stykke musik?

Hvor meget af samfundet er faktisk bremset af digitalt vidensarbejde?

Konklusion: Hvor efterlader det os?

LLM-agent-evnerne — Claude Code især — krydsede en tærskel for overordnet sammenhæng omkring december 2025. Det udløste en faseovergang i softwareudvikling. Måden tingene bliver gjort på skiftede med en størrelsesorden, praktisk talt over natten.

Lige nu føles det, som om intelligens er ræset foran alt omkring den. Værktøjsintegrationen er ikke fulgt med. Teams har brug for nye arbejdsgange og samarbejdsmønstre. Branchen er stadig ved at fordøje, hvad der lige skete.

2026 bliver intens. Alle kæmper for at absorbere og internalisere denne nye evne. Vinduet er åbent lige nu. De mennesker, der finder ud af det tidligt, vil have et massivt forspring.