AI-first: AI-agenter gör arbetet och människor tar ansvaret

AI-first betyder att AI-agenter är det primära sättet att producera mjukvara. Agenterna planerar, bygger, testar och dokumenterar. Våra agentic engineers sätter riktningen, bedömer lösningar och utfall och fattar besluten.

För er som kund betyder det att leveranserna går snabbare, att kvaliteten blir bättre och att mer blir möjligt inom samma budget. Och det finns alltid en människa som tar ansvar för resultatet. Läs mer om våra upplägg och om hur vi jobbar.

Nedan berättar jag hur vi kom dit.

Från att använda AI till att vara AI-first

Peter Pang, CTO på CREAO, skrev nyligen om hur de gick från att använda AI till att bli AI-first. Hans beskrivning av resan känns igen. Nästan exakt. Men vi ser den från andra sidan bordet.

Vi är ett konsultbolag, så vi levererar till andra. Vi levererar till mindre kunder och enklare verksamheter, men även bl.a. till kunder i reglerade branscher, bank och fastighet, där kraven på spårbarhet, säkerhet och kvalitet inte är förhandlingsbara. Det gör AI-first-resan annorlunda. Och på vissa sätt svårare.

Alla säger att de använder AI. Få har ändrat hur de jobbar.

Peters poäng om att "AI-first inte är samma sak som att använda AI" är den viktigaste insikten. De flesta bolag vi möter har lagt till Copilot i VS Code. Kanske ett GPT-abonnemang. Någon har testat Cursor. Men processen, organisationen, rollerna, allt ser likadant ut som innan. AI är ett tillägg ovanpå det gamla.

Hos oss är det tvärtom. AI-agenter är de primära byggarna. Människor instruerar, granskar och ansvarar. Det låter som en liten omformulering, men det förändrar allt. Vilka man anställer. Hur man estimerar. Hur man prissätter. Hur man tänker kring kvalitet.

Arkitekt och operatör ersätter junior och senior

Peter pratar om rollerna Architect och Operator. Vi ser samma sak. Den gamla uppdelningen mellan junior och senior utvecklare tappar sin mening. Det som spelar roll nu är om du kan designa system som agenter förstår, och om du kan granska det de producerar.

Vi kallar det "harness engineering", samma term som Peter använder. Jobbet är att bygga den miljö, de instruktioner och de kvalitetskontroller som gör att en AI-agent kan leverera bra arbete. Det är en helt annan kompetens. Och det är den kompetensen vi säljer.

Konsultperspektivet gör det svårare, och mer intressant

Peter och CREAO bygger internt. Han kan välja monorepo, standardisera verktyg, kontrollera hela kedjan. Vi kan inte det. Vi går in i kunders befintliga miljöer. Legacy-system. Proprietära API:er. Organisationer som ibland inte ens har sin källkod under versionskontroll.

Skillnaden ligger i processen. Agenter kan snabbt kartlägga befintliga system, identifiera mönster, generera kod och tester. Men de behöver kontext. Bra kontext. Det är där vår erfarenhet kommer in. Att bygga den kontexten, dokumentera domänen, skapa instruktioner som agenter kan agera på, det är det egentliga jobbet.

Att bygga en bank med en handfull personer

Vi hjälper just nu Zinova att bygga infrastrukturen för ett kreditmarknadsbolag som siktar på banktillstånd. Frontend byggs i Lovable. Backend, säkerhet och infrastruktur byggs av oss. Med AI-agenter.

Tänk på det en sekund. En bank. Med krav på spårbarhet, kryptering, incidenthantering och behörighetshantering. Byggt av ett team av en handfull personer, varav en betydande del av koden produceras av AI-agenter.

Det hade inte varit möjligt för tre år sedan. Inte ens för ett år sedan, egentligen. Det är möjligt nu för att vi har byggt processer, verktyg och rutiner runt AI som gör det möjligt att leverera med kvaliteten som krävs.

Systemet är produkten

Peter skriver att "prompts are disposable" och att det är systemet man bygger. Det stämmer exakt med vår erfarenhet. Vi har ett internt ramverk, Fae, som hanterar hur AI-agenter jobbar mot olika kunders miljöer. Tenant-isolering, credential management, kunskapskontext, kvalitetskontroller.

Ramverk kan kopieras. Vår vallgrav är processen. Hur vi bygger domänkunskap per kund. Hur vi strukturerar instruktioner. Hur vi validerar AI-genererad kod avsedda för produktionsmiljöer. Det tar månader att bygga per kund och kan inte genereras av en prompt.

Managementtid, samma observation

Peter nämner att management-tiden kollapsade från 60% till 10%. Vi ser samma mönster. När agenter gör det tunga arbetet försvinner behovet av detaljerad uppföljning. Du behöver inte daily standups (hurra!) för att fråga "hur långt har du kommit" när du kan se det direkt i commit-historiken eller i kunskapsgrafer. Du behöver inte estimeringsmöten i tre omgångar.

Det frigör tid till det som faktiskt skapar värde. Arkitekturbeslut. Kundrelationer. Strategisk rådgivning. Saker som AI inte kan göra.

Det här är ett skifte

Företag som väntar med att bli AI-first kommer att ha svårt att konkurrera med de som redan har gjort omställningen. Det beror på att hela leveransmodellen förändras.

Vi är tio personer (och på väg att bli fler — ansök idag!). Vi levererar såväl mindre kunder som multinationella jättar. Vi bygger det som traditionella konsultbolag behöver 50-100 personer för. Vi gör det genom att jobba annorlunda.

Det är skillnaden mellan att använda AI och att vara AI-first.